numpy.fft.hfft#
- fft.hfft(a, n=None, axis=-1, norm=None, out=None)[source]#
计算具有厄米特对称性(即实谱)的信号的 FFT。
- 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。如果输入比此长度长,则会被裁剪。如果它比此长度短,则用零填充。如果未给出 n,则将其视为2*(m-1)
,其中m
是由 axis 指定的轴上输入的长度。- axisint,可选
计算 FFT 的轴。如果未给出,则使用最后一个轴。
- norm{"backward", "ortho", "forward"},可选
版本 1.10.0 中的新功能。
规范化模式(参见
numpy.fft
)。默认为“backward”。指示前向/后向变换对中的哪个方向被缩放以及缩放因子。版本 1.20.0 中的新功能: 添加了“backward”、“forward”值。
- outndarray,可选
如果提供,结果将放置在此数组中。它应该具有合适的形状和数据类型。
版本 2.0.0 中的新功能。
- 返回值:
- outndarray
已截断或用零填充的输入,沿由 axis 指示的轴(或者如果未指定 axis 则沿最后一个轴)进行变换。变换轴的长度为 n,或者,如果未给出 n,则为
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,例如在典型情况下为2*m - 1
,
- 引发:
- IndexError
如果 axis 不是 a 的有效轴。
注释
hfft
/ihfft
是一对类似于rfft
/irfft
,但适用于相反的情况:这里信号在时域中具有厄米特对称性,在频域中为实数。因此,在这里是hfft
,如果结果长度为奇数,则必须提供其长度。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,如 n 所示。这是因为每个输入形状都可能对应于奇数或偶数长度的信号。默认情况下,
hfft
假设输出长度为偶数,这将最后一个条目放在奈奎斯特频率处;与其对称对应项发生混叠。根据厄米特对称性,该值因此被视为纯实数。为避免丢失信息,必须给出完整信号的形状。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.]])