numpy.fft.hfft#

fft.hfft(a, n=None, axis=-1, norm=None, out=None)[源]#

计算具有厄米特对称（即实数谱）的信号的 FFT。

参数:
a类数组对象

输入数组。

nint, optional

输出轴的长度。对于 n 个输出点，需要 n//2 + 1 个输入点。如果输入比这长，则会被截断。如果比这短，则会用零填充。如果未给出 n，则假定其值为 2*(m-1)，其中 m 是沿由 axis 指定的轴的输入长度。

axisint, optional

计算 FFT 的轴。如果未给出，则使用最后一个轴。

norm{“backward”, “ortho”, “forward”}, optional

归一化模式（请参阅 numpy.fft）。默认为“backward”。指示前向/后向变换对的哪个方向被缩放以及缩放因子是多少。

版本 1.20.0 已添加：添加了“backward”、“forward”值。

outndarray，可选

如果提供了此参数，结果将放置在此数组中。它应该具有适当的形状和 dtype。

版本 2.0.0 中新增。

返回:
outndarray

沿 axis 指定的轴（如果未指定 axis，则为最后一个轴）截断或零填充的输入，并在此轴上进行变换。变换后的轴的长度为 n，或者，如果未给出 n，则长度为 2*m - 2，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，在典型情况下，例如指定为 2*m - 1。

引发:
IndexError

如果 axis 不是 a 的有效轴。

另请参阅

rfft

计算实数输入的⼀维 FFT。

ihfft

是 hfft 的逆变换。

备注

hfft/ihfft 是与 rfft/irfft 类似的⼀对，但情况相反：在这里，信号在时间域具有厄米特对称性，在频域是实数。因此，在这里您必须为 hfft 提供结果的长度，如果结果长度是奇数的话。

  • 偶数：ihfft(hfft(a, 2*len(a) - 2)) == a，在舍入误差范围内，

  • 奇数：ihfft(hfft(a, 2*len(a) - 1)) == a，在舍入误差范围内。

厄米特输入的正确解释取决于原始数据的长度（由 n 给出）。这是因为每种输入形状可能对应于奇数长度或偶数长度的信号。默认情况下，hfft 假定输出长度为偶数，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。由于厄米特对称性，因此该值被视为纯实数。为避免信息丢失，**必须**提供完整信号的形状。

示例

>>> import numpy as np
>>> signal = np.array([1, 2, 3, 4, 3, 2])
>>> np.fft.fft(signal)
array([15.+0.j,  -4.+0.j,   0.+0.j,  -1.-0.j,   0.+0.j,  -4.+0.j]) # may vary
>>> np.fft.hfft(signal[:4]) # Input first half of signal
array([15.,  -4.,   0.,  -1.,   0.,  -4.])
>>> np.fft.hfft(signal, 6)  # Input entire signal and truncate
array([15.,  -4.,   0.,  -1.,   0.,  -4.])

>>> signal = np.array([[1, 1.j], [-1.j, 2]])
>>> np.conj(signal.T) - signal   # check Hermitian symmetry
array([[ 0.-0.j,  -0.+0.j], # may vary
       [ 0.+0.j,  0.-0.j]])
>>> freq_spectrum = np.fft.hfft(signal)
>>> freq_spectrum
array([[ 1.,  1.],
       [ 2., -2.]])
在此页面