窗信号DTFS计算出现非预期虚部的原因排查

问题背景 #

在Google Colab环境中，使用cmath、numpy和matplotlib计算窗信号的DTFS（离散时间傅里叶级数）系数：

• 窗信号定义：a[n] = u(n+100) - u(n-100)，其中u(n)为Heaviside函数
• 采样范围：n ∈ [-1000, 1000]，共N=2001个采样点

生成窗信号的代码 #

import numpy as np
import cmath
import matplotlib.pyplot as plt

D=1000

a=np.zeros(2*D+1)
for i in range(-100,100):
    a[i+D] = 1

计算DTFS系数的代码 #

j=complex(0,1)
pi=np.pi
N=2001

ak = np.zeros(N, dtype=complex)

for k in range(-D, D + 1):
    for n in range(-D, D + 1):
        ak[k + D] += (1/N) * a[n + D] * cmath.exp(-j * 2 * pi * k * n / N)

问题现象 #

理论推导认为DTFS系数应为纯实数，但实际计算结果中出现了有规律的小幅度虚部：原点和采样边缘处虚部量级约为1e-3，且虚部近似等于1/N * sin(201π/N)，并非随机浮点误差。

原因分析 #

1. 信号对称性不符预期
   你定义的窗信号a[n] = u(n+100) - u(n-100)，若按离散Heaviside函数u[n]=1（n≥0）的定义，理论上a[n]的非零区间应为n ∈ [-100, 99]（因为n=100时u(n-100)=u(0)=1，故a[100]=0），这直接导致信号不满足偶对称：a[-100]=1但a[100]=0，破坏了a[n]=a[-n]的偶对称条件。

   偶对称实信号的DTFS系数必然是纯实数，而不对称的实信号会分解为偶对称部分和奇对称部分：奇对称部分的DTFS系数为纯虚数，最终导致总系数出现非零虚部。

2. 非对称部分的DTFS贡献
   你的信号中，仅n=100和n=-100两点存在不对称性：a[-100]=1、a[100]=0，对应的奇对称分量为：

   • b[-100] = 0.5
   • b[100] = -0.5
   • 其余点b[n]=0

   该奇对称分量的DTFS系数为：

   b[k] = (1/N) * [0.5*e^(j2πk*100/N) - 0.5*e^(-j2πk*100/N)] = j*(sin(200πk/N))/N
   

   这与你观察到的虚部规律高度吻合（因sin(200πk/N)与sin(201πk/N)在N=2001时差异极小，属于近似范畴）。

3. 补充：浮点误差的影响
   虽然存在少量浮点计算误差，但你观察到的虚部是有规律的正弦形式，说明核心原因是信号的不对称性，而非随机浮点误差。

内容的提问来源于stack exchange，提问作者Nate3384