# 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)