report:добавлен

TEMA9/test9.md

@@ -0,0 +1,161 @@
+# Индивидуальное контрольное программирование по модулю 3
+Лазарев Данил, А-01-23
+
+# Задание
+1) Создайте модуль М1, содержащий две функции: 
+
+- функция 1: аргументы - список SPS1 с числовыми значениям - отсчетами 
+некоторого сигнала,  и параметр Alpha со значением между 0.01 и 0.99; в 
+функции создается и возвращается новый список SPS2, в котором SPS2[0] = 
+SPS1[0],  а остальные элементы вычисляются по формуле 
+SPS[i]=Alpha*SPS2[i-1]+(1-Alpha)*(SPS1[i-1]-SPS2[i-1]) , где i - от 1 до длины 
+списка SPS1; 
+
+- функция 2: аргументы - два списка с числовыми значениями; в функции 
+рассчитываются среднее значение разностей и средний квадрат разностей 
+значений двух списков с одинаковыми индексами
+
+2) Создайте еще один модуль М2, в котором должны:
+
+- запрашиваться имя текстового файла с исходными данными, проверяться 
+его наличие и при отсутствии - повторение запроса; 
+- из указанного файла считываются и заносятся в список IS_SPS числовые 
+данные - отсчеты некоторого сигнала (в файле они могут располагаться по 
+несколько значений на строке); 
+- запрашивается значение параметра сглаживания ALPH, проверяется, что он 
+больше 0 и меньше 1; 
+- с помощью функции 1 создается новый список SG_SPS и отображается на 
+экране;
+- с помощью функции 2 по двум этим спискам рассчитываются два указанных значения и отображаются с заголовками; 
+- список, полученный в функции 1 записывается в бинарный файл Res3.bin. 
+
+3) Создайте модуль М0 - главную программу, которая вызывает М2, 
+отображает оба списка из функции 1 на одном графике. 
+
+4) Создайте текстовый файл, в который запишите 50 случайных чисел, 
+нормально распределенных, с некоторыми параметрами. Проведите расчеты 
+по программе. Создайте еще один файл, в который запишите 50 случайных 
+чисел с равномерным распределением в некотором диапазоне значений. 
+
+# Решение
+Модуль1
+```
+def smooth(sps1, alpha):
+
+    sps2 = [sps1[0]]
+    for i in range(1, len(sps1)):
+        val = alpha * sps2[i-1] + (1 - alpha) * (sps1[i-1] - sps2[i-1])
+        sps2.append(val)
+    return sps2
+
+def calc_diff(list1, list2):
+    """Расчет разностей между списками"""
+    diffs = [list1[i] - list2[i] for i in range(len(list1))]
+    avg = sum(diffs) / len(diffs)
+    avg_sq = sum(d * d for d in diffs) / len(diffs)
+    return avg, avg_sq
+```
+Модуль 2
+```
+
+import m1
+import os
+
+def main():
+
+    while True:
+        filename = input("Введите имя файла: ")
+        if os.path.exists(filename):
+            break
+        print("Файл не найден!")
+    
+    # Чтение данных
+    data = []
+    with open(filename, 'r') as f:
+        for i in f:
+            for num in i.split():
+                data.append(float(num))
+    
+    # Запрос параметра
+    while True:
+        alpha_str = input("Введите alpha (0-1): ")
+        if alpha_str.replace('.', '', 1).isdigit():
+            alpha = float(alpha_str)
+            if 0 < alpha < 1:
+                break
+        print("Ошибка! alpha должен быть от 0 до 1")
+    
+
+    smoothed = m1.smooth(data, alpha)
+    print("Сглаженный сигнал:", smoothed)
+    
+    # Расчет разностей
+    avg, avg_sq = m1.calc_diff(data, smoothed)
+    print(f"Средняя разность: {avg}")
+    print(f"Средний квадрат разности: {avg_sq}")
+    
+ # Запись в бинарный файл
+    with open('Res3.bin', 'wb') as f:
+        for val in smoothed:
+            f.write(str(val).encode() + b' ')
+    
+    return data, smoothed
+```
+
+Модуль 0
+```
+import m2
+import matplotlib.pyplot as plt
+
+# Запуск обработки
+original, smoothed = m2.main()
+
+# Построение графика
+plt.figure(figsize=(10, 5))
+plt.plot(original, label='Оригинальный сигнал', alpha=0.7)
+plt.plot(smoothed, label='Сглаженный сигнал', linewidth=2)
+plt.legend()
+plt.grid(True)
+plt.title('Сравнение оригинального и сглаженного сигнала')
+plt.xlabel('Отсчеты')
+plt.ylabel('Значение')
+plt.show()
+```
+Функция для создания файлов
+```
+# Создание тестовых файлов
+import numpy as np
+
+# Файл с нормальным распределением
+normal_data = np.random.normal(0, 1, 50)
+with open('normal.txt', 'w') as f:
+    for i, val in enumerate(normal_data):
+        f.write(f"{val:.6f}")
+        if (i + 1) % 5 == 0:
+            f.write("\n")
+        else:
+            f.write(" ")
+
+# Файл с равномерным распределением
+uniform_data = np.random.uniform(-5, 5, 50)
+with open('uniform.txt', 'w') as f:
+    for i, val in enumerate(uniform_data):
+        f.write(f"{val:.6f}")
+        if (i + 1) % 5 == 0:
+            f.write("\n")
+        else:
+            f.write(" ")
+```
+Вывод результатов:
+```
+Введите имя файла: normal.txt
+
+Введите alpha (0-1): 0.5
+
+Сглаженный сигнал: [-0.670261, -0.3351305, -0.172437, 0.08192750000000001, 0.9863485, -0.535069, -0.80004, -0.596092, 0.6928999999999998, 0.3587205, 0.683314, -1.0836384999999997, -0.4860845, 0.25966599999999995, -0.030735000000000012, 1.023866, 0.8292605, -0.18143350000000003, -0.528191, -0.8081125, 0.03021050000000003, 0.3281535, -0.2628545, -0.3015025, -0.5450295, -0.2557065, 0.381826, -0.6922195, -0.80888, 0.19050200000000006, -0.48495649999999996, 0.2784559999999999, -0.4547665, -0.864897, -0.1482445, -0.256408, 0.147435, -0.21260450000000003, -0.705056, -0.5397055, -0.0843785, -0.1958685, -0.075433, 0.21685950000000004, 0.3201535, 0.4469215, -0.691119, -0.442884, -0.055561, -0.1425625]
+
+Средняя разность: -0.09488711
+
+Средний квадрат разности: 1.0956006793638149
+```
+![](Ris2.png)