我还有一个问题。很像我已经问过的另一个(得到了很大的帮助-再次感谢)。不幸的是,另一个线程的解决方案在这里不起作用: (http://stackoverflow.com/questions/8680909/fft-in-matlab-and-numpy-scipy-give-different-results)在
现在是关于ifft的:
# i have an array 'aaa' of shape (6,) such as:
for i in aaa: print i
...
(1.22474487139+0j)
(-0.612372435696-1.06066017178j)
(-0.612372435696+1.06066017178j)
(1.22474487139+0j)
(-0.612372435696-1.06066017178j)
(-0.612372435696+1.06066017178j)
#when i perform np.ifft the result is:
np.fft.ifft(aaa)
array([ 1.48029737e-16 +1.48029737e-16j,
-8.26024733e-17 -1.72464044e-16j,
1.22474487e+00 -3.94508649e-16j,
3.70074342e-17 -2.96059473e-16j,
-2.22044605e-16 +2.46478913e-16j, 4.55950391e-17 +4.68523518e-16j])
###################################################################
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% BUT IN MATLAB
% the same array...
aaa =
1.2247
-0.6124 - 1.0607i
-0.6124 + 1.0607i
1.2247
-0.6124 - 1.0607i
-0.6124 + 1.0607i
% ...gives the result:
ifft(aaa)
ans =
-0.0000
0
1.2247
0
0
0
我做了一些实数的实验,比如范围(1,6)。结果是一样的。 可能是精度问题吗?但是,为什么结果会有如此显著的差异呢?也许有人知道如何解决这个问题?在
与1.2247相比,X.XXe-16基本上为零。print语句可能会将所有数字舍入一个更大的数量。在
所以你的结果没有什么不同,就所有的实际目的而言。在
如果你看一下你的numpy评估值,它们非常小(小于10^-15)。我认为这是一个精度问题,你的结果并不像第一眼看到的那样不同。在
相关问题 更多 >
编程相关推荐