优化这段代码import numpy as np import matplotlib.pyplot as plt import math # 待测信号 freq = 17.77777 # 信号频率 t = np.linspace(0, 0.2, 1001) Omega =2 * np.pi * freq phi = np.pi A=1 x = A * np.sin(Omega * t + phi) # 加入噪声 noise = 0.2 * np.random.randn(len(t)) x_noise = x + noise # 参考信号 ref0_freq = 17.77777 # 参考信号频率 ref0_Omega =2 * np.pi * ref0_freq ref_0 = 2*np.sin(ref0_Omega * t) # 参考信号90°相移信号 ref1_freq = 17.77777 # 参考信号频率 ref1_Omega =2 * np.pi * ref1_freq ref_1 = 2*np.cos(ref1_Omega * t) # 混频信号 signal_0 = x_noise * ref_0 signal_1 = x_noise * ref_1 # 绘图 plt.figure(figsize=(13,4)) plt.subplot(2,3,1) plt.plot(t, x_noise) plt.title('input signal', fontsize=13) plt.subplot(2,3,2) plt.plot(t, ref_0) plt.title('reference signal', fontsize=13) plt.subplot(2,3,3) plt.plot(t, ref_1) plt.title('phase-shifted by 90°', fontsize=13) plt.subplot(2,3,4) plt.plot(t, signal_0) plt.title('mixed signal_1', fontsize=13) plt.subplot(2,3,5) plt.plot(t, signal_1) plt.title('mixed signal_2', fontsize=13) plt.tight_layout() # 计算平均值 X = np.mean(signal_0) Y = np.mean(signal_1) print("X=",X) print("Y=",Y) # 计算振幅和相位 X_square =X**2 Y_square =Y**2 sum_of_squares = X_square + Y_square result = np.sqrt(sum_of_squares) Theta = np.arctan2(Y, X) print("R=", result) print("Theta=", Theta)把输入信号部分整理成函数，输入参数为t_vec,A,phi,noise,锁相测量部分也整理成代码，输入为待测周期信号，以及频率freq,输出为Alpha

好的，让我们逐步来进行优化：

1. 导入模块时，可以将相同类型的模块放在一起，并将numpy和matplotlib.pyplot模块的别名简写成np和plt，可以提高代码的可读性。

import numpy as np 
import matplotlib.pyplot as plt 
import math

2. 待测信号部分可以整理成一个函数，使得代码更加清晰，易于维护。并且将变量名改为小写字母，符合Python的命名规范。

def generate_signal(freq, t, phi, noise):
    omega = 2 * np.pi * freq
    A = 1
    x = A * np.sin(omega * t + phi) + noise
    return x

3. 参考信号部分也可以整理成一个函数，同样将变量名改为小写字母。

def generate_reference_signal(freq, t):
    omega = 2 * np.pi * freq
    ref_0 = 2 * np.sin(omega * t)
    ref_1 = 2 * np.cos(omega * t)
    return ref_0, ref_1

4. 绘图部分可以将代码整合成一个函数，减少重复的代码。

def plot_signals(t, x_noise, ref_0, ref_1, signal_0, signal_1):
    plt.figure(figsize=(13,4)) 
    plt.subplot(2,3,1) 
    plt.plot(t, x_noise) 
    plt.title('input signal', fontsize=13) 
    plt.subplot(2,3,2) 
    plt.plot(t, ref_0) 
    plt.title('reference signal', fontsize=13) 
    plt.subplot(2,3,3) 
    plt.plot(t, ref_1) 
    plt.title('phase-shifted by 90°', fontsize=13) 
    plt.subplot(2,3,4) 
    plt.plot(t, signal_0) 
    plt.title('mixed signal_1', fontsize=13) 
    plt.subplot(2,3,5) 
    plt.plot(t, signal_1) 
    plt.title('mixed signal_2', fontsize=13) 
    plt.tight_layout()

5. 锁相测量部分也可以整理成一个函数，同样将变量名改为小写字母。

def phase_locked_measurement(signal_0, signal_1, freq):
    X = np.mean(signal_0)
    Y = np.mean(signal_1)
    X_square = X ** 2 
    Y_square = Y ** 2 
    sum_of_squares = X_square + Y_square 
    result = np.sqrt(sum_of_squares) 
    Theta = np.arctan2(Y, X) 
    Alpha = result / (2 * np.pi * freq) 
    return Alpha

6. 最后将整个程序整合起来，变成一个主函数，并且将常量值赋值给变量，提高代码的可读性。

def main():
    # 待测信号
    freq = 17.77777  
    t = np.linspace(0, 0.2, 1001) 
    phi = np.pi 
    noise = 0.2 * np.random.randn(len(t)) 
    x_noise = generate_signal(freq, t, phi, noise) 

    # 参考信号
    ref_freq = 17.77777  
    ref_0, ref_1 = generate_reference_signal(ref_freq, t) 

    # 混频信号
    signal_0 = x_noise * ref_0   
    signal_1 = x_noise * ref_1  

    # 绘图
    plot_signals(t, x_noise, ref_0, ref_1, signal_0, signal_1)

    # 锁相测量
    Alpha = phase_locked_measurement(signal_0, signal_1, freq)

    # 输出结果
    print("Alpha=", Alpha)

if __name__ == '__main__':
    main()

这样，代码就更加清晰、易于维护了。