|
|
|
@ -1,107 +1,129 @@
|
|
|
|
import os
|
|
|
|
import os
|
|
|
|
import numpy as np
|
|
|
|
import math
|
|
|
|
from typing import Union
|
|
|
|
import numpy as np
|
|
|
|
from common.runtime import load_root_env
|
|
|
|
from typing import Union
|
|
|
|
|
|
|
|
from common.runtime import load_root_env
|
|
|
|
|
|
|
|
|
|
|
|
load_root_env(__file__)
|
|
|
|
load_root_env(__file__)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
def get_signal_length(freq):
|
|
|
|
def get_signal_length(freq):
|
|
|
|
length = int(os.getenv('signal_length_' + str(freq)))
|
|
|
|
length = int(os.getenv('signal_length_' + str(freq)))
|
|
|
|
return length
|
|
|
|
return length
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
class Signal:
|
|
|
|
class Signal:
|
|
|
|
"""
|
|
|
|
"""
|
|
|
|
Класс сбора и предобработки сигнала.
|
|
|
|
Класс сбора и предобработки сигнала.
|
|
|
|
|
|
|
|
|
|
|
|
Атрибуты:
|
|
|
|
Атрибуты:
|
|
|
|
length: Длина сигнала.
|
|
|
|
length: Длина сигнала.
|
|
|
|
signal: Массив, в который собираем сигнал.
|
|
|
|
signal: Массив, в который собираем сигнал.
|
|
|
|
"""
|
|
|
|
"""
|
|
|
|
|
|
|
|
|
|
|
|
def __init__(self, conv_method='average'):
|
|
|
|
def __init__(self, conv_method='average'):
|
|
|
|
self.conv_method = conv_method
|
|
|
|
self.conv_method = conv_method
|
|
|
|
self.signal = []
|
|
|
|
self.signal = []
|
|
|
|
self.signal_abs = []
|
|
|
|
self.signal_abs = []
|
|
|
|
|
|
|
|
|
|
|
|
def get_signal(self):
|
|
|
|
def get_signal(self):
|
|
|
|
"""
|
|
|
|
"""
|
|
|
|
Возвращает собранный сигнал.
|
|
|
|
Возвращает собранный сигнал.
|
|
|
|
:return: Массив с сигналом.
|
|
|
|
:return: Массив с сигналом.
|
|
|
|
"""
|
|
|
|
"""
|
|
|
|
return self.signal, self.signal_abs
|
|
|
|
return self.signal, self.signal_abs
|
|
|
|
|
|
|
|
|
|
|
|
def clear(self) -> None:
|
|
|
|
def clear(self) -> None:
|
|
|
|
"""
|
|
|
|
"""
|
|
|
|
Очистить массив с сигналом после предобработки?
|
|
|
|
Очистить массив с сигналом после предобработки?
|
|
|
|
:return: None
|
|
|
|
:return: None
|
|
|
|
"""
|
|
|
|
"""
|
|
|
|
self.signal = []
|
|
|
|
self.signal = []
|
|
|
|
self.signal_abs = []
|
|
|
|
self.signal_abs = []
|
|
|
|
|
|
|
|
|
|
|
|
def signal_preprocessing(self, length) -> float:
|
|
|
|
def signal_preprocessing(self, length) -> float:
|
|
|
|
"""
|
|
|
|
"""
|
|
|
|
Предобработка сигнала.
|
|
|
|
Предобработка сигнала.
|
|
|
|
|
|
|
|
|
|
|
|
:return: Число типа float - "характеристика сигнала".
|
|
|
|
:return: Число типа float - "характеристика сигнала".
|
|
|
|
"""
|
|
|
|
"""
|
|
|
|
signal = np.array([self.signal.real[0:length], self.signal.imag[0:length]], dtype=np.float32)
|
|
|
|
samples = np.asarray(self.signal).ravel()[0:length]
|
|
|
|
signal_abs = np.linalg.norm(signal, axis=0) # Поэлементный модуль комплексного числа. shape.result
|
|
|
|
if samples.size == 0:
|
|
|
|
# (1, self.length)
|
|
|
|
return 0.0
|
|
|
|
if self.conv_method == 'max':
|
|
|
|
|
|
|
|
result = np.max(signal_abs)
|
|
|
|
# Основной режим: считаем dBFS из IQ-вектора.
|
|
|
|
else:
|
|
|
|
if np.iscomplexobj(samples):
|
|
|
|
result = np.median(signal_abs)
|
|
|
|
i = samples.real.astype(np.float32, copy=False)
|
|
|
|
self.signal = signal
|
|
|
|
q = samples.imag.astype(np.float32, copy=False)
|
|
|
|
self.signal_abs = signal_abs
|
|
|
|
signal = np.array([i, q], dtype=np.float32)
|
|
|
|
return result
|
|
|
|
signal_abs = np.sqrt(i * i + q * q).astype(np.float32, copy=False)
|
|
|
|
|
|
|
|
|
|
|
|
def fill_signal(self, lvl, length) -> Union[int, float]:
|
|
|
|
if self.conv_method == 'max':
|
|
|
|
"""
|
|
|
|
power = float(np.max(signal_abs * signal_abs))
|
|
|
|
Сбор сигнала в соответствующий массив. Если уже собран, то предобработка.
|
|
|
|
else:
|
|
|
|
:param lvl: Массив, без ограничения общности, с неизвестной длиной, содержащий сигнал.
|
|
|
|
power = float(np.mean(signal_abs * signal_abs))
|
|
|
|
:param length:
|
|
|
|
|
|
|
|
:return: 0 - если еще нет нужного количества сигнала, "характеристика" иначе.
