企业官网建设流程全解析

简介：基于Python的虚拟示波器项目，面向电子工程、科研与教育领域需要观察分析信号波形的人群，借助matplotlib、numpy及PyQt等库实现信号采集、实时显示、滤波分析和多通道对比，无需依赖实体示波器即可完成电路与信号实验。包内共12个文件，压缩包仅20KB，包含4个Python脚本（主程序、波形绘制、数据处理等）、PyQt界面文件、项目配置xml及pyc编译缓存，结构精简。已有1155人学习下载。源码涵盖GUI控制、matplotlib波形绘制、numpy数据处理、自定义滤波、数据保存回放与多通道对比等核心逻辑，可直接运行或二次扩展；对想学习Python科学计算，或希望用软件模拟示波器进行教学演示、课前验证的开发者具有实用参考价值。

1. python虚拟示波器：用笔记本替代硬件示波器靠什么

在嵌入式开发和信号调试中，示波器是发现问题最快的工具，但实体示波器价格高、体积大，存储深度还经常不够用。python虚拟示波器要做的事，是把电脑自带的声卡、串口或 USB 设备当成前端采集硬件，再用 PyQtGraph 或 Matplotlib 把信号实时画出来。你真正要自己实现的，不只是画线，还包括采样率切换、电压标定、触发和测量。下面内容从声卡采集讲到串口接入单片机，最后落到触发和性能调优。适合想用笔记本替代示波器看波形、又不想买昂贵硬件的电子工程师和上位机开发者；如果你刚接触 Python，按章节顺序装包、跑代码就行。

2. 声卡作为数据源：python虚拟示波器的采集层与采样率选择

虚拟示波器第一步是解决模拟信号的入口。不接外部硬件时，你手里最便宜的高质量 ADC 就是笔记本声卡。声卡的采集前级自带抗混叠滤波器和可调增益，比一块裸的 ADC 芯片容易驱动。这一章先把声卡采集链路跑通，让后面的波形处理有稳定的数据来源。

2.1 采样率与缓冲区大小的选择标准

声卡常见的采样率是 44100 Hz 和 48000 Hz，部分设备能到 192000 Hz。根据采样定理，采样率的一半才是理论上能显示的最高频率，所以声卡虚拟示波器的有效带宽通常在 20 kHz 以下。显示时还需要把数据切成固定大小的帧，这就是 blocksize 的作用。

波形刷新率等于采样率除以 blocksize。48000 Hz 采样、1024 点一帧时，每秒刷新约 47 帧，肉眼已经感觉不到闪跳。如果你一直卡在“画面只有一条直线”，先别怀疑绘图代码，多半是设备枚举没对上采样率。还没装环境的话，先从 python.org 拿 3.10 以上的官方安装包，装的时候勾上 Add python.exe to PATH，然后执行pip install sounddevice numpy scipy pyqtgraph pyserial，这几个包覆盖了后面所有章节。

2.2 用 sounddevice 打开输入流的最小代码

sounddevice 是 PortAudio 的薄封装，用它做采集比 pyaudio 少写一半代码。下面的脚本会打开默认输入设备，把每一帧波形放进队列：

import sounddevice as sd import numpy as np from queue import Queue, Empty SAMPLERATE = 48000 BLOCKSIZE = 1024 CHANNELS = 1 q = Queue(maxsize=8) def audio_callback(indata, frames, time_info, status): if status: print("声卡状态变化:", status) q.put(indata[:, 0].copy()) with sd.InputStream( samplerate=SAMPLERATE, blocksize=BLOCKSIZE, channels=CHANNELS, dtype="float32", callback=audio_callback, ): while True: try: frame = q.get(timeout=2) except Empty: print("采集线程可能已经断开") continue print("帧长度", len(frame), "峰值", np.abs(frame).max())

indata 的形状是 (blocksize, channels)，所以indata[:, 0]取出单通道波形，copy 是为了避免复用缓冲把旧数据覆盖。q 的 maxsize 设成 8，是防止采集速度快于消费速度时内存无限膨胀。status 非空时通常意味着 underflow 或 overflow，出现时先检查 blocksize 是否太小。

