通信工程 / 系统课时
配置Python通信信号仿真环境
配置Python通信信号仿真环境
本节在本机建立独立的 Python 仿真环境,安装 NumPy 和 Matplotlib,再运行一段完整脚本生成正弦采样数据并保存 PNG 图片。完成后通过采样数、脚本输出和文件检查,确认后续信号实验能够在相同依赖下复现。
学习目标
- 检查 Python 解释器,创建并使用项目专属的虚拟环境。
- 安装科学计算与绘图库,并运行一段完整的信号仿真脚本。
- 根据输出、图片和依赖清单判断环境是否配置成功。
确认解释器并创建隔离环境
建议使用 64 位 Python 3.12;以下命令适用于该版本,NumPy 2.x 和 Matplotlib 3.x 均支持所用 API。先在终端运行 python --version;macOS 或 Linux 若找不到该命令,则运行 python3 --version。确认显示 Python 3.12.x 后,在新建的空项目目录中执行对应平台的命令。
macOS / Linux(Bash 或 Zsh):
python3 -m venv .venv
source .venv/bin/activate
python -m pip --version预期结果:项目下生成 .venv 目录,最后一条命令显示 pip 的版本及所在路径;路径应指向 .venv。版本号和实际路径随系统不同而变化。
Windows(PowerShell):
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip --version预期结果:同样出现 .venv,pip 指向其 Scripts 或 site-packages 所在位置。如果 PowerShell 禁止执行激活脚本,可直接使用 .venv\Scripts\python.exe 运行后续命令,无须修改全局执行策略。
虚拟环境隔离的是解释器依赖,不是操作系统。不要把 .venv 整个复制到另一台电脑;应该在目标机器上重新建立环境,再安装相同版本的包。
安装依赖并确认安装位置
激活环境后执行以下命令。坚持使用 python -m pip,可避免 pip 命令指向另一个 Python。
python -m pip install --upgrade pip
python -m pip install numpy matplotlib
python -m pip show numpy matplotlib预期结果:安装命令正常退出;pip show 分别列出 Name: numpy、Name: matplotlib、Version 和 Location,其安装位置应位于当前 .venv 中。包版本以本机实际安装结果为准,不能照抄其他机器的版本号。
NumPy 负责数组与三角函数计算;Matplotlib 负责绘制和保存图像。此实验不需要 SciPy、Jupyter 或额外图形界面。依赖安装完成后再写脚本,能将安装错误与程序逻辑错误分开处理。
运行信号生成与保存测试
在项目目录创建 signal_smoke.py,粘贴完整代码,随后在已激活环境中运行 python signal_smoke.py。Agg 是非交互式绘图后端,适用于没有桌面窗口的服务器和自动化测试;必须在导入 pyplot 前设置。
from pathlib import Path
import sys
import matplotlib
matplotlib.use("Agg") # 直接保存图片,不依赖弹窗
import matplotlib.pyplot as plt
import numpy as np
def main():
sample_rate = 8000
frequency = 1000
duration_s = 0.01
count = int(sample_rate * duration_s)
time_s = np.arange(count) / sample_rate # 不重复采样终点
values = np.sin(2 * np.pi * frequency * time_s)
fig, ax = plt.subplots(figsize=(7, 3))
ax.plot(time_s * 1000, values)
ax.set(xlabel="Time (ms)", ylabel="Amplitude", title="1 kHz sine")
ax.grid(True, alpha=0.3)
fig.tight_layout()
output = Path("sine_smoke.png")
fig.savefig(output, dpi=120)
plt.close(fig)
print(f"in_venv={sys.prefix != sys.base_prefix}")
print(f"samples={count}, peak={values.max():.1f}")
print(f"saved={output.is_file()}")
if __name__ == "__main__":
main()预期输出(运行该脚本后):
in_venv=True
samples=80, peak=1.0
saved=True采样率 8000 Hz、时长 0.01 s,对应 80 个采样点;1000 Hz 正弦波在该时间窗内恰好有 10 个周期。打开 sine_smoke.png,应看到横轴约 0~10 ms、纵轴约 -1~1 的周期波形。saved=True 仅说明文件存在,还要人工确认图片内容不是空白。
固定依赖并排查常见失败
在确认脚本成功后保存当前版本清单:
python -m pip freeze > requirements.txt预期结果:生成 requirements.txt,其中包含 numpy==...、matplotlib==... 及其依赖的实际版本。下次在相同 Python 主次版本和兼容平台上重建环境后,可执行 python -m pip install -r requirements.txt 安装记录的依赖。
出现 ModuleNotFoundError 时,优先核对运行脚本的解释器与安装依赖的解释器是否为同一个;若使用 VS Code,可通过命令面板的 Python: Select Interpreter 选择项目内 .venv。如果终端没有显示图片弹窗,但 saved=True 且 PNG 正常,这不是故障:此脚本刻意使用 Agg 直接写文件。
合格的交付物是脚本、sine_smoke.png 和 requirements.txt 三项;不要把包含本机绝对路径的 .venv 目录作为交付物。