简介这是一款面向电路设计、电子工程和嵌入式学习者的跨平台电路设计与仿真计算工具。它借助Python、PyQt与MATLAB技术栈整合了电路建模、参数计算、波形分析、频率响应、阻抗匹配、滤波器设计、放大器仿真、电源管理及PCB辅助设计等典型EDA功能适合需要快速搭建仿真验证环境或深入理解EDA工具结构的工程师与研究人员。压缩包共2000个文件大小45.63MB文件类型以QML界面资源、SIP绑定、dylib/so动态库、py源码、m脚本、png图标及说明文档为主其中QML用于界面绘制动态库承载Qt运行依赖源码与脚本则便于二次开发并附有“附赠资源.docx”和“说明文件.txt”。目前已有39人学习下载内容覆盖全套源码目录与Qt运行库可用于研究Python与MATLAB混合仿真、跨平台界面交互和电路计算模块的实现思路也可作为课程设计或电路仿真项目的基础框架。1. Python PyQt 与 MATLAB 集成工具为什么值得在电路设计里用调试前置放大器时通常开着 MATLAB 看幅频曲线把数据抄到 Python 脚本里算匹配网络再从示波器导出的波形里手动找谐波峰值。参数一多哪份数据对应哪版电路就乱了。基于 Python PyQt MATLAB 跨平台集成的电路设计与仿真计算工具这个思路对应的是解决这条流水线用 PyQt 搭跨平台界面MATLAB 负责电路建模和仿真内核numpy/scipy 补上波形分析、滤波器设计、信号处理这些高频操作最后把阻抗匹配、电源管理结果整理成 PCB 前仿真能用的输入。它适合需要复用 MATLAB 算法又要桌面化交付的硬件工程师也适合正在搭板级 pre-layout 验证工具、不想在多个窗口间手动搬运数据的人。下面按集成架构、建模计算、频域分析、功能模块、PCB 衔接这条路线展开。2. 跨平台集成层PyQt 界面、MATLAB Engine、SciPy 计算各管哪一段2.1 为什么不用纯 MATLAB 或纯 PyQt 做全套纯 MATLAB 的方案用 App Designer 也能做但交付时要让对方装完整 MATLAB控件布局和版本兼容也常出问题纯 PyQt 的问题反过来工程上大量已验证的 .m 脚本、控制系统工具箱函数不能直接复用。所以我的做法是分层PyQt6 只做窗口和交互matplotlib 嵌入 FigureCanvas 接管绘图numpy/scipy 处理 FFT、滤波、参数计算MATLAB Engine API for Python 负责调用 .m 函数、控制系统工具箱和 Simulink 模型。这样每个运行时做自己最擅长的事替换其中一层不会拖垮整条链路。2.2 最小可跑的 MATLAB Engine 桥接代码先从环境配起。在 MATLAB 安装目录的extern/engines/python下执行python setup.py install把引擎包装进当前 Python 环境。很多同事在 VSCode 里配好 Python 环境后仍然 import 失败多半是 setup.py 用的解释器和 VSCode 解释器不是同一个先which python确认。之后最小调用如下import matlab.engine eng matlab.engine.start_matlab() sys eng.tf(matlab.double([1.0]), matlab.double([1.0, 1000.0])) eng.workspace[sys] sys eng.eval(figure(Color, white); bode(sys); grid on;) eng.exit()代码先启动一个本机 MATLAB 进程matlab.double把 Python 列表转成 MATLAB double 数组eng.tf构造传递函数并放到工作区eng.eval执行 Bode 绘图。start_matlab() 一次要几秒到十几秒所以引擎要做成全局单例在 PyQt 应用启动时初始化退出时统一 exit不要在按钮回调里反复启停。eng.exit()放在 closeEvent 里否则后台会残留 MATLAB 进程开发机上几天就能攒一堆。2.3 复数和矩阵参数的类型转换跨语言调用最常见的坑是数据布局。MATLAB 列优先numpy 行优先matlab.double返回的对象直接转 numpy 数组时列向量的 shape 是 (n,1)直接参与广播常出维度错误。传复数用matlab.complex(real, imag)传逻辑数组用matlab.logical普通的 list 也不能直接传必须包一层 matlab 类型。