Python PyTorch rfftfreq用法及代碼示例

本文簡要介紹python語言中 torch.fft.rfftfreq 的用法。

用法:

torch.fft.rfftfreq(n, d=1.0, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

參數：

• n(int) -實際 FFT 長度

• d(float,可選的) -采樣長度尺度。 FFT 輸入的各個樣本之間的間距。默認采用單位間距，將該結果除以實際間距得出物理頻率單位的結果。

關鍵字參數：

• out(Tensor,可選的) -輸出張量。

• dtype(torch.dtype， 可選的) -返回張量的所需數據類型。默認值：如果 None ，使用全局默認值(參見 torch.set_default_tensor_type() )。

• layout(torch.layout， 可選的) -返回張量的所需布局。默認值：torch.strided。

• device(torch.device， 可選的) -返回張量的所需設備。默認值：如果 None ，使用當前設備作為默認張量類型(參見 torch.set_default_tensor_type() )。 device 將是 CPU 張量類型的 CPU 和 CUDA 張量類型的當前 CUDA 設備。

• requires_grad(bool,可選的) -如果 autograd 應該在返回的張量上記錄操作。默認值：False。

使用大小為 n 的信號計算 rfft() 的采樣頻率。

注意

rfft() 返回埃爾米特單側輸出，因此僅返回正頻率項。對於長度為 n 且輸入以長度單位 d 間隔的實數 FFT，頻率為：

f = torch.arange((n + 1) // 2) / (d * n)

注意

對於偶數長度，f[n/2] 處的奈奎斯特頻率可以被視為負或正。與 fftfreq() 不同，rfftfreq() 始終將其返回為正值。

示例

>>> torch.fft.rfftfreq(5)
tensor([0.0000, 0.2000, 0.4000])

>>> torch.fft.rfftfreq(4)
tensor([0.0000, 0.2500, 0.5000])

與 fftfreq() 的輸出相比，我們看到 f[2] 處的奈奎斯特頻率已經改變了符號： >>> torch.fft.fftfreq(4) tensor([ 0.0000, 0.2500, -0.5000, -0.2500])