Python中二维高斯函数FFT计算的问题求助

问题核心 #

你在执行二维FFT时遇到两个关键问题：

• FFT结果出现正负交替：直接绘制复数形式的FFT输出，虚部导致数值符号异常；
• 数值FFT得到的高斯形状与解析解不符，且fftshift后高斯被切到坐标系边缘：频率轴计算错误、FFT归一化缺失、解析解公式匹配偏差共同导致。

修正方案 #

1. 处理复数FFT结果 #

高斯函数的傅里叶变换是实函数，只需取FFT结果的实部（或绝对值）即可消除正负交替现象。

2. 修正频率轴计算 #

np.fft.fftfreq返回归一化频率，需结合采样间隔转换为实际频率：
采样间隔 dx = (2*lim)/(N-1)，直接用fftfreq(N, d=dx)即可得到实际频率，再通过fftshift将零频移到中心。

3. 对齐FFT与解析解的缩放 #

numpy的fft2是未归一化的离散傅里叶变换，需除以N²才能匹配连续傅里叶变换的解析结果。同时核对高斯傅里叶变换公式：原函数f(x,y) = (1/2)e^(-π(x²+y²)/2)的连续傅里叶变换为F(kx,ky) = e^(-2π(kx²+ky²))，与你定义的test一致，需将数值FFT结果除以N²对齐。

4. 正确使用fftshift #

先执行fft2，再对结果和频率轴执行fftshift，确保零频在坐标系中心，避免高斯被切割。

修正后的完整代码 #

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d

# 生成数据数组
N = 200
lim = 50
px = np.linspace(-lim, lim, N)
py = px
pxpx, pypy = np.meshgrid(px, py)

# 定义原高斯函数
fnc = 1/2 * np.exp(-(pypy**2 + pxpx**2) * np.pi / 2)

# 执行二维FFT并移位，取实部后归一化
ft = np.fft.fftshift(np.fft.fft2(fnc))
ft_real = np.real(ft) / (N ** 2)

# 计算正确的频率轴
dx = (2 * lim) / (N - 1)
x = np.fft.fftshift(np.fft.fftfreq(N, d=dx))
y = np.fft.fftshift(np.fft.fftfreq(N, d=dx))
xx, yy = np.meshgrid(x, y)

# 解析解高斯函数
test = np.exp(-(yy**2 + xx**2) * 2 * np.pi)

# 绘图对比
fig = plt.figure()
ax2 = fig.add_subplot(projection='3d')
ax2.plot_wireframe(xx, yy, ft_real, rstride=25, cstride=25, label='数值FFT结果')
ax2.plot_wireframe(xx, yy, test, rstride=11, cstride=11, color='red', label='解析解')
ax2.legend()
plt.show()

效果说明 #

修正后，数值FFT结果的实部将与红色解析高斯完全重合，正负交替现象消失，且高斯中心位于坐标系原点，不会被切割。

内容的提问来源于stack exchange，提问作者caprisun