torch.fft.ihfft

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

Вычисляет обратное преобразование hfft().

input должно 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 выходного сигнала используйте ifft().

Примечание

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

Параметры

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

• norm (str, optional) –

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

  • "forward" - без нормализации
  • "backward" - нормализуется на 1/n
  • "ortho" - нормализуется на 1/sqrt(n) (что делает обратное преобразование ортогональным)

  Вызов прямого преобразования (hfft()) со тем же режимом нормализации применит общую нормализацию 1/n между двумя преобразованиями. Это необходимо, чтобы ihfft() было точным обратным преобразованием.

  По умолчанию "backward" (нормализуется на 1/n).

Ключевые 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])

Сравните с полным выходом от 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])