torch.fft.ihfft

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

Вычисляет обратную величину hfft().

input должна быть вещественным сигналом, интерпретируемым в частотной области. Обратное преобразование Фурье вещественного сигнала является эрмитово-симметричным, X[i] = conj(X[-i]). ihfft() представляет это в односторонней форме, где включены только положительные частоты ниже частоты Найквиста. Для вычисления полного результата используйте ifft().

Примечание

Поддерживает torch.half на CUDA с архитектурой GPU SM53 или выше. Однако поддерживает только длину сигнала, являющуюся степенью двойки, в каждой преобразованной размерности.

Параметры:

• input (Тензор) – вещественный входной тензор
• n (int, необязательно) – Длина сигнала. Если указано, вход будет либо дополнен нулями, либо усечен до этой длины перед вычислением обратного эрмитова преобразования Фурье.
• dim (int, необязательно) – Размерность, по которой выполняется одномерное обратное эрмитово преобразование Фурье.

• norm (строка, необязательно) –

  Режим нормализации. Для обратного преобразования (ihfft()), они соответствуют:

  • "forward" - без нормализации
  • "backward" - нормализация по 1/n
  • "ortho" - нормализация по 1/sqrt(n) (делая обратное преобразование ортогональным)

  Вызов прямого преобразования (hfft()) с тем же режимом нормализации применит общую нормализацию 1/n между двумя преобразованиями. Это необходимо, чтобы ihfft() было точной обратной операцией.

  По умолчанию "backward" (нормализация по 1/n).

Ключевые аргументы:

out (Тензор, необязательно) – выходной тензор.

Пример

>>> 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])

Сравните с полным результатом из ifft():

>>> 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])