torch.fft.ihfft

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

計算 hfft() 的反轉換。

input 必須是實數值的訊號，在傅立葉域中解釋。實數訊號的 IFFT 是 Hermitian 對稱的，X[i] = conj(X[-i])。ihfft() 以單邊形式表示，其中僅包含低於奈奎斯特頻率的正頻率。 若要計算完整的輸出，請使用 ifft()。

注意

在 GPU 架構 SM53 或更高版本的 CUDA 上支援 torch.half。 但是，它僅支援每個轉換維度中的 2 的冪次方訊號長度。

參數

• input (Tensor) – 實數輸入張量

• n (int, optional) – 訊號長度。 如果給定，輸入將在計算 Hermitian IFFT 之前進行零填充或修剪至此長度。

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

• norm (str, optional) –

  正規化模式。 對於反向轉換 (ihfft())，這些對應於

  • "forward" - 沒有正規化

  • "backward" - 按 1/n 正規化

  • "ortho" - 按 1/sqrt(n) 正規化 (使 IFFT 成為正交)

  使用相同的正規化模式調用正向轉換 (hfft()) 將在兩個轉換之間應用 1/n 的整體正規化。 這是使 ihfft() 成為精確反轉換所必需的。

  預設值為 "backward" (按 1/n 正規化)。

關鍵字參數

out (Tensor, optional) – 輸出張量。

範例

>>> 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])