numpy.fft.ifft#
- fft.ifft(a, n=None, axis=-1, norm=None, out=None)[源代码]#
计算一维逆离散傅里叶变换.
此函数计算由
fft计算的一维 n 点离散傅里叶变换的逆. 换句话说,在数值精度范围内,ifft(fft(a)) == a. 有关算法和定义的总体描述,请参见numpy.fft.输入的顺序应与
fft返回的顺序相同,即a[0]应包含零频率项,a[1:n//2]应包含正频率项,a[n//2 + 1:]应包含负频率项,从最负频率开始按递增顺序排列.
对于偶数个输入点,
A[n//2]表示正奈奎斯特频率和负奈奎斯特频率处值的总和,因为这两个频率混叠在一起. 有关详细信息,请参见numpy.fft.- 参数:
- aarray_like
输入数组,可以是复数.
- n整数,可选
输出转换轴的长度.如果 n 小于输入的长度,则输入将被裁剪.如果 n 较大,则输入将用零填充.如果未给出 n ,则使用输入沿 axis 指定轴的长度. 请参阅有关填充问题的说明.
- axis整数,可选
用于计算 DFT 逆变换的轴. 如果未给出,则使用最后一个轴.
- norm{“backward”, “ortho”, “forward”},可选
归一化模式(请参阅
numpy.fft).默认为 “backward”.指示缩放正向/反向变换对的哪个方向以及使用什么归一化因子.在 1.20.0 版本加入: 增加了“backward”,“forward”值.
- outcomplex ndarray, 可选
如果提供,结果将被放置在这个数组中.它应该具有适当的形状和 dtype.
在 2.0.0 版本加入.
- 返回:
- outcomplex ndarray
沿 axis 指示的轴转换的截断或零填充输入,如果未指定 axis ,则沿最后一个轴转换.
- 提出:
- IndexError
如果 axis 不是 a 的有效轴.
注释
如果输入参数 n 大于输入的大小,则通过在末尾附加零来填充输入. 即使这是常见的方法,也可能会导致令人惊讶的结果. 如果需要不同的填充,则必须在调用
ifft之前执行.示例
>>> import numpy as np >>> np.fft.ifft([0, 4, 0, 0]) array([ 1.+0.j, 0.+1.j, -1.+0.j, 0.-1.j]) # may vary
创建并绘制具有随机相位的带限信号:
>>> import matplotlib.pyplot as plt >>> t = np.arange(400) >>> n = np.zeros((400,), dtype=complex) >>> n[40:60] = np.exp(1j*np.random.uniform(0, 2*np.pi, (20,))) >>> s = np.fft.ifft(n) >>> plt.plot(t, s.real, label='real') [<matplotlib.lines.Line2D object at ...>] >>> plt.plot(t, s.imag, '--', label='imaginary') [<matplotlib.lines.Line2D object at ...>] >>> plt.legend() <matplotlib.legend.Legend object at ...> >>> plt.show()
