Table of Contents
Shortcuts

torch.fft.ihfft

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

计算 hfft() 的逆。

input 必须是一个实值信号，在傅里叶域中解释。 实信号的 IFFT 是厄米特对称的，X[i] = conj(X[-i])。 ihfft() 以单边形式表示这一点，其中仅包含奈奎斯特频率以下的正频率。要计算完整的输出，请使用 ifft()。

注意

支持在具有GPU架构SM53或更高的CUDA上使用torch.half。 然而，它仅支持每个变换维度中信号长度为2的幂次方。

Parameters

  • 输入 (张量) – 实数输入张量

  • n (int, 可选) – 信号长度。如果给出，输入将在计算厄米特逆傅里叶变换之前被零填充或修剪到这个长度。

  • dim (int, 可选) – 沿此维度进行一维厄米特逆快速傅里叶变换。

  • norm (str, optional) –

    归一化模式。对于反向变换 (ihfft()), 这些对应于:

    • "forward" - 不进行归一化

    • "backward" - 归一化因子为 1/n

    • "ortho" - 归一化因子为 1/sqrt(n) (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总体归一化因子 1/n。这是为了使 ihfft() 成为精确的逆变换所必需的。

    默认值为 "backward" (归一化因子为 1/n)。

Keyword Arguments

输出 (张量, 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])
优云智算