scipy.fft.

next_fast_len

scipy.fft.next_fast_len(target, real=False)

找到输入数据的下一个快速大小以进行 fft ，用于零填充等。

SciPy 的 FFT 算法通过递归分治策略获得其速度。这依赖于对输入长度的小素因数的有效函数。因此，当使用由 fft 实现处理的素因数的复合数时，变换速度最快。如果对所有基数 <= n 都有有效函数，那么结果将是一个仅包含小于 n 的素因数的数 x >= target。（也称为 n-光滑数）

参数:

目标整数

开始搜索的长度。必须是一个正整数。

真实bool, 可选

如果FFT涉及实数输入或输出（例如，rfft 或 hfft 但不是 fft），则为True。默认为False。

返回:

出整数

大于或等于 target 的最小快速长度。

注释

此函数的结果可能会在未来随着性能考虑的变化而改变，例如，如果添加了新的质因数。

使用 fft 或 ifft 处理实数输入数据时，内部执行的是 'R2C' 变换。

示例

Try it in your browser!

在一台特定的机器上，一个长度为质数的FFT需要11.4毫秒：

>>> from scipy import fft
>>> import numpy as np
>>> rng = np.random.default_rng()
>>> min_len = 93059  # prime length is worst case for speed
>>> a = rng.standard_normal(min_len)
>>> b = fft.fft(a)

将数据填充到下一个常规长度，计算时间减少到1.6毫秒，速度提升了7.3倍：

>>> fft.next_fast_len(min_len, real=True)
93312
>>> b = fft.fft(a, 93312)

向上舍入到下一个2的幂不是最优的，计算时间为3.0毫秒；比``next_fast_len``给出的尺寸长1.9倍：

>>> b = fft.fft(a, 131072)

Go BackOpen In Tab