ifft2
二维快速傅里叶逆变换
说明
示例
Y = fft2(X)
Y = 3×3 complex
45.0000 + 0.0000i, 0.0000 + 0.0000i 0.0000 + 0.0000i
0.00000 + 0.0000i, 13.5000 + 7.7942i 0.0000 - 5.1962i
0.00000 - 0.0000i, 0.00000 + 5.1962i 13.5000 - 7.7942i
计算 Y
的逆变换,结果与原始矩阵 X
相同(基于舍入误差)。
ifft2(Y)
ans = 3×38.0000 1.0000 6.0000 3.0000 5.0000 7.0000 4.0000 9.0000 2.0000
用尾随零填充 Y
的两个维度,使变换的大小为 8×8。
Z = ifft2(Y,8,8);
size(Z)
ans = 1×28 8
共轭对称矩阵
X = ifft2(Y,‘symmetric’)
X = 2×2
4 0
0 -1
输入参数
输入数组,指定为矩阵或多维数组。如果 Y
的类型为 single
,则 ifft2
本身以单精度进行计算,X
的类型也是 single
。否则,X
以 double
类型返回。
数据类型: double
| single
| int8
| int16
| int32
| uint8
| uint16
| uint32
| logical
复数支持: 是
m
- 逆变换行数
正整数标量
逆变换行数,指定为正整数标量。
n
- 逆变换列数
正整数标量
逆变换列数,指定为正整数标量。
symflag
- 对称类型
'nonsymmetric'
(默认) | 'symmetric'
对称类型,指定为 'nonsymmetric'
或 'symmetric'
。当 Y
由于舍入误差而导致不完全共轭对称时,ifft2(Y,'symmetric')
会将 Y
视为共轭对称。有关共轭对称的详细信息,请参阅算法。
详细信息
m×n的矩阵 Y或连续函数 的离散傅里叶逆变换,结果为 X:
x
p
,
q
=
1
m
n
∑
j
=
1
m
∑
k
=
1
n
e
(
j
−
1
)
(
p
−
1
)
2
π
i
m
e
(
k
−
1
)
(
q
−
1
)
2
π
i
n
Y
j
k
,
.
x_{p,q} =\frac{1}{mn}\sum_{j=1}^{m}\sum_{k=1}^{n}e^{\frac{(j-1)(p-1)2\pi i}{m}}e^{\frac{(k-1)(q-1)2\pi i}{n}}Y_{jk},.
xp,q=mn1j=1∑mk=1∑nem(j−1)(p−1)2πien(k−1)(q−1)2πiYjk,.
i 是虚数单位。p 的范围从 1 到 m,q 的范围从 1 到 n。
m×n的矩阵 Y或连续函数 的离散傅里叶变换,结果为 X:
x
p
,
q
=
∑
j
=
1
m
∑
k
=
1
n
e
−
(
j
−
1
)
(
p
−
1
)
2
π
i
m
e
−
(
k
−
1
)
(
q
−
1
)
2
π
i
n
Y
j
k
,
.
x_{p,q} = \sum_{j=1}^{m}\sum_{k=1}^{n}e^{-\frac{(j-1)(p-1)2\pi i}{m}}e^{-\frac{(k-1)(q-1)2\pi i}{n}}Y_{jk},.
xp,q=j=1∑mk=1∑ne−m(j−1)(p−1)2πie−n(k−1)(q−1)2πiYjk,.
让p,q从0开始,j,k也从0开始,则
x
p
,
q
=
∑
j
=
0
m
−
1
∑
k
=
0
n
−
1
e
−
j
p
2
π
i
m
e
−
k
q
2
π
i
n
Y
j
k
,
.
x_{p,q} = \sum_{j=0}^{m-1}\sum_{k=0}^{n-1}e^{-\frac{jp2\pi i}{m}}e^{-\frac{kq2\pi i}{n}}Y_{jk},.
xp,q=j=0∑m−1k=0∑n−1e−mjp2πie−nkq2πiYjk,.
如果
m
=
n
m=n
m=n,则
x
p
,
q
=
∑
j
=
0
m
−
1
∑
k
=
0
m
−
1
e
−
(
j
p
+
k
q
m
)
2
π
i
Y
j
k
,
.
x_{p,q} = \sum_{j=0}^{m-1}\sum_{k=0}^{m-1}e^{-(\frac{jp +kq}{m})2\pi i}Y_{jk},.
xp,q=j=0∑m−1k=0∑m−1e−(mjp+kq)2πiYjk,.
算法
ifft2
函数测试矩阵 Y
中的向量是否在两个维度上都共轭对称。
- 当向量
v
的第 i 个元素满足v(i) = conj(v([1,end:-1:2]))
时,它就是一个共轭对称向量。 - 如果
Y
中的向量在两个维度上都共轭对称,则逆变换的计算速度更快,并且输出为实数。