在 python 中，如果我对复杂数据执行 fft，然后仅对正频率进行 irfft，这对数据有何影响？
In python, If I perform an fft on complex data, then irfft only the positive frequencies, how does that affect the data?
所以我正在尝试对一组实值点执行频移。为了实现频移，必须将数据乘以复数指数，从而使生成的数据变得复杂。如果我只乘以一个余弦，我会得到和频和差频的结果。我只想要总和或差值。
我所做的是将数据乘以复指数，使用 fft.fft() 计算 fft，然后仅在正频率上使用 fft.irfft() 以获得实数值只有频率和移或差移的数据集。这似乎很有效，但我想知道这样做是否有任何缺点，或者是否有更合适的方法来实现相同的目标。提前感谢您提供的任何帮助！
你所做的一切都很好。您正在生成解析信号，以与离散希尔伯特变换相同的方式适应负频率。您将遇到一些缩放问题 - 您需要将 FFT 结果的实际频率部分中的所有非直流和非奈奎斯特信号加倍。
一些实际问题是此方法会产生 window 大小的延迟，因此如果您尝试实时执行此操作，您可能应该检查使用 FIR Hilbert 变换器和适当的总和。在这种情况下，延迟将是希尔伯特变换器的群延迟。
另一个需要注意的事项是，您需要记住，信号的直流分量也会随着所有其他频率发生偏移。因此，我建议您在移动之前降低数据（保存值），在对数据进行 FFT 后将 DC bin 归零（以删除 DC bin 中结束的任何频率分量），然后将平均值加回去以保留最后的信号电平。
所以我正在尝试对一组实值点执行频移。为了实现频移，必须将数据乘以复数指数，从而使生成的数据变得复杂。如果我只乘以一个余弦，我会得到和频和差频的结果。我只想要总和或差值。
我所做的是将数据乘以复指数，使用 fft.fft() 计算 fft，然后仅在正频率上使用 fft.irfft() 以获得实数值只有频率和移或差移的数据集。这似乎很有效，但我想知道这样做是否有任何缺点，或者是否有更合适的方法来实现相同的目标。提前感谢您提供的任何帮助！
你所做的一切都很好。您正在生成解析信号，以与离散希尔伯特变换相同的方式适应负频率。您将遇到一些缩放问题 - 您需要将 FFT 结果的实际频率部分中的所有非直流和非奈奎斯特信号加倍。
一些实际问题是此方法会产生 window 大小的延迟，因此如果您尝试实时执行此操作，您可能应该检查使用 FIR Hilbert 变换器和适当的总和。在这种情况下，延迟将是希尔伯特变换器的群延迟。
另一个需要注意的事项是，您需要记住，信号的直流分量也会随着所有其他频率发生偏移。因此，我建议您在移动之前降低数据（保存值），在对数据进行 FFT 后将 DC bin 归零（以删除 DC bin 中结束的任何频率分量），然后将平均值加回去以保留最后的信号电平。