2.3 回调、队列和 UI 线程的职责

这段代码的关键不是“开一个音频流”，而是把采集和显示完全解耦。PortAudio 的回调运行在实时线程里，如果你在这里执行 matplotlib 绘图或文件写入，声卡驱动会认为你处理不过来，连续丢帧。采集线程唯一合法的动作，是把数据放入线程安全的队列。UI 线程再以固定频率从队列取帧，这样即使绘图卡顿 100 ms，音频线程也不会被拖死。

提示：不要在 callback 里调用任何绘图 API。遇到线程崩溃，先检查是不是把 plot.update 放进 callback。

3. numpy 信号处理：电压标定、去除直流与降噪滤波

把声卡拿到的原始 float 数组直接画出来，你会遇到三个问题：波形带着稳定的直流偏移、噪声比万用表读数大、数值还停留在无量纲单位上。示波器与录音软件的区别，就是显示前要对时间序列做一层校正。这一层用 numpy 写起来很短。

3.1 去除直流分量，避免波形整体抬高

笔记本内置声卡的输入端是交流耦合，但 ADC 本身会引入一个缓慢漂移的直流偏置。直接看原始数据，波形中心会随着温度或增益变化上下移动。第一个处理就是按帧减均值：

def remove_dc(frame: np.ndarray) -> np.ndarray: return frame - np.mean(frame)

均值是整个数据块的直流分量，减掉后波形围绕 0 V 摆动。低频信号尤其需要这步，因为它的周期比一帧数据长时，均值并不能代表真正的直流偏置，波形会在帧边界出现跳变。更稳妥的做法是对连续数据流做一阶高通滤波，保留 5 Hz 以下的成分用来跟踪偏置。

滤波不是越强越好，虚拟示波器追求的是“看到的波和真实信号一致”。一旦引入带内衰减，相位就差出来了，后面的触发判断也会偏移。这也是为什么很多开源示波器默认不做平滑，只做直流移除。

3.2 电压标定：把无量纲数值变成伏特

逐一对应：

FULL_SCALE_V = 2.4 # 这个值由实测标定得到，单位 Vpp volts = processed * (FULL_SCALE_V / 2.0)

声卡输入在 float32 下范围是 -1.0 到 1.0，对应 ADC 满量程。如果满量程是 2.4 Vpp，那么 -1.0 代表 -1.2 V，1.0 代表 +1.2 V，换算系数就是 2.4 / 2.0。注意这里“满量程”不是声卡标称最大输入，而是实际硬件接上信号后，用万用表或标准信号源测出来的有效范围，不同声卡差异很大。

标定过程也很直接：输入一个已知峰峰值的 1 kHz 正弦波，把采集到的峰值记录下来，用实际电压 / 采样峰值算出标定系数。把这个系数写进配置，显示器上的 Y 轴就能标注为 V。

3.3 降噪滤波：移动平均与 Savitzky-Golay 的取舍

from scipy.signal import savgol_filter filtered = savgol_filter( frame, window_length=31, polyorder=3, )

window_length 必须是奇数，polyorder 不能大于窗口长度。savgol_filter 对波形细节的保留比移动平均好，但高频方波会被拉圆。如果你要观察的还是触发沿，就别滤波，先保证触发正确再谈降噪。

4. PyQtGraph 绘制：实时波形渲染与曲线颜色定制

采集和处理都做完了，接下来是让波形稳定滚动起来。Matplotlib 的 animation 在 50 FPS 下 CPU 占用很高，窗口缩放还会卡顿。pyqtgraph 直接绘制 OpenGL 图形，单曲线 6000 点轻松跑到 120 FPS。这一章的重点是搭建可复用的画布，并解决“如何改变曲线颜色”这个高频问题。

