Python ifft

Posted 2023-05-05

参考技术A 1.傅利叶逆变换得到原始信号

注意fft的结果是个复数，这时取绝对值得到频率对应的振幅。ifft的结果也是复数，有正有负，因为原始信号也是有正有负，这时不能取绝对值，而应取实数部分。虚数部分都接近于0.当然如果原始信号没有负数，也可取绝对值。

2.模拟去除高频噪声

现在原始信号中加入了频率为450，500的两个小幅的高频信号，模拟高频噪声，可以发现信号波形中有很多毛刺。fft的结果频率是正频率从0到最高，然后负频率再从最高到0，所以去除高频信号就是让中间那部分为0。

我在哪里可以找到真正的 FFT 和 iFFT 实现？ [关闭]

【中文标题】我在哪里可以找到真正的 FFT 和 iFFT 实现？ [关闭]

【英文标题】：Where can I find a real to real FFT and iFFT implementation? [closed]

【发布时间】：2012-04-23 23:01:55

【问题描述】：

我有一个复杂到复杂的 FFT，但我需要一个真实到真实的 FFT 实现......

这是因为我的噪声消除算法适用于频域中的实数，而不是复数。

【问题讨论】：

在频域中采用实数听起来很可疑。能给个链接或参考吗？

如果您在频域中处理数据并忽略或归零虚部，IFFT 的结果可能看起来与原始数据完全不同。

从您最近在 SO 上提出的性质和大量问题中可以清楚地看出，您正在尝试解决噪音消除问题，但您缺少一些概念构建块为此需要。没有办法解决这个问题，只能研究：复数（基础数学）和一些通用的 DSP 主题（采样理论、滤波器、FFT 等）。您可能会考虑获取 MATLAB 克隆，例如 Octave，这样您就可以在学习（以及最终的噪声消除算法）时使用 DSP 概念，而无需编写（和调试）一堆 C 代码。

【参考方案1】：

唯一适用实数到实数 FFT 的情况是您的时域信号是对称的 (x(n) = x(N-n), n=1...N-1)。这是 FFT 的实际输入导致实际输出的唯一情况。否则，实际输入仍会导致 FFT 的复数输出。

实数到实数 FFT 非常罕见，通常不会专门实施。它们只是使用实数到复数 FFT 执行，丢弃了虚输出，因为它无论如何都是零。

您正在使用的需要真实频域数据的噪声消除算法是什么？它是否期望复杂样本的大小？我们需要进一步了解噪声消除算法的作用。

【参考方案2】：

FFTW3 库有一个真正的 2 个真正的 FFT 实现。 fftw_plan fftw_plan_r2r_1d() http://www.fftw.org/fftw3_doc/Real_002dto_002dReal-Transforms.html

【讨论】：

请不要发布仅链接的答案。解释链接的内容以及它与问题的关系。