numpy.fft.irfft#

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

计算 rfft 的逆变换。

此函数计算由 rfft 计算的实数输入的一维 n 点离散傅里叶变换的逆变换。换句话说，在数值精度范围内，irfft(rfft(a), len(a)) == a。（有关此处为什么需要 len(a) 的原因，请参阅下面的“备注”）。

输入预期采用 rfft 返回的格式，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对称的，负频率项被视为相应正频率项的复共轭。

参数:

aarray_like: 输入数组。
nint, 可选: 输出的变换轴的长度。对于 n 个输出点，需要 n//2+1 个输入点。如果输入比这更长，则会被裁剪。如果比这更短，则用零填充。如果未给出 n，则其被视为 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。如果未给出，则使用最后一个轴。
norm{“backward”, “ortho”, “forward”}, 可选: 归一化模式（参见 numpy.fft）。默认值为“backward”。指示正向/反向变换对的哪个方向被缩放以及使用何种归一化因子。

1.20.0 版新增: 添加了“backward”、“forward”值。
outndarray, 可选: 如果提供，结果将放置在此数组中。它应该具有适当的形状和数据类型。

2.0.0 版新增。

返回:

outndarray: 沿 axis 指定的轴（或最后一个轴，如果未指定 axis）进行变换后的截断或零填充输入。变换轴的长度是 n，或者，如果未给出 n，则为 2*(m-1)，其中 m 是输入变换轴的长度。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。

另请参阅

numpy.fft: 有关 DFT 定义和所用约定。
rfft: 实数输入的一维 FFT，irfft 是其逆变换。
fft: 一维 FFT。
irfft2: 实数输入的二维 FFT 的逆变换。
irfftn: 实数输入的 n 维 FFT 的逆变换。

备注

返回 a 的实数值 n 点逆离散傅里叶变换，其中 a 包含厄米对称序列的非负频率项。n 是结果的长度，而不是输入的长度。

如果您指定一个 n 使得 a 必须进行零填充或截断，则额外的/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 个点：a_resamp = irfft(rfft(a), m)。

对厄米输入数据的正确解释取决于原始数据的长度，即由 n 给出的长度。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 假定偶数输出长度，这将最后一个条目置于奈奎斯特频率；与其对称对应物发生混叠。根据厄米对称性，该值因此被视为纯实数。为了避免信息丢失，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.])

请注意，普通 ifft 输入的最后一项如何是第二项的复共轭，并且输出在任何地方都具有零虚部。当调用 irfft 时，不指定负频率，并且输出数组是纯实数。