使用np.fft.rfft生成代理时间序列触发TypeError问题咨询

我的目标是基于经验观测时间序列生成代理时间序列（Surrogate time-series），要求保留序列自相关性与频域功率分布，仅对相位做随机化处理。

实现该任务的标准步骤为：

• 计算时间序列的傅里叶变换
• 对傅里叶分量的相位进行随机化，保持幅值不变
• 将频域计算结果逆变换回时域，得到代理时间序列

编写的测试代码如下，用于生成随机时间序列做复现验证：

import numpy as np

TS = np.random.normal(0, 1, 3000) # The time-series


FFT = np.fft.rfft # FFT of time-series
Random_phases = np.exp(np.random.uniform(0,np.pi,len(TS)/2+1)*1.0j) # Generate random phases
FFT = FFT * Random_phases # Randomize the phases in the FFT
TS = np.fft.irfft(FFT) # Tranforms the frequency-domain back into the time-domain = Surrogate time-series

运行代码抛出如下错误：

Traceback (most recent call last):
  File "/Users/...", line 7, in <module>
    Random_phases = np.exp(np.random.uniform(0,np.pi,len(TS)/2+1)*1.0j) # Generate random phases
  File "mtrand.pyx", line 1121, in numpy.random.mtrand.RandomState.uniform
  File "_common.pyx", line 615, in numpy.random._common.cont
TypeError: 'float' object cannot be interpreted as an integer

• 初步判断错误原因是第7行代码Random_phases = np.exp(np.random.uniform(0,np.pi,len(TS)/2+1)*1.0j)中计算得到的长度参数为浮点数而非整数，因此触发类型错误，该判断是否正确？
• 如何在不破坏频域相位随机化逻辑的前提下修复该问题？

错误判断验证 #

你的判断完全正确。Python 3中/是浮点除法运算符，无论运算数是否整除，返回结果都是float类型，而np.random.uniform的size参数要求传入整数类型，因此触发该类型错误。

修复方案 #

修复需要覆盖三处问题，全程不会破坏相位随机化、保留功率谱与自相关性的核心逻辑：

1. 修复长度参数类型问题：将长度计算中的浮点除法/替换为整数除法//，直接得到整数类型的序列长度，匹配np.random.uniform的参数要求。
2. 修正傅里叶变换调用笔误：原代码仅将np.fft.rfft函数对象赋值给变量，没有传入原始序列TS执行计算，后续和相位数组相乘时会触发类型错误，需要补充参数完成傅里叶变换计算。
3. 修正相位取值范围：原代码相位取值范围是0_{π，没有覆盖0}2π的全相位区间，会导致逆变换后的时域序列出现虚部残留、对称性异常，无法正确保留原序列的统计特性，需要将相位上限调整为2*np.pi。

修复后的完整可运行代码：

import numpy as np

TS = np.random.normal(0, 1, 3000) # 原始输入时间序列

fft_res = np.fft.rfft(TS) # 对实序列执行快速傅里叶变换
# 生成全范围随机相位，长度用整数除法计算得到整数
random_phases = np.exp(np.random.uniform(0, 2*np.pi, len(TS)//2 + 1) * 1.0j)
fft_randomized = fft_res * random_phases # 仅随机化相位，傅里叶分量幅值保持不变
TS_surrogate = np.fft.irfft(fft_randomized) # 逆傅里叶变换得到符合要求的代理时间序列

内容的提问来源于stack exchange，提问作者Philipp