torch.fft.rfft

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

計算實值 input 的一維傅立葉變換。

實訊號的傅立葉變換是厄米對稱的，X[i] = conj(X[-i])，因此輸出只包含奈奎斯頻率以下的正頻率。要計算完整的輸出，請使用 fft()

注意

支援 CUDA 上的 torch.half，GPU 架構 SM53 或更高版本。但是，它只支援每個變換維度中長度為 2 的冪的訊號。

引數

• input (Tensor) – 實數輸入張量

• n (int, optional) – 訊號長度。如果給出，輸入將在計算實傅立葉變換之前被零填充或修剪到此長度。

• dim (int, optional) – 計算一維實傅立葉變換的維度。

• norm (str, optional) –

  歸一化模式。對於正向變換 (rfft())，它們對應於

  • "forward" - 歸一化因子為1/n

  • "backward" - 無歸一化

  • "ortho" - 歸一化因子為1/sqrt(n)（使FFT正交）

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

  預設值為"backward"（無歸一化）。

關鍵字引數

out (Tensor, optional) – 輸出張量。

示例

>>> t = torch.arange(4)
>>> t
tensor([0, 1, 2, 3])
>>> torch.fft.rfft(t)
tensor([ 6.+0.j, -2.+2.j, -2.+0.j])

與 fft() 的完整輸出進行比較

>>> torch.fft.fft(t)
tensor([ 6.+0.j, -2.+2.j, -2.+0.j, -2.-2.j])

請注意，對稱元素 T[-1] == T[1].conj() 被省略了。在奈奎斯頻率 T[-2] == T[2] 處，它是它自己的對稱對，因此必須始終是實數。