Python PyTorch ihfft用法及代碼示例

本文簡要介紹python語言中 torch.fft.ihfft 的用法。

用法:

torch.fft.ihfft(input, n=None, dim=- 1, norm=None, *, out=None) → Tensor

參數：

• input(Tensor) -真實輸入張量

• n(int,可選的) -信號長度。如果給定，則在計算 Hermitian IFFT 之前，輸入將被零填充或修剪到該長度。

• dim(int,可選的) -沿其采用一維 Hermitian IFFT 的維度。

• norm(str,可選的) -

  標準化模式。對於後向變換(ihfft())，這些對應於：

  • "forward" - 沒有標準化

  • "backward" - 通過 1/n 標準化

  • "ortho" - 通過1/sqrt(n) 標準化(使IFFT正交化)

  使用相同的歸一化模式調用正向變換 ( hfft() ) 將在兩個變換之間應用 1/n 的整體歸一化。這是使 ihfft() 精確反轉所必需的。

  默認值為 "backward" (由 1/n 標準化)。

關鍵字參數：

out(Tensor,可選的) -輸出張量。

計算 hfft() 的倒數。

input 必須是實值信號，在傅立葉域中解釋。實數信號的 IFFT 是 Hermitian 對稱的，X[i] = conj(X[-i]) 。 ihfft() 以單側形式表示這一點，其中僅包括低於奈奎斯特頻率的正頻率。要計算完整輸出，請使用 ifft() 。

示例

>>> t = torch.arange(5)
>>> t
tensor([0, 1, 2, 3, 4])
>>> torch.fft.ihfft(t)
tensor([ 2.0000-0.0000j, -0.5000-0.6882j, -0.5000-0.1625j])

與 ifft() 的完整輸出進行比較：

>>> torch.fft.ifft(t)
tensor([ 2.0000-0.0000j, -0.5000-0.6882j, -0.5000-0.1625j, -0.5000+0.1625j,
        -0.5000+0.6882j])