numpy.fft.hfft

原文：https://docs.scipy.org/doc/numpy/reference/generated/numpy.fft.hfft.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

numpy.fft.hfft(a, n=None, axis=-1, norm=None)[source]

计算具有厄密对称（实际频谱）的信号的FFT。

参数：	a：array_like 输入数组。 n：int，可选 输出的变换轴的长度。对于n输出点，需要n//2+1个输入点。如果输入长于此，则会裁剪。如果它比这短，用零填充。如果未给出n，则根据沿轴指定的轴的输入长度确定。 axis：int，可选 用于计算FFT的轴。如果未给出，则使用最后一个轴。 norm：{None，“ortho”}，可选 版本1.10.0中的新功能。 规范化模式（参见numpy.fft）。默认值为None。
返回：	out：ndarray 未指定沿轴指示的轴变换的截断或零填充输入，如果轴指定最后一个输入。变换轴的长度为n，或者如果未给出n，则2*(m-1)其中m是输入的变换轴的长度。要获得奇数个输出点，必须指定n。
上升：	IndexError 如果axis大于a的最后一个轴。

也可以看看

rfft

计算实际输入的一维FFT。

ihfft

hfft的逆。

笔记

hfft / ihfft是类似于rfft / irfft的对，但是对于相反的情况： Hermitian在时域中的对称性，并且在频域中是真实的。所以这里是hfft，如果它是奇数，你必须提供结果的长度：ihfft（hfft（a）， len a）） == a。

例子

>>> signal = np.array([1, 2, 3, 4, 3, 2])
>>> np.fft.fft(signal)
array([ 15.+0.j,  -4.+0.j,   0.+0.j,  -1.-0.j,   0.+0.j,  -4.+0.j])
>>> np.fft.hfft(signal[:4]) # Input first half of signal
array([ 15.,  -4.,   0.,  -1.,   0.,  -4.])
>>> np.fft.hfft(signal, 6)  # Input entire signal and truncate
array([ 15.,  -4.,   0.,  -1.,   0.,  -4.])

>>> signal = np.array([[1, 1.j], [-1.j, 2]])
>>> np.conj(signal.T) - signal   # check Hermitian symmetry
array([[ 0.-0.j,  0.+0.j],
       [ 0.+0.j,  0.-0.j]])
>>> freq_spectrum = np.fft.hfft(signal)
>>> freq_spectrum
array([[ 1.,  1.],
       [ 2., -2.]])