总结如下表转换方向推荐写法常见错误list - 实数数组matlab.double(list)直接传 listnumpy - 实数数组先.tolist()再包转换后 shape 未核对复数数组matlab.complex(real, imag)实虚部拆错MATLAB 返回np.array(ret)后np.ravel()多出一个长度为 1 的轴我一般会在工具内部做一层from_numpy()/to_numpy()封装所有数值进出都过这层错误只会在一个文件里暴露排查范围比散落在各个回调里小得多。2.4 批量仿真时别让 UI 卡在 Engine 上eng.eval是同步阻塞调用直接在 PyQt 按钮回调里执行会让界面假死没有线程处理经验的人第一版都会遇到。标准做法是用 QThread 包装 MATLAB 调用完成后再通过信号把结果发回主线程。from PyQt6.QtCore import QThread, pyqtSignal class SimThread(QThread): finished_ok pyqtSignal(object) def __init__(self, caller): super().__init__() self.caller caller def run(self): result self.caller() self.finished_ok.emit(result)调用方只需把要执行的 MATLAB 任务塞进 callerUI 回调里创建线程并启动。线程内部不要访问任何控件全部通过 signal 传值。批量扫参时最有效的优化不是多线程而是把参数列表整个传给一个 MATLAB 侧函数让它一次算完返回结果矩阵而不是在 Python 循环里反复 eval。多线程、批量函数、持久引擎三件事做好集成层才算稳了。3. 电路建模与参数计算在 Python 侧建模型回 MATLAB 验根轨迹3.1 用 Python 把 RLC 网表变成矩阵和传递函数电路建模的第一步是定模型表示。无源网络和小信号放大器用节点导纳矩阵最通用但对多数设计场景传递函数系数数组更直接。以 RLC 串联电路输出电阻电压为例H(s)s(R/L)/(s²s(R/L)1/(LC))可以直接映射成 scipy 的 TransferFunction。import numpy as np from scipy import signal def rlc_series_tf(r, l, c): num [r / l, 0.0] den [1.0, r / l, 1.0 / (l * c)] return signal.TransferFunction(num, den) def rlc_parameters(r, l, c): f0 1.0 / (2.0 * np.pi * np.sqrt(l * c)) q (1.0 / r) * np.sqrt(l / c) bw f0 / q return f0, q, bwrlc_series_tf里的 num 是分子系数den 是分母系数按 s 降幂排列rlc_parameters返回谐振频率 f0、品质因数 Q 和 -3dB 带宽 BW。用这套结构GUI 上的电路类型下拉只要切换不同的构造函数后端参数计算和绘图逻辑不用改。网表更复杂时我建议在 Python 侧写一个极简 SPICE 解析器把节点映射成整数再组装 MNA 矩阵用 numpy.linalg.solve 求解如果不想维护直接引入 PySpice它对线性电路够用但你要接受它返回的不是 num/den而是直流工作点加 AC 条件下每个节点电压。3.2 参数计算先给理论值再交给仿真校核参数页不要只给仿真结果理论公式能快速定位设计边界。下表是我在参数计算面板里常用的几组公式用户在输入框改 R、L、C、增益电阻时理论值实时刷新。电路对象关键公式用途RLC 串联谐振f01/(2π√(LC))确认目标频点RLC 选频 Q 值Q(1/R)√(L/C)估计带宽和选择性RC 低通fc1/(2πRC)滤波器初值L 型阻抗匹配Q√(R_high/R_low−1)串联电抗Q·R_low把负载电阻变换到目标值同相放大器A_v1R2/R1设定闭环增益反馈电阻betaR1/(R1R2)用于稳定性计算表格里的公式都不是最终答案而是预期值。仿真完成后把 -3dB 点、谐振点和表格对比偏差超过 5% 就先查单位换算。我见过最多的错误是把 uH 和 nH 混在一起算GUI 里在下拉菜单统一单位内部全部转 SI 之后再运算。3.3 阶跃响应和根轨迹回 MATLAB 交叉验证Python 侧算完传递函数我会回 MATLAB 做两组交叉验证阶跃响应看上升时间、超调量和稳定时间根轨迹看闭环极点轨迹是否进入右半平面。这是 matlab 阶跃响应用得最值的场景。