4.1 为什么选择 PyQtGraph，不选 Matplotlib 动画

Matplotlib 擅长出版级静态图，但它的重绘机制是整体重绘，波形移动时锯齿和残影明显。pyqtgraph 把数据放在场景图中，调用setData只更新顶点缓冲，响应速度完全不在一个量级。虚拟示波器要求的是持续滚动、低延迟、能稳定缩放，这是 pyqtgraph 的主场。

4.2 最小实时波形窗口

下面的脚本默认你已经有了第 2 章定义的q和SAMPLERATE，这里只做 UI 部分：

import sys import numpy as np import pyqtgraph as pg from PyQt5 import QtCore, QtWidgets from queue import Empty app = QtWidgets.QApplication(sys.argv) win = pg.GraphicsLayoutWidget(show=True) plot = win.addPlot(title="CH1") plot.showGrid(x=True, y=True, alpha=0.3) curve = plot.plot(pen=pg.mkPen("#FFD700", width=2)) def poll_queue(): try: frame = q.get_nowait() except Empty: return y = frame[:2048] t = np.arange(len(y)) / SAMPLERATE curve.setData(t, y) timer = QtCore.QTimer() timer.timeout.connect(poll_queue) timer.start(30) app.exec_()

poll_queue 由 Qt 的事件循环驱动，每 30 ms 检查一次队列。取不到帧就直接返回，不会阻塞 UI。setData是 pyqtgraph 增量更新的核心，比重新创建 PlotDataItem 节省大量时间。把 y 截断到 2048 点，是为了限制单帧绘制规模，刷屏时 CPU 占用稳定在低位。

4.3 如何改变曲线颜色：QPen 颜色表与刷新逻辑

颜色问题在示波器里很常见：暗色背景下黄线最清楚，但保存截图后黄线变成白色，反而看不清。处理思路是把颜色集中管理，用函数切换，而不是到处硬编码。

from pyqtgraph import mkPen COLOR_TABLE = { "yellow": "#FFD700", "cyan": "#00FFFF", "green": "#00FF7F", "red": "#FF5500", } def set_curve_color(name: str): pen = mkPen(COLOR_TABLE.get(name, "#FFD700"), width=2) curve.setPen(pen) curve.setBrush(None)

setBrush(None) 是为了不填充曲线下方的面积，否则滚动时会残留彩色色块。颜色切换与波形缩放独立，你甚至可以把它绑定到键盘快捷键，方便调试时随时换色。

4.4 双通道共用时间轴

多通道时最怕两个通道时间轴对不上。pyqtgraph 的做法是让第二通道共享第一通道的 X 轴：

plot2 = win.addPlot(row=1, col=0) plot2.setXLink(plot) curve2 = plot2.plot(pen=mkPen("#00FFFF", width=1))

这样鼠标放大任何一路，另一路的时间范围跟着同步移动。剩下的数据分发，只需要在 poll_queue 里把帧拆成多个通道的数组，分别送入 setData 即可。

5. 串口数字示波器接入：解析 Arduino/STM32 的采集帧

不是所有信号都适合走声卡。传感器输出、电机控制、STM32 调试引脚这些都直接接在串口上。串口数字示波器最常见的工作方式，是把单片机当成模拟前端。你搜索 serial_digital_scope v2 这类命名时，看到的结构基本也分两层：一个定时采集的固件，一个解析串口的 Python 脚本。协议设计没有神秘之处，难点在帧边界。

5.1 单片机端的帧格式和协议选型

用文本行传数据最简单，比如每行发"512,723\n"，但边界解析依赖换行符，遇到高波特率时容易出现半个数据包。更稳的做法是定义二进制帧，让接收方通过帧头和校验对齐。

二进制帧的效率和容错都更好。8 字节一帧在 115200 下等于每帧一次双通道采集，对 1 kHz 内的信号足够稳定。需要更高采样率时，把 STM32 接到 USB 虚拟串口，波特率不再限制传输速度。

