如何用pyFFTW实现两个PDF的卷积以加速运算？

你的pyFFTW实现失败的核心原因是没有处理线性卷积所需的补零匹配，且未针对实值PDF做优化，同时缺少重复运算的性能优化配置。以下是符合需求的正确实现方案：

关键问题分析 #

scipy.signal.fftconvolve的'full'模式会自动将两个输入补零到len(pdf1)+len(pdf2)-1的长度，执行线性卷积；而你直接对原始长度的PDF做FFT相乘，得到的是循环卷积，结果完全不符合预期。此外，针对40万次重复运算，必须启用pyFFTW的规划器缓存，避免每次重新生成规划浪费时间。

正确实现代码 #

import pyfftw
import numpy as np

# 提前初始化pyFFTW全局配置，针对重复运算优化
pyfftw.interfaces.cache.enable()
pyfftw.config.NUM_THREADS = pyfftw.config.NUM_THREADS  # 自动使用全部CPU核心，也可手动指定如4

def pyfftw_convolve(pdf1, pdf2):
    n1, n2 = len(pdf1), len(pdf2)
    full_len = n1 + n2 - 1  # 线性卷积的完整输出长度
    
    # 补零到full_len，确保FFT长度匹配，用aligned数组提升运算效率
    padded_pdf1 = pyfftw.zeros_aligned(full_len, dtype='float64')
    padded_pdf2 = pyfftw.zeros_aligned(full_len, dtype='float64')
    padded_pdf1[:n1] = pdf1
    padded_pdf2[:n2] = pdf2
    
    # 构建实值FFT规划器（PDF是实数，rfft比普通fft运算量少一半，速度更快）
    fft1_builder = pyfftw.builders.rfft(padded_pdf1, planner_effort='FFTW_MEASURE')
    fft2_builder = pyfftw.builders.rfft(padded_pdf2, planner_effort='FFTW_MEASURE')
    
    # 执行FFT并相乘
    fft_product = fft1_builder() * fft2_builder()
    
    # 构建逆实值FFT规划器，还原线性卷积结果
    ifft_builder = pyfftw.builders.irfft(fft_product, n=full_len, planner_effort='FFTW_MEASURE')
    convolution_full = ifft_builder().real  # 取实部消除浮点运算带来的微小虚部噪声
    
    # 截断到你需要的长度（和原代码逻辑一致，取前len(pdf1)个元素）
    return convolution_full[:n1]

代码说明 #

1. 补零操作：必须将两个PDF补零到n1+n2-1长度，确保FFT相乘后得到和fftconvolve('full')一致的线性卷积结果。
2. 实值FFT优化：使用rfft/irfft替代普通fft/ifft，利用PDF是实数序列的特性，将运算量减半，大幅提升速度。
3. 规划器配置：planner_effort='FFTW_MEASURE'会提前测试最优FFT算法，首次运行稍慢，但后续40万次重复运算会复用规划，性能提升显著；启用缓存避免重复生成规划。
4. 浮点误差处理：逆FFT后取.real消除浮点运算产生的微小虚部噪声，保证结果为实数PDF。

替换原代码的方式 #

把原来的卷积代码段：

convolution_pdf = scipy.signal.fftconvolve(pdf1, pdf2, 'full')
convolution_pdf = convolution_pdf[0:len(pdf1)]

直接替换为：

convolution_pdf = pyfftw_convolve(pdf1, pdf2)

内容的提问来源于stack exchange，提问作者ArthurOA