Question

我正在为CoreML构建功能工程流水线，并且需要对我的数据执行FFT。问题在于Accelerate框架的结果与NumPy FFT的结果不同。

迅速：

public func fft(_ input: [Double]) -> [Double] {
    var real = [Double](input)
    var imaginary = [Double](repeating: 0.0, count: input.count)
    var splitComplex = DSPDoubleSplitComplex(realp: &real, imagp: &imaginary)

    let length = vDSP_Length(floor(log2(Float(input.count))))
    let radix = FFTRadix(kFFTRadix2)
    let weights = vDSP_create_fftsetupD(length, radix)
    vDSP_fft_zipD(weights!, &splitComplex, 1, length, FFTDirection(FFT_FORWARD))

    var magnitudes = [Double](repeating: 0.0, count: input.count)
    vDSP_zvmagsD(&splitComplex, 1, &magnitudes, 1, vDSP_Length(input.count))

    var normalizedMagnitudes = [Double](repeating: 0.0, count: input.count)
    vDSP_vsmulD(sqrt(magnitudes), 1, [2.0 / Double(input.count)], &normalizedMagnitudes, 1, vDSP_Length(input.count))

    vDSP_destroy_fftsetupD(weights)

    return normalizedMagnitudes
}

Python：

def fft(series: pd.Series):
    f = np.fft.fft(series)
    fa = np.abs(f)
    return pd.Series(fa)

每种方法我都使用相同的100个值。

我猜想它与规范化部分有关，但是我什至不确定两个数组是否包含相同的东西：

索引0：零频率项
指数1-50：正值
指数50-99：负值

我只对正值感兴趣。

编辑：

这是NumPy图：

这是加速图：

我希望有人能提供帮助：）

Answer 1

有两个问题：

如E.Coms所指出，使用Accelerate框架FFT的实现包括归一化步骤，该步骤采用幅值的平方根并乘以标量2/N。没有使用NumPy实现。

NumPy的FFT支持任意长度的输入，并且产生的频率仓符合您的期望（索引0处为零频率，索引1-50处为正频率，索引51-99处为负频率）。另一方面，加速框架中的FFT的长度必须是2的幂。相应地，该代码示例将计算您的前64个输入值的FFT。这会将零频率设为索引0，将正频率设为索引1-32，将负频率设为索引33-63。其余的索引（64-99）只是剩下的未修改的输入。

Accelerate和NumPy产生不同的FFT结果

1 个答案: