如何在NumPy中对立体声信号进行FFT/IFT变换？

前提：立体声数据的结构 #

通常实值立体声信号在NumPy中是**形状为(n_samples, 2)**的数组——每一行对应一个时间点的采样，第一列是左声道数据，第二列是右声道数据。如果你的数据是(2, n_samples)的转置形式，先通过stereo_audio = stereo_audio.T调整形状。

执行FFT变换 #

NumPy的fft库可以直接对多通道数据做批量处理，无需手动循环每个通道：

方法1：通用FFT（np.fft.fft） #

适用于任意信号，对每个通道的时间序列直接做FFT：

import numpy as np

# 假设stereo_audio是形状为(n_samples, 2)的实值数组
fft_result = np.fft.fft(stereo_audio, axis=0)

• axis=0指定沿着时间采样轴计算FFT，最终得到形状为(n_samples, 2)的复数数组，每一列对应一个通道的FFT结果。

方法2：实值信号优化FFT（np.fft.rfft） #

因为输入是实值信号，FFT结果具有共轭对称性，用rfft只返回一半的频率点，节省计算资源和内存：

rfft_result = np.fft.rfft(stereo_audio, axis=0)

• 最终结果形状为(n_samples//2 + 1, 2)，包含了所有非冗余的频率信息。

转换回时域信号 #

对应两种FFT方法，用对应的逆变换函数即可：

对应通用FFT的逆变换（np.fft.ifft） #

# 逆变换后取实部（消除计算引入的微小虚部误差）
reconstructed_audio = np.fft.ifft(fft_result, axis=0).real

• 输出的reconstructed_audio形状和原始信号一致，为(n_samples, 2)的实值数组。

对应实值优化FFT的逆变换（np.fft.irfft） #

reconstructed_audio = np.fft.irfft(rfft_result, axis=0)

• irfft会自动利用实值信号的对称性直接还原出实值时域信号，无需额外取实部，输出形状和原始信号一致。

完整示例 #

import numpy as np

# 生成测试立体声信号：44100采样率，1秒时长，左声道1kHz正弦波，右声道2kHz正弦波
sample_rate = 44100
duration = 1
n_samples = sample_rate * duration
t = np.linspace(0, duration, n_samples, endpoint=False)

left_channel = np.sin(2 * np.pi * 1000 * t)
right_channel = np.sin(2 * np.pi * 2000 * t)
stereo_audio = np.column_stack([left_channel, right_channel])

# 执行实值FFT
rfft_result = np.fft.rfft(stereo_audio, axis=0)

# 逆变换还原信号
reconstructed = np.fft.irfft(rfft_result, axis=0)

# 验证误差（理论上应该接近0）
print(f"还原误差：{np.max(np.abs(stereo_audio - reconstructed))}")

注意事项 #

• 数据类型：如果原始音频是整数格式（比如int16），先转换为浮点型（stereo_audio = stereo_audio.astype(np.float64)）再处理，避免计算溢出或精度损失。
• 轴的选择：务必指定axis=0（如果你的数据是(n_samples,2)），否则可能会在通道维度上错误计算FFT。

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