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])