傅里叶变换是许多计算任务中经常需要的组件，并且可以通过快速傅里叶变换 (FFT) 算法进行高效计算。然而，许多应用涉及潜在的连续信号，更自然的选择是使用例如傅立叶级数 (FS) 系数，以避免在模拟域和离散域之间转换的额外开销。不幸的是，很少有文献和工具用于从离散样本中操作 FS 系数。本文介绍了一个名为 pyFFS 的 Python 库，用于高效的 FS 系数计算、卷积和插值。虽然库 SciPy 和 NumPy 通过 FFT 算法为离散傅立叶变换系数提供了有效的功能，pyFFS 通过我们所说的快速傅立叶级数 (FFS) 来解决 FS 系数的计算。此外，pyFFS 包括一种基于 chirp Z 变换的 FS 插值方法，当人们希望执行插值时，该方法可以使其比 SciPy 等价物快一个数量级以上。通过 CuPy 库的 GPU 支持允许进一步加速，例如，计算 1000 x 1000 样本的 2-D FS 系数快一个数量级，2-D 插值快近两个数量级。作为一个应用，我们讨论 pyFFS 在傅立叶光学中的使用。pyFFS 可在 https://github.com/imagingofthings/pyFFS 作为开源包获得，文档位于 https://pyffs.readthedocs.io。pyFFS 包括一种基于 chirp Z 变换的 FS 插值方法，当人们希望执行插值时，该方法可以使其比 SciPy 等价物快一个数量级以上。通过 CuPy 库的 GPU 支持允许进一步加速，例如，计算 1000 x 1000 样本的 2-D FS 系数快一个数量级，2-D 插值快近两个数量级。作为一个应用，我们讨论 pyFFS 在傅立叶光学中的使用。pyFFS 可在 https://github.com/imagingofthings/pyFFS 作为开源包获得，文档位于 https://pyffs.readthedocs.io。pyFFS 包括一种基于 chirp Z 变换的 FS 插值方法，当人们希望执行插值时，该方法可以使其比 SciPy 等价物快一个数量级以上。通过 CuPy 库的 GPU 支持允许进一步加速，例如，计算 1000 x 1000 样本的 2-D FS 系数快一个数量级，2-D 插值快近两个数量级。作为一个应用，我们讨论 pyFFS 在傅立叶光学中的使用。pyFFS 可在 https://github.com/imagingofthings/pyFFS 作为开源包获得，文档位于 https://pyffs.readthedocs.io。计算 1000 x 1000 个样本的二维 FS 系数快一个数量级，二维插值快近两个数量级。作为一个应用，我们讨论 pyFFS 在傅立叶光学中的使用。pyFFS 可在 https://github.com/imagingofthings/pyFFS 作为开源包获得，文档位于 https://pyffs.readthedocs.io。计算 1000 x 1000 个样本的二维 FS 系数快一个数量级，二维插值快近两个数量级。作为一个应用，我们讨论 pyFFS 在傅立叶光学中的使用。pyFFS 可在 https://github.com/imagingofthings/pyFFS 作为开源包获得，文档位于 https://pyffs.readthedocs.io。



"点击查看英文标题和摘要"