Индивидуальное контрольное программирование по модулю 3

Лазарев Данил, А-01-23

Задание

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]=AlphaSPS2[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

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.

Создайте модуль М0 - главную программу, которая вызывает М2, отображает оба списка из функции 1 на одном графике.
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

7.0 KiB Исходник Постоянная ссылка Ответственный История

Индивидуальное контрольное программирование по модулю 3

Задание

Решение

7.0 KiB

Исходник Постоянная ссылка Ответственный История