numpy.fft.rfft#

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

计算实数输入的一维离散傅里叶变换.

此函数通过一种称为快速傅里叶变换（FFT）的高效算法计算实值数组的单维 n 点离散傅里叶变换（DFT）.

参数:
aarray_like

输入数组

nint, 可选

在输入中沿变换轴使用的点数.如果 n 小于输入的长度,则输入被裁剪.如果它较大,则输入用零填充.如果未给出 n,则使用沿由 axis 指定的轴的输入长度.

axisint, 可选

要计算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”.指示了正向/反向变换对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.

outcomplex ndarray, 可选

如果提供,结果将被放置在这个数组中.它应该是适当的形状和数据类型.

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,或者如果未指定 axis,则沿着最后一个轴转换.如果 n 是偶数,转换轴的长度是 (n/2)+1.如果 n 是奇数,长度是 (n+1)/2.

引发:
IndexError

如果 axis 不是 a 的有效轴.

参见

numpy.fft

关于DFT的定义和使用惯例.

irfft

rfft 的逆运算.

fft

一维 FFT 的通用（复数）输入.

fftn

n 维 FFT.

rfftn

实数输入的 n 维傅里叶变换.

备注

当DFT仅对纯实数输入进行计算时,输出是厄米特对称的,即负频率项只是相应正频率项的复共轭,因此负频率项是多余的.此函数不计算负频率项,因此输出变换轴的长度为 n//2 + 1.

当 A = rfft(a) 且 fs 是采样频率时,``A[0]`` 包含零频率项 0*fs,由于厄米对称性,这是实数.

如果 n 是偶数,``A[-1]`` 包含表示正负奈奎斯特频率（+fs/2 和 -fs/2）的项,并且必须是纯实数.如果 n 是奇数,则不存在 fs/2 的项;``A[-1]`` 包含最大的正频率（fs/2*(n-1)/n）,并且在一般情况下是复数.

如果输入 a 包含虚部,它将被静默丢弃.

示例

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

注意 fft 输出的最后一个元素是如何成为第二个元素的复共轭的,对于实数输入.对于 rfft,这种对称性被利用来仅计算非负频率项.

On this page