torch.fft.ihfft

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

计算 hfft() 的逆变换。

input 必须是实值信号，在傅里叶域中解释。实信号的 IFFT 具有 Hermitian 对称性，即 X[i] = conj(X[-i])。ihfft() 以单边形式表示，其中仅包含低于 Nyquist 频率的正频率。要计算完整输出，请使用 ifft()。

注意

在 GPU 架构 SM53 或更高版本的 CUDA 上支持 torch.half。但它只支持每个转换维度中信号长度为 2 的幂。

参数

• input (Tensor) – 实数输入张量

• n (int, optional) – 信号长度。如果给定，输入在计算 Hermitian IFFT 之前将被零填充或截断到此长度。

• dim (int, optional) – 执行一维 Hermitian IFFT 的维度。

• norm (str, optional) –

  归一化模式。对于逆变换 (ihfft())，这些模式对应于

  • "forward" - 无归一化

  • "backward" - 按 1/n 归一化

  • "ortho" - 按 1/sqrt(n) 归一化 (使 IFFT 正交归一化)

  以相同归一化模式调用正变换 (hfft()) 将在两个变换之间应用 1/n 的总体归一化。这是使 ihfft() 成为精确逆变换所必需的。

  默认值为 "backward" (按 1/n 归一化)。

关键字参数

out (Tensor, optional) – 输出张量。

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])

与 ifft() 的完整输出进行比较

>>> 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])