torch.fft.ihfft

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

计算 hfft() 的逆运算。

input 必须是实值信号，在傅里叶域中解释。实信号的 IFFT 是厄米对称的，X[i] = conj(X[-i])。ihfft() 以单边形式表示这一点，其中仅包括低于奈奎斯特频率的正频率。要计算完整输出，请使用 ifft()。

注意

在 CUDA 上支持 torch.half，GPU 架构为 SM53 或更高版本。但是，它仅支持每个变换维度中信号长度为 2 的幂。

参数

• input (Tensor) – 实值输入张量

• n (int, 可选) – 信号长度。如果给定，输入将在计算厄米 IFFT 之前被零填充或修剪到此长度。

• dim (int, 可选) – 沿其进行一维厄米 IFFT 的维度。

• norm (str, 可选) –

  归一化模式。对于反向变换 (ihfft())，这些对应于

  • "forward" - 无归一化

  • "backward" - 按 1/n 归一化

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

  使用相同的归一化模式调用正向变换 (hfft()) 将在两个变换之间应用 1/n 的整体归一化。这是使 ihfft() 成为精确逆运算所必需的。

  默认值为 "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])

与来自 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])