numpy.fft.ifft

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

Вычислить одномерное обратное дискретное преобразование Фурье.

Эта функция вычисляет обратное одномерное n-точечное дискретное преобразование Фурье, вычисленное функцией fft. Другими словами, ifft(fft(a)) == a с точностью до погрешности округления. Подробное описание алгоритма и определений см. в numpy.fft.

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

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

Для чётного числа входных точек A[n//2] представляет сумму значений на положительных и отрицательных частотах Найквиста, так как они являются алиасами друг друга. См. numpy.fft для подробностей.

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

См. также

numpy.fft

Вступление, с определениями и общими объяснениями.

fft

Одномерное (прямое) преобразование Фурье, обратное к которому является ifft

ifft2

Двумерное обратное преобразование Фурье.

ifftn

n-мерное обратное преобразование Фурье.

Примечания

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

Примеры

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

Создайте и нарисуйте ограниченный по полосе пропускания 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--')
[<matplotlib.lines.Line2D object at ...>, <matplotlib.lines.Line2D object at ...>]
>>> plt.legend(('real', 'imaginary'))
<matplotlib.legend.Legend object at ...>
>>> plt.show()