torch.fft.ihfft

torch.fft.ihfft(input, n=None, dim=-1, norm=None, *, out=None) → Tensor

計算 hfft() 的逆變換。

input 必須是實值訊號，在傅立葉域中解釋。實訊號的 IFFT 具有 Hermitian 對稱性，即 X[i] = conj(X[-i])。ihfft() 以單邊形式表示，其中僅包含低於 Nyquist 頻率的正頻率。要計算完整輸出，請使用 ifft()。

注意

在 GPU 架構 SM53 或更高版本的 CUDA 上支援 torch.half。但它只支援每個轉換維度中訊號長度為 2 的冪。

引數

• input (Tensor) – 實數輸入張量

• n (int, optional) – 訊號長度。如果給定，輸入在計算 Hermitian IFFT 之前將被零填充或截斷到此長度。

• dim (int, optional) – 執行一維 Hermitian IFFT 的維度。

• norm (str, optional) –

  歸一化模式。對於逆變換 (ihfft())，這些模式對應於

  • "forward" - 無歸一化

  • "backward" - 按 1/n 歸一化

  • "ortho" - 按 1/sqrt(n) 歸一化 (使 IFFT 正交歸一化)

  以相同歸一化模式呼叫正變換 (hfft()) 將在兩個變換之間應用 1/n 的總體歸一化。這是使 ihfft() 成為精確逆變換所必需的。

  預設值為 "backward" (按 1/n 歸一化)。

關鍵字引數

out (Tensor, optional) – 輸出張量。

示例

>>> t = torch.arange(5)
>>> t
tensor([0, 1, 2, 3, 4])
>>> torch.fft.ihfft(t)
tensor([ 2.0000-0.0000j, -0.5000-0.6882j, -0.5000-0.1625j])

與 ifft() 的完整輸出進行比較

>>> torch.fft.ifft(t)
tensor([ 2.0000-0.0000j, -0.5000-0.6882j, -0.5000-0.1625j, -0.5000+0.1625j,
        -0.5000+0.6882j])