我需要在 Python 中使用离散傅里叶变换 (DFT)(和逆 DFT),我得到的结果有点奇怪,所以我尝试了一个小例子,但我不确定我是否理解错误(如果是数学或编码)。这是我的代码的小版本:
from __future__ import division
import numpy as np
from pylab import *
pi = np.pi
def f(x):
return sin(x)
theta = np.arange(0,2*pi,2*pi/4)
k = np.arange(0,4,1)
x = f(theta)
y = np.fft.fft(x)
derivative = np.fft.ifft(1j*k*y)
print(derivative)
所以我要做的是在 0 到 2pi 之间的 4 个不同点对 sin 进行采样,并使用这些数字创建向量 x。然后我对 x 进行 DFT 得到 y。我想要的是在所选点上获得 sin 的导数,因此我将 y 乘以 k(波数,在本例中为 0,1,2,3)和我的虚数 1j(这是因为在傅立叶和中,我对每一项都有一些形式为 e^{ikx}) 的东西。所以最后我采用 1jky 的逆 DFT,我应该得到 sin 的导数。但我得到的是这个。
[ -1.00000000e+00 -6.12323400e-17j -6.12323400e-17 +2.00000000e+00j
1.00000000e+00 +1.83697020e-16j 6.12323400e-17 -2.00000000e+00j]
当我应该得到这个的时候
[1,0,-1,0]
忽略舍入误差。有人可以告诉我我做错了什么吗?谢谢!
请您参考如下方法:
如果反 FFT 要产生结果,对频谱的操作必须保持这种 Hermitian 对称性。因此,频域中的导数算子定义在频谱的下半部分,而频谱的上半部分由对称性构成。请注意,对于偶数大小的频谱,恰好在 N/2 处的值必须是其自身的对称性,因此必须有一个虚部为 0。下面说明如何构造此导数运算符:
N = len(y)
if N%2:
derivative_operator = np.concatenate((np.arange(0,N/2,1),[0],np.arange(-N/2+1,0,1)))*1j
else:
derivative_operator = np.concatenate((np.arange(0,N/2,1),np.arange(-N//2+1,0,1)))*1j
您将在频域中使用此derivative_operator,如下所示:
derivative = np.fft.ifft(derivative_operator*y)
在您的示例案例中,您应该得到以下结果
[ 1.00000000e+00+0.j 6.12323400e-17+0.j
-1.00000000e+00+0.j -6.12323400e-17+0.j]
在您预期的 [1,0,-1,0] 的舍入误差范围内。
