FFT 操作

[source]

fft function

keras.ops.fft(x)

计算输入张量最后一个轴上的快速傅里叶变换.

参数: x: 输入张量的实部和虚部组成的元组.元组中的两个张量都应为浮点类型.

返回: 包含两个张量的元组 - 输出张量的实部和虚部.

示例:

>>> x = (
...     keras.ops.convert_to_tensor([1., 2.]),
...     keras.ops.convert_to_tensor([0., 1.]),
... )
>>> fft(x)
(array([ 3., -1.], dtype=float32), array([ 1., -1.], dtype=float32))

[source]

fft2 function

keras.ops.fft2(x)

计算输入沿最后两个轴的二维快速傅里叶变换.

参数: x: 输入张量的实部和虚部组成的元组.元组中的两个张量都应为浮点类型.

返回: 包含两个张量的元组 - 输出的实部和虚部.

示例:

>>> x = (
...     keras.ops.convert_to_tensor([[1., 2.], [2., 1.]]),
...     keras.ops.convert_to_tensor([[0., 1.], [1., 0.]]),
... )
>>> fft2(x)
(array([[ 6.,  0.],
    [ 0., -2.]], dtype=float32), array([[ 2.,  0.],
    [ 0., -2.]], dtype=float32))

[source]

rfft function

keras.ops.rfft(x, fft_length=None)

实值快速傅里叶变换沿输入的最后一个轴进行.

计算沿输入最内层维度的实值信号的1D离散傅里叶变换.

由于实值信号的离散傅里叶变换是埃尔米特对称（Hermitian-symmetric）的,RFFT仅返回FFT的fft_length / 2 + 1个唯一分量:零频项,随后是fft_length / 2个正频项.

沿RFFT计算的轴,如果fft_length小于输入的相应维度,则该维度被裁剪.如果它更大,则该维度用零填充.

参数: x: 输入张量. fft_length: 一个整数,表示傅里叶变换的长度.如果未指定,则从x的最后一个轴的长度推断.默认为None.

返回: 一个包含两个张量的元组 - 输出的实部和虚部.

示例:

>>> x = keras.ops.convert_to_tensor([0.0, 1.0, 2.0, 3.0, 4.0])
>>> rfft(x)
(array([10.0, -2.5, -2.5]), array([0.0, 3.4409548, 0.81229924]))

>>> rfft(x, 3)
(array([3.0, -1.5]), array([0.0, 0.8660254]))

[source]

stft function

keras.ops.stft(
    x, sequence_length, sequence_stride, fft_length, window="hann", center=True
)

沿输入的最后一个轴进行短时傅里叶变换.

STFT计算输入的短重叠窗口的傅里叶变换.这给出了信号的频率分量随时间变化的情况.

参数: x: 输入张量. sequence_length: 一个整数,表示序列长度. sequence_stride: 一个整数,表示序列跳跃大小. fft_length: 一个整数,表示要应用的FFT的大小.如果未指定,则使用包围sequence_length的最小2的幂. window: 一个字符串,窗口的张量或None.如果window是一个字符串,可用值为"hann"和"hamming".如果window是一个张量,它将直接用作窗口,其长度必须为sequence_length.如果window为None,则不使用窗口.默认为"hann". center: 是否在x的两边填充,以便第t个序列在时间t * sequence_stride处居中.否则,第t个序列在时间t * sequence_stride处开始.默认为True.

返回: 一个包含两个张量的元组 - STFT输出的实部和虚部.

示例:

>>> x = keras.ops.convert_to_tensor([0.0, 1.0, 2.0, 3.0, 4.0])
>>> stft(x, 3, 2, 3)
(array([[0.75, -0.375],
   [3.75, -1.875],
   [5.25, -2.625]]), array([[0.0, 0.64951905],
   [0.0, 0.64951905],
   [0.0, -0.64951905]]))

[source]

irfft function

keras.ops.irfft(x, fft_length=None)

沿最后一个轴的逆实值快速傅里叶变换.

计算实值信号的逆1D离散傅里叶变换 沿输入的最内层维度.

假设输入的最内层维度是RFFT的结果: 实值信号的DFT的fft_length / 2 + 1个唯一分量.如果未提供fft_length,则从输入的最内层维度的大小计算(fft_length = 2 * (inner - 1)).如果用于计算的FFT长度为奇数,则应提供,因为它无法正确推断.

沿IRFFT计算的轴,如果fft_length / 2 + 1小于输入的相应维度,则裁剪维度.如果它较大,则用零填充维度.

参数: x: 输入张量的实部和虚部的元组.元组中的两个张量都应为浮点类型. fft_length: 表示fft长度的整数.如果未指定,则从x的最后一个轴的长度推断.默认为None.

返回: 包含沿x的最后一个轴的逆实值快速傅里叶变换的张量.

示例:

>>> real = keras.ops.convert_to_tensor([0.0, 1.0, 2.0, 3.0, 4.0])
>>> imag = keras.ops.convert_to_tensor([0.0, 1.0, 2.0, 3.0, 4.0])
>>> irfft((real, imag))
array([0.66666667, -0.9106836, 0.24401694])

>>> irfft(rfft(real, 5), 5)
array([0.0, 1.0, 2.0, 3.0, 4.0])

[source]

istft function

keras.ops.istft(
    x,
    sequence_length,
    sequence_stride,
    fft_length,
    length=None,
    window="hann",
    center=True,
)

逆短时傅里叶变换沿输入的最后一个轴进行.

为了重构原始波形,参数应与stft中的参数相同.

参数: x: 输入张量的实部和虚部组成的元组.元组中的两个张量都应为浮点类型. sequence_length: 一个整数,表示序列长度. sequence_stride: 一个整数,表示序列跳跃大小. fft_length: 一个整数,表示产生stft的FFT大小. length: 一个整数,表示输出被裁剪为精确长度.如果未指定,则不进行填充或裁剪.默认为None. window: 一个字符串、窗口张量或None.如果window是字符串,可用值为"hann"和"hamming".如果window是张量,它将直接用作窗口,其长度必须为sequence_length.如果window为None,则不使用窗口.默认为"hann". center: 是否在两侧填充x,以便第t个序列在时间t * sequence_stride处居中.默认为True.

返回: 一个张量,包含沿x的最后一个轴的逆短时傅里叶变换.

示例:

>>> x = keras.ops.convert_to_tensor([0.0, 1.0, 2.0, 3.0, 4.0])
>>> istft(stft(x, 1, 1, 1), 1, 1, 1)
array([0.0, 1.0, 2.0, 3.0, 4.0])