Ctrl+K
scipy.fft.

prev_fast_len#

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

查找 fft 输入数据的前一个快速大小。用于在 FFT 之前丢弃最少数量的样本非常有用。

SciPy 的 FFT 算法通过递归分治策略来提高速度。 这依赖于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组合时，变换速度最快。 如果所有基数 <= n 都有高效的函数，那么结果将是一个数字 x <= target，其中只有小于或等于 n 的素因子。（也称为 n-光滑数）

参数:
targetint

搜索的最大长度。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）。默认为 False。

返回:
outint

小于或等于 target 的最大快速长度。

注意

此函数的结果可能会在将来更改，因为性能考虑因素会发生变化，例如，如果添加了新的素因子。

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

在当前实现中，prev_fast_len 假设复数 FFT 的基数为 2,3,5,7,11，实数 FFT 的基数为 2,3,5。

示例

在特定机器上，素数长度的 FFT 需要 16.2 毫秒

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

在小于 max_len 的最大快速长度上执行 FFT 可将计算时间缩短至 1.5 毫秒，加速 10.5 倍

>>> fft.prev_fast_len(max_len, real=True)
92160
>>> c = fft.fft(a[:92160]) # discard last 899 samples
在此页上