|
|
|
|
result = 10.0 * math.log10(max(power, 1e-20))
|
|
|
|
"""
|
|
|
|
self.signal = signal
|
|
|
|
if len(self.signal) <= length:
|
|
|
|
self.signal_abs = signal_abs
|
|
|
|
y = np.array(lvl).ravel()
|
|
|
|
return result
|
|
|
|
self.signal = np.concatenate((self.signal, y), axis=None)
|
|
|
|
|
|
|
|
return 0
|
|
|
|
# Fallback: если на вход уже подали скалярную метрику, агрегируем как есть.
|
|
|
|
else:
|
|
|
|
scalar_samples = samples.astype(np.float32, copy=False)
|
|
|
|
preproc_signal = self.signal_preprocessing(length)
|
|
|
|
if self.conv_method == 'max':
|
|
|
|
#self.clear()
|
|
|
|
result = float(np.max(scalar_samples))
|
|
|
|
return preproc_signal
|
|
|
|
else:
|
|
|
|
|
|
|
|
result = float(np.median(scalar_samples))
|
|
|
|
|
|
|
|
|
|
|
|
class SignalsArray:
|
|
|
|
self.signal = scalar_samples
|
|
|
|
"""
|
|
|
|
self.signal_abs = np.abs(scalar_samples)
|
|
|
|
Класс для сохранения медиан сигналов на частотах.
|
|
|
|
return result
|
|
|
|
Атрибуты:
|
|
|
|
|
|
|
|
sig_array: Список для сохранения медиан.
|
|
|
|
def fill_signal(self, lvl, length) -> Union[int, float]:
|
|
|
|
counter: Индикатор наполненности массива.
|
|
|
|
"""
|
|
|
|
"""
|
|
|
|
Сбор сигнала в соответствующий массив. Если уже собран, то предобработка.
|
|
|
|
def __init__(self):
|
|
|
|
:param lvl: Массив, без ограничения общности, с неизвестной длиной, содержащий сигнал.
|
|
|
|
self.sig_array = []
|
|
|
|
:param length:
|
|
|
|
self.counter = 0
|
|
|
|
:return: 0 - если еще нет нужного количества сигнала, "характеристика" иначе.
|
|
|
|
|
|
|
|
"""
|
|
|
|
def fill_sig_arr(self, metrica, num_chs=3):
|
|
|
|
if len(self.signal) <= length:
|
|
|
|
"""
|
|
|
|
y = np.array(lvl).ravel()
|
|
|
|
Аппендим характеристику сигнала (метрику) в массив длиной num_chs.
|
|
|
|
self.signal = np.concatenate((self.signal, y), axis=None)
|
|
|
|
:param metrica: Характеристика сигнала (метрика).
|
|
|
|
return 0
|
|
|
|
:param num_chs: Количество каналов на частоте.
|
|
|
|
else:
|
|
|
|
:return: Индекс канала внутри частоты и массив с характеристиками, если заполнен, иначе - пустой.
|
|
|
|
preproc_signal = self.signal_preprocessing(length)
|
|
|
|
"""
|
|
|
|
return preproc_signal
|
|
|
|
if num_chs:
|
|
|
|
|
|
|
|
if self.counter < num_chs:
|
|
|
|
|
|
|
|
self.sig_array.append(metrica)
|
|
|
|
class SignalsArray:
|
|
|
|
self.counter += 1
|
|
|
|
"""
|
|
|
|
if self.counter == num_chs:
|
|
|
|
Класс для сохранения медиан сигналов на частотах.
|
|
|
|
arr = self.sig_array
|
|
|
|
Атрибуты:
|
|
|
|
self.sig_array = []
|
|
|
|
sig_array: Список для сохранения медиан.
|
|
|
|
self.counter = 0
|
|
|
|
counter: Индикатор наполненности массива.
|
|
|
|
return num_chs - 1, arr
|
|
|
|
"""
|
|
|
|
else:
|
|
|
|
|
|
|
|
return self.counter - 1, []
|
|
|
|
def __init__(self):
|
|
|
|
else:
|
|
|
|
self.sig_array = []
|
|
|
|
return 0, []
|
|
|
|
self.counter = 0
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
def fill_sig_arr(self, metrica, num_chs=3):
|
|
|
|
|
|
|
|
"""
|
|
|
|
|
|
|
|
Аппендим характеристику сигнала (метрику) в массив длиной num_chs.
|
|
|
|
|
|
|
|
:param metrica: Характеристика сигнала (метрика).
|
|
|
|
|
|
|
|
:param num_chs: Количество каналов на частоте.
|
|
|
|
|
|
|
|
:return: Индекс канала внутри частоты и массив с характеристиками, если заполнен, иначе - пустой.
|
|
|
|
|
|
|
|
"""
|
|
|
|
|
|
|
|
if num_chs:
|
|
|
|
|
|
|
|
if self.counter < num_chs:
|
|
|
|
|
|
|
|
self.sig_array.append(metrica)
|
|
|
|
|
|
|
|
self.counter += 1
|
|
|
|
|
|
|
|
if self.counter == num_chs:
|
|
|
|
|
|
|
|
arr = self.sig_array
|
|
|
|
|
|
|
|
self.sig_array = []
|
|
|
|
|
|
|
|
self.counter = 0
|
|
|
|
|
|
|
|
return num_chs - 1, arr
|
|
|
|
|
|
|
|
else:
|
|
|
|
|
|
|
|
return self.counter - 1, []
|
|
|
|
|
|
|
|
else:
|
|
|
|
|
|
|
|
return 0, []
|
|
|
|
|
Sergey Revyakin
2 weeks ago