第1章：Python环境搭建——Anaconda安装、虚拟环境配置、必备库安装

各位同学，咱们正式开始。

做航电系统雷达数据流处理，第一件事不是写代码，而是把环境搭好。我见过太多人上来就pip install，结果装了一堆乱七八糟的版本，最后项目跑不起来，排查半天发现是numpy和scipy版本不兼容。嗯，这种坑我踩过不止一次。

1.1 为什么选Anaconda？

说白了，Anaconda就是Python的「全家桶」。它自带科学计算最常用的库，还帮你管好了依赖关系。你想想看，雷达信号处理动不动就要numpy做矩阵运算、scipy做滤波、matplotlib画频谱图，一个个手动装多麻烦？

我个人习惯是：不管项目大小，一律用Anaconda。尤其是做航电系统这种对实时性有要求的场景，环境一致性太重要了。你在自己电脑上跑得好好的，部署到工控机上就报错，这种事我遇到过好几次。

1.2 Anaconda安装步骤

安装其实很简单，但有几个细节要注意。我直接说重点。

1. 下载安装包：去官网（anaconda.com）下载对应操作系统的版本。Windows选64位，Linux选Linux版，macOS选macOS版。别下错了，我见过有人下32位版本，结果numpy跑起来慢得离谱。
2. 安装过程：Windows用户注意，安装时勾选「Add Anaconda to my PATH environment variable」。虽然安装程序会提醒你不推荐，但相信我，不勾选的话后面每次用conda都要手动激活路径，烦得很。
3. 验证安装：打开终端（Windows用cmd或PowerShell），输入conda --version。如果看到版本号，说明装好了。

1.3 虚拟环境配置——这是重点

做航电系统项目，你可能会同时维护多个项目：一个做雷达信号仿真，一个做数据采集，还有一个做实时处理。每个项目依赖的库版本可能不一样。虚拟环境就是用来解决这个问题的。

我举个例子：项目A需要numpy 1.21，项目B需要numpy 1.26。如果没有虚拟环境，你只能二选一，或者忍受版本冲突。有了虚拟环境，每个项目都有自己的「小房间」，互不干扰。

创建虚拟环境

conda create -n radar_env python=3.9

这条命令创建了一个叫radar_env的环境，Python版本指定为3.9。为什么选3.9？因为目前numpy、scipy、matplotlib对3.9的支持最稳定。3.10以上有些库的二进制包还没完全适配，我踩过这个坑。

激活环境

conda activate radar_env

激活后，终端前面会出现(radar_env)字样，说明你现在就在这个环境里了。所有安装的库都会装到这个环境里，不会影响系统Python。

退出环境

conda deactivate

1.4 必备库安装——numpy、scipy、matplotlib

这三个库是雷达信号处理的基石。咱们一个一个说。

1.4.1 numpy——矩阵运算的基石

雷达数据本质上就是多维数组。一个脉冲的回波数据，就是一个一维数组；多个脉冲组成一个二维矩阵（快时间×慢时间）。numpy就是用来处理这些数组的。

conda install numpy

或者指定版本：

conda install numpy=1.21.5

安装完成后，可以验证一下：

python -c "import numpy; print(numpy.__version__)"

1.4.2 scipy——信号处理的瑞士军刀

scipy建立在numpy之上，提供了大量信号处理函数。雷达数据处理中常用的有：

• scipy.signal：滤波器设计、卷积、相关运算
• scipy.fft：快速傅里叶变换（FFT）
• scipy.linalg：线性代数运算（矩阵求逆、特征值分解）

conda install scipy

安装后测试：

python -c "import scipy; print(scipy.__version__)"

1.4.3 matplotlib——数据可视化必备

做雷达信号处理，你肯定要画图：时域波形、频谱图、距离-多普勒图、方位角图……matplotlib就是干这个的。

conda install matplotlib

测试：

python -c "import matplotlib; print(matplotlib.__version__)"

1.5 一键安装所有依赖

如果你不想一个个装，可以创建一个environment.yml文件，把依赖写进去：

name: radar_env
channels:
  - defaults
dependencies:
  - python=3.9
  - numpy=1.21.5
  - scipy=1.7.3
  - matplotlib=3.5.1

然后执行：

conda env create -f environment.yml

这样环境就一次性建好了。我习惯把每个项目的environment.yml放在代码仓库里，这样同事拉下来直接就能复现环境，省去很多沟通成本。

1.6 验证环境是否正常

最后，咱们写个小脚本验证一下：

import numpy as np
import scipy.signal as signal
import matplotlib.pyplot as plt

# 生成一个简单的雷达回波模拟信号
fs = 10e6  # 采样率 10MHz
t = np.arange(0, 1e-3, 1/fs)  # 1ms时长
f0 = 1e6  # 1MHz正弦波
echo = np.sin(2 * np.pi * f0 * t)

# 加一些噪声
noise = 0.1 * np.random.randn(len(t))
signal_with_noise = echo + noise

# 设计一个低通滤波器
b, a = signal.butter(4, 1.5e6, btype='low', fs=fs)
filtered = signal.filtfilt(b, a, signal_with_noise)

# 画图
plt.figure(figsize=(10, 6))
plt.plot(t * 1e6, signal_with_noise, label='含噪声信号', alpha=0.7)
plt.plot(t * 1e6, filtered, label='滤波后信号', linewidth=2)
plt.xlabel('时间 (μs)')
plt.ylabel('幅度')
plt.legend()
plt.grid(True)
plt.show()

如果这段代码能正常运行，说明你的环境已经准备好了。后面咱们就可以正式开始雷达信号处理的实战了。

好了，环境搭好了，下一章咱们开始真正接触雷达数据流。到时候我会带你们用Python处理真实的雷达回波数据，那才是真正有意思的部分。

公众号:蓝海资料掘金营，微信deep3321