torch.fft.irfft

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

計算 rfft() 的逆變換。

input 被解釋為傅立葉域中的一側厄米訊號，就像由 rfft() 生成的一樣。根據厄米性質，輸出將是實數值。

注意

為了滿足厄米性質，某些輸入頻率必須是實數值。在這種情況下，虛部將被忽略。例如，零頻率項中的任何虛部都無法在實數輸出中表示，因此將被始終忽略。

注意

厄米輸入的正確解釋取決於原始資料的長度，由 n 給出。這是因為每個輸入形狀都可以對應奇數或偶數長度的訊號。預設情況下，假設訊號是偶數長度，奇數訊號將無法正確地進行往返變換。因此，建議始終傳遞訊號長度 n。

注意

支援 CUDA 上的 torch.half 和 torch.chalf，GPU 架構 SM53 或更高版本。但它僅支援變換維度中長度為 2 的冪次的訊號。使用預設引數時，變換維度的尺寸應為 (2^n + 1)，因為引數 n 預設為偶數輸出尺寸 = 2 * (transformed_dim_size - 1)。

引數

• input (Tensor) – 代表半厄米訊號的輸入張量

• n (int, optional) – 輸出訊號長度。這決定了輸出訊號的長度。如果給定，將在計算實數 IFFT 之前將輸入填充零或截斷到此長度。預設為偶數輸出：n=2*(input.size(dim) - 1)。

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

• norm (str, optional) –

  歸一化模式。對於反變換 (irfft())，這些對應於

  • "forward" - 無歸一化

  • "backward" - 按 1/n 歸一化

  • "ortho" - 按 1/sqrt(n) 歸一化（使實值 IFFT 正交化）

  使用相同的歸一化模式呼叫正變換 (rfft()) 將在兩次變換之間應用整體 1/n 的歸一化。這對於使 irfft() 成為精確的逆變換是必需的。

  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.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])

不指定 irfft() 的輸出長度，由於輸入是奇數長度，輸出將無法正確地往返。

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

因此，建議始終傳遞訊號長度 n。

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