FFT 操作

[来源]

fft 函数

keras.ops.fft(x)

计算输入张量最后一个轴上的快速傅里叶变换。

参数

• x: 输入张量的实部和虚部组成的元组。元组中的两个张量都应为浮点类型。

返回

包含两个张量的元组 - 输出张量的实部和虚部。

示例

>>> x = (
...     keras.ops.convert_to_tensor([1., 2.]),
...     keras.ops.convert_to_tensor([0., 1.]),
... )
>>> fft(x)
(array([ 3., -1.], dtype=float32), array([ 1., -1.], dtype=float32))

[来源]

fft2 函数

keras.ops.fft2(x)

计算输入最后两个轴上的二维快速傅里叶变换。

参数

• x: 输入张量的实部和虚部组成的元组。元组中的两个张量都应为浮点类型。

返回

包含两个张量的元组 - 输出的实部和虚部。

示例

>>> x = (
...     keras.ops.convert_to_tensor([[1., 2.], [2., 1.]]),
...     keras.ops.convert_to_tensor([[0., 1.], [1., 0.]]),
... )
>>> fft2(x)
(array([[ 6.,  0.],
    [ 0., -2.]], dtype=float32), array([[ 2.,  0.],
    [ 0., -2.]], dtype=float32))

[来源]

rfft 函数

keras.ops.rfft(x, fft_length=None)

沿输入最后一个轴的实值快速傅里叶变换。

计算输入最内层维度上实值信号的一维离散傅里叶变换。

由于实值信号的离散傅里叶变换是厄米对称的，RFFT 只返回 FFT 的 fft_length / 2 + 1 个唯一分量：零频项，后跟 fft_length / 2 个正频项。

在计算 RFFT 的轴上，如果 fft_length 小于输入的相应维度，则会裁剪该维度。如果它更大，则该维度会用零填充。

参数

• x: 输入张量。
• fft_length: 一个表示 FFT 长度的整数。如果未指定，则从 x 的最后一个轴的长度推断。默认为 None。

返回

包含两个张量的元组 - 输出的实部和虚部。

示例

>>> x = keras.ops.convert_to_tensor([0.0, 1.0, 2.0, 3.0, 4.0])
>>> rfft(x)
(array([10.0, -2.5, -2.5]), array([0.0, 3.4409548, 0.81229924]))

>>> rfft(x, 3)
(array([3.0, -1.5]), array([0.0, 0.8660254]))

[来源]

stft 函数

keras.ops.stft(
    x, sequence_length, sequence_stride, fft_length, window="hann", center=True
)

沿输入最后一个轴的短时傅里叶变换。

STFT 计算输入短时重叠窗口的傅里叶变换。这给出了信号的频率分量，因为它们随时间变化。

参数

• x: 输入张量。
• sequence_length: 表示序列长度的整数。
• sequence_stride: 表示序列跳跃大小的整数。
• fft_length: 表示要应用的 FFT 大小的整数。如果未指定，则使用包围 sequence_length 的最小 2 次方。
• window: 字符串、窗口张量或 None。如果 window 是字符串，则可用值为 "hann" 和 "hamming"。如果 window 是张量，则将直接用作窗口，其长度必须为 sequence_length。如果 window 为 None，则不使用窗口。默认为 "hann"。
• center: 是否在两侧填充 x，以便第 t 个序列以时间 t * sequence_stride 为中心。否则，第 t 个序列从时间 t * sequence_stride 开始。默认为 True。

返回

包含两个张量的元组 - STFT 输出的实部和虚部。

示例

>>> x = keras.ops.convert_to_tensor([0.0, 1.0, 2.0, 3.0, 4.0])
>>> stft(x, 3, 2, 3)
(array([[0.75, -0.375],
   [3.75, -1.875],
   [5.25, -2.625]]), array([[0.0, 0.64951905],
   [0.0, 0.64951905],
   [0.0, -0.64951905]]))

[来源]

irfft 函数

keras.ops.irfft(x, fft_length=None)

沿最后一个轴的逆实值快速傅里叶变换。

计算输入最内层维度上实值信号的逆一维离散傅里叶变换。

输入的最后一个维度被假定为 RFFT 的结果：实值信号 DFT 的 fft_length / 2 + 1 个唯一分量。如果未提供 fft_length，则从输入的最后一个维度的大小计算 (fft_length = 2 * (inner - 1))。如果用于计算的 FFT 长度为奇数，则应提供它，因为它无法正确推断。

在计算 IRFFT 的轴上，如果 fft_length / 2 + 1 小于输入的相应维度，则会裁剪该维度。如果它更大，则该维度会用零填充。

参数

• x: 输入张量的实部和虚部组成的元组。元组中的两个张量都应为浮点类型。
• fft_length: 一个表示 FFT 长度的整数。如果未指定，则从 x 的最后一个轴的长度推断。默认为 None。

返回

包含沿 x 的最后一个轴的逆实值快速傅里叶变换的张量。

示例

>>> real = keras.ops.convert_to_tensor([0.0, 1.0, 2.0, 3.0, 4.0])
>>> imag = keras.ops.convert_to_tensor([0.0, 1.0, 2.0, 3.0, 4.0])
>>> irfft((real, imag))
array([0.66666667, -0.9106836, 0.24401694])

>>> irfft(rfft(real, 5), 5)
array([0.0, 1.0, 2.0, 3.0, 4.0])

[来源]

istft 函数

keras.ops.istft(
    x,
    sequence_length,
    sequence_stride,
    fft_length,
    length=None,
    window="hann",
    center=True,
)

沿输入最后一个轴的逆短时傅里叶变换。

要重建原始波形，参数应与 stft 中的参数相同。

参数

• x: 输入张量的实部和虚部组成的元组。元组中的两个张量都应为浮点类型。
• sequence_length: 表示序列长度的整数。
• sequence_stride: 表示序列跳跃大小的整数。
• fft_length: 表示生成 stft 的 FFT 大小的整数。应为 int32 类型。
• length: 表示输出被剪切为精确长度的整数。如果未指定，则不进行填充或剪切。默认为 None。
• window: 字符串、窗口张量或 None。如果 window 是字符串，则可用值为 "hann" 和 "hamming"。如果 window 是张量，则将直接用作窗口，其长度必须为 sequence_length。如果 window 为 None，则不使用窗口。默认为 "hann"。
• center: x 是否在两侧填充，以便第 t 个序列以时间 t * sequence_stride 为中心。默认为 True。

返回

包含沿 x 的最后一个轴的逆短时傅里叶变换的张量。

示例

>>> x = keras.ops.convert_to_tensor([0.0, 1.0, 2.0, 3.0, 4.0])
>>> istft(stft(x, 1, 1, 1), 1, 1, 1)
array([0.0, 1.0, 2.0, 3.0, 4.0])