因為正在學習自動控制理論，想驗證一下書上的結論和做一些簡單的系統分析，就選擇了用Python來試驗一下，因為MATLAB受到版權等原因，還是用Python開源的為好。

一、軟體環境配置

使用過Anaconda、winPython和python(x,y)後，我最終選擇了winPython。下面說明一下我自己選擇的原因，對於Anaconda，筆者在知乎和其他很多論壇上都說Anaconda很好，很適合做科學計算，但本人安裝之後發現了幾個問題，首先，軟體不穩定，一些元件竟然報錯無法開啟，可能是本人電腦原因，但是測試過2.7版本和3.5版本的都是那樣，再加上安裝完之後體積比較大，程式開啟緩慢，幾番折騰後無奈放棄。對於python(x,y)，軟體體積巨大，我只需要科學計算的，很多多餘的功能並不需要，而且這個軟體的更新緩慢，目前（2016年11月7日）支援的Python版本號只是2.7.10，在測試了winPython後也放棄python(x,y)了，winPython的更新比較活躍，網上查閱了一些資料獲知winPython和python(x,y)的開發者是同一人，想必是把重心放到winPython了。
我選擇的winPython是WinPython-64bit-2.7.10.3，軟體大小263M，其實也有比較小的版本較新的WinPython-64bit-2.7.12.3Zero，大小21M，但是這個集合的模組很少，幾乎沒有，特別是我想要的IPython（後來才知道自己完全可以自己配置的，即使不用winPython，也可以用Python+jupyter-qtconsole來配置自己想要的工作環境），全部安裝完成之後，更新了常用的模組和添加了其他需要的模組之後，佔用了磁碟1.8G空間，也挺大的，但是為了不想再折騰就沒去動他了，因為就測試使用這三個軟體，不同版本都耗費了一天時間，最後發現winPython最穩定，以前寫的程式碼都能正常執行。下面進入正題：

二、所需模組

Scipy，Numpy，matplotlib，具體的教程網上很多，官網的文件也非常詳細，這裡就不費篇幅寫了。處理系統訊號，輸出階躍響應和脈衝響應，就用到了scipy模組下的子模組signal，函式用step2（）和impulse2（）來分別求階躍輸出和脈衝輸出，類似於MATLAB下的step()和impulse()函式，但是scipy下還要通過matplotlib的繪圖函式自己將曲線畫出來，當然也可以自己定義一個函式達到MATLAB的效果

三、程式

為了記錄學習過程和分享知識，這裡直接貼出程式碼，因為想從MATLAB轉向Python的開源程式設計環境，很多實現的功能還是基礎的，大神莫笑。

from scipy.signal import lti,step2,impulse2
import matplotlib.pyplot as plt

s1=lti([3],[1,2,10])    # 以分子分母的最高次冪降序的係數構建傳遞函式，s1=3/(s^2+2s+10）
s2=lti([1],[1,0.4,1])   # s2=1/(s^2+0.4s+1)
s3=lti([5],[1,2,5])     # s3=5/(s^2+2s+5)

t1,y1=step2(s1)         # 計算階躍輸出，y1是Step response of system.
t2,y2=step2(s2)
t3,y3=step2(s3)
t11,y11=impulse2(s1)
t22,y22=impulse2(s2)
t33,y33=impulse2(s3)

f,((ax1,ax2,ax3),(ax4,ax5,ax6)) = plt.subplots(2
 
,3,sharex='col',sharey='row') # 開啟subplots模式
ax1.plot(t1,y1,'r',label='s1 Step Response',linewidth=0.5)
ax1.set_title('s1 Step Response',fontsize=9)
ax2.plot(t2,y2,'g',label='s2 Step Response',linewidth=0.5)
ax2.set_title('s2 Step Response',fontsize=9)
ax3.plot(t3,y3,'b',label='s3 Step Response',linewidth=0.5)
ax3.set_title('s3 Step Response',fontsize=9)

ax4.plot(t11,y11,'m',label='s1 Impulse Response',linewidth=0.5)
ax4.set_title('s1 Impulse Response',fontsize=9)
ax5.plot(t22,y22,'y',label='s2 Impulse Response',linewidth=0.5)
ax5.set_title('s2 Impulse Response',fontsize=9)
ax6.plot(t33,y33,'k',label='s3 Impulse Response',linewidth=0.5)
ax6.set_title('s3 Impulse Response',fontsize=9)

##plt.xlabel('Times')
##plt.ylabel('Amplitude')
#plt.legend()
plt.show()

輸出結果如下：

感覺比MATLAB好看多了，主要是Python及其眾多模組的開源，沒有了版權問題，也讓程式設計更加靈活了。

2016/11/8

今天又發現了新的Python關於控制理論的工具包，雖然沒有MATLAB的強大，但是對於一般應用完全夠用了。

新的工具包是Python Control Systems Library ,裡面有和MATLAB語法相近的函式，如tf,ss,series,parallel,bote,step,impulse等函式，測試了一下感覺穩定性感覺比scipy.signal下的好，另外，和scipy.signal.step2和scipy.signal.impulse2一樣，control.matlab.step和control.matlab.impulse只是返回輸出值而不是直接繪製出階躍響應或者脈衝響應的影象，可以自己定義個函式實現，下面隨便給出一個閉環傳遞函式

#自定義step_plot()
import numpy as np
import control as ctl
import matplotlib.pyplot as plt

def step_plot(s):
    y,t=ctl.step(s)
    plt.plot(t,y,'b',linewidth=0.6)
    plt.title('Step Response',fontsize=9)
    plt.xlabel('Time(seconds)',fontsize=9)
    plt.ylabel('Amplitude',fontsize=9)
    plt.show()

def impulse_plot(s):
    y,t=ctl.impulse(s)
    plt.plot(t,y,'b',linewidth=0.6)
    plt.title('Impulse Response',fontsize=9)
    plt.xlabel('Time(seconds)',fontsize=9)
    plt.ylabel('Amplitude',fontsize=9)
    plt.show()


s=ctl.tf([4],[1,2,10,8])
step_plot(s)

結果如下（圖片匯出為PNG格式）：

和MATLAB對比：

s=tf(4,[1,2,10,8]);
step(s)
impulse(s)

在此不得不感嘆開源合作的力量真的非常強大，在科學計算方面幾乎可以轉到Python平臺下操作了，還有接下來本人要學習的基於python-openCV的影象處理，都可以通過Python輕鬆實現。