maxframe.tensor.fft.ifftn#

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

计算 N 维离散傅里叶逆变换。

该函数通过快速傅里叶变换（FFT）计算 M 维张量中任意数量轴上的 N 维离散傅里叶变换的逆变换。换句话说，ifftn(fftn(a)) == a 在数值精度范围内成立。有关所使用的定义和约定的描述，请参见 mt.fft。

输入数据应与 ifft 类似，按照 fftn 返回的顺序排列，即所有轴的低阶角应包含零频率项，所有轴的前半部分应包含正频率项，所有轴的中间应包含奈奎斯特频率项，所有轴的后半部分应按负频率递减排列负频率项。

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] 对应轴 0，s[1] 对应轴 1，以此类推）。这对应于 ifft(x, n) 中的 n。在任意轴上，如果给定的形状小于输入，则对输入进行裁剪；如果大于输入，则用零填充输入。如果未指定 s，则使用输入中由 axes 指定轴的形状。有关 ifft 零填充问题，请参见说明部分。
axes (sequence of ints, optional) -- 用于计算 IFFT 的轴。如果未指定，则使用最后的 len(s) 个轴，如果 s 也未指定，则使用所有轴。如果 axes 中有重复索引，则表示在该轴上多次执行逆变换。
norm ({None, "ortho"}, optional) -- 归一化模式（参见 mt.fft）。默认值为 None。

返回:

out -- 被截断或零填充的输入，沿 axes 指定的轴进行变换，或者根据上述参数部分中说明的 s 或 a 的组合进行变换。

返回类型:

complex Tensor

抛出:

ValueError -- 如果 s 和 axes 的长度不同。
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，包括所使用的定义和约定。
fftn: 前向 n 维 FFT，ifftn 是其逆变换。
ifft: 一维逆 FFT。
ifft2: 二维逆 FFT。
ifftshift: 取消 fftshift，将零频率项移至张量的开头。

备注

有关所使用的定义和约定，请参见 mt.fft。

与 ifft 类似，零填充是通过在指定维度上向输入追加零来实现的。尽管这是常见做法，但可能会导致令人意外的结果。如果需要其他形式的零填充，必须在调用 ifftn 之前完成。

示例

>>> import maxframe.tensor as mt

>>> a = mt.eye(4)
>>> mt.fft.ifftn(mt.fft.fftn(a, axes=(0,)), axes=(1,)).execute()
array([[ 1.+0.j,  0.+0.j,  0.+0.j,  0.+0.j],
       [ 0.+0.j,  1.+0.j,  0.+0.j,  0.+0.j],
       [ 0.+0.j,  0.+0.j,  1.+0.j,  0.+0.j],
       [ 0.+0.j,  0.+0.j,  0.+0.j,  1.+0.j]])

创建并绘制具有带限频率内容的图像：

>>> import matplotlib.pyplot as plt
>>> n = mt.zeros((200,200), dtype=complex)
>>> n[60:80, 20:40] = mt.exp(1j*mt.random.uniform(0, 2*mt.pi, (20, 20)))
>>> im = mt.fft.ifftn(n).real
>>> plt.imshow(im.execute())
<matplotlib.image.AxesImage object at 0x...>
>>> plt.show()