Python 实pyFFTW中拉普拉斯算子的计算
对于正向(多维)FFTW算法,您可以指定输入Python 实pyFFTW中拉普拉斯算子的计算,python,numpy,fft,numerical-methods,pyfftw,Python,Numpy,Fft,Numerical Methods,Pyfftw,对于正向(多维)FFTW算法,您可以指定输入numpy.ndarray为实数,而输出应为复数。这是在创建位于fft\u对象的参数中的字节对齐数组时完成的: import numpy as np import pyfftw N = 256 # Input array size (preferrably 2^{a}*3^{b}*5^{c}*7^{d}*11^{e}*13^{f}, (e+f = 0,1)) dx = 0.1 # Spacing between mesh points a = p
numpy.ndarray
为实数,而输出应为复数。这是在创建位于fft\u对象的参数中的字节对齐数组时完成的:
import numpy as np
import pyfftw
N = 256 # Input array size (preferrably 2^{a}*3^{b}*5^{c}*7^{d}*11^{e}*13^{f}, (e+f = 0,1))
dx = 0.1 # Spacing between mesh points
a = pyfftw.empty_aligned((N, N), dtype='float64')
b = pyfftw.empty_aligned((N, N//2+1), dtype='complex128')
fft_object = pyfftw.FFTW(a, b, axes=(0, 1), direction='FFTW_FORWARD')
输出阵列不是对称的,第二个轴被截断到正频率。对于复FFT,您可以使用以下np.ndarray
kx, ky = np.meshgrid(np.fft.fftfreq(N, dx), np.fft.fftfreq(N, dx)) # Wave vector components
k2 = -4*np.pi**2*(kx*kx+ky*ky) # np.ndarray for the Laplacian operator in "frequency space"
在被截断的情况下该如何做?我考虑使用:
kx, ky = np.meshgrid(np.fft.fftfreq(N//2+1, dx), np.fft.fftfreq(N, dx)) # The axes conven-
# tions are different
但是,这真的有效吗?它似乎忽略了“y”方向上的负频率。我不熟悉pyfftw
,但对于numpy.fft
模块,它会工作得很好(假设您使用注释中提到的rfftfreq
)
总而言之:对于实数组,a
,傅里叶变换,b
,有一个类似于厄姆田的性质:b(-kx,-ky)
是b(kx,ky)
的复共轭。
前向fft的实际版本通过省略负的ky
s丢弃(大部分)冗余信息。后向fft的实际版本假设缺失频率处的值可以通过复共轭适当的元素找到
如果使用复数fft并保留所有频率,-k2*b
仍将具有类似厄米特的属性。因此,由实后向fft所作的假设仍然成立,并将给出正确的答案
我想,如果为direction=FFT\u BACKWARD
案例的输出指定一个大小正确的float64
数组,那么使用pyfftw
就可以很好地工作。您可能希望对最后一个例子使用np.FFT.rfftfreq
。您是对的,这个例子在同一点被截断,但是,结果正确吗?即使你不考虑负频率吗?