numpy.fft.rfft

fft.rfft(a, n=None, axis=-1, norm=None, out=None)

计算实数输入的一维离散傅里叶变换.

此函数通过一种称为快速傅里叶变换(FFT)的有效算法,计算实值数组的一维 n 点离散傅里叶变换(DFT).

参数:

aarray_like

输入数组

nint, optional

要使用的输入中沿变换轴的点数.如果 n 小于输入的长度,则输入将被裁剪.如果它更大,则输入将用零填充.如果未给出 n ,则使用输入沿 axis 指定的轴的长度.

轴int, optional

在其上计算 FFT 的轴.如果未给出,则使用最后一个轴.

norm{“backward”, “ortho”, “forward”}, optional

归一化模式(参见 numpy.fft ).默认值为"backward".指示前向/后向变换对的哪个方向被缩放以及使用什么归一化因子.

在 1.20.0 版本加入: 添加了"backward","forward"值.

outcomplex ndarray, optional

如果提供,结果将放置在此数组中.它应具有适当的形状和 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的输入,如果未指定 axis ,则沿最后一个轴转换.如果 n 是偶数,则变换轴的长度为 (n/2)+1 .如果 n 是奇数,则长度为 (n+1)/2 .

Raises:

IndexError

如果 axis 不是 a 的有效轴.

参见

numpy.fft

有关 DFT 的定义和使用的约定.

irfft

rfft 的逆变换.

fft

一般(复数)输入的一维 FFT.

fftn

n 维 FFT.

rfftn

实数输入的 n 维 FFT.

注释

当为纯实数输入计算 DFT 时,输出是 Hermitian 对称的,即负频率项只是相应正频率项的复共轭,因此负频率项是冗余的. 此函数不计算负频率项,因此输出的变换轴的长度为 n//2 + 1 .

当 A = rfft(a) 且 fs 是采样频率时, A[0] 包含零频率项 0fs,由于 Hermitian 对称性,它是实数.

如果 n 是偶数,则 A[-1] 包含表示正负奈奎斯特频率(+fs/2 和 -fs/2)的项,并且也必须是纯实数. 如果 n 是奇数,则没有 fs/2 的项; A[-1] 包含最大的正频率 (fs/2(n-1)/n),并且在一般情况下是复数.

如果输入 a 包含一个虚部,它将被静默丢弃.

示例

Try it in your browser!

>>> import numpy as np
>>> np.fft.fft([0, 1, 0, 0])
array([ 1.+0.j,  0.-1.j, -1.+0.j,  0.+1.j]) # may vary
>>> np.fft.rfft([0, 1, 0, 0])
array([ 1.+0.j,  0.-1.j, -1.+0.j]) # may vary

请注意,对于实数输入, fft 输出的最后一个元素是如何与第二个元素的复共轭. 对于 rfft ,利用此对称性仅计算非负频率项.

Go BackOpen In Tab