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])
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])