scipy.fft.

ifft#

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

计算一维逆离散傅里叶变换。

此函数计算由 fft 计算的一维 *n* 点离散傅里叶变换的逆。换句话说，ifft(fft(x)) == x 在数值精度范围内。

输入应该与 fft 返回的结果相同，即：

x[0] 应该包含零频率项，
x[1:n//2] 应该包含正频率项，
x[n//2 + 1:] 应该包含负频率项，从最负频率开始按递增顺序排列。

对于偶数个输入点，x[n//2] 表示正负奈奎斯特频率处值的总和，因为两者会混叠在一起。有关详细信息，请参阅 fft。

参数：:

x类数组: 输入数组，可以是复数。
nint，可选: 输出变换轴的长度。如果 *n* 小于输入的长度，则输入会被裁剪。如果它更大，则输入会被零填充。如果没有给出 *n*，则使用由 *axis* 指定的轴的输入长度。有关填充问题的说明，请参阅备注。
axisint，可选: 计算逆 DFT 的轴。如果未给出，则使用最后一个轴。
norm{“backward”, “ortho”, “forward”}，可选: 归一化模式（参见 fft）。默认为“backward”。
overwrite_x布尔值，可选: 如果为 True，则可以销毁 *x* 的内容；默认值为 False。有关更多详细信息，请参阅 fft。
workersint，可选: 用于并行计算的最大工作线程数。如果为负数，则该值将从 os.cpu_count() 中包装。有关更多详细信息，请参阅 fft。
plan对象，可选: 此参数保留用于传递由下游 FFT 供应商提供的预计算计划。目前在 SciPy 中未使用。

在版本 1.5.0 中添加。

返回值：:

out复数 ndarray: 被截断或零填充的输入，沿由 *axis* 指示的轴变换，如果未指定 *axis*，则沿最后一个轴变换。

引发：:

IndexError: 如果 *axes* 大于 *x* 的最后一个轴。

参见

fft: 一维（正向）FFT，ifft 是其逆。
ifft2: 二维逆 FFT。
ifftn: N 维逆 FFT。

备注

如果输入参数 *n* 大于输入的大小，则输入会在末尾添加零进行填充。尽管这是常见方法，但它可能会导致意外结果。如果需要不同的填充，则必须在调用 ifft 之前进行。

如果 x 是一个一维数组，则 ifft 等同于

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

与 fft 一样，ifft 支持所有浮点类型，并且针对实数输入进行了优化。

示例

>>> 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

创建一个带限信号并绘制其图形，该信号具有随机相位

>>> 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()