当傅里叶级数截断阶数 (N) 增大时，逼近结果反而剧烈振荡、失真加剧，主因是数值积分器（如 scipy.integrate.quad）无法准确解析高频振荡被积函数，同时受吉布斯现象固有特性影响。
当傅里叶级数截断阶数 \(n\) 增大时，逼近结果反而剧烈振荡、失真加剧，主因是数值积分器（如 `scipy.integrate.quad`）无法准确解析高频振荡被积函数，同时受吉布斯现象固有特性影响。
在使用数值方法实现傅里叶级数逼近时，一个常见却易被忽视的问题是：随着截断阶数 (N) 增大，系数计算精度急剧下降，导致重构信号严重失真——并非算法理论失效，而是数值实现瓶颈所致。
核心问题在于 scipy.integrate.quad 的默认配置。该函数采用自适应高斯-克朗罗德（Gauss-Kronrod）积分算法，其内部对被积函数的采样密度和递归深度有限制。当 (n) 很大时，(\cos(nx)) 和 (\sin(nx)) 在 ([-\pi,\pi]) 上快速振荡（频率达 (n)），而 quad 默认 limit=50（即最多 50 次子区间细分），不足以分辨这些高频变化，造成系数 (A_n, B_n) 计算严重失准，误差随 (n) 放大并累积，最终使级数重构崩溃。
✅ 正确做法是显式提升积分器容限：
from scipy.integrate import quad
def my_fourier_coef(f, n, limit=1000):
# 提高 limit 值以应对高频振荡
integrand_a = lambda x: f(x) * np.cos(n * x)
an_integral, _ = quad(integrand_a, -np.pi, np.pi, limit=limit)
An = an_integral / np.pi
integrand_b = lambda x: f(x) * np.sin(n * x)
bn_integral, _ = quad(integrand_b, -np.pi, np.pi, limit=limit)
Bn = bn_integral / np.pi
return [An, Bn]
同时，在主逼近循环中建议启用 epsabs 和 epsrel 控制精度（例如 epsabs=1e-10, epsrel=1e-10），避免因默认相对容差过松导致小系数被误判为零。
⚠️ 但需清醒认识：即使积分精度完美，对含间断点的函数（如题中 f = lambda x: round(x)，本质是阶梯函数，在 (x = \pm\pi/2, \pm3\pi/2,\dots) 处跳跃），吉布斯现象（Gibbs Phenomenon）不可避免——在不连续点附近，无论 (N) 多大，部分和总会出现约 9% 过冲（overshoot）和振荡，且振荡频率随 (N) 增加而变密，幅度不衰减。这是傅里叶级数的数学本质，非数值缺陷。
? 实践建议：
- 对光滑函数（如 (f(x)=x^2) 或 (\sin(2x))），提高
limit后可稳定收敛至机器精度； - 对分段连续函数，应结合滤波技术（如 Fejér 求和、σ-近似）抑制吉布斯振荡；
- 避免盲目追求极高 (N)：(N > 100) 时，计算成本陡增，而收益（尤其在间断点附近）边际递减；
- 可改用 FFT-based 离散傅里叶变换（DFT）配合 FFTW 库，对等距采样数据更高效稳定（注意需满足采样定理并做适当零填充）。
总之，"高阶失稳" 是数值实现与数学本性共同作用的结果：前者靠调参（limit, epsabs）可解；后者需理解局限、合理建模，而非强行突破。
