numpy.fft.ifft

numpy.fft.ifft(a, n=None, axis=-1, norm=None) [source]

Вычисление обратного одномерного дискретного преобразования Фурье.

Эта функция вычисляет обратное одномерному n-точечному дискретному преобразованию Фурье, вычисленному с помощью fft. Другими словами, ifft(fft(a)) == a с точностью до численных погрешностей. Подробное описание алгоритма и определений см. в numpy.fft.

Входные данные должны быть упорядочены так же, как возвращает fft, т.е.

• a[0] должно содержать член нулевой частоты,
• a[1:n//2] должно содержать члены положительных частот,
• a[n//2 + 1:] должно содержать члены отрицательных частот в порядке возрастания, начиная с самой отрицательной частоты.

Для чётного числа входных точек, A[n//2] представляет собой сумму значений в положительной и отрицательной частотах Найквиста, так как они сливаются в результате алиасинга. Подробнее см. в numpy.fft.

Параметры:	a : array_like Вектор входных данных, может быть комплексным. n : int, необязательно Длина преобразованной оси выходных данных. Если n меньше длины входных данных, входные данные обрезаются. Если оно больше, входные данные дополняются нулями. Если n не задано, используется длина входных данных вдоль оси, указанной axis. См. примечания о проблемах с заполнением. axis : int, необязательно Ось, по которой вычисляется обратное ДПФ. Если не задано, используется последняя ось. norm : {None, “ortho”}, необязательно Новое в версии 1.10.0. Режим нормализации (см. numpy.fft). По умолчанию None.
Возвращает:	out : complex ndarray Усечённые или дополненные нулями входные данные, преобразованные вдоль оси, указанной axis, или последней оси, если axis не задано.
Возможные ошибки:	IndexError Если axes больше, чем последняя ось a.

См. также

numpy.fft

Введение с определениями и общими пояснениями.

fft

Одномерное (прямое) ФПФ, обратным к которому является ifft

ifft2

Обратное двумерное ФПФ.

ifftn

Обратное n-мерное ФПФ.

Примечания

Если входной параметр n больше размера входных данных, входные данные дополняются нулями в конце. Несмотря на то, что это распространённый подход, это может привести к неожиданным результатам. Если требуется другое заполнение, необходимо выполнить его перед вызовом ifft.

Примеры

>>> np.fft.ifft([0, 4, 0, 0])
array([ 1.+0.j,  0.+1.j, -1.+0.j,  0.-1.j])

Создайте и отобразите ограниченный полосой сигнал с случайными фазами:

>>> 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, 'b-', t, s.imag, 'r--')
...
>>> plt.legend(('real', 'imaginary'))
...
>>> plt.show()