mars.tensor.fft.ifftn#

mars.tensor.fft.ifftn(a, s=None, axes=None, norm=None)[来源]#

计算N维逆离散傅里叶变换。

该函数通过快速傅里叶变换（FFT）计算任意数量轴上的M维张量的N维离散傅里叶变换的逆。换句话说，ifftn(fftn(a)) == a 在数值精度范围内。有关所使用的定义和约定的描述，参见 mt.fft。

输入，与ifft类似，应按fftn返回的方式排序，即在所有轴的低阶角落中应包含零频率项，在所有轴的前半部分中应包含正频率项，在所有轴的中间包含奈奎斯特频率项，以及在所有轴的后半部分中应包含负频率项，按负频率递减的顺序排列。

Parameters

a (array_like) – 输入张量，可以是复数。
s (序列 of 整型, 可选) – 输出的形状（每个变换轴的长度） (s[0] 指代轴 0， s[1] 指代轴 1，等等）。这对应于 n 在 ifft(x, n) 中。沿任一轴，如果给定的形状小于输入的形状，则输入被裁剪。如果形状大于输入，则输入用零填充。如果 s 未给出，则使用由 axes 指定的轴上的输入形状。有关 ifft 零填充的问题，请参见备注。
axes (序列 of 整数, 可选) – 计算 IFFT 的轴。如果未提供，则使用最后 len(s) 个轴，或者如果 s 也未指定，则使用所有轴。axes 中的重复索引意味着在该轴上进行多次逆变换。
norm ({None, "ortho"}, 可选) – 归一化模式（见 mt.fft）。默认值为 None。

Returns

out – 截断或零填充的输入，沿着由 axes 指示的轴进行变换，或者由上述参数部分解释的 s 或 a 的组合进行变换。

Return type

复合张量

Raises

ValueError – 如果s和axes的长度不同。
IndexError – 如果axes的某个元素大于a的轴数量。

另请参阅

mt.fft: 离散傅里叶变换的整体视图，包括使用的定义和约定。
fftn: 一维 n 维 FFT，其中 ifftn 是其反变换。
ifft: 一维逆傅里叶变换。
ifft2: 二维逆FFT。
ifftshift: 撤消 fftshift，将零频率项移到张量的开头。

备注

请参阅 mt.fft 以获取使用的定义和惯例。

零填充，类似于 ifft，是在指定维度上向输入附加零。尽管这是常见的做法，但可能会导致意外的结果。如果需要另一种形式的零填充，必须在调用 ifftn 之前进行。

示例

>>> import mars.tensor as mt

>>> a = mt.eye(4)
>>> mt.fft.ifftn(mt.fft.fftn(a, axes=(0,)), axes=(1,)).execute()
array([[ 1.+0.j,  0.+0.j,  0.+0.j,  0.+0.j],
       [ 0.+0.j,  1.+0.j,  0.+0.j,  0.+0.j],
       [ 0.+0.j,  0.+0.j,  1.+0.j,  0.+0.j],
       [ 0.+0.j,  0.+0.j,  0.+0.j,  1.+0.j]])

创建并绘制具有带限频率内容的图像：

>>> import matplotlib.pyplot as plt
>>> n = mt.zeros((200,200), dtype=complex)
>>> n[60:80, 20:40] = mt.exp(1j*mt.random.uniform(0, 2*mt.pi, (20, 20)))
>>> im = mt.fft.ifftn(n).real
>>> plt.imshow(im.execute())
<matplotlib.image.AxesImage object at 0x...>
>>> plt.show()