快捷方式

torch.fft.rfftfreq

torch.fft.rfftfreq(n, d=1.0, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) Tensor

计算大小为 n 的信号的 rfft() 的采样频率。

注意

rfft() 返回厄米特单边输出,因此仅返回正频率项。对于长度为 n 且输入间隔为长度单位 d 的实 FFT,频率为

f = torch.arange((n + 1) // 2) / (d * n)

注意

对于偶数长度,奈奎斯特频率 f[n/2] 可以认为是负数或正数。与 fftfreq() 不同,rfftfreq() 始终将其返回为正数。

参数
  • n (int) – 实 FFT 长度

  • d (float, 可选) – 采样长度比例。FFT 输入的各个样本之间的间距。默认值假设单位间距,将该结果除以实际间距即可得到以物理频率单位表示的结果。

关键字参数
  • out (Tensor, 可选) – 输出张量。

  • dtype (torch.dtype,可选) – 返回张量的所需数据类型。默认值:如果为 None,则使用全局默认值(请参阅 torch.set_default_dtype())。

  • layout (torch.layout,可选) – 返回张量的所需布局。默认值:torch.strided

  • device (torch.device,可选) – 返回张量的所需设备。默认值:如果为 None,则使用默认张量类型的当前设备(请参阅 torch.set_default_device())。对于 CPU 张量类型,device 将为 CPU;对于 CUDA 张量类型,device 将为当前 CUDA 设备。

  • requires_grad (bool, 可选) – 是否应记录返回张量上的操作。默认值:False

示例

>>> torch.fft.rfftfreq(5)
tensor([0.0000, 0.2000, 0.4000])
>>> torch.fft.rfftfreq(4)
tensor([0.0000, 0.2500, 0.5000])

fftfreq() 的输出相比,我们可以看到 f[2] 处的奈奎斯特频率的符号已更改:>>> torch.fft.fftfreq(4) tensor([ 0.0000, 0.2500, -0.5000, -0.2500])

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人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源