第1章：Python科学计算环境搭建：NumPy、SciPy、Matplotlib安装与配置

各位同学，咱们正式开始。做雷达信号处理，说白了就是跟一堆数字打交道。你拿到的原始回波数据，就是一堆复数点。没有趁手的工具，你连看一眼波形都费劲。所以第一件事，就是把Python的科学计算环境搭好。

我个人习惯用Anaconda来管理环境。为什么？省心。你想想看，NumPy、SciPy、Matplotlib这些库，依赖关系错综复杂。自己手动装，装到一半报个错，查半天可能是个版本冲突。我当年刚入行时，就吃过这个亏——装SciPy装了一下午，最后发现是BLAS库没链接对。嗯，从那以后我就老老实实用Anaconda了。

1.1 环境管理器选择：Anaconda vs Miniconda

先说结论：新手用Anaconda，老手用Miniconda。

Anaconda自带了一百多个常用包，装完就能用。Miniconda只带一个Python解释器和conda命令，你需要什么再装什么。我在项目里一般用Miniconda，因为生产环境要轻量。但教学嘛，我建议你用Anaconda，省得一开始就被各种依赖搞心态。

下载地址我就不贴了，直接去官网找对应操作系统的安装包。安装时注意一点：把「Add Anaconda to my PATH environment variable」勾上。我曾经见过有人没勾，然后在命令行里死活找不到python命令，折腾了半天。

1.2 创建独立的虚拟环境

为什么要用虚拟环境？说白了，就是隔离。你手头可能有多个项目，一个项目用NumPy 1.19，另一个用NumPy 1.24。混在一起，迟早出问题。我在做雷达信号处理时，经常需要对比不同版本的FFT实现，虚拟环境帮我省了不少事。

打开终端（Windows用户用Anaconda Prompt），执行：

conda create -n radar_signal python=3.9
conda activate radar_signal

这里我用了Python 3.9。为什么不是最新的3.12？因为有些科学计算库对最新Python的支持会慢半拍。3.9是个稳定版本，我实测过，NumPy、SciPy、Matplotlib都能完美运行。

1.3 安装核心库

激活环境后，开始安装三大件。直接上命令：

conda install numpy scipy matplotlib

这条命令会帮你解决所有依赖。NumPy负责多维数组和基础数学运算，SciPy在NumPy基础上加了信号处理、优化、插值等高级功能，Matplotlib就是画图的。

在雷达信号处理中，这三个库的分工很明确：

• NumPy：存数据、做FFT、做矩阵运算。你的回波数据就是一个二维NumPy数组，行是距离门，列是脉冲数。
• SciPy：做滤波器设计、窗函数、插值。比如你要设计一个匹配滤波器，scipy.signal.firwin就很好用。
• Matplotlib：画频谱图、距离-多普勒图、时频图。没有它，你只能看一堆数字发呆。

安装完成后，验证一下：

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

如果没报错，说明装好了。我曾经遇到一个情况，SciPy装上了但import时报错，原因是系统里同时有多个Python版本，环境变量乱了。解决办法：用where python（Windows）或which python（Linux/Mac）看看当前用的是哪个解释器。

1.4 安装Jupyter Notebook（可选但强烈推荐）

做雷达信号处理，我强烈建议你用Jupyter Notebook。为什么？因为你可以一边写代码，一边看结果，还能随时加注释。调试FFT算法时，你肯定不想每次改个参数就重新跑整个脚本。

conda install jupyter
jupyter notebook

启动后，浏览器里会打开一个界面。新建一个Notebook，选你刚才创建的radar_signal内核。嗯，这里要注意：如果内核列表里没有radar_signal，说明没注册。执行：

python -m ipykernel install --user --name radar_signal --display-name "Python (radar_signal)"

这样就能在Jupyter里切换内核了。

1.5 常见问题与避坑指南

问题	原因	解决办法
安装速度慢	默认源在国外	换国内镜像源，比如清华源：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
ImportError: No module named 'numpy'	没激活环境，或者装到了base环境	检查当前环境：conda info --envs，确保radar_signal前面有星号
Matplotlib中文乱码	缺少中文字体	在代码开头加：plt.rcParams['font.sans-serif'] = ['SimHei']

1.6 快速测试：你的第一个雷达信号处理脚本

环境搭好了，咱们跑个简单的例子试试。生成一个线性调频信号（LFM），这是雷达里最常用的信号之一。

import numpy as np
import matplotlib.pyplot as plt

# 参数设置
fs = 10e6          # 采样率 10 MHz
T = 100e-6         # 脉冲宽度 100 us
B = 1e6            # 带宽 1 MHz
t = np.arange(0, T, 1/fs)

# 生成LFM信号
k = B / T          # 调频斜率
signal = np.exp(1j * 2 * np.pi * (k/2) * t**2)

# 画实部
plt.figure(figsize=(10, 4))
plt.plot(t * 1e6, np.real(signal))
plt.xlabel('时间 (us)')
plt.ylabel('幅度')
plt.title('线性调频信号（实部）')
plt.grid(True)
plt.show()

如果能看到一个频率逐渐变化的波形，恭喜你，环境搭建成功了。这个信号后面我们会反复用到——做脉冲压缩、做匹配滤波，都离不开它。

好了，环境搭好了，下一章咱们就开始玩真的——用NumPy实现FFT，看看雷达信号在频域里长什么样。到时候我会带你手写一个FFT函数，再跟库函数对比，看看性能差多少。