eng matlab.engine.start_matlab() # 假定 r, l, c 已经由 GUI 参数传入 r, l, c 1e3, 1e-3, 1e-9 num_list [r / l, 0.0] den_list [1.0, r / l, 1.0 / (l * c)] num matlab.double([float(v) for v in num_list]) den matlab.double([float(v) for v in den_list]) eng.workspace[num] num eng.workspace[den] den eng.eval(sys tf(num, den);) eng.eval(figure(Color,white); step(sys); grid on;) eng.eval(figure(Color,white); rlocus(sys); grid on;)这里 num/den 必须转成 list 再给 matlab.double直接传 numpy 数组在部分版本会抛类型错误。step 和 rlocus 会弹出 MATLAB 窗口如果工具跑在无显示环境的 Linux 服务器上改为eng.stepinfo(sys)返回结构化数据在 Python 里自己画避免依赖 MATLAB 图形系统。两组曲线都出来后与 scipy.signal.step 的结果对照确认零极点一致再进下一环节。4. 波形分析、频率响应与滤波器设计SciPy 负责出图MATLAB 负责校核4.1 波形分析导入 CSV/WAV 后先解决横坐标太密集的绘图问题波形数据一般两种来源CSV 用 pandas 读WAV 用 scipy.io.wavfile.read。基本指标峰峰值、RMS、均值和整段 FFT 很容易算真正破坏体验的是绘图扫频数据从 1Hz 到 10MHz横坐标直接按原始点数画刻度会挤成一条黑色这就是常说的 python 画图横坐标太密集。解决方法是横轴一律用对数刻度并控制主刻度数量。import matplotlib.pyplot as plt from matplotlib.ticker import LogLocator def plot_freq_axis(freq_hz, mag_db): fig, ax plt.subplots(figsize(8, 4)) ax.semilogx(freq_hz, mag_db) ax.xaxis.set_major_locator(LogLocator(base10, numticks6)) ax.set_xlabel(Frequency (Hz)) ax.set_ylabel(Magnitude (dB)) ax.grid(True, whichboth, ls--, alpha0.5) return fig, axsemilogx 把横轴压缩成对数间距LogLocator 限制只在 1Hz、10Hz、100Hz 等位置出现主刻度配合 whichboth 的次要网格曲线在宽频范围内仍然可读。如果返回的 fig、ax 要嵌进 PyQt用 FigureCanvasQTAgg 包装不要在回调里调用 plt.show() 阻塞事件循环。4.2 频率响应与相位裕量Bode 数据在 Python 里算频率响应是电路工具的核心scipy.signal.bode 返回角频率、幅度 dB 和相位 deg。相位裕量用在环路稳定性检查找到幅度穿越 0dB 的频率在该处取相位加 180°。from scipy import signal import numpy as np def phase_margin(loop_tf, fmin1.0, fmax1e7, n5000): f np.logspace(np.log10(fmin), np.log10(fmax), n) w 2 * np.pi * f _, mag_db, phase_deg signal.bode(loop_tf, ww) cross_idx np.where(np.diff(np.sign(mag_db)) ! 0)[0] if len(cross_idx) 0: return None, None, mag_db, phase_deg, w idx cross_idx[0] pm phase_deg[idx] 180.0 return pm, w[idx] / (2 * np.pi), mag_db, phase_deg, w注意 signal.bode 的 w 参数是角频率 rad/s所以先构造频率 f 再乘 2π。返回值里 PM 单位是度穿越频率换算回 Hz 便于显示。系统有多个穿越点时用第一个不一定对更稳的做法是判断穿越点前后幅度斜率正负只取负斜率穿越。这个函数能直接给 GUI 的裕量显示用也可以把 mag_db、phase_deg 交给 MATLAB 的 margin 做交叉验证。