第2章开发环境搭建

第1章：开发环境搭建——Anaconda与Python环境配置、MATLAB安装要点、Simulink工具箱选择、虚拟环境管理与依赖隔离

各位同学好，我是老张。做信号处理这行快十五年了，从早期的DSP汇编一路干到现在的Python+MATLAB混合仿真。今天咱们聊聊开发环境搭建这件事。

说实话，很多新手甚至工作两三年的工程师，都容易在环境配置上栽跟头。我见过太多人花三天装环境，写代码只花两小时。嗯，这其实挺亏的。所以第一章，咱们就把地基打牢。

Python现在在信号处理领域越来越火。为什么？因为生态好。NumPy做矩阵运算，SciPy做滤波器设计，Matplotlib画频谱图，一条龙搞定。

我个人习惯用Anaconda来管理Python。它自带了很多科学计算包，省得你一个一个pip install。你想想看，要是每个包都手动装，版本冲突能让你怀疑人生。

安装要点：

装完之后，打开命令行验证一下：

python --version
conda --version

看到版本号就说明装好了。我在项目中遇到过有人装完Anaconda，结果系统里还有另一个Python，两个打架。所以建议把系统自带的Python先卸掉，或者用conda管理好环境变量。

MATLAB在信号处理领域依然是老大哥。尤其是做滤波器设计、频谱分析、时频分析这些，工具箱太全了。

安装MATLAB时，有几点我得提醒你：

避坑指南：

我个人习惯装MATLAB时只选这几个核心工具箱：

装完之后，记得在MATLAB里运行 ver 命令，看看工具箱是否都加载成功。我遇到过工具箱装上了但license没激活的情况，跑 fdatool 直接报错，折腾了半天才发现是授权问题。

Simulink做信号系统仿真，说白了就是搭积木。但积木太多，你得知道哪些是常用的。

做信号处理仿真，我建议至少装这几个：

小技巧： 我个人习惯在Simulink里用「Library Browser」搜索模块。比如搜「Digital Filter」就能找到数字滤波器模块。别一个个翻目录，太慢了。

为什么强调工具箱选择？因为装多了拖慢启动速度，装少了又不够用。我一般先装核心的，后面缺什么再补装。MATLAB支持增量安装，不用重装整个软件。

这个点我特别想多说两句。很多项目做到一半，发现依赖冲突，那叫一个头疼。

举个例子：项目A需要numpy 1.19，项目B需要numpy 1.24。你要是装在一个环境里，总有一个项目跑不起来。怎么办？用虚拟环境隔离。

Python这边，我推荐用conda创建虚拟环境：

# 创建环境
conda create -n signal_proc python=3.9

# 激活环境
conda activate signal_proc

# 安装包
conda install numpy scipy matplotlib

# 退出环境
conda deactivate

每个项目一个环境，互不干扰。我曾经接手一个老项目，里面用了scipy 0.19，而我已经装了1.8。要是没有虚拟环境，光解决依赖冲突就得花一天。

MATLAB这边呢？它没有原生的虚拟环境管理。但你可以用不同版本的MATLAB来实现隔离。比如R2020a做旧项目，R2023b做新项目。或者用MATLAB的「Project」功能来管理依赖。

注意： MATLAB的Toolbox版本和MATLAB版本是绑定的。你不能在R2020a里装R2023b的工具箱。所以升级MATLAB版本时，工具箱也得跟着升。

还有个实用技巧：用 conda list --export 导出环境依赖列表，方便别人复现你的环境：

conda list --export > requirements.txt
conda create -n new_env --file requirements.txt

这样你发给同事的代码，他直接一条命令就能把环境搭好，省心省力。

好了，第一章就聊这么多。环境搭建看着琐碎，但真出了问题，排查起来特别费时间。我建议你花半天时间，把Anaconda和MATLAB装好，虚拟环境配好，后面写代码就顺畅了。

下一章咱们聊聊信号处理的基础——采样定理和离散时间信号。到时候我会用Python和MATLAB分别演示，看看两种工具各自的优势在哪里。

有什么问题，欢迎在课程群里交流。我是老张，咱们下章见。

本章要点回顾：

公众号:蓝海资料掘金营，微信deep3321