scipy.fftpack.

irfft#

scipy.fftpack.irfft(x, n=None, axis=-1, overwrite_x=False)[source]#

返回实数序列 x 的逆离散傅里叶变换。

x 的内容被解释为 rfft 函数的输出。

参数:

xarray_like: 要进行逆变换的数据。
nint, optional: 逆傅里叶变换的长度。如果 n < x.shape[axis]，x 将被截断。如果 n > x.shape[axis]，x 将进行零填充。默认情况下，n = x.shape[axis]。
axisint, optional: 计算 ifft 的轴；默认为最后一个轴（即 axis=-1）。
overwrite_xbool, optional: 如果为 True，x 的内容可以被销毁；默认为 False。

返回:

irfftndarray of floats: 逆离散傅里叶变换。

另请参见

rfft, ifft, scipy.fft.irfft

备注

返回的实数数组包含

[y(0),y(1),...,y(n-1)]

其中当 n 为偶数时

y(j) = 1/n (sum[k=1..n/2-1] (x[2*k-1]+sqrt(-1)*x[2*k])
                             * exp(sqrt(-1)*j*k* 2*pi/n)
            + c.c. + x[0] + (-1)**(j) x[n-1])

而当 n 为奇数时

y(j) = 1/n (sum[k=1..(n-1)/2] (x[2*k-1]+sqrt(-1)*x[2*k])
                             * exp(sqrt(-1)*j*k* 2*pi/n)
            + c.c. + x[0])

c.c. 表示前一表达式的复共轭。

有关输入参数的详细信息，请参见 rfft。

要处理具有复杂数据类型的（共轭对称）频域数据，请考虑使用新的函数 scipy.fft.irfft。

示例

>>> from scipy.fftpack import rfft, irfft
>>> a = [1.0, 2.0, 3.0, 4.0, 5.0]
>>> irfft(a)
array([ 2.6       , -3.16405192,  1.24398433, -1.14955713,  1.46962473])
>>> irfft(rfft(a))
array([1., 2., 3., 4., 5.])