Matlab的int16与Python的np.int16差异及转换结果对齐问题

核心差异原因 #

• Matlab的int16函数默认采用饱和截断逻辑：当输入数值超出int16的范围[-32768, 32767]时，会直接将值钳位到最近的边界值，你示例中实部四舍五入后为-34066，小于下限-32768，因此Matlab直接返回-32768
• Numpy的np.int16默认采用溢出回卷逻辑：当输入数值超出范围时，会对65536（2^16）取模得到最终结果，你得到的31470就是-34066 + 65536的计算结果

修正后的Python实现 #

只需要在转int16前增加一步范围钳位即可完全对齐Matlab的输出：

import numpy as np

# 定义int16的合法取值范围
INT16_MIN = -32768
INT16_MAX = 32767

# 单个复数处理
cplx_val = -3.406578165491512e+04 + 9.054663292273188e+03j
real = np.int16(np.clip(round(np.real(cplx_val)), INT16_MIN, INT16_MAX))
imag = np.int16(np.clip(round(np.imag(cplx_val)), INT16_MIN, INT16_MAX))
# 输出：real=-32768、imag=9055，和Matlab完全一致

如果需要批量处理复数数组，可以用向量化操作提升效率：

cplx_arr = np.array([-3.406578165491512e+04 + 9.054663292273188e+03j, 
                     1.815808483565253e+04 + 3.533772674703890e+04j])
real_arr = np.int16(np.clip(np.round(np.real(cplx_arr)), INT16_MIN, INT16_MAX))
imag_arr = np.int16(np.clip(np.round(np.imag(cplx_arr)), INT16_MIN, INT16_MAX))

内容的提问来源于stack exchange，提问作者Lexi