PyTorch中基于振幅与相位的逆FFT实现问题

你之前的错误在于只构建了复数的虚部，FFT的复数结果是实部 + 虚部×i的形式，必须完整构建这个复数张量才能进行逆FFT。

步骤说明 #

• 从修改后的振幅(modified_amp)和相位(modified_pha)重新构建复数FFT结果：
  实部 = 振幅 × cos(相位)
  虚部 = 振幅 × sin(相位)
• 用torch.complex()把实部和虚部组合成复数张量
• 调用torch.fft.ifft()执行逆变换
• 最后取结果的实部（因为原始输入是实数信号，逆FFT后可能存在微小的数值虚部，需要剔除）

完整代码示例 #

import torch

def calculate_fft(x):
    fft_im = torch.fft.fft(x.clone())  # bx3xhxw，复数张量
    fft_amp = torch.sqrt(fft_im.real**2 + fft_im.imag**2)
    fft_pha = torch.atan2(fft_im.imag, fft_im.real)
    return fft_amp, fft_pha

# 假设已经得到修改后的振幅和相位
modified_amp, modified_pha = ...  # 这里替换为你修改后的结果

# 重新构建复数FFT张量
reconstructed_fft = torch.complex(modified_amp * torch.cos(modified_pha),
                                  modified_amp * torch.sin(modified_pha))

# 执行逆FFT并取实部
reconstructed_x = torch.fft.ifft(reconstructed_fft).real

补充说明 #

如果你的输入是图像类的多维张量（比如代码里的bx3xhxw），更适合用2D FFT处理空间维度（h和w），对应的函数是torch.fft.fft2和torch.fft.ifft2，示例如下：

# 2D FFT版本的提取函数
def calculate_fft2d(x):
    fft_im = torch.fft.fft2(x.clone())  # bx3xhxw，2D复数FFT结果
    fft_amp = torch.sqrt(fft_im.real**2 + fft_im.imag**2)
    fft_pha = torch.atan2(fft_im.imag, fft_im.real)
    return fft_amp, fft_pha

# 对应的逆变换
reconstructed_fft2d = torch.complex(modified_amp * torch.cos(modified_pha),
                                      modified_amp * torch.sin(modified_pha))
reconstructed_x2d = torch.fft.ifft2(reconstructed_fft2d).real

内容的提问来源于stack exchange，提问作者FeiiYin