快捷方式

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,在傅里叶域中进行解释。实信号的 IFFT 是厄米对称的,X[i] = conj(X[-i])ihfft() 以单边形式表示此信号,其中仅包含奈奎斯特频率以下的正频率。要计算完整输出,请使用 ifft()

注意

在具有 GPU 架构 SM53 或更高版本的 CUDA 上支持 torch.half。但是,它仅支持每个变换维度上 2 的幂的信号长度。

参数
  • input (Tensor) – 实输入张量

  • n (int, 可选) – 信号长度。如果给出,则在计算厄米 IFFT 之前,输入将填充零或截断到此长度。

  • dim (int, 可选) – 进行一维厄米 IFFT 的维度。

  • norm (str, 可选) –

    归一化模式。对于反变换 (ihfft()),这些对应于

    • "forward" - 不进行归一化

    • "backward" - 按 1/n 归一化

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

    使用相同的归一化模式调用前向变换 (hfft()) 将在两个变换之间应用总归一化 1/n。这是使 ihfft() 成为精确逆变换所必需的。

    默认为 "backward"(按 1/n 归一化)。

关键字参数

out (Tensor, 可选) – 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])

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])

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源