scipy.fft.

next_fast_len#

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

找到输入数据到 fft 的下一个快速大小，用于零填充等。

SciPy 的 FFT 算法通过递归分治策略获得速度。这依赖于对输入长度的小素因子的高效函数。因此，当使用 fft 实现处理的素因子的复合时，变换最快。如果存在对所有基数 <= n 的高效函数，则结果将是一个数字 x >= target，它只有素因子 < n。（也称为 n-光滑数）

参数:
targetint

要开始搜索的长度。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 但不包括 fft）。默认值为 False。

返回值:
outint

大于或等于 target 的最小快速长度。

注意

此函数的结果可能会在未来随着性能考虑因素的变化而改变，例如，如果添加了新的素因子。

调用 fft 或 ifft 使用实数输入数据在内部执行 'R2C' 变换。

示例

在特定的机器上，素数长度的 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)

零填充到下一个规则长度将计算时间缩短到 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)

四舍五入到下一个 2 的幂不是最佳的，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