使用numpy.fft.irfft计算矩形脉冲逆傅里叶变换：结果解读困惑

嘿，我来帮你理清这个问题～你现在的核心误区是搞混了irfft的输入要求，直接把时域的矩形脉冲当成了它的输入，这就导致输出结果完全不是你预期的。咱们一步一步拆解：

先明确几个FFT函数的分工 #

别搞混这些函数的用途，这是关键：

• np.fft.fft：给时域信号，输出完整的复数频域序列（包含正负频率）
• np.fft.ifft：给复数频域序列，输出还原的时域信号
• np.fft.rfft：专门给实数时域信号，只输出正频率部分的频域序列（因为负频率是正频率的共轭，没必要存）
• np.fft.irfft：专门给rfft输出的正频率频域序列，还原出实数时域信号

你的原代码里，把时域的矩形脉冲Y直接传给irfft，相当于告诉它：“这是某个实数信号的正频率频域分量，帮我还原时域”——但这个输入根本不是频域数据，所以结果自然看不懂。

修正后的代码：正确计算矩形脉冲的傅里叶变换+逆变换 #

如果你想实现“矩形脉冲的傅里叶变换，再逆变换还原时域”，用下面的代码：

import numpy as np
import matplotlib.pyplot as plt

n_on = 100
n_off = n_on
# 1. 定义时域的矩形脉冲信号
y_time = np.concatenate((np.ones(n_on), np.zeros(n_off)))
total_samples = len(y_time)

# 2. 做傅里叶变换，得到完整频域序列
Y_freq = np.fft.fft(y_time)
# 3. 逆傅里叶变换还原时域信号（因为数值误差，虚部几乎为0，取实部即可）
y_restore = np.real(np.fft.ifft(Y_freq))

# 画图展示
plt.figure(figsize=(12, 4))
plt.subplot(131)
plt.plot(y_time, '.')
plt.title("时域矩形脉冲 y(t)")
plt.xlabel("样本点")

plt.subplot(132)
# 频域看幅度谱，矩形脉冲的傅里叶变换是sinc函数，符合预期
plt.plot(np.abs(Y_freq))
plt.title("频域幅度谱 |Y(f)|")
plt.xlabel("频率点")

plt.subplot(133)
plt.plot(y_restore)
plt.title("逆变换还原的时域信号")
plt.xlabel("样本点")

plt.tight_layout()
plt.show()

如果一定要用irfft怎么办？ #

那得先通过rfft得到正频率的频域分量，再用irfft还原：

import numpy as np
import matplotlib.pyplot as plt

n_on = 100
n_off = n_on
y_time = np.concatenate((np.ones(n_on), np.zeros(n_off)))

# 用rfft得到正频率频域序列
Y_rfft = np.fft.rfft(y_time)
# 用irfft还原时域信号
y_irfft = np.fft.irfft(Y_rfft)

plt.figure(figsize=(12, 4))
plt.subplot(131)
plt.plot(y_time, '.')
plt.title("时域矩形脉冲 y(t)")

plt.subplot(132)
plt.plot(np.abs(Y_rfft))
plt.title("rfft输出的正频率幅度谱")

plt.subplot(133)
plt.plot(y_irfft)
plt.title("irfft还原的时域信号")

plt.tight_layout()
plt.show()

最后说下你原代码里的ifftshift #

np.fft.ifftshift是用来把FFT结果的直流分量从序列开头移到中间的，但你原代码里的y是错误输入得到的无意义序列，所以shift之后也不会有你想要的效果。

内容的提问来源于stack exchange，提问作者Javi