周期函数傅里叶变换先收敛后发散反复，找不到原因是否正常？

问题原因定位 #

你观测到的先收敛后发散的循环现象不是正常的傅里叶变换收敛特性，本质由以下两个核心原因导致：

1. 有限长序列傅里叶求和的周期性波动 #

你当前计算的是截断的有限长离散傅里叶求和，对于单频信号exp(i2πf0 t)，求和公式的模值可以通过等比数列求和推导为：
|S(N,f)| = |sin( π (f0 - f) * N * dt ) / sin( π (f0 - f) * dt )|
这个值本身是关于采样点数N的周期函数，当截断时长刚好是信号周期的整数倍时，f≠f0位置的分子为0，能量完全集中在f0频点，看起来处于收敛状态；当截断时长不是周期整数倍时，出现频谱泄露，能量分散到其他频点，峰值降低，看起来像发散，两者随截断时长变化循环出现。

2. 固定频率采样的匹配问题 #

你固定了频率采样点farray，没有随累积时长调整频率分辨率，当累积时长对应的频率分辨率无法和你预设的1Hz间隔匹配时，采样的频点始终无法完全对准单频信号的能量峰值，进一步放大了周期性波动的现象。

3. 未做归一化导致峰值漂移 #

周期信号的能量随时间线性增长，你没有对傅里叶求和结果做归一化处理，50Hz频点的峰值会随着累积步长持续升高，也会干扰你对收敛状态的判断。

代码层面可优化的点 #

• 去掉内层循环，用numpy广播运算提升效率：current += ft_kernel ** i * np.exp(1j * 2. * np.pi * 50.0 * dt * i)，不需要遍历每个频率点。
• 计算dB值时应该用10 * np.log10(result)，而不是自然对数np.log，符合功率谱的常规表示方法，同时要避免对0值取对数导致的异常。
• 废弃的np.complex写法可以直接替换为1j运算。

解决方法 #

1. 归一化处理：每次计算求和结果后除以累积时长(i+1)*dt，这样单频频点的功率会收敛到固定值，不会随步长升高。
2. 动态调整频率采样：频率点的间隔应该设置为1/(总累积时长)，和当前的频率分辨率匹配，避免频点失配导致的波动。
3. 加窗抑制泄露：对输入信号加汉宁窗、汉明窗等窗函数，可以大幅降低频谱泄露的旁瓣高度，减弱周期性波动的幅度。

内容的提问来源于stack exchange，提问作者Justin