Python SciPy fft.fft用法及代码示例 本文简要介绍 python 语言中 的用法。 用法: 计算一维离散傅里叶变换。 该函数计算一维n具有高效快速傅里叶变换 (FFT) 算法的点离散傅里叶变换 (DFT)[1]. 参数 ：： x： array_like 输入数组，可以很复杂。 n： 整数，可选 输出的变换轴的长度。如果 n 小于输入的长度，则裁剪输入。如果它更大，则用零填充输入。如果未给出 n，则使用沿轴指定的轴的输入长度。 axis： 整数，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 标准化模式。默认值为“backward”，这意味着在 上的正向变换和缩放 没有标准化。 “forward” 改为在正向变换上应用 因子。对于 ，两个方向都按 缩放。 overwrite_x： 布尔型，可选 如果为 True，则 x 的内容可以被销毁；默认为假。有关详细信息，请参阅下面的注释。 workers： 整数，可选 用于并行计算的最大工作线程数。如果为负，则该值从 环绕。请参阅下面的更多细节。 plan： 对象，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。它目前未在 SciPy 中使用。 返回 ：： out： 复杂的ndarray 截断或补零的输入，沿轴指示的轴转换，如果未指定轴，则为最后一个。 抛出 ：： IndexError 如果轴大于 x 的最后一个轴。 注意： FFT(快速傅里叶变换)是指通过在计算项中使用对称性，可以有效计算离散傅里叶变换 (DFT) 的一种方式。对称性最高的时候n是 2 的幂，因此对于这些大小，变换是最有效的。对于难以分解的大小，使用 Bluestein 算法[2]所以永远不会比 O(n日志n)。通过使用零填充输入可以看到进一步的性能改进scipy.fft.next_fast_len. 如果 是一维数组，则 相当于 频率项 位于 。在，我们达到了奈奎斯特频率并环绕到负频率项。因此，对于 8 点变换，结果的频率为 [0, 1, 2, 3, -4, -3, -2, -1]。要重新排列 fft 输出以使 zero-frequency 组件居中，例如 [-4, -3, -2, -1, 0, 1, 2, 3]，请使用 。 可以以单精度、双精度或扩展精度(长双精度)浮点数进行转换。半精度输入将转换为单精度，非浮点输入将转换为双精度。 如果的数据类型为实数，则自动使用“real FFT”算法，计算时间大致减半。为了进一步提高效率，请使用 ，它执行相同的计算，但只输出对称频谱的一半。如果数据既真实又对称， 可以通过从一半信号生成一半频谱，再次使效率翻倍。 当指定 时， 引用的内存可以由实现以任何方式使用。这可能包括为结果重用内存，但这绝不是保证。您不应该在转换后依赖 的内容，因为这可能会在未来发生变化而不会发出警告。 参数指定将 FFT 计算拆分成的最大并行作业数。这将在 内执行独立的一维 FFT。因此， 必须至少是二维的，并且未转换的轴必须足够大以拆分成块。如果 太小，使用的作业可能比请求的少。 参考： [1] Cooley、James W. 和 John W. Tukey，1965 年，“复杂傅里叶级数的机器计算算法”，数学。计算。 19：297-301。 [2] Bluestein, L.，1970，“计算离散傅里叶变换的线性滤波方法”。 IEEE 音频和电声学汇刊。 18 (4): 451-455。 例子： 在此示例中，实数输入具有 Hermitian 的 FFT，即实部对称而虚部反对称： 
2024最新激活全家桶教程，稳定运行到2099年，请移步至置顶文章：https://sigusoft.com/99576.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处：https://sigusoft.com/39090.html
