我将一些简单的IDL代码传递给Python。但是，从SciPy / NumPy包中返回的FFT值与IDL包不同，我无法找到原因。
将所有内容简化为8个元素的简单示例我发现SciPy / NumPy例程返回的值比IDL大8（2 ^ 3）倍（我认为是规范化问题）。
以下是两种语言的示例代码（从here复制）：
signal = ([-2., 8., -6., 4., 1., 0., 3., 5.])
fourier = fft(signal)
print, fourier
返回
（1.62500,0.00000）（0.420495,0.506282）（0.250000,0.125000）（ - 1.17050，-1.74372）（ - 2.6500，-0.00000）（ - 1.7050，1.74372）（0.250000，-0.125000）（0.420495，-0.506282）
from scipy.fftpack import fft
import numpy as N
…
signal = N.array([-2., 8., -6., 4., 1., 0., 3., 5.])
fourier = fft(signal)
print fourier
返回
[13. + 0.j，3.36396103 + 4.05025253j，2。+ 1.j，-9.36396103-13.94974747j，-21。 + 0.j，-9.36396103 + 13.94974747j，2。-1.j，3.36396103 -4.05025253j]
我用NumPy包做到了，我得到了相同的结果。我也试过print fft(signal, 8 )以防万一，但它按预期返回了相同的内容。
然而，并非全部，回到我真正的256个元素阵列，我发现差异不再是8或256，而是256 * 8！它只是疯了。
虽然我解决了这个问题，但我需要知道为什么会有这种差异。
解决了：这只是规范化，在某些时候我把IDL 256数组分成8倍，我忘了删除。在Dougal的回答中，有我错过的文档。
答案 0 :(得分：9)
IDL和numpy使用略有不同的DFT定义。 Numpy是（来自the documentation）：
http://docs.scipy.org/doc/numpy/_images/math/dd1819fee3d9660e590d152f0c7cb7aa0c441ff1.png
http://docs.scipy.org/doc/numpy/_images/math/6bbd972502306a4225d33ac6919fc6fc8244f67d.png
而IDL是（来自here）：
http://www.physics.nyu.edu/grierlab/idl_html_help/images/Fa8.gif
Numpy的m与IDL x相同，k为u，n为N。我认为a_m和f(x)也是一样的。因此，1/N因子是明显的差异，解释了8-elt案例中8的差异。
对于256-elt的情况，我不确定256 * 8的情况;你可以发布原始阵列和两个输出吗？ （这是否适用于所有256-elt阵列？其他尺寸怎么样？我没有IDL ....）
