Python报log10无效值警告与数组点积维度不匹配错误

两个报错是连锁触发的，不是独立问题：

• 首先触发的RuntimeWarning: invalid value encountered in log10、Q_train Sim ref为nan问题，出在Q值计算逻辑上：
  对应代码Q_train_ref = 20 * np.log10(np.sqrt(2) * special.erfcinv(2 * BER_train_ref))里，special.erfcinv输入范围要求是(0,2)，且只有当输入落在(0,1)区间（也就是BER_train_ref落在(0,0.5)区间）时，输出才是正值，后续np.log10计算才能得到合法实数。如果BER_train_ref里存在大于等于0.5的值、或者脏数据（比如未初始化的随机值、nan值），会导致erfcinv输出非正数，log10接收非正输入就会返回nan，触发警告。
• 后续的维度不匹配报错是nan值传导引发的连锁反应：
  nan值进入后续光信号处理流程后，所有依赖数值阈值判断的操作（比如信号裁剪、循环前缀添加/移除、分段滤波）都会因为判断条件失效出现逻辑错误，最终输出的处理后信号points_x和参考信号points_orig_x长度不一致——从报错的两个长度262144、229376来看，差值刚好是32768（典型的单块信号保护间隔/FFT长度），说明流程里某一步的长度对齐操作因为nan值被跳过了，最终传到nonlinear_shift做np.dot点积时，因为数组维度对不上直接报错。

按以下顺序排查处理即可：

1. 先修复Q值计算的nan问题
   计算Q值前先对BER输入做范围裁剪，彻底堵死无效输入：

   # 将BER值限制在合法计算区间，避免erfcinv、log10输入越界
   BER_train_ref_clipped = np.clip(BER_train_ref, 1e-12, 0.5 - 1e-12)
   Q_train_ref = 20 * np.log10(np.sqrt(2) * special.erfcinv(2 * BER_train_ref_clipped))
   

   修改后先单独打印Q_train_ref的取值，确认没有nan/inf之后再跑后续全流程。
2. 增加长度校验快速定位对齐问题
   在nonlinear_shift函数的点积计算前加判断，一旦出现长度偏差直接抛出明确提示，不用等点积报错才发现问题：

   # 加在channel_model.py 第891行之前
   if points_orig_x.shape != points_x.shape:
       raise ValueError(f"信号长度不匹配，参考信号长度: {points_orig_x.shape}, 处理后信号长度: {points_x.shape}")
   

   正常情况下只要前序nan问题修复，信号处理流程的阈值判断会恢复正常，长度会自动对齐。如果加完校验还是触发报错，顺着抛出的提示往上找对应步骤，看是哪里做了错误的信号截断/拼接，把两个数组长度对齐即可。
3. 增加鲁棒性校验避免无效值传导
   可以在nonlinear_shift开头加nan检测，避免无效值一路传到最后一步才报错，减少排查成本：

   def nonlinear_shift(points, points_orig):
       if np.any(np.isnan(points)) or np.any(np.isnan(points_orig)):
           raise ValueError("输入信号包含nan值，请检查前序计算环节是否存在非法输入")
       return np.dot(np.transpose(np.conjugate(points_orig)), points_orig) / np.dot(np.transpose(np.conjugate(points_orig)), points)
   

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