用MATLAB计算ifft时，默认行为如下：

• 没有输入信号的零填充
• 没有输出信号的缩放

您的袖扣代码的流程正确，但是与MATLAB相比有些不同的参数正在引起当前输出。

• NX常数要具体导致输入信号为零盖的长度为256。为了实现MATLAB的行为，保持NX等于SIGNAL_SIZE。
• cufft将输出信号值与输入信号的长度相连。您必须将输出值与SIGNAL_SIZE分开以获取实际值。
• 另一个重要的问题是，在初始化输入信号时，您正在执行越野访问。信号长度为10，但是您正在初始化第10个索引的值，该索引不超约束。我认为这可能是由于MATLAB的1个基索引引起的混乱。输入信号必须仅在0到SIGNAL_SIZE-1索引初始化。
• 不建议使用cuda内核可视化信号，因为打印可能会过失。您应该将结果复制回主机并串行打印。

这是固定的代码，它提供了与MATLAB相同的输出。

#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#include <cuda_runtime.h>
#include <cufft.h>
#include "device_launch_parameters.h"
#include "device_functions.h"
#define NX 10
#define NY 1
#define NRANK 1
#define BATCH 1
#define SIGNAL_SIZE 10
typedef float2 Complex;  
int main() 
{
cufftHandle plan;
//int n[NRANK] = { NX, NY };
Complex *h_signal = (Complex *)malloc(sizeof(Complex)* SIGNAL_SIZE);
float *r_signal = 0;
if (r_signal != 0)
{
    r_signal = (float*)realloc(r_signal, SIGNAL_SIZE * sizeof(float));
}
else
{
    r_signal = (float*)malloc(SIGNAL_SIZE * sizeof(float));
}
int mem_size = sizeof(Complex)* SIGNAL_SIZE;
h_signal[0].x = (float)4.65;
h_signal[0].y = (float)0;
h_signal[1].x = (float)0.5964;
h_signal[1].y = (float)-1.4325;
h_signal[2].x = (float)0.4905;
h_signal[2].y = (float)-0.5637;
h_signal[3].x = (float)0.4286;
h_signal[3].y = (float)-0.2976;
h_signal[4].x = (float)0.4345;
h_signal[4].y = (float)-0.1512;
h_signal[5].x = (float)0.45;
h_signal[5].y = (float)0.0;
h_signal[6].x = (float)0.4345;
h_signal[6].y = (float)0.1512;
h_signal[7].x = (float)0.4286;
h_signal[7].y = (float)0.2976;
h_signal[8].x = (float)0.4905;
h_signal[8].y = (float)0.5637;
h_signal[9].x = (float)0.5964;
h_signal[9].y = (float)1.4325;
printf("nInput:n");
for(int i=0; i<SIGNAL_SIZE; i++)
{
    char op = h_signal[i].y < 0 ? '-' : '+';
    printf("%f %c %fin", h_signal[i].x/SIGNAL_SIZE, op, fabsf(h_signal[i].y/SIGNAL_SIZE ) );
}
//allocate device memory for signal
cufftComplex *d_signal, *d_signal_out;
cudaMalloc(&d_signal, mem_size);    
cudaMalloc(&d_signal_out, mem_size);
cudaMemcpy(d_signal, h_signal, mem_size, cudaMemcpyHostToDevice);

//cufftPlan1d(&plan, SIGNAL_SIZE, CUFFT_C2R, BATCH);    
cufftPlan1d(&plan, NX, CUFFT_C2C, BATCH);
cufftExecC2C(plan, d_signal, d_signal_out, CUFFT_INVERSE);
cudaDeviceSynchronize();
cudaMemcpy(h_signal, d_signal_out, SIGNAL_SIZE*sizeof(Complex), cudaMemcpyDeviceToHost);

printf("nn-------------------------------nn");
printf("Output:n");
for(int i=0; i<SIGNAL_SIZE; i++)
{
    char op = h_signal[i].y < 0 ? '-' : '+';
    printf("%f %c %fin", h_signal[i].x/SIGNAL_SIZE, op, fabsf(h_signal[i].y/SIGNAL_SIZE ) );
}
cufftDestroy(plan);
cudaFree(d_signal);
cudaFree(d_signal_out);
return 0;
}

输出仍处于复杂形式，但假想组件接近零。同样，实际组件的精度差异是因为MATLAB默认使用双精度，而此代码基于单个精度值。

在Ubuntu 14.04，Cuda 8.0上进行了编译和测试。

nvcc -o ifft ifft.cu -ark = sm_61 -lcufft

将输出与Matlab 2017a进行了比较。

程序输出：

Input:
0.465000 + 0.000000i
0.059640 - 0.143250i
0.049050 - 0.056370i
0.042860 - 0.029760i
0.043450 - 0.015120i
0.045000 + 0.000000i
0.043450 + 0.015120i
0.042860 + 0.029760i
0.049050 + 0.056370i
0.059640 + 0.143250i

-------------------------------
Output:
0.900000 - 0.000000i
0.800026 - 0.000000i
0.699999 - 0.000000i
0.599964 - 0.000000i
0.500011 + 0.000000i
0.400000 + 0.000000i
0.299990 + 0.000000i
0.199993 + 0.000000i
0.150000 + 0.000000i
0.100018 - 0.000000i