scipy.fft.

rfft#

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

计算实数输入的 1 维离散傅里叶变换。

此函数通过一种称为快速傅里叶变换 (FFT) 的高效算法计算实值数组的 1 维 *n* 点离散傅里叶变换 (DFT)。

参数:

xarray_like: 输入数组
nint, 可选: 输入中沿变换轴使用的点数。如果 *n* 小于输入长度，则输入将被截断。如果它更大，则输入将用零填充。如果未给出 *n*，则使用 *axis* 指定的轴的输入长度。
axisint, 可选: 计算 FFT 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（见 fft）。默认值为“backward”。
overwrite_xbool, 可选: 如果为 True，则可以破坏 *x* 的内容；默认值为 False。有关详细信息，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，则该值将从 os.cpu_count() 中循环。有关详细信息，请参阅 fft。
planobject, 可选: 此参数保留用于传递下游 FFT 供应商提供的预先计算的计划。它目前在 SciPy 中未使用。

在版本 1.5.0 中添加。

返回值:

outcomplex ndarray: 沿 *axis* 指定的轴（或未指定 *axis* 时使用最后一个轴）变换的截断或零填充输入。如果 *n* 为偶数，则变换轴的长度为 (n/2)+1。如果 *n* 为奇数，则长度为 (n+1)/2。

引发:

IndexError: 如果 *axis* 大于 *a* 的最后一个轴。

参见

irfft: rfft 的逆。
fft: 一般（复数）输入的 1 维 FFT。
fftn: N 维 FFT。
rfft2: 实数输入的 2 维 FFT。
rfftn: 实数输入的 N 维 FFT。

备注

当为纯实数输入计算 DFT 时，输出是厄米特对称的，即负频率项只是对应正频率项的复共轭，因此负频率项是冗余的。此函数不计算负频率项，因此输出变换轴的长度为 n//2 + 1。

当 X = rfft(x) 且 fs 为采样频率时，X[0] 包含零频率项 0*fs，由于厄米特对称性，它是实数。

如果 *n* 为偶数，则 A[-1] 包含表示正负奈奎斯特频率 (+fs/2 和 -fs/2) 的项，并且也必须是纯实数。如果 *n* 为奇数，则没有 fs/2 处的项；A[-1] 包含最大的正频率 (fs/2*(n-1)/n)，在一般情况下是复数。

如果输入 *a* 包含虚部，则会静默丢弃。

示例

>>> import scipy.fft
>>> scipy.fft.fft([0, 1, 0, 0])
array([ 1.+0.j,  0.-1.j, -1.+0.j,  0.+1.j]) # may vary
>>> scipy.fft.rfft([0, 1, 0, 0])
array([ 1.+0.j,  0.-1.j, -1.+0.j]) # may vary

注意 fft 输出的最后一个元素是如何作为第二个元素的复共轭，对于实数输入而言。对于 rfft，这种对称性被用来仅计算非负频率项。