numpy.fft.irfft#

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

计算 rfft 的逆.

此函数计算由 rfft 计算的实输入的一维 n 点离散傅里叶变换的逆变换.换句话说,``irfft(rfft(a), len(a)) == a`` 在数值精度范围内成立.（见下面的注释,为什么这里需要 len(a).）

输入应为 rfft 返回的形式,即实数零频率项后跟按频率递增顺序排列的复数正频率项.由于实数输入的离散傅里叶变换是厄米特对称的,负频率项被认为是相应正频率项的复共轭.

参数:

aarray_like: 输入数组.
nint, 可选: 输出变换轴的长度.对于 n 个输出点,需要 n//2+1 个输入点.如果输入比这个长,则会被裁剪.如果比这个短,则用零填充.如果未给出 n,则取为 2*(m-1),其中 m 是输入沿 axis 指定的轴的长度.
axisint, 可选: 计算逆FFT的轴.如果未指定,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”.指示这对前向/后向变换中哪个方向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.
outndarray, 可选: 如果提供,结果将被放置在这个数组中.它应该是适当的形状和数据类型.

在 2.0.0 版本加入.

返回:

outndarray: 截断或零填充的输入,沿由 axis 指示的轴转换,或者如果未指定 axis,则沿最后一个轴转换.转换轴的长度为 n,或者,如果未给出 n,则为 2*(m-1),其中 m 是输入的转换轴的长度.要获得奇数个输出点,必须指定 n.

引发:

IndexError: 如果 axis 不是 a 的有效轴.

参见

numpy.fft: 关于DFT的定义和使用的约定.
rfft: 实数输入的一维 FFT,其中 irfft 是其逆运算.
fft: 一维傅里叶变换.
irfft2: 实数输入的二维FFT的逆变换.
irfftn: 实输入的 n 维 FFT 的逆变换.

备注

返回实值的 n 点逆离散傅里叶变换 a,其中 a 包含 Hermitian 对称序列的非负频率项.`n` 是结果的长度,不是输入的长度.

如果你指定一个 n 使得 a 必须被零填充或截断,额外的/移除的值将在高频处添加/移除.因此,可以通过傅里叶插值将一个序列重采样到 m 点:a_resamp = irfft(rfft(a), m).

正确解释厄米输入取决于原始数据的长度,如 n 所给.这是因为每个输入形状可能对应于奇数或偶数长度的信号.默认情况下,`irfft` 假设偶数输出长度,将最后一个条目置于奈奎斯特频率;与对称的对映体混叠.通过厄米对称性,该值被视为纯实数.为了避免丢失信息,必须给出实数输入的正确长度.

示例

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

注意输入到普通 ifft 的最后一个项是如何与第二个项的复共轭相等的,并且输出在每个地方的虚部都为零.当调用 irfft 时,负频率未被指定,并且输出数组是纯实数.