Python Numpy手动实现DFT矩阵乘法与numpy.fft.fft结果不一致问题

问题结论 #

你实现的DFT矩阵乘法逻辑没有疏漏，两个测试用例和numpy.fft.fft的输出差异都属于双精度浮点数计算的正常舍入误差，不是实质性错误。

具体说明 #

• 首先看数值量级：测试用例1里两个输出的有效信号幅值都是固定的±5j，其余所有数值都在1e-16~1e-15量级，和双精度浮点数的机器精度（约2.2e-16）处于同一水平，属于计算过程中不可避免的误差。
• 误差来源差异：numpy.fft.fft底层采用快速傅里叶变换的分治算法实现，计算顺序和你直接做全矩阵乘法的顺序完全不同，浮点数舍入误差的累积路径不一致，所以最终得到的微小误差值会有区别。
• 正确性验证方式：你可以调用np.allclose(f_matrix, f_numpy)接口判断两个复数数组是否在合理精度下相等，两个测试用例执行该语句都会返回True，即可证明结果一致。
• 测试用例2的输出看起来完全一致，只是因为随机输入的误差累积刚好在你打印的精度下没有显现出区别，实际也存在微小的舍入差异。

额外优化建议 #

如果想要减少矩阵乘法实现的浮点误差，可以调整旋转因子的计算逻辑，把大角度的相位计算先取模到[-π, π]区间再算指数，不过对于一般的时间复杂度测试场景，现有实现已经完全满足要求。

内容的提问来源于stack exchange，提问作者vanngao09