numpy.fft.rfft#

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

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，计算实值数组的一维 n 点离散傅里叶变换 (DFT)。

参数:

a类数组对象: 输入数组。
nint, optional: 在输入沿变换轴使用的点数。如果 n 小于输入长度，则输入将被截断。如果它更大，则输入将用零填充。如果未给出 n，则使用由 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。
out复数 ndarray，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:

outcomplex ndarray: 截断或零填充的输入，沿 axis 指定的轴（如果未指定 axis，则沿最后一个轴）进行变换。如果 n 是偶数，则变换轴的长度为 (n/2)+1。如果 n 是奇数，则长度为 (n+1)/2。

引发:

IndexError: 如果 axis 不是 a 的有效轴。

另请参阅

numpy.fft: 有关 DFT 的定义和所用约定。
irfft: rfft 的逆变换。
fft: 通用（复数）输入的的一维 FFT。
fftn: N 维傅里叶变换。
rfftn: 实数输入的n维 FFT。

备注

当对纯实数输入计算 DFT 时，输出是厄米对称的，即负频率项只是相应正频率项的复共轭，因此负频率项是冗余的。此函数不计算负频率项，因此输出的变换轴长度为 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，该项为实数。

如果 n 是偶数，则 A[-1] 包含表示正负奈奎斯特频率（+fs/2 和 -fs/2）的项，并且也必须是纯实数。如果 n 是奇数，则没有 fs/2 处的项；A[-1] 包含最大的正频率 (fs/2*(n-1)/n)，在一般情况下是复数。

如果输入 a 包含虚部，则会被静默丢弃。

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

请注意，对于实数输入，fft 输出的最后一个元素是第二个元素的复共轭。对于 rfft，利用这种对称性仅计算非负频率项。