Python验证时域相乘与频域卷积等价性遇结果不符问题

我尝试在Python中验证两个信号的时域相乘与频域卷积的等价性，参考了DSP论坛的Matlab示例，预期得到一致结果但实际不符，代码如下：

import numpy as np
import matplotlib.pyplot as plt

f = 2e6
t = np.linspace(0,1,64)

x = np.sin(2*np.pi*f*t)
y = np.sin(2*np.pi*0.5*f*t)

# 时域相乘
signal_xy = x*y

# 计算傅里叶变换
FFT_xy = np.fft.fft(signal_xy)
FFT_x = np.fft.fft(x)
FFT_y = np.fft.fft(y)

# 绘图
plt.plot(abs(FFT_xy))
plt.plot(np.fft.fftshift(abs(np.convolve(np.fft.fftshift(FFT_x),np.fft.fftshift(FFT_y), 'same')))/len(FFT_x), linestyle='--')
plt.show()

我也尝试过使用scipy的fftshift和convolve函数，结果完全相同。请问是Python中的fftshift和convolve函数工作异常吗？

Python的fftshift和convolve函数本身是正常工作的，问题出在离散傅里叶变换（DFT）的循环卷积特性以及对卷积模式的选择上：

• 时域相乘对应频域循环卷积
  离散信号的时域相乘，其DFT等于两个信号DFT的循环卷积，而非线性卷积。原代码中使用的np.convolve(..., 'same')是线性卷积的截断版本，和循环卷积不匹配，这是结果不一致的核心原因。

• 正确的等价验证步骤
  要验证等价性，需要实现循环卷积，可以通过以下方式修正：

  import numpy as np
  import matplotlib.pyplot as plt
  
  f = 2e6
  t = np.linspace(0,1,64)
  N = len(t)
  
  x = np.sin(2*np.pi*f*t)
  y = np.sin(2*np.pi*0.5*f*t)
  
  # 时域相乘的DFT
  signal_xy = x*y
  FFT_xy = np.fft.fft(signal_xy)
  
  # 频域循环卷积（等价于时域相乘的DFT）
  FFT_x = np.fft.fft(x)
  FFT_y = np.fft.fft(y)
  # 线性卷积后取前N个点得到循环卷积结果，再做归一化
  conv_freq = np.convolve(FFT_x, FFT_y, 'full')[:N] / N
  
  # 绘图对比
  plt.plot(np.abs(FFT_xy), label='时域相乘的DFT')
  plt.plot(np.abs(conv_freq), linestyle='--', label='频域循环卷积')
  plt.legend()
  plt.show()
  

• 关于fftshift的使用
  原代码中使用fftshift将频谱移到中心，但循环卷积的操作需要在原始DFT的非移位域进行（因为DFT本身是循环的）。如果要使用移位后的频谱做卷积，需额外处理移位逻辑，反而增加复杂度，直接在原始DFT域操作循环卷积更简洁。

总结：函数本身无异常，是对离散傅里叶变换的卷积特性理解偏差导致结果不一致，改用循环卷积即可得到匹配结果。

内容的提问来源于stack exchange，提问作者Curious