numpy频域求导后逆FFT的缩放问题：为何无需除以n？

核心原因是numpy的FFT/IRFFT采用了“DFT无归一化，IDFT自动除以n”的设计，你手动添加的1/n会导致重复归一化，最终结果幅度缩小为正确值的1/n，和时域求导结果不符。

具体推导与验证 #

1. 连续信号频域求导：确实是将频谱乘以$2\pi i f$，对应时域信号的导数。
2. numpy的DFT/IDFT定义：
   • rfft（离散傅里叶变换）的计算是未归一化的：$S[m] = \sum_{k=0}^{N-1} s[k] e^{-2\pi i m k / N}$
   • irfft（逆离散傅里叶变换）会自动完成归一化：$s[k] = \frac{1}{N} \sum_{m=0}^{M-1} S[m] e^{2\pi i m k / N}$（其中M是rfft的输出长度）
3. 离散频域求导的正确操作：
   要得到时域信号的导数，只需将rfft的结果$S[m]$乘以$2\pi i f_m$（$f_m$是rfftfreq给出的频率，即$m/(N dt)$），再直接用irfft还原即可。因为irfft已经帮你完成了$1/N$的归一化，不需要手动再乘1/n。

你的代码问题分析 #

• 带1/n的版本：相当于在频域先除以n，irfft又再除以n，最终结果是正确导数的$1/n$，所以绿色曲线幅度远小于参考的黑色曲线。
• 不带1/n的版本：irfft的归一化刚好抵消DFT的未归一化，结果和时域np.gradient的输出完全匹配，红色虚线和黑色参考线重合。

简化后的代码（用向量操作代替循环） #

import numpy as np
import matplotlib.pyplot as plt
plt.style.use('seaborn')

def sin(t, amp, freq):
    return amp * np.sin(2 * np.pi * freq * t)

dt = 0.002
t = np.arange(0, 1, dt)
n = len(t)              # n is even

s = sin(t, 1, 1) + sin(t, 1, 2)
ds_grad = np.gradient(s, dt)    # 时域求导参考

S = np.fft.rfft(s)
freqs = np.fft.rfftfreq(n, dt)

# 错误版本：多乘了1/n
dS_wrong = (1/n) * 2 * np.pi * 1j * freqs * S
ds_wrong = np.fft.irfft(dS_wrong)

# 正确版本：无需除以n
dS_correct = 2 * np.pi * 1j * freqs * S
ds_correct = np.fft.irfft(dS_correct)

plt.figure(figsize=(12,6))
plt.plot(t, s, label='原始信号 s')
plt.plot(t, ds_grad, 'k', label='时域求导 s\'')
plt.plot(t, ds_wrong, label='频域求导（错误：除以n）')
plt.plot(t, ds_correct, '--', label='频域求导（正确：不除以n）')
plt.legend(loc='lower left')
plt.show()

内容的提问来源于stack exchange，提问作者Rovsom