KNOWECON WIKI

ARTICLE

IFFT

IFFT (Inverse Fast Fourier Transform) IFFT（Inverse Fast Fourier Transform，快速傅里叶逆变换）是快速傅里叶变换（FFT）的逆运算，用于将频域表示的信号高效地转换回时域。给定一个长度为 N 的复数序列 X[k] （ k = 0, 1, , N-1 ），IFFT 计算其对应的时域序列 x[n

浏览 0 更新 2025-12-23

IFFT (Inverse Fast Fourier Transform)

IFFT（Inverse Fast Fourier Transform，快速傅里叶逆变换）是快速傅里叶变换（FFT）的逆运算，用于将频域表示的信号高效地转换回时域。给定一个长度为 N N 的复数序列 X[k] X[k] （k=0,1,…,N−1 k = 0, 1, \ldots, N-1 ），IFFT 计算其对应的时域序列 x[n] x[n] ：

x[n]=1N∑k=0N−1X[k]⋅ej2πkn/N,n=0,1,…,N−1x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] \cdot e^{j 2\pi k n / N}, \quad n = 0, 1, \ldots, N-1

其中 j=−1 j = \sqrt{-1} 为虚数单位。IFFT 的算法复杂度为 O(Nlog⁡N) O(N \log N) ，与 FFT 相同，相较于直接计算离散傅里叶逆变换（IDFT）的 O(N2) O(N^2) 复杂度具有显著的效率优势。

IFFT 与 FFT 的对偶关系

IFFT 与 FFT 之间存在深刻的对偶性。两者的区别仅在于指数项符号和归一化因子 1/N 1/N ：FFT 使用 e−j2πkn/N e^{-j 2\pi k n / N} （负指数），IFFT 使用 e+j2πkn/N e^{+j 2\pi k n / N} （正指数）。这一对偶性带来算法便利——几乎任何 FFT 实现都可通过以下微调直接用于计算 IFFT：

  1. 将输入数据的虚部取反（或取共轭），调用 FFT 例程，再将结果的虚部取反并除以 N N ；
  2. 或直接交换 FFT 算法中旋转因子（twiddle factor）的指数符号。

Cooley–Tukey 算法（最广泛使用的 FFT 框架）同样适用于 IFFT，只需将旋转因子 WN=e−j2π/N W_N = e^{-j 2\pi / N} 替换为其共轭 WN∗=e+j2π/N W_N^* = e^{+j 2\pi / N} 。这意味着 IFFT 继承了 FFT 的所有数值稳定性与并行化特性。

核心应用领域

正交频分复用 (OFDM)

在现代数字通信系统中，正交频分复用（OFDM）是 IFFT 最重要的应用场景。发射端将已调制的频域符号（QAM 或 PSK 星座点）通过 IFFT 转换为时域波形进行传输；接收端则通过 FFT 将接收到的时域信号还原为频域符号。这一架构被广泛应用于 Wi-Fi（IEEE 802.11）、4G LTE、5G NR、数字电视广播（DVB-T）等标准中。IFFT 使得各子载波保持正交，在频率选择性衰落信道中仍能避免载波间干扰。

信号合成与波形生成

在音频处理与音乐合成中，IFFT 用于将频谱描述转换回可播放的 PCM 音频波形。给定一段音频的幅度谱和相位谱，IFFT 可以精确重建原始时域信号（在数值精度范围内）。类似地，在软件定义无线电（SDR）中，IFFT 被用于生成具有特定频谱特性的基带信号。

图像重建

在CT成像及磁共振成像（MRI）中，采集到的原始数据位于k-空间（空间频率域），需通过二维 IFFT 重建为可视的解剖图像。JPEG 图像解码流程中也使用二维 IDCT（离散余弦逆变换，与 IFFT 密切相关），将频域 DCT 系数块还原为像素值。

偏微分方程数值解

IFFT 与 FFT 共同构成谱方法（spectral methods）的基础。在求解热方程、波动方程或 Navier–Stokes 方程时，研究者将方程变换至频域进行空间微分（频域中微分退化为乘法），求解后再通过 IFFT 还原至物理空间，从而将微分运算转化为代数运算。

计算实现与数值考量

主流数值计算库均提供高效的 IFFT 实现：Python 的 \texttt{numpy.fft.ifft}、MATLAB 的 \texttt{ifft()}、C 语言的 FFTW 库以及 Intel MKL 和 NVIDIA cuFFT（GPU 加速）等。实际使用时需注意：

  • 归一化约定：不同库对因子 1/N 1/N 的放置位置约定不同。NumPy 和 MATLAB 在 IFFT 端进行 1/N 1/N 缩放，而 FFTW 默认两端均不缩放，需用户自行处理。
  • 纯实数信号：当已知频域数据对应实数时域信号时（即 X[k]=X∗[N−k] X[k] = X^*[N-k] ），可使用 \texttt{irfft}（逆实数 FFT）以约一半的计算量完成变换。
  • 数值精度：N N 较大时舍入误差会累积。对于高精度需求，可采用split-radix 或共轭对（conjugate-pair）FFT 变体以减小误差。

与其他变换的关系

IFFT 是更广泛的变换族中的一员。当输入频域数据仅包含余弦分量（即 X[k] X[k] 为实数且偶对称）时，IFFT 退化为离散余弦逆变换（IDCT）；当仅包含正弦分量时，则退化为离散正弦逆变换（IDST）。从连续域来看，IFFT 是傅里叶逆变换积分 ∫X(f)ej2πftdf \int X(f) e^{j2\pi ft} df 在离散均匀采样下的矩形近似。IFFT 还与IIR滤波器设计中的频率采样法相关——设计者先指定所需频率响应，再通过 IFFT 获得滤波器的脉冲响应系数。