信号处理 / 系统课时

用 Python 搭建 DSP 实验环境

用 Python 搭建 DSP 实验环境

这节课会建立一个可重复的 Python DSP 实验环境,并完成第一段离散信号的生成、绘图与数值核对。完成后,你将拥有统一的 NumPy、SciPy、Matplotlib 工作方式,后续频谱分析和滤波实验都能在同一环境中复现。

学习目标

  • 能创建隔离的 Python 环境并安装 DSP 常用数值计算库。
  • 能验证 NumPy、SciPy、Matplotlib 已从当前环境正确导入。
  • 能生成离散正弦序列、绘制采样点并核对关键数值。

建立隔离的数值计算环境

建议使用 Python 3 的虚拟环境隔离课程依赖,避免系统 Python 或其他项目的包版本互相影响。下面命令按 macOS/Linux Shell 编写;Windows PowerShell 的激活脚本位于 .venv\Scripts\Activate.ps1。

bash
# 独立环境让后续频谱与滤波实验使用同一组依赖。
python -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install numpy scipy matplotlib

预期结果

text
虚拟环境创建成功,pip 安装过程以退出码 0 结束;具体下载日志和版本号会因机器而不同。

NumPy 负责数组与数值运算,SciPy 提供频谱、滤波和信号处理算法,Matplotlib 用于观察时域与频域结果。后续示例应始终先激活同一个 .venv,再运行脚本。

验证解释器与依赖

安装结束后,先确认当前终端中的 python 指向已激活环境,并检查三个库是否能导入。

bash
# 能同时导入三个库,说明核心实验依赖已经可用。
python --version
python -c "import numpy, scipy, matplotlib; print(numpy.__version__); print(scipy.__version__); print(matplotlib.__version__)"

预期输出

text
Python <PYTHON_VERSION>
<NUMPY_VERSION>
<SCIPY_VERSION>
<MATPLOTLIB_VERSION>

<PYTHON_VERSION> 和各库版本号会随安装时间与平台变化,实际看到具体版本字符串即可。若这里出现 ModuleNotFoundError,先检查虚拟环境是否已激活,再确认三个包确实安装在当前解释器对应的环境中。

生成并绘制第一段离散信号

创建 dsp_signal.py,用 1000 Hz 采样率生成 0.1 秒、50 Hz 的正弦信号。示例使用无界面的 Agg 后端,因此在桌面和服务器环境都能直接保存图片。

python
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import numpy as np

fs = 1000
f0 = 50
duration = 0.1
n = np.arange(int(fs * duration))
t = n / fs
x = np.sin(2 * np.pi * f0 * t)

# stem 强调离散采样点,避免把序列误读成连续时间曲线。
fig, ax = plt.subplots(figsize=(8, 3))
ax.stem(t[:40], x[:40], basefmt=" ")
ax.set_xlabel("Time (s)")
ax.set_ylabel("Amplitude")
ax.set_title("50 Hz sampled at 1000 Hz")
fig.tight_layout()
fig.savefig("dsp-signal.png", dpi=150)
plt.close(fig)

# 固定小数位便于核对采样数量和前几个样本。
print(f"samples={len(x)}")
print("first5=" + ",".join(f"{v:.6f}" for v in x[:5]))
print("saved=dsp-signal.png")

预期输出

text
samples=100
first5=0.000000,0.309017,0.587785,0.809017,0.951057
saved=dsp-signal.png

输出中的 100 个样本来自 1000×0.11000\times0.1;相邻样本间隔为 0.001 秒。打开生成的 dsp-signal.png,应看到 50 Hz 正弦波的离散采样点,前 40 个样本覆盖两个完整周期。

固定后续实验的坐标约定

后续实验最好继续沿用这组变量职责:fs 表示采样率,n 表示整数样本索引,t=n/fs 表示秒,x 表示离散信号值。频谱或滤波代码只在此基础上追加处理步骤,不要在同一脚本里混用毫秒、秒和样本索引。

当环境验证、数值输出和图片文件都符合预期时,这套 Python 实验坐标系就已经建立完成,可以直接复用于 FFT、滤波器设计和响应验证。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用 Python 搭建 DSP 实验环境

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通