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，在傅立葉域中進行解釋。實訊號的 IFFT 是厄米對稱的，即 X[i] = conj(X[-i])。ihfft() 以單邊形式表示這一點，只包含奈奎斯特頻率以下的負頻率。要計算完整的輸出，請使用 ifft()。

注意

支援 CUDA 上的 torch.half（GPU 架構 SM53 或更高版本）。但它僅支援每個變換維度上的 2 的冪次方訊號長度。

引數

• input (Tensor) – 實值輸入張量

• n (int, optional) – 訊號長度。如果給定，輸入將在計算厄米 IFFT 之前被零填充或截斷到此長度。

• dim (int, optional) – 計算一維厄米 IFFT 的維度。

• norm (str, optional) –

  歸一化模式。對於反向變換（ihfft()），這些對應於

  • "forward" - 無歸一化

  • "backward" - 按 1/n 歸一化

  • "ortho" - 歸一化因子為 1/sqrt(n)（使 IFFT 變為正交變換）

  使用相同的歸一化模式呼叫正向變換（hfft()）將在兩次變換之間應用 1/n 的整體歸一化。這對於使 ihfft() 成為精確逆變換是必需的。

  預設為 "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])