关于Julia中real FFT输出频率排列顺序的技术问询

我来帮你把这个问题理清楚——Julia的rfft完全沿用FFTW库的原生频率排列规则，和Numpy的默认逻辑确实不一样，下面结合你的MWE一步步拆解：

先搞懂输出尺寸的由来 #

你的输入是(64,64)的实数数组，执行plan_rfft(U, (1,2))后输出尺寸为(33,64)：

• 第一维度从64变成33，是因为实FFT只存储正频率部分（包含直流分量和Nyquist频率），计算方式是N/2 + 1 = 64/2 +1 =33
• 第二维度保持64，说明这个维度执行的是全范围的复FFT（保留正负频率信息）

逐维度解析频率排列（注意Julia是1-based索引！） #

第一维度（输出轴1，长度33） #

这个维度是实FFT的核心维度，频率从低到高线性排列：

• 索引1：对应直流分量（0频率）
• 索引m（2 ≤ m ≤33）：对应正频率，实际频率值为 (m-1)/(N*Δx)（Δx是该维度的采样间隔，如果是单位采样，直接简化为(m-1)/64）
• 索引33：对应Nyquist频率（采样频率的一半），值为32/(N*Δx) = 1/(2Δx)

这里没有负频率，因为实信号的FFT满足共轭对称性——负频率的信息可以通过正频率的共轭结果推导出来，所以rfft只存储一半分量来节省内存。

第二维度（输出轴2，长度64） #

这个维度执行的是标准复FFT，频率排列遵循FFTW的"未移位标准顺序"：

• 索引1：直流分量（0频率）
• 索引m（2 ≤m ≤32）：正频率，实际频率值为(m-1)/(N*Δy)（Δy是该维度的采样间隔）
• 索引33：Nyquist频率，值为32/(N*Δy)
• 索引m（34 ≤m ≤64）：负频率，对应实际频率为(m-65)/(N*Δy)——比如索引64对应-1/(N*Δy)，索引34对应-31/(N*Δy)

快速验证的小技巧 #

如果你想亲手确认这个排列，可以构造一个已知频率的测试信号，比如：

N = 64
# 构造一个在维度1的5/64频率、维度2的10/64频率上的余弦信号
U = cos.(2π * 5/64 * (0:N-1)') .* cos.(2π * 10/64 * (0:N-1))
prfor = plan_rfft(U, (1,2))
F = prfor * U
# 找到绝对值最大的位置
findmax(abs.(F))

运行后你会发现，最大值出现在索引(6, 11)——刚好对应我们设定的频率：维度1的m-1=5（即索引6），维度2的m-1=10（即索引11），完美匹配预期。

另外，如果你觉得原始排列看着别扭，可以用fftshift函数把频率轴中心对齐，这样直流分量会移到每个维度的中间，负频率在左、正频率在右，更符合直观理解：

F_shifted = fftshift(F)

内容的提问来源于stack exchange，提问作者TomCho