torch.fft.irfft

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

計算 rfft() 的反轉換。

input 被解讀為傅立葉域中的單邊 Hermitian 訊號，如同 rfft() 所產生。根據 Hermitian 性質，輸出將會是實數值。

注意

一些輸入頻率必須是實數值，才能滿足 Hermitian 性質。在這些情況下，虛數部分將會被忽略。例如，零頻項中的任何虛數部分都無法在實數輸出中表示，因此將永遠被忽略。

注意

Hermitian 輸入的正確解讀取決於原始資料的長度，由 n 給定。這是因為每個輸入形狀都可能對應到奇數或偶數長度的訊號。預設情況下，訊號會被假定為偶數長度，而奇數訊號將無法正確地往返轉換。因此，建議您始終傳遞訊號長度 n。

注意

在 GPU 架構 SM53 或更高的 CUDA 上支援 torch.half 和 torch.chalf。但是，它僅支援每個轉換維度中 2 的冪次的訊號長度。使用預設引數，轉換維度的大小應為 (2^n + 1)，因為引數 n 預設為偶數輸出大小 = 2 * (transformed_dim_size - 1)。

參數

• input (Tensor) – 代表半 Hermitian 訊號的輸入張量

• n (int, optional) – 輸出訊號長度。這決定了輸出訊號的長度。如果給定此參數，則輸入將在計算實數 IFFT 之前被補零或修剪到此長度。預設為偶數輸出：n=2*(input.size(dim) - 1)。

• dim (int, optional) – 沿著哪個維度執行一維實數 IFFT。

• norm (str, optional) –

  正規化模式。對於反向轉換 (irfft())，這些對應於

  • "forward" - 不進行正規化

  • "backward" - 除以 1/n 進行正規化

  • "ortho" - 除以 1/sqrt(n) 進行正規化 (使實數 IFFT 成為正交)

  使用相同的正規化模式呼叫正向轉換 (rfft()) 將在兩個轉換之間應用 1/n 的整體正規化。這是使 irfft() 成為精確反向所必需的。

  預設值為 "backward" (除以 1/n 進行正規化)。

關鍵字引數

out (Tensor, optional) – 輸出張量。

範例

>>> t = torch.linspace(0, 1, 5)
>>> t
tensor([0.0000, 0.2500, 0.5000, 0.7500, 1.0000])
>>> T = torch.fft.rfft(t)
>>> T
tensor([ 2.5000+0.0000j, -0.6250+0.8602j, -0.6250+0.2031j])

在不指定輸出長度給 irfft() 的情況下，輸出將無法正確地往返轉換，因為輸入是奇數長度。

>>> torch.fft.irfft(T)
tensor([0.1562, 0.3511, 0.7812, 1.2114])

因此，建議您始終傳遞訊號長度 n

>>> roundtrip = torch.fft.irfft(T, t.numel())
>>> torch.testing.assert_close(roundtrip, t, check_stride=False)