一个通用帧格式建议：

• 帧头 2 字节：0xAA 0x55
• 通道 1：uint16 little-endian
• 通道 2：uint16 little-endian
• 校验：通道1 与通道2 相加取低 8 位
• 帧尾：0x0D

5.2 用 pySerial 读帧并校验

import serial ser = serial.Serial("COM16", baudrate=115200, timeout=0.1) def read_scope_frames(ser, max_len=512): buf = bytearray() while True: chunk = ser.read(64) if not chunk: continue buf.extend(chunk) while len(buf) >= 8: if buf[0] != 0xAA or buf[1] != 0x55: buf.pop(0) continue ch1 = int.from_bytes(buf[2:4], "little") ch2 = int.from_bytes(buf[4:6], "little") checksum = (buf[2] + buf[3] + buf[4] + buf[5]) & 0xFF if checksum != buf[6] or buf[7] != 0x0D: buf.pop(0) continue yield ch1, ch2 del buf[:8]

buf.pop(0) 在这里是线性操作，但单片机的发送频率通常不高，可读性优先。int.from_bytes 的 little 参数必须和固件端一致，否则两通道会互相交换。校验失败时丢掉一个字节而不是整帧，是为了容错半包后的重同步。

5.3 把串口数据接进第 4 章 UI

串口线程和声卡线程本质相同：数据进队列，UI 定时取。处理完一帧后把两个通道的 numpy 数组传给两个 curve：

for ch1, ch2 in read_scope_frames(ser): t = np.arange(len(frame)) / SAMPLERATE curve.setData(t, ch1) curve2.setData(t, ch2)

如果数据源是 MCU，时间轴不再是声卡的 SAMPLERATE，而是实际采样间隔。固件发回一个时间戳或按固定次数标记，上位机用帧序号换算时间，避免波形横向漂移。

6. 触发、游标与数据导出：虚拟示波器的三个实用技巧

6.1 用 NumPy 实现边沿触发

没有触发的虚拟示波器只是录音器，波形会左右跳动。边沿触发的核心是找信号穿越阈值的点：

def edge_trigger(data, level=0.0, mode="rising"): sign = np.sign(data - level) diff = np.diff(sign) idx = np.where(diff > 0)[0] + 1 if mode == "rising" else np.where(diff < 0)[0] + 1 for i in idx: if i >= 64: return i return None idx = edge_trigger(frame) if idx is not None: seg_start = idx - 64 view = frame[seg_start:seg_start + 1024] if seg_start >= 0 else frame[:1024]

level 是触发电平，rising 对应上升沿，diff > 0 表示信号由下往上穿越。跳过前 64 点等于预触发区，确保触发点在窗口左侧露出波形触发前的状态。

6.2 游标与电压测量

用pg.InfiniteLine加两条可拖动线：

vline = pg.InfiniteLine(angle=90, movable=True, label="t={value:.3f}s") hline = pg.InfiniteLine(angle=0, movable=True, label="U={value:.2f}V") plot.addItem(vline) plot.addItem(hline)

拖动后 label 自动显示所在坐标值，不需要额外写事件回调。测量频率时把两条竖线分别移到两个相邻周期的同相位点，时间差取倒数就是频率。

6.3 导出 CSV 验证测量结果

np.savetxt( "scope_export.csv", np.column_stack((t, view)), delimiter=",", header="time_s,ch1", comments="", )

导出后用 Excel 或 pandas 打开，检查第一列时间间隔是否等于 1/SAMPLERATE。如果导出的数据时间间隔不对，问题一定出在采样的帧边界或滤波延迟，回头查第 3 章的高通滤波参数。触发电平也建议先设到信号峰峰值的中间，太小会让噪声触发抖动，太大则可能错过真实沿，这两种情况在文本界面上都能直接看到触发点索引的跳变。

本文还有配套的精品资源，点击获取