NumPy中conjugate与angle计算相位差的数值差异原因问询

浮点精度误差（小差异场景） #

第一个测试用例中两个结果的差异仅在浮点数末位，属于多步运算的正常舍入误差：

• np.angle(a*np.conjugate(a0))需要先执行共轭计算、复数乘法两步运算，再求解幅角
• np.angle(a) - np.angle(a0)是分别求解两个复数的幅角后再做减法
  不同运算链路的舍入误差累计结果不同，这类差异量级通常在1e-15级别，不会对实际使用造成影响。

相位卷绕（大差异/符号相反场景） #

第二个测试用例的明显差异是核心问题，由np.angle的输出范围限制导致：

• np.angle的返回值会被自动约束在[-π, π]区间内，任何超出该范围的相位都会被自动加减2π的整数倍，直到落入区间，这个特性叫做相位卷绕。
• 计算第二个测试用例两个结果的差值：3.2307217955357035 - (-3.0524635116438827) ≈ 6.283185307，刚好等于2π，说明两个结果本质是同一个相位差的不同表示形式。
• 直接相减的计算方式得到的结果没有经过区间约束，超过了[-π, π]的范围；而先乘共轭再算幅角的方式，得到的结果会被自动折叠到[-π, π]区间内，因此出现了看似符号相反、数值差异极大的情况。

如果需要两种方式的结果统一，可以对直接相减得到的相位差做卷绕处理，比如通过np.unwrap函数调整，或者手动加减2π将结果对齐到目标区间。

内容的提问来源于stack exchange，提问作者decadenza