numpy.fft.irfft¶
-
numpy.fft.
irfft
(a, n=None, axis=-1, norm=None)[source]¶ 计算实数输入的n点DFT的逆。
该函数计算由
rfft
计算的实数输入的一维n点离散傅里叶变换的逆。换句话说,irfft(rfft(a), len(a)) == a
到数值精度。(见下面的注释,为什么len(a)
在这里是必要的。)输入预期为由
rfft
返回的形式,即实际的零频率项,后面是按照频率增加的顺序的复数正频率项。由于实数输入的离散傅里叶变换是厄米对称的,负频率项被认为是相应的正频率项的复共轭。参数: a:array_like
输入数组。
n:int,可选
输出的变换轴的长度。对于n输出点,需要
n//2+1
个输入点。如果输入长于此,则会裁剪。如果它比这短,用零填充。如果未给出n,则根据沿轴指定的轴的输入长度确定。axis:int,可选
用于计算逆FFT的轴。如果未给出,则使用最后一个轴。
norm:{None,“ortho”},可选
版本1.10.0中的新功能。
规范化模式(参见
numpy.fft
)。默认值为None。返回: out:ndarray
未指定沿轴指示的轴变换的截断或零填充输入,如果轴指定最后一个输入。变换轴的长度为n,或者如果未给出n,则
2*(m-1)
其中m
是输入的变换轴的长度。要获得奇数个输出点,必须指定n。上升: IndexError
如果axis大于a的最后一个轴。
也可以看看
笔记
返回a的实数值n点离散傅里叶逆变换,其中a包含厄米对称序列的非负频率项。n是结果的长度,而不是输入。
如果您指定n使得a必须填零或截断,则将以高频添加/删除额外/除去的值。因此,可以通过以下方式通过傅立叶内插将一系列重新采样到m点:
a_resamp = irfft(rfft m)
。例子
>>> np.fft.ifft([1, -1j, -1, 1j]) array([ 0.+0.j, 1.+0.j, 0.+0.j, 0.+0.j]) >>> np.fft.irfft([1, -1j, -1]) array([ 0., 1., 0., 0.])
注意到普通
ifft
的输入中的最后一项是第二项的复共轭,并且输出在每个地方具有零虚部。当调用irfft
时,未指定负频率,并且输出数组是纯实数。