report:добавлен

TEMA9/M0.py

@@ -0,0 +1,16 @@
+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()

TEMA9/Res3.bin

@@ -0,0 +1 @@
+-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 

TEMA9/file.py

@@ -0,0 +1,22 @@
+# 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(" ")

TEMA9/m1.py

@@ -0,0 +1,14 @@
+def smooth(sps1, alpha):
+    """Сглаживание сигнала"""
+    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

TEMA9/m2.py

@@ -0,0 +1,43 @@
+
+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

TEMA9/norm.txt

@@ -0,0 +1,10 @@
+9.638 11.830 10.710 12.243 7.871 
+7.217 5.605 10.074 9.701 10.770 
+5.023 10.584 8.860 11.161 9.286 
+11.021 7.903 9.819 6.207 9.968 
+8.788 10.810 9.393 11.610 9.162 
+7.474 8.723 10.834 10.409 7.644 
+11.020 12.192 10.121 12.374 10.542 
+10.029 10.025 10.623 12.151 11.246 
+6.334 8.940 8.710 8.441 13.528 
+10.549 10.758 12.828 11.604 10.078 

TEMA9/normal.txt

@@ -0,0 +1,10 @@
+-0.670261 -0.344874 0.163855 1.972697 -1.070138
+-1.600080 -1.192184 1.385800 0.717441 1.366628
+-2.167277 -0.972169 0.519332 -0.061470 2.047732
+1.658521 -0.362867 -1.056382 -1.616225 0.060421
+0.656307 -0.525709 -0.603005 -1.090059 -0.511413
+0.763652 -1.384439 -1.617760 0.381004 -0.969913
+0.556912 -0.909533 -1.729794 -0.296489 -0.512816
+0.294870 -0.425209 -1.410112 -1.079411 -0.168757
+-0.391737 -0.150866 0.433719 0.640307 0.893843
+-1.382238 -0.885768 -0.111122 -0.285125 1.106464

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)

TEMA9/unif.txt

@@ -0,0 +1,10 @@
+6.504 5.176 7.549 7.375 11.783 
+0.249 11.419 18.203 14.668 15.530 
+18.364 16.600 4.786 12.059 17.513 
+19.179 14.152 19.548 10.217 10.704 
+12.705 14.380 3.517 3.904 15.504 
+17.885 16.892 16.499 9.770 9.107 
+19.247 5.106 9.702 7.578 15.298 
+7.972 11.782 1.254 12.395 5.167 
+7.581 10.445 8.521 1.929 13.399 
+8.915 11.281 1.551 14.711 5.219 

TEMA9/uniform.txt

@@ -0,0 +1,10 @@
+4.568506 2.901916 -4.071494 -1.849086 -1.542804
+1.931241 4.325482 -1.498945 0.595658 1.085153
+4.457592 2.251341 2.166884 3.781504 -2.540791
+-0.054355 0.269635 2.912760 3.608378 -2.080063
+-4.230550 -3.332500 -3.515839 -0.935267 1.987336
+-4.190880 -3.801810 1.889535 0.119965 -3.014592
+-4.990087 3.336219 -2.988766 -1.312281 -0.644437
+1.050816 -0.784636 -3.797881 -4.924162 -0.254601
+-0.041066 -3.688233 -2.966742 -1.228369 -2.835806
+-0.350713 -0.759852 -1.346697 1.149597 0.554741