Python PyTorch irfft用法及代码示例

本文简要介绍python语言中 torch.fft.irfft 的用法。

用法:

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

参数：

• input(Tensor) -表示 half-Hermitian 信号的输入张量

• n(int,可选的) -输出信号长度。这决定了输出信号的长度。如果给定，则在计算实际 IFFT 之前，输入将被零填充或修剪到该长度。默认为偶数输出：n=2*(input.size(dim) - 1)。

• dim(int,可选的) -沿其采用一维实 IFFT 的维度。

• norm(str,可选的) -

  标准化模式。对于后向变换(irfft())，这些对应于：

  • "forward" - 没有标准化

  • "backward" - 通过 1/n 标准化

  • "ortho" - 通过1/sqrt(n) 标准化(使真正的IFFT正交)

  使用相同的归一化模式调用正向变换 ( rfft() ) 将在两个变换之间应用 1/n 的整体归一化。这是使 irfft() 精确反转所必需的。

  默认值为 "backward" (由 1/n 标准化)。

关键字参数：

out(Tensor,可选的) -输出张量。

计算 rfft() 的倒数。

input 被解释为傅里叶域中的单侧埃尔米特信号，由 rfft() 产生。根据埃尔米特性质，输出将是实值。

注意

某些输入频率必须是实值才能满足 Hermitian 属性。在这些情况下，虚部将被忽略。例如，zero-frequency 项中的任何虚部都不能在实际输出中表示，因此将始终被忽略。

注意

Hermitian 输入的正确解释取决于 n 给出的原始数据的长度。这是因为每个输入形状都可能对应于奇数或偶数长度的信号。默认情况下，假设信号为偶数长度，奇数信号不会正确round-trip。因此，建议始终传递信号长度 n 。

示例

>>> t = torch.linspace(0, 1, 5)
>>> t
tensor([0.0000, 0.2500, 0.5000, 0.7500, 1.0000])
>>> T = torch.fft.rfft(t)
>>> T
tensor([ 2.5000+0.0000j, -0.6250+0.8602j, -0.6250+0.2031j])

如果不指定 irfft() 的输出长度，输出将不会正确 round-trip，因为输入是 odd-length：

>>> torch.fft.irfft(T)
tensor([0.1562, 0.3511, 0.7812, 1.2114])

因此，建议始终传递信号长度 n ：

>>> roundtrip = torch.fft.irfft(T, t.numel())
>>> torch.testing.assert_close(roundtrip, t, check_stride=False)