Skip to main content
 首页 » 编程设计

python之numpy中的一维逆离散傅里叶变换是如何计算的

2025年01月19日13java哥

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。