numpy.fft.hfft
numpy.fft.hfft(a, n=None, axis=-1, norm=None) [source]
计算具有Hermitian对称性(即实谱)的信号的FFT。即真实频谱。
参数: | a :array_like 输入数组。 b : 输出的转换轴的长度。 对于n个输出点, 需要 如果输入长于此长度,则将对其进行裁剪。 如果比这短,则用零填充。 如果未给出 则将其取为 其中 axis : 计算FFT的轴。如果没有给出,则使用最后一个轴。 norm : 规范化模式(请参阅numpy.fft)。 默认为 1.10.0版中的新功能。 |
返回值: | out : 截断的或零填充的输入, 沿着由轴表示的轴进行转换, 或者如果轴未指定,则为最后一个。 变换轴的长度为 则为 要得到奇数个输出点,必须指定 例如在典型情况下为 |
Raises: | IndexError 如果axis大于a的最后一个轴。 |
Notes
hfft/ ihfft是一对类似于rfft/ irfft,但是对于相反的情况:在这里该信号具有在时域对称性厄米和是在频域中实际。因此,hfft如果结果是奇数,必须在此处提供结果的长度。
- 偶数:在舍入误差内,
ihfft(hfft(a, 2*len(a) - 2)) == a
- 奇数:,舍入误差内。
ihfft(hfft(a, 2*len(a) - 1)) == a
厄米输入的正确解释取决于原始数据的长度,如n所示。这是因为每种输入形状可能对应于奇数或偶数长度的信号。默认情况下,hfft 假设输出长度是偶数,这会将最后一个条目置于奈奎斯特频率;与其对称对应物混叠。通过埃尔米特对称性,该值因此被视为纯实数。为了避免丢失信息,必须给出完整信号的形状。
例子
>>> signal = np.array([1, 2, 3, 4, 3, 2]) >>> np.fft.fft(signal) array([15.+0.j, -4.+0.j, 0.+0.j, -1.-0.j, 0.+0.j, -4.+0.j]) # may vary >>> np.fft.hfft(signal[:4]) # Input first half of signal array([15., -4., 0., -1., 0., -4.]) >>> np.fft.hfft(signal, 6) # Input entire signal and truncate array([15., -4., 0., -1., 0., -4.])
>>> signal = np.array([[1, 1.j], [-1.j, 2]]) >>> np.conj(signal.T) - signal # check Hermitian symmetry array([[ 0.-0.j, -0.+0.j], # may vary [ 0.+0.j, 0.-0.j]]) >>> freq_spectrum = np.fft.hfft(signal) >>> freq_spectrum array([[ 1., 1.], [ 2., -2.]])