为何numpy.fft与matlab fft在输入长度为6000时计算结果不一致？

你观测到的差异属于浮点计算数值误差，是numpy和Matlab底层FFT实现的正常差异，不影响结果有效性，具体原因如下：

1. 首先确认信号的理想FFT特性
   你生成的是频率为1MHz的单频复指数信号，采样率15MHz，采样点数刚好为6000点，此时信号频率刚好是FFT频率分辨率的整数倍：
   f0 * N / fs = 1e6 * 6000 / 15e6 = 400
   理想情况下6000点FFT结果应该仅在索引为400的位置（Matlab为401，因为是1索引）有幅值600的有效输出，其余所有位置的数值都应该为0。你观测到的1e-12量级的结果本身就是数值误差，不是有效信号。
2. 不同长度FFT的实现差异
   FFT算法的性能优化高度依赖输入长度的素因子分解：

• 当FFT长度为5999时，5999是素数，numpy（底层用FFTPACK）和Matlab 2014（底层用FFTW）都会降级到通用的素数FFT实现，运算顺序完全一致，因此浮点误差累积结果相同，输出完全一致。
• 当FFT长度为6000时，6000=2^4×3×53，是典型的小素因子光滑数，两个库会采用完全不同的蝶形运算拆分、分块计算策略。而浮点加法不满足严格结合律，不同的运算累加顺序会产生细微的误差差异，最终体现在本应为0的旁瓣位置的数值不一致。

3. 误差可忽略性验证
   你可以分别提取两种环境下6000点FFT的主瓣位置（numpy索引400/Matlab索引401）的数值，二者会完全一致，仅有旁瓣的误差量级数值存在差异，对实际使用没有任何影响。

内容的提问来源于stack exchange，提问作者demio