torch.fft.ihfft

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

Вычисляет обратное преобразование для hfft().

input должен быть сигналом с действительными значениями, интерпретируемым в частотной области. ДПФ действительного сигнала является эрмитово-симметричным, X[i] = conj(X[-i]). ihfft() представляет его в односторонней форме, включающей только положительные частоты ниже частоты Найквиста. Чтобы получить полный результат, используйте ifft().

Примечание

Поддерживается torch.half на CUDA с архитектурой GPU SM53 или выше. Однако длина сигнала в каждом преобразуемом измерении должна быть степенью числа 2.

Параметры:

• input (Tensor) – входной тензор с действительными значениями
• n (int, optional) – Длина сигнала. Если указана, перед вычислением эрмитова обратного БПФ входной сигнал будет дополнен нулями или обрезан до этой длины.
• dim (int, optional) – Измерение, вдоль которого выполняется одномерное эрмитово обратное БПФ.

• norm (str, optional) –

  Режим нормализации. Для обратного преобразования (ihfft()) ему соответствуют следующие значения:

  • "forward" — без нормализации
  • "backward" — нормализация делением на 1/n
  • "ortho" — нормализация делением на 1/sqrt(n) (обеспечивает ортонормированность обратного БПФ)

  Вызов прямого преобразования (hfft()) с тем же режимом нормализации обеспечит общую нормализацию 1/n для двух преобразований. Это необходимо, чтобы ihfft() было точным обратным преобразованием.

  По умолчанию используется "backward" (нормализация делением на 1/n).

Именованные аргументы:

out (Tensor, optional) – 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])

Сравнение с полным результатом 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])