我有一个复数数组 (waves),其排序方式与 fft 返回的方式相同。如果我对该数组调用 ifft,它会返回原始样本的近似值。
我想在 python 中自己实现 ifft。我找到了 the formula of IFFT .我实现了它,但它看起来与 ifft 结果有点不同。我试图通过查看 ifft source 来修复它,但这是一个高度优化的版本,我无法找出它是如何工作的
这是我目前所拥有的:
import numpy as np
import matplotlib.pyplot as plt
from scipy.fftpack import fft
# create samples
data = np.zeros(1024)
for k in range(0, 1024):
data[k] = np.sin(k/20 * np.pi*2)
# plot original samples
#plt.plot(data)
#plt.show()
# apply FFT on samples
waves = fft(data)
# plot FFT result
#plt.plot(np.imag(waves),'r')
#plt.plot(np.real(waves),'b')
#plt.ylabel('value')
#plt.xlabel('period')
#plt.show()
#
res = np.zeros(1024)
for k in range(0, 1024):
val = 0.0
for n in range(0, len(waves)-1):
# https://dsp.stackexchange.com/a/510/25943
val += waves[n]*np.exp(-1.j * 2*np.pi * n * k / len(waves)) / len(waves)
res[k] = val.real
#np implementation
res2 = np.fft.ifft(waves)
plt.plot(data, 'b') # original
plt.plot(res,'g') # my implementation
plt.plot(res2,'y') # np implementation
plt.show()
也许必须以不同方式处理零频率项和负频率项。我不确定,因为在任何傅里叶变换的描述中都没有提到
请您参考如下方法:
这里只有两个错误:
for n in range(0, len(waves)-1):
应该是
for n in range(0, len(waves)):
因为 range 不包括其上限(与基于 0 的索引一起,与 Matlab 相比,这使得 FFT 类型算法的实现更容易一些)。
此外,
val += waves[n]*np.exp(-1.j * 2*np.pi * n * k / len(waves))
应该是
val += waves[n]*np.exp(1.j * 2*np.pi * n * k / len(waves))
符号约定不同;在 NumPy 中,直接变换有 -1j,逆变换有 1j。
当然,整个过程效率很低,但你可能想自己详细写出来。 NumPy 的矢量化操作将正常使用,以
开头data = np.zeros(1024)
for k in range(0, 1024):
data[k] = np.sin(k/20 * np.pi*2)
被替换为
data = np.sin(np.arange(1024)/20 * np.pi*2)
其他循环也是如此。
