torch.fft.ihfft

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

计算 hfft() 的逆.

input 必须是实值信号，在傅里叶域中解释。实值信号的 IFFT 是厄米对称的，X[i] = conj(X[-i])。 ihfft() 以单边形式表示这一点，其中仅包括奈奎斯特频率以下的非负频率。要计算完整的输出，请使用 ifft()。

注意

支持 CUDA 上的 torch.half，GPU 架构 SM53 或更高版本。但是，它仅支持每个转换维度中 2 的幂的信号长度。

参数

• input (Tensor) – 输入的实值张量

• n (int, optional) – 信号长度。如果给定，则在计算厄米 IFFT 之前，输入将被零填充或截断到此长度。

• dim (int, optional) – 沿此维度取一维厄米 IFFT。

• norm (str, optional) –

  归一化模式。对于后向变换（ihfft()），这些对应于

  • "forward" - 无归一化

  • "backward" - 按 1/n 归一化

  • "ortho" - 归一化因子为 1/sqrt(n)（使 IFFT 变为正交变换）

  使用相同的归一化模式调用前向变换（hfft()）将在两个变换之间应用 1/n 的总体归一化。这对于使 ihfft() 成为精确逆变换是必需的。

  默认为 "backward"（按 1/n 归一化）。

关键字参数

out (Tensor, optional) – 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])