scipy.fft.

prev_fast_len#

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

找到 fft 输入数据的上一个快速大小。这对于在进行 FFT 之前丢弃最少数量的样本很有用。

SciPy 的 FFT 算法通过递归分治策略获得速度提升。这依赖于输入长度的小质因子的有效函数。因此,当使用 FFT 实现所处理的质因子的复合数时,变换速度最快。如果所有基数小于等于 n 都有有效函数,则结果将是一个小于等于 target 且其质因子均小于等于 n 的数。(也称为 n-光滑数)

参数:
targetint

最大搜索长度。必须是正整数。

realbool, optional

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

返回:
outint

小于或等于 target 的最大快速长度。

注意

此函数的结果未来可能会因性能考量而改变,例如,如果增加了新的质因子。

使用实数输入数据调用 fftifft 会在内部执行 'R2C' 变换。

在当前实现中,prev_fast_len 对于复数 FFT 假定基数为 2,3,5,7,11,对于实数 FFT 假定基数为 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)

对小于 max_len 的最大快速长度执行 FFT 可将计算时间缩短到 1.5 毫秒,提速 10.5 倍

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