scipy.fft.

next_fast_len#

scipy.fft.next_fast_len(target, real=False)#

为零填充等找到输入数据到 fft 的下一个快速大小。

SciPy 的 FFT 算法通过递归的分治策略获得其速度。这依赖于输入长度的小质因数的有效函数。因此，当使用 FFT 实现处理的质因数的组合时，变换速度最快。如果对于所有小于等于 n 的基数都有有效的函数，那么结果将是一个大于或等于 target 且只有小于 n 的质因数的数字。（也称为 n-平滑数）

参数:
targetint

开始搜索的长度。必须是正整数。

realbool, 可选

如果 FFT 涉及实数输入或输出（例如，rfft 或 hfft 但不是 fft）则为 True。默认为 False。

返回:
outint

大于或等于 target 的最小快速长度。

附注

此函数的结果可能会在未来发生变化，因为性能考虑因素会发生变化，例如，如果添加了新的质因数。

使用实数输入数据调用 fft 或 ifft 会在内部执行 'R2C' 变换。

数组 API 标准支持

next_fast_len 不适用于对 NumPy 以外的 Python Array API 标准兼容后端的支持。

有关更多信息，请参阅 对数组 API 标准的支持。

示例

在特定机器上，对质数长度的 FFT 需要 11.4 毫秒

>>> from scipy import fft
>>> import numpy as np
>>> rng = np.random.default_rng()
>>> min_len = 93059  # prime length is worst case for speed
>>> a = rng.standard_normal(min_len)
>>> b = fft.fft(a)

零填充到下一个常规长度将计算时间减少到 1.6 毫秒，速度提高了 7.3 倍

>>> fft.next_fast_len(min_len, real=True)
93312
>>> b = fft.fft(a, 93312)

向上四舍五入到下一个 2 的幂不是最优的，需要 3.0 毫秒才能计算；比 next_fast_len 给出的尺寸长 1.9 倍

>>> b = fft.fft(a, 131072)
本页内容