Python PyTorch irfft用法及代碼示例

本文簡要介紹python語言中 torch.fft.irfft 的用法。

用法:

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

參數：

• input(Tensor) -表示 half-Hermitian 信號的輸入張量

• n(int,可選的) -輸出信號長度。這決定了輸出信號的長度。如果給定，則在計算實際 IFFT 之前，輸入將被零填充或修剪到該長度。默認為偶數輸出：n=2*(input.size(dim) - 1)。

• dim(int,可選的) -沿其采用一維實 IFFT 的維度。

• norm(str,可選的) -

  標準化模式。對於後向變換(irfft())，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(使真正的IFFT正交)

  使用相同的歸一化模式調用正向變換 ( rfft() ) 將在兩個變換之間應用 1/n 的整體歸一化。這是使 irfft() 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 rfft() 的倒數。

input 被解釋為傅裏葉域中的單側埃爾米特信號，由 rfft() 產生。根據埃爾米特性質，輸出將是實值。

注意

某些輸入頻率必須是實值才能滿足 Hermitian 屬性。在這些情況下，虛部將被忽略。例如，zero-frequency 項中的任何虛部都不能在實際輸出中表示，因此將始終被忽略。

注意

Hermitian 輸入的正確解釋取決於 n 給出的原始數據的長度。這是因為每個輸入形狀都可能對應於奇數或偶數長度的信號。默認情況下，假設信號為偶數長度，奇數信號不會正確round-trip。因此，建議始終傳遞信號長度 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() 的輸出長度，輸出將不會正確 round-trip，因為輸入是 odd-length：

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

因此，建議始終傳遞信號長度 n ：

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