python离散数据傅里叶变换公式_离散傅里叶变换中的移位定理

我试图用python+numpy解决一个问题，在这个问题中，我有一些类型为的函数，需要与另一个函数进行卷积。为了优化代码，我对f和g进行了fft运算，将它们相乘，然后进行反变换以得到结果。在

作为进一步的优化，我意识到，由于移位定理，我可以简单地计算一次f(x，y，z)的fft，然后乘以依赖于的相位因子，得到{a4}的fft。特别是，其中N是x和y的长度

我试图用python+numpy实现这个简单的公式，但是由于一些目前我还不清楚的原因，它失败了，所以我请求so community的帮助，以找出我遗漏了什么。在

我也提供了一个简单的例子。在In [1]: import numpy as np

In [2]: x = np.arange(-10, 11)

In [3]: base = np.fft.fft(np.cos(x))

In [4]: shifted = np.fft.fft(np.cos(x-1))

In [5]: w = np.fft.fftfreq(x.size)

In [6]: phase = np.exp(-2*np.pi*1.0j*w/x.size)

In [7]: test = phase * base

In [8]: (test == shifted).all()

Out[8]: False

In [9]: shifted/base

Out[9]:

array([ 0.54030231 -0.j , 0.54030231 -0.23216322j,

0.54030231 -0.47512034j, 0.54030231 -0.7417705j ,

0.54030231 -1.05016033j, 0.54030231 -1.42919168j,

0.54030231 -1.931478j , 0.54030231 -2.66788185j,

0.54030231 -3.92462627j, 0.54030231 -6.74850534j,

0.54030231-20.55390586j, 0.54030231+20.55390586j,

0.54030231 +6.74850534j, 0.54030231 +3.92462627j,

0.54030231 +2.66788185j, 0.54030231 +1.931478j ,

0.54030231 +1.42919168j, 0.54030231 +1.05016033j,

0.54030231 +0.7417705j , 0.54030231 +0.47512034j,

0.54030231 +0.23216322j])

In [10]: np.abs(shifted/base)

Out[10]:

array([ 0.54030231, 0.58807001, 0.71949004, 0.91768734,

1.18100097, 1.52791212, 2.00562555, 2.72204338,

3.96164334, 6.77009977, 20.56100612, 20.56100612,

6.77009977, 3.96164334, 2.72204338, 2.00562555,

1.52791212, 1.18100097, 0.91768734, 0.71949004, 0.58807001])

我希望通过shifted/base我可以得到相因子的相应值，但是可以看出，它不可能是相位因子，因为它的np.abs是&gt；=1！在