maxframe.tensor.fft.fftn#

maxframe.tensor.fft.fftn(a, s=None, axes=None, norm=None)[源代码]#

计算 N 维离散傅里叶变换。

此函数通过快速傅里叶变换（FFT）在 M 维张量中的任意数量轴上计算 N 维离散傅里叶变换。

参数:

  • a (array_like) -- 输入张量，可以是复数。

  • s (sequence of ints, optional) -- 输出的形状（每个变换轴的长度）（s[0] 指轴 0，s[1] 指轴 1，等等）。这对应于 fft(x, n) 中的 n。在任意轴上，如果给定的形状小于输入，则裁剪输入；如果大于输入，则用零填充。如果未给出 s，则使用输入在由 axes 指定轴上的形状。

  • axes (sequence of ints, optional) -- 要计算 FFT 的轴。如果未给出，则使用最后 len(s) 个轴；如果也未指定 s，则使用所有轴。在 axes 中重复的索引意味着在该轴上的变换将执行多次。

  • norm ({None, "ortho"}, optional) -- 归一化模式（参见 mt.fft）。默认为 None。

返回:

out -- 被截断或零填充的输入，沿由 axes 指示的轴变换，或者由 s 和 a 的组合变换，如上述参数部分所述。

返回类型:

complex Tensor

抛出:

  • ValueError -- 如果 s 和 axes 长度不同。

  • IndexError -- 如果 axes 的某个元素大于 a 的轴数。

参见

mt.fft

离散傅里叶变换的总体视图，包含使用的定义和约定。

ifftn

fftn 的逆变换，即逆 n 维 FFT。

fft

一维 FFT，包含使用的定义和约定。

rfftn

实数输入的 n 维 FFT。

fft2

二维 FFT。

fftshift

将零频率项移到张量中心

备注

输出类似于 fft，在所有轴的低阶角包含零频率项，在所有轴的前半部分包含正频率项，在所有轴的中间包含奈奎斯特频率项，在所有轴的后半部分包含负频率项，按频率递减顺序排列。

有关详细信息、定义和使用的约定，请参见 mt.fft。

示例

>>> import maxframe.tensor as mt

>>> a = mt.mgrid[:3, :3, :3][0]
>>> mt.fft.fftn(a, axes=(1, 2)).execute()
array([[[  0.+0.j,   0.+0.j,   0.+0.j],
        [  0.+0.j,   0.+0.j,   0.+0.j],
        [  0.+0.j,   0.+0.j,   0.+0.j]],
       [[  9.+0.j,   0.+0.j,   0.+0.j],
        [  0.+0.j,   0.+0.j,   0.+0.j],
        [  0.+0.j,   0.+0.j,   0.+0.j]],
       [[ 18.+0.j,   0.+0.j,   0.+0.j],
        [  0.+0.j,   0.+0.j,   0.+0.j],
        [  0.+0.j,   0.+0.j,   0.+0.j]]])
>>> mt.fft.fftn(a, (2, 2), axes=(0, 1)).execute()
array([[[ 2.+0.j,  2.+0.j,  2.+0.j],
        [ 0.+0.j,  0.+0.j,  0.+0.j]],
       [[-2.+0.j, -2.+0.j, -2.+0.j],
        [ 0.+0.j,  0.+0.j,  0.+0.j]]])

>>> import matplotlib.pyplot as plt
>>> [X, Y] = mt.meshgrid(2 * mt.pi * mt.arange(200) / 12,
...                      2 * mt.pi * mt.arange(200) / 34)
>>> S = mt.sin(X) + mt.cos(Y) + mt.random.uniform(0, 1, X.shape)
>>> FS = mt.fft.fftn(S)
>>> plt.imshow(mt.log(mt.abs(mt.fft.fftshift(FS))**2).execute())
<matplotlib.image.AxesImage object at 0x...>
>>> plt.show()