scipy.fft.hfftn¶

scipy.fft.hfftn(x, s=None, axes=None, norm=None, overwrite_x=False, workers=None, *, plan=None)[源代码]¶

计算厄米对称复数输入，即实谱信号的N维FFT。

此函数通过快速傅立叶变换(FFT)计算M-D阵列中任意数量轴上的厄米对称复数输入的N-D离散傅立叶变换。换句话说， ihfftn(hfftn(x, s)) == x 在数字精度范围内。 (s 这就是 x.shape 使用 s[-1] = x.shape[-1] * 2 - 1 ，出于同样的原因，这是必要的 x.shape 将是必要的，因为 irfft 。)

参数

xarray_like: 输入数组。
s整型序列，可选: 输出的形状(每个转换轴的长度) (s[0] 指的是轴0， s[1] 到轴1，依此类推)。 s 也是沿此轴使用的输入点的数量，但最后一个轴除外，其中 s[-1]//2+1 使用输入点。沿任何轴，如果由 s 小于输入的值，则输入将被裁剪。如果它较大，则输入用零填充。如果 s 则使用沿由AXIES指定的轴的输入形状。除了最后一个轴，它被认为是 2*(m-1) 哪里 m 是输入沿该轴的长度。
axes整型序列，可选: 要在其上计算逆FFT的轴。如果没有给出，最后一个 len(s) 如果使用轴，则使用轴；如果使用所有轴，则使用所有轴 s 也未指定。
norm{“向后”，“正向”，“向前”}，选填: 标准化模式(请参见 fft )。默认值为“向后”。
overwrite_x布尔值，可选: 如果为True，则 x 可以销毁；默认值为false。看见 fft 了解更多详细信息。
workers整型，可选: 用于并行计算的最大工作进程数。如果为负值，则值从 os.cpu_count() 。看见 fft 了解更多详细信息。
plan对象，可选: 此参数保留用于传递由下游FFT供应商提供的预计算计划。它目前没有在本科学计划中使用。

1.5.0 新版功能.

退货

outndarray: 沿由指示的轴转换的截断或填零的输入 axes ，或通过组合 s 或 x ，如上面的参数部分所述。每个转换轴的长度由的相应元素给定 s ，或者输入在除最后一个轴以外的每个轴上的长度(如果 s 是不会被给予的。在最终转换的轴中，输出的长度在 s 没有给出的是 2*(m-1) 哪里 m 是输入的最终转换轴的长度。为了在最终轴上获得奇数个输出点， s 必须指定。

加薪

ValueError: 如果 s 和 axes 有不同的长度。
IndexError: 如果一个元素是 axes 的轴数大于 x 。

参见

ihfftn: 实谱N维逆FFT。与之相反 hfftn 。
fft: 一维FFT，使用了定义和约定。
rfft: 实数输入的前向FFT。

注意事项

对于一维信号 x 要拥有真正的光谱，它必须满足厄米性质：：

x[i] == np.conj(x[-i]) for all i

这通过在每个轴上依次反射来概括到更高的维度：

x[i, j, k, ...] == np.conj(x[-i, -j, -k, ...]) for all i, j, k, ...

这不应与厄米特矩阵混淆，对于厄米特矩阵，转置是其自身的共轭：：

x[i, j] == np.conj(x[j, i]) for all i, j

的默认值 s 假定最终变换轴上的输出长度为偶数。在执行最终的复数到实数转换时，厄米对称要求沿该轴的最后一个虚部必须为0，因此将其忽略。为避免丢失信息，实际输入的正确长度 must 被给予。

示例

>>> import scipy.fft
>>> x = np.ones((3, 2, 2))
>>> scipy.fft.hfftn(x)
array([[[12.,  0.],
        [ 0.,  0.]],
       [[ 0.,  0.],
        [ 0.,  0.]],
       [[ 0.,  0.],
        [ 0.,  0.]]])

scipy.fft.ihfft2

scipy.fft.ihfftn