4.3 滤波器设计类型参数表和 SOS 实现滤波器设计页是最好落地的功能。我常用的下拉选择高通/低通/带通/带阻、阶数、截止频率、滤波器类型输出用 SOS 而不是 ba因为高阶直接使用 ba 系数进行滤波时数值误差放大非常明显。参数对比如下类型特性关键参数适用Butterworth最大平坦阶数、截止频率大多数通用滤波Chebyshev I通带等波纹阶数、截止频率、纹波 rp要求过渡带更窄Bessel线性相位阶数、截止频率需要保持波形形状对应实现from scipy.signal import butter, cheby1, bessel, sosfiltfilt def design_filter(fs_hz, cutoff_hz, order4, kindbutter, filt_typelowpass, rp0.5): wn np.atleast_1d(cutoff_hz) / (fs_hz / 2.0) funcs {butter: butter, cheby1: cheby1, bessel: bessel} extra {rp: rp} if kind cheby1 else {} sos funcs[kind](order, wn, btypefilt_type, outputsos, **extra) return sos def apply_filter(x, sos): return sosfiltfilt(sos, x)cutoff_hz要先除以 Nyquist采样率的一半做归一化带通/带阻时传[low, high]两个截止频率的列表np.atleast_1d保证接口一致。sosfiltfilt 是零相位滤波适合分析和展示真正做嵌入式实时滤波时要用 sosfilt并考虑相位延迟。MATLAB 校核时用 designfilt 或 butter 生成同参数系数把幅频曲线拉出来对比 3dB 点误差应在 1% 以内。5. 放大器仿真、电源管理与信号处理把三个实验串成一条链路5.1 放大器仿真用单极点模型算清增益带宽积放大器仿真不一定要上完整 SPICE。做预设计时单极点开环模型足以回答闭环增益能到多少带宽。A(s)A0/(1s/wp)闭环 H(s)A/(1beta·A)在频率域用复数直接算避免传递函数符号运算的弯路。import numpy as np def opamp_responses(a0_db, fp_hz, beta, fmin10.0, fmax10e6, n5000): f np.logspace(np.log10(fmin), np.log10(fmax), n) w 2 * np.pi * f a0 10 ** (a0_db / 20.0) wp 2 * np.pi * fp_hz A a0 / (1 1j * (w / wp)) H A / (1 beta * A) mag_open 20 * np.log10(np.abs(A)) mag_closed 20 * np.log10(np.abs(H)) phase_closed np.angle(H, degTrue) return f, mag_open, mag_closed, phase_closeda0_db 是开环直流增益例如 100dBfp_hz 是主极点频率beta 由反馈网络算出。对 100dB、10Hz、beta0.1 的运放闭环增益 20dB闭环 -3dB 带宽约 100kHz这个结果比直接翻手册更直观。拿到 f、mag_closed 后GUI 可以把预期 -3dB 带宽标在曲线上便于和真实环路分析对齐。5.2 电源管理纹波、PSRR 与 PCB 布局提示电源管理模块我做的是三个看起来简单但上线快的计算Buck 输出纹波、LDO 功耗、PSRR 对噪声的抑制。这些公式在黑板级和板级估算都成立也能在一分钟内给出去耦电容的容值初值。def buck_ripple(i_out, f_sw, cout): return i_out / (8 * f_sw * cout) def ldo_power_loss(vin, vout, iout): return (vin - vout) * iout def ldo_noise_after_psrr(psrr_db, noise_in_uvrms): return noise_in_uvrms / (10 ** (psrr_db / 20.0))参数含义直接看函数名Buck 纹波与输出电流正比与开关频率、输出电容成反比LDO 功耗是压差乘电流PSRR 分贝数转成十进制倍数后相除。这三个结果在工具里同时输出布局提示输出电容靠近负载放置、反馈走线远离电感开关节点、ADC/DAC 电源去耦电容按手册摆放。这些都是 PCB 布局中最常被检查的项也是把仿真数据和板级经验绑在一起的地方。