文档

传输线

快速傅里叶反变换

语法

X = ifft(Y)
X = ifft(Y,n)
X = ifft(Y,n,dim)
X = ifft(___symflag)

描述

例子

X = ifft(Y计算逆离散傅里叶变换Y使用快速傅里叶变换算法。X尺寸和Y

  • 如果Y是向量吗传输线(Y)返回向量的逆变换。

  • 如果Y是矩阵吗传输线(Y)返回矩阵每一列的逆变换。

  • 如果Y那么是多维数组吗传输线(Y)将第一维上大小不等于1的值视为向量,并返回每个向量的逆变换。

例子

X = ifft(Yn返回n的-点傅里叶反变换Y通过填充Y后面有0到长度n

例子

X = ifft(Yn昏暗的返回沿维数的傅里叶反变换昏暗的.例如,如果Y是矩阵吗传输线(Y, n, 2)返回n每一行的-点反变换。

例子

X = ifft(___symflag的对称性。Y.例如,传输线(Y,“对称”)对待Y共轭对称。

例子

全部折叠

傅里叶变换及其逆变换在时间和空间采样数据和频率采样数据之间进行转换。

创建一个向量并计算它的傅里叶变换。

X = [1 2 3 4 5];Y = fft(X)
Y =1×5复杂15.0000 + 0.0000i -2.5000 + 3.4410i -2.5000 + 0.8123i -2.5000 - 0.8123i -2.5000 - 3.4410i⋯⋯

计算的逆变换Y,与原向量相同X

传输线(Y)
ans =1×51 2 3 4 5

传输线函数允许您控制转换的大小。

创建一个随机的3 × 5矩阵,并计算每一行的8点傅里叶反变换。结果的每行长度为8。

Y = rand(3,5);N = 8;X = ifft(Y,n,2);大小(X)
ans =1×23 8

对于近似共轭对称向量,可以通过指定“对称”选项,这也确保输出是实数。当计算引入舍入误差时,就会出现近似共轭对称数据。

创建一个向量Y它几乎是共轭对称的然后计算它的傅里叶反变换。然后,计算逆变换,指定“对称”选项,消除了接近0的虚部。

Y = [1 2:4+eps(4) 4:-1:2]
Y =1×71.000 2.000 3.0000 4.0000 4.0000 3.0000 2.000⋯⋯
X = ifft(Y)
X =1×7复杂2.7143 + 0.0000i -0.7213 + 0.0000i -0.0440 - 0.0000i -0.0919 + 0.0000i -0.0919 - 0.0000i -0.0440 + 0.0000i -0.7213 - 0.0000i⋯
Xsym = ift (Y,“对称”
Xsym =1×72.7143 -0.7213 -0.0440 -0.0919 -0.0919 -0.0440 -0.7213⋯⋯

输入参数

全部折叠

输入数组,指定为向量、矩阵或多维数组。如果Y是类型的,然后传输线本机计算单精度,和X也是类型的.否则,X作为类型返回。

数据类型:||int8|int16|int32|uint8|uint16|uint32|逻辑
复数支持:万博1manbetx是的

逆变换长度,指定为[]或者一个非负整数标量。填充Y通过指定大于的长度的变换长度来使用零Y能提高业绩吗传输线.长度通常指定为2的幂或小素数的乘积。如果n小于信号的长度,那么传输线方法后的其余信号值被忽略nTh项并返回截断后的结果。如果n那么是0传输线返回一个空矩阵。

数据类型:||int8|int16|int32|uint8|uint16|uint32|逻辑

操作的维度,指定为正整数标量。默认情况下,昏暗的大小不等于1的第一个数组维度。例如,考虑一个矩阵Y

  • 传输线(Y, [], 1)返回每一列的傅里叶反变换。

  • 传输线(Y, [], 2)返回每一行的傅里叶反变换。

数据类型:||int8|int16|int32|uint8|uint16|uint32|逻辑

对称类型,指定为“非对称”“对称”.当Y由于四舍五入误差,并不完全共轭对称,传输线(Y,“对称”)对待Y就好像它是共轭对称的。有关共轭对称的更多信息,请参见算法

更多关于

全部折叠

向量的离散傅里叶变换

Y = fft(X)而且X = ifft(Y)分别实现傅里叶变换和傅里叶反变换。为X而且Y的长度n,这些变换定义如下:

Y k j 1 n X j W n j 1 k 1 X j 1 n k 1 n Y k W n j 1 k 1

在哪里

W n e 2 π / n

是其中之一n团结的根源。

算法

  • 传输线函数测试向量是否在Y共轭对称。一个向量v当它等于时共轭对称吗连词(v([1,结束:1:2))).如果向量Y是共轭对称的,那么反变换的计算速度更快,输出是实数。

扩展功能

另请参阅

||||

R2006a之前介绍

这个话题有用吗?