scipy.fft.

ifft#

scipy.fft.ifft(x, n=None, axis=-1, norm=None, overwrite_x=False, workers=None, *, plan=None)[原始碼]#

計算 1-D 反離散傅立葉轉換。

此函數計算由 fft 計算的 1-D n 點離散傅立葉轉換的反轉換。換句話說，在數值精度範圍內，ifft(fft(x)) == x。

輸入應以與 fft 傳回的相同方式排序，即：

x[0] 應包含零頻率項，
x[1:n//2] 應包含正頻率項，
x[n//2 + 1:] 應包含負頻率項，以遞增順序從最負頻率開始。

對於偶數個輸入點，x[n//2] 表示正奈奎斯特頻率和負奈奎斯特頻率處的值之總和，因為兩者混疊在一起。有關詳細資訊，請參閱 fft。

參數:

xarray_like: 輸入陣列，可以是複數。
nint, optional: 輸出轉換軸的長度。如果 n 小於輸入的長度，則輸入會被裁剪。如果較大，則輸入會用零填充。如果未給定 n，則使用沿 axis 指定軸的輸入長度。請參閱有關填充問題的注意事項。
axisint, optional: 計算反 DFT 的軸。如果未給定，則使用最後一個軸。
norm{“backward”, “ortho”, “forward”}, optional: 正規化模式（請參閱 fft）。預設值為 “backward”。
overwrite_xbool, optional: 如果為 True，則可以破壞 x 的內容；預設值為 False。有關更多詳細資訊，請參閱 fft。
workersint, optional: 用於平行計算的最大工作執行緒數。如果為負數，則值會從 os.cpu_count() 環繞。有關更多詳細資訊，請參閱 fft。
planobject, optional: 此引數保留用於傳入下游 FFT 供應商提供的預先計算的計劃。目前 SciPy 中未使用它。

在 1.5.0 版本中新增。

傳回:

outcomplex ndarray: 沿 axis 指示的軸轉換的截斷或零填充輸入，如果未指定 axis，則為最後一個軸。

引發:

IndexError: 如果 axes 大於 x 的最後一個軸。

參見

fft: 1-D（正向）FFT，ifft 是其反轉換。
ifft2: 2-D 反 FFT。
ifftn: N-D 反 FFT。

Notes

如果輸入參數 n 大於輸入的大小，則輸入會透過在末尾附加零來填充。即使這是常見的方法，也可能導致令人驚訝的結果。如果需要不同的填充，則必須在呼叫 ifft 之前執行。

如果 x 是一個 1-D 陣列，則 ifft 等效於

y[k] = np.sum(x * np.exp(2j * np.pi * k * np.arange(n)/n)) / len(x)

與 fft 一樣，ifft 支援所有浮點類型，並針對實數輸入進行了最佳化。

範例

>>> import scipy.fft
>>> import numpy as np
>>> scipy.fft.ifft([0, 4, 0, 0])
array([ 1.+0.j,  0.+1.j, -1.+0.j,  0.-1.j]) # may vary

建立並繪製具有隨機相位的頻寬限制訊號

>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> t = np.arange(400)
>>> n = np.zeros((400,), dtype=complex)
>>> n[40:60] = np.exp(1j*rng.uniform(0, 2*np.pi, (20,)))
>>> s = scipy.fft.ifft(n)
>>> plt.plot(t, s.real, 'b-', t, s.imag, 'r--')
[<matplotlib.lines.Line2D object at ...>, <matplotlib.lines.Line2D object at ...>]
>>> plt.legend(('real', 'imaginary'))
<matplotlib.legend.Legend object at ...>
>>> plt.show()