5.3 信号处理链路窗函数、去噪与 THD 指标信号处理链路把前面所有模块连起来取一段被测波形先加窗再做 FFT 求 THD需要观察时域细节就先滤波去噪。THD 的可靠算法不是取单根谱线而是把基波和谐波附近若干 bin 的功率都累加避免泄漏造成跳变。def thd_by_fft(x, fs, f_fund, num_harmonics5, span_ratio0.01): n len(x) win np.hanning(n) spectrum np.fft.rfft(x * win) freqs np.fft.rfftfreq(n, 1.0 / fs) def band_power(f_center): mask np.abs(freqs - f_center) span_ratio * f_center return np.sum(np.abs(spectrum[mask]) ** 2) p_fund band_power(f_fund) p_harm sum(band_power(f_fund * k) for k in range(2, num_harmonics 1)) return np.sqrt(p_harm) / np.sqrt(p_fund)span_ratio0.01表示取中心频率 ±1% 范围内的谱线功率对常见的 50Hz/60Hz 工频和 kHz 级采样都稳定。汉宁窗能压低旁瓣泄漏但会让基波能量分散到相邻 bin所以累加窗口成为必要。MATLAB 的thd(x, fs, f_fund)可以直接用来校核两个结果差超过 5% 时先查采样率是否读错和窗类型是否一致。6. PCB 前仿真到板级验证导出数据比导出图纸更重要6.1 阻抗匹配结果怎么指导走线宽度与层叠标题里的 PCB 不是要替代 EDA而是为 PCB 提供可执行输入。射频前端做完匹配网络后目标阻抗已经有了下一步是根据层叠反推微带线宽度。常见做法是在工具里放一个微带线近似公式import math def microstrip_z0(er, h_mil, w_mil, t_mil1.2): return (87.0 / math.sqrt(er 1.41)) * math.log(5.98 * h_mil / (0.8 * w_mil t_mil))er 是介质常数h_mil 是介质厚度w_mil 是线宽t_mil 是铜厚输出单位是欧姆。这个公式只适合 0.1 w/h 3.0 的范围超出就要用场求解器。工具里用二分法反解 w_mil得到线宽初值后再去 Cadence 做 PCB 板层设置或在嘉立创 EDA 里按该线宽布线。仿真值作为起点最终以阻抗测试为准。6.2 导出 BOM、网表和报告给 DRC 环节第二件事是导出。元件值、滤波器拓扑、匹配网络结果一键写成 CSV同时导出 SPICE 网表子电路方便后续在 PSpice、LTspice 或嘉立创 EDA 中复用。pandas 一行就能完成import pandas as pd rows [(R1, 4700.0, Ohm, input bias), (C1, 1.0e-9, F, filter), (L1, 2.2e-6, H, bias decoupling)] df pd.DataFrame(rows, columns[ref, value, unit, role]) df.to_csv(preliminary_bom.csv, indexFalse)这套输出不是 GerberGerber 必须在 EDA 里结合板框和层叠生成。AD20 的 DRC 检查、嘉立创 EDA 的在线 DRC检查的是线宽、间距、过孔孔径这些布线规则仿真工具能告诉你哪些网络需要放进差分约束和阻抗约束真正执行检查在 EDA 里。6.3 跨平台部署与验证技巧打包部署有三个坑PyInstaller 打包 PyQt 时matplotlib backend 和 numpy 动态库容易漏需要在 spec 文件里加 hiddenimportsmatlab.engine 依赖本机 MATLAB目标机没有 MATLAB 时要用 MATLAB Compiler 把算法编成独立组件再配 Runtime路径拼接全部用 pathlib别写死反斜杠否则 Linux 下直接崩。验证是所有功能里最容易被跳过但最值得做的一项。我在工程里内置三个回归样本RC 低通、RLC 带通、单位增益放大器。RC 低通 -3dB 频率必须等于 1/(2πRC)RLC 谐振点必须落在 1/(2π√LC)放大器闭环带宽必须等于开环 0dB 交越频率乘以反馈系数 β。三个理论值用解析公式先算好放在配置文件里GUI 上任何一项偏差超过 1% 就报红色。这套回归样本不依赖硬件每一台开发机都能跑也是新人接手时最快的理解入口。本文还有配套的精品资源点击获取