numpy.fft.ifft#

fft.ifft(a, n=None, axis=-1, norm=None, out=None)[源代码]#

计算一维逆离散傅里叶变换.

此函数计算由 fft 计算的一维 n 点离散傅里叶变换的逆变换.换句话说,``ifft(fft(a)) == a`` 在数值精度范围内成立.有关算法的通用描述和定义,请参见 numpy.fft.

输入应按与 fft 返回的顺序相同的方式排序,即,

a[0] 应包含零频率项,
a[1:n//2] 应包含正频率项.
a[n//2 + 1:] 应包含负频率项,从最负频率开始按升序排列.

对于偶数个输入点,``A[n//2]`` 表示正负 Nyquist 频率处值的总和,因为这两个频率是混叠在一起的.详情请参见 numpy.fft.

参数:

aarray_like: 输入数组,可以是复杂的.
nint, 可选: 输出变换轴的长度.如果 n 小于输入的长度,则输入被裁剪.如果它更大,则输入用零填充.如果未给出 n,则使用沿 axis 指定的输入长度.请参阅有关填充问题的注释.
axisint, 可选: 计算逆DFT的轴.如果没有给出,则使用最后一个轴.
norm{“backward”, “ortho”, “forward”},可选: 在 1.10.0 版本加入.

归一化模式（参见 numpy.fft）.默认是”backward”.指示正向/反向变换对中哪个方向的变换被缩放以及使用什么归一化因子.

在 1.20.0 版本加入: 添加了”backward”、”forward”值.
outcomplex ndarray, 可选: 如果提供,结果将被放置在这个数组中.它应该是适当形状和数据类型的.

在 2.0.0 版本加入.

返回:

out复杂 ndarray: 被截断或零填充的输入,沿着由 axis 指示的轴转换,如果未指定 axis,则沿着最后一个轴转换.

引发:

IndexError: 如果 axis 不是 a 的有效轴.

参见

numpy.fft: 一个介绍,包含定义和一般解释.
fft: 一维（前向）FFT,其中 ifft 是其逆运算
ifft2: 二维逆快速傅里叶变换.
ifftn: n 维逆快速傅里叶变换.

备注

如果输入参数 n 大于输入的大小,则在输入的末尾通过附加零来进行填充.尽管这是常见的方法,但它可能会导致令人惊讶的结果.如果需要不同的填充,则必须在调用 ifft 之前进行.

示例

>>> import numpy as np
>>> np.fft.ifft([0, 4, 0, 0])
array([ 1.+0.j,  0.+1.j, -1.+0.j,  0.-1.j]) # may vary

创建并绘制一个带限信号,其相位随机:

>>> import matplotlib.pyplot as plt
>>> t = np.arange(400)
>>> n = np.zeros((400,), dtype=complex)
>>> n[40:60] = np.exp(1j*np.random.uniform(0, 2*np.pi, (20,)))
>>> s = np.fft.ifft(n)
>>> plt.plot(t, s.real, label='real')
[<matplotlib.lines.Line2D object at ...>]
>>> plt.plot(t, s.imag, '--', label='imaginary')
[<matplotlib.lines.Line2D object at ...>]
>>> plt.legend()
<matplotlib.legend.Legend object at ...>
>>> plt.show()