双边频率响应的时域响应疑问：逆傅里叶变换出现额外峰值

问题描述 #

我正在学习傅里叶变换与逆傅里叶变换，实操中对时域响应信号存在困惑，操作流程如下：

• 步骤1：从频域的双边频率信号入手；
• 步骤2：对该频域信号执行逆傅里叶变换，得到的时域响应中右侧的第二个峰值无法理解，请问该峰值产生的原因是什么？如何消除该峰值？

实操代码 #

import numpy as np
from scipy import fft
import matplotlib.pyplot as plt  # 原代码缺失该导入，补充后才能正常运行

start_time = 0
end_time = 10
fs = 100

dt = 1/fs
t = np.arange(start_time, end_time, dt)
freqs = fft.fftfreq(len(t)) * fs

fq = list()
signal = list()
for f in freqs:
    fq += [f]
    signal += [np.sin(f) / (f)]

fig, ax = plt.subplots()

ax.plot(fq, signal)
ax.set_xlabel('Frequency in Hertz [Hz]')
ax.set_ylabel('Frequency Domain (Spectrum)')

# 移除f=0的分量
signal1 = signal[1:]
ift = fft.ifft(signal1)
plt.plot(ift)
plt.show()

峰值产生原因 #

1. 频谱长度不匹配：原代码删掉了频域信号的第一个元素（f=0的直流分量），导致signal1的长度比时域数组t少1个。FFT和逆FFT要求频域、时域信号长度必须完全一致，长度对不上会让逆变换后的时域信号被错误补零或截断，进而产生伪影。
2. f=0分量处理错误：当f=0时，sin(f)/f的极限值是1，但原代码没做特殊处理，不仅会弹出0/0的数值警告，还直接删掉了这个直流分量——直流分量是时域信号的基准，缺失后会导致时域信号整体偏移、变形。
3. FFT周期性带来的混叠：FFT算法默认信号是周期性重复的，要是频谱不完整或构造不符合要求，逆变换得到的时域信号会出现“周期镜像”，你看到的右侧峰值其实就是左侧主峰值的重复镜像，属于FFT循环特性导致的混叠现象。

消除峰值的解决方法 #

方法1：修正频域信号的构造与长度 #

• 单独处理f=0的情况，将其值设为1（sin(0)/0的极限）；
• 保留完整的频域信号长度，不随意截断分量。

修正后的核心代码片段：

# 正确构造频域sinc信号，处理f=0的特殊情况
signal = []
for f in freqs:
    if f == 0:
        signal.append(1.0)
    else:
        signal.append(np.sin(f) / f)
signal = np.array(signal)

# 使用完整频谱做逆变换，取实部（数值计算产生的虚部可忽略）
ift = fft.ifft(signal).real
plt.plot(t, ift)
plt.xlabel('Time [s]')
plt.ylabel('Time Domain Signal')
plt.show()

方法2：保证频谱的共轭对称性 #

我们期望得到实值时域信号，频域信号必须满足共轭对称（正频率分量与负频率分量共轭）。原代码中sin(-f)/(-f) = sin(f)/f，已经满足实偶对称，只要保证长度完整就能得到正常的实值时域信号。

方法3：避免不必要的频谱截断 #

除非明确知道需要移除特定分量，否则不要随意截断频域信号，保持频谱与时域信号长度一致是FFT/逆FFT正确执行的基础。

内容的提问来源于stack exchange，提问作者Adam Merckx