01先把问题说具体
已经得到 DFT 频域系数,怎样恢复原始样本?为什么正反变换不能都省略除以 N?
02一步步得到方法
逆变换来自基函数正交性
本课程正变换用负指数且不缩放,逆式为 x[n]=(1/N)ΣₖX[k]e^(+2πikn/N)。正负号抵消后,不同频率的几何级数为零,相同频率留下 N,因此必须除 N。
共轭将负号变正:IFFT(X)=conj(FFT(conj(X)))/N。可以复用已经验证的 FFT,而不维护另一份几乎相同的递归蝶形代码。
复数结果与实信号恢复
即使原信号全实数,浮点计算也可能留下极小虚部。应比较误差容限,确认共轭对称与输入约定后再取实部,不能不看虚部大小就丢弃。
不同库可能采用正反各除 √N、或正变换除 N 的规范。做卷积或对照结果时要统一,否则可能得到整体 N 倍或 1/N 倍的尺度错误。
逆变换为何改符号再除 N
正反复指数基的求和在同一位置产生 N、在不同位置互相抵消。因此逆式采用相反符号并除 N,恢复原样本,而不是随意为了数值大小加一个归一化。
通过共轭关系也可复用正 FFT:对输入取共轭,做正变换,再对结果取共轭并除长度。实数原信号恢复时可能残留很小的虚部,这是浮点舍入,是否丢弃应结合误差容差。
03把一个小例子完全算清楚
频域 X=[0,2,0,2],N=4。
| 步骤 | 计算与状态 | 为什么这样做 |
|---|---|---|
| n=0 | (0+2+0+2)/4=1 | 全部相位为 1 |
| n=1 | (2i−2i)/4=0 | 相互抵消 |
| n=2 | (−2−2)/4=−1 | 两项同向为负 |
| n=3 | 0 | 恢复 [1,0,−1,0] |
窄屏可左右滑动表格,阅读完整计算与理由。
逆变换是同一离散线性变换的逆,不是从任意缺失频率中自动恢复信息。
04为什么这个方法成立
- 对输入取共轭,把正向 FFT 的负指数变为所需正指数。
- 输出再取共轭恢复系数方向。
- 除 N 抵消正交求和留下的 N 倍因子,得到原序列。
05把推导翻译成代码
Python · 可独立运行的教学实现
import cmath
from math import pi
def fft(x):
n = len(x)
if n == 0: return []
if n & (n-1): raise ValueError("power-of-two length required")
if n == 1: return [complex(x[0])]
e,o = fft(x[::2]),fft(x[1::2])
v = [cmath.exp(-2j*pi*k/n)*o[k] for k in range(n//2)]
return [e[k]+v[k] for k in range(n//2)]+[e[k]-v[k] for k in range(n//2)]
def ifft(x):
if not x: return []
return [v.conjugate()/len(x) for v in fft([complex(v).conjugate() for v in x])]逐个理解关键决定
v.conjugate()/len(x)- 共轭之外还必须归一化。
complex(v).conjugate()- 统一实数与复数输入,复用正向实现。
06时间、空间与实现范围
复用 radix-2 FFT,时间 O(N log N),此列表实现空间 O(N)。
往返误差受长度、数值尺度与浮点精度影响,测试应按容差比较。删除频率后逆变换得到的是修改后的信号,通常不等于原信号。
07改变条件,检查哪里会出错
漏除 N 后看形状差不多就认为正确
波形可能相同但幅值整体错误,应核对具体数值。
正反变换双方都不归一化或都除 N
往返结果会多一个 N 或少一个 N,需要对齐所用库的 normalization 约定。
08从手算到独立迁移
先写出自己的结果和理由,再展开提示或解析。三题依次检查具体执行、边界条件和方法迁移。
IFFT([4,0,0,0]) 是什么?
需要一点提示
只有直流。
查看解析与答案
[1,1,1,1]。
将所有频域系数置零会恢复什么?
需要一点提示
线性变换。
查看解析与答案
全零信号。
丢弃一半实信号频谱后直接普通 IFFT 可以吗?
需要一点提示
普通 IFFT 要求完整复频谱。
查看解析与答案
通常不能;要补共轭对称另一半,或用明确处理单边格式的实数逆变换接口。