我认为这篇论文提到了一些略有不同的东西。厄米特矩阵等于其复共轭转置的矩阵。然而，实际输入的fft是“Hermite对称的”。它等于它的复共轭，但不等于它的复共轭转置。
顺便说一句，我可能会把这些术语搞糊涂了，因为我唯一听说过的“Hermite对称”矩阵是在实值FFT的上下文中。尽管如此，我90%肯定这就是报纸所指的。
您确实有一个埃尔米特矩阵作为输入：

In [4]: np.allclose(m, np.conj(m).T)
Out[4]: True

但它不是“厄米特对称的”：

In [5]: np.allclose(m, np.conj(m))
Out[5]: False

然而，让我们看看当我们取实际值的FFT时会发生什么：

In [6]: data = np.arange(9).reshape(3, 3)

In [7]: result = np.fft.fft2(data)

请注意，得到的FFT(几乎)与它的复共轭相同(有一项的符号不同，我不明白。如果有人知道的话，我将不胜感激！)：

In [8]: result
Out[8]: 
array([[ 36.0+0.j ,  -4.5+2.6j,  -4.5-2.6j],
       [-13.5+7.8j,   0.0+0.j ,   0.0+0.j ],
       [-13.5-7.8j,   0.0+0.j ,   0.0+0.j ]])

In [9]: np.conj(result)
Out[9]: 
array([[ 36.0-0.j ,  -4.5-2.6j,  -4.5+2.6j],
       [-13.5-7.8j,   0.0-0.j ,   0.0-0.j ],
       [-13.5+7.8j,   0.0-0.j ,   0.0-0.j ]])

但它不是厄米特的，因为它不等于它的复共轭转置：

In [10]: np.conj(result).T
Out[10]: 
array([[ 36.0-0.j , -13.5-7.8j, -13.5+7.8j],
       [ -4.5-2.6j,   0.0-0.j ,   0.0-0.j ],
       [ -4.5+2.6j,   0.0-0.j ,   0.0-0.j ]])

无论如何，这可能不是完整的答案，但希望它能让你朝着正确的方向迈进一步。
在实践中，如果您使用的是实数输入，并且只想获得实数输出，那么可以使用np.fft.rfft和np.fft.irff(在这个2D例子中，使用irfft2版本)。同样，当您计算厄米矩阵的特征值/向量并且只想要实际输出时，看看eigh和eigvalsh。

正如@Joe所说，论文中提到的“厄米特矩阵”可能不是我们所熟知的普通矩阵。
我发现这篇论文实际上使用了术语“埃尔米特函数”，

它被定义为

。
事实上，这是厄米对称性的一个定义。你可以从我在另一个问题下写的answer中获得一些关于什么是厄米对称的知识。
如果您希望IFFT结果全为实数，则您提供的输入应满足厄米对称。
根据维基百科，当**X(k1, k2) = conj(X(N1-k1,N2-k2)**时，我们说一个2D矩阵是厄米对称的。

[[X(0, 0), X(0, 1), X(0, 2)],
 [X(1, 0), X(1, 1), X(1, 2)],
 [X(2, 0), X(2, 1), X(2, 2)]]
=
[[conj(X(3, 3)), conj(X(3, 2)), conj(X(3, 1))],
 [conj(X(2, 3)), conj(X(2, 2)), conj(X(2, 1))],
 [conj(X(1, 3)), conj(X(1, 2)), conj(X(1, 1))]]  # Hermitian-symmetric
=
[[conj(X(0, 0)), conj(X(0, 2)), conj(X(0, 1))],
 [conj(X(2, 0)), conj(X(2, 2)), conj(X(2, 1))],
 [conj(X(1, 0)), conj(X(1, 2)), conj(X(1, 1))]] # mod 3

可以通过使用@Joe的示例中的result矩阵替换上面的X矩阵来进行验证。