torch.fft.rfftfreq

torch.fft.rfftfreq(n, d=1.0, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor [исходный код]

Вычисляет частоты отсчётов для rfft() для сигнала размера n.

Примечание

rfft() возвращает односторонний эрмитов результат, поэтому возвращаются только положительные частоты. Для вещественного БПФ длины n с входными данными, расстояние между которыми равно d, частоты имеют следующий вид:

f = torch.arange((n + 1) // 2) / (d * n)

Примечание

Для чётных длин частоту Найквиста в точке f[n/2] можно считать как отрицательной, так и положительной. В отличие от fftfreq(), rfftfreq() всегда возвращает её как положительную.

Параметры:

• n (int) – длина вещественного БПФ
• d (float, необязательный) – масштаб интервала дискретизации. Интервал между отдельными отсчётами входных данных БПФ. По умолчанию предполагается единичный интервал; деление результата на фактический интервал даёт результат в физических единицах частоты.

Именованные аргументы:

• out (Tensor, необязательный) – выходной тензор.
• dtype (torch.dtype, необязательно) – требуемый тип данных возвращаемого тензора. По умолчанию: если None, используется глобальное значение по умолчанию (см. torch.set_default_dtype()).
• layout (torch.layout, необязательно) – требуемый формат возвращаемого тензора. По умолчанию: torch.strided.
• device (torch.device, необязательно) – требуемое устройство для возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_device()). device будет CPU для типов тензоров CPU и текущим устройством CUDA для типов тензоров CUDA.
• requires_grad (bool, необязательный) – следует ли autograd записывать операции над возвращаемым тензором. По умолчанию: False.

Пример

>>> torch.fft.rfftfreq(5)
tensor([0.0000, 0.2000, 0.4000])

>>> torch.fft.rfftfreq(4)
tensor([0.0000, 0.2500, 0.5000])

Сравнив результат с выводом fftfreq(), видим, что знак частоты Найквиста в точке f[2] изменился: >>> torch.fft.fftfreq(4) tensor([ 0.0000, 0.2500, -0.5000, -0.2500])