使用numpy FFT计算三角傅里叶系数时出现2倍偏差问题求助

问题本质：DFT与三角傅里叶级数的频率分量定义差异 #

numpy的fft.fft()输出的Xm包含正、负频率分量（直流分量和Nyquist频率除外），而你参考的三角傅里叶级数公式仅保留正频率项。实信号的DFT满足共轭对称性：正频率分量Xm[m]和负频率分量Xm[n-m]是共轭关系，两者共同对应三角级数里的一个正频率项。你当前直接用(1/n)Re[Xm]和-(1/n)Im[Xm]计算，只取了单侧频率分量，自然会出现2倍偏差。

修正步骤 #

针对不同频率分量做区分处理：

• 直流分量（m=0）：无需加倍，直接计算 A0 = (1/n) * np.real(Xm[0])
• 正频率分量（1 ≤ m < n/2）：合并正、负频率分量的贡献，系数需乘以2：
  • Am = (2/n) * np.real(Xm[m])
  • Bm = -(2/n) * np.imag(Xm[m])
• Nyquist频率（n为偶数时，m = n/2）：无对应负频率分量，无需加倍，Am = (1/n)*np.real(Xm[m])，Bm = 0

为什么逆DFT能还原信号？ #

fft.ifft()会自动利用DFT的共轭对称性，将正、负频率分量叠加还原原始信号，所以即使你用错误的系数计算，逆变换仍能得到正确结果，但单独提取的三角系数会因只取单侧分量而存在偏差。

内容的提问来源于stack exchange，提问作者Lucas Myers