自定义逆傅里叶变换函数无法还原原正弦波，求问题排查

先梳理下你遇到的情况：你的自定义DFT能正确生成正弦波的功率谱，但对应的IFT无法还原原始信号。我来拆解下你的IFT函数里的几个关键错误：

1. 核心维度与目标对象搞反了 #

你的DFT接收的是长度为N1的原始信号x和长度为k的频率数组frequencies，输出的是长度为k的频域结果fourier。那逆变换的目标应该是从频域结果（长度k）还原出长度为N1的原始时间信号，但你的IFT函数：

• 把N定义成了fft.size（也就是k），用这个生成了时间索引n = np.arange(N)
• 输出的inverse_fourier是长度k的数组，完全不符合原始信号的长度要求

你需要把原始信号的时间点数量（也就是len(time)，对应你DFT里的N1）传入IFT函数，才能匹配维度。

2. 指数符号错误 #

DFT中你用的是负指数：exp(-2j*np.pi*frequencies[i]*t)，而逆傅里叶变换需要用正指数才能还原信号，你现在IFT里还是用了负指数，这会直接导致相位完全反转，无法还原。

3. 缩放因子不匹配 #

你的DFT里给每个频率分量乘了1/k的缩放因子，为了让逆变换能正确还原，IFT需要乘回对应的k来抵消这个缩放，否则还原出的信号幅度会完全不对。

4. 循环逻辑错误 #

你现在的循环是遍历频率索引，生成对应频率的结果，但逆变换应该遍历原始时间点，对每个时间点计算所有频率分量的叠加。

修正后的IFT函数 #

结合以上问题，我调整了你的IFT函数，同时需要传入原始的时间数组来匹配DFT的输入维度：

def IFT(fft, frequencies, time):
    # 获取原始信号的时间点数量（对应DFT里的N1）
    N1 = time.size
    # 频域结果的长度（对应DFT里的k）
    k = fft.size
    # 初始化输出的时域信号，注意要用复数类型，避免截断虚部
    inverse_fourier = np.zeros(N1, dtype=np.complex128)
    for i in range(N1):
        # 对每个时间点，计算所有频率分量的叠加，用正指数，乘回k抵消DFT的缩放
        inverse_fourier[i] = k * np.dot(fft, np.exp(2j * np.pi * frequencies * time[i]))
    # 因为原始信号是实信号，取实部即可（虚部应该非常小，是浮点误差）
    return np.real(inverse_fourier)

测试验证 #

用你的原始信号测试修正后的函数：

# 先计算DFT
fourier_result = DFT(signal, freq)
# 用修正后的IFT还原信号
recovered_signal = IFT(fourier_result, freq, time)

# 绘制原始信号和还原信号对比
plt.plot(time, signal, label='Original Signal')
plt.plot(time, recovered_signal, label='Recovered Signal', linestyle='--')
plt.xlabel('Time')
plt.title('Original vs Recovered Sine Wave')
plt.legend()
plt.grid()
plt.show()

这样应该就能完美还原原始的正弦波了。

内容的提问来源于stack exchange，提问作者wabash