Commit 41cdecf6 authored by Béuren Bechlin's avatar Béuren Bechlin
Browse files

Corrigido visualização e alterado README.md

parent 9c1bb5ac
......@@ -25,6 +25,35 @@ se encontra o arquivo para análise dos dados que foram salvas com a etapa anter
códigos foram desenvolvidos usando *Python* e para seu funcionando é necessário ter instalado o
interpretador *Python*.
### Usando o projeto
#### Passo 1
Primeiro passo a se realizar é instalar as dependências do projeto em sua máquina, caso utiliza
um sistema operacional baseado em GNU/Linux esse trabalho foi reduzido. Supondo que você está
em um ambiente Linux use o seguinte comando:
Esse passo você irá realizar somente uma vez, como é necessário instalar pacotes e módulos python
em seu computador será necessário a senha de administrador para essas operações.
``` Unix
make setup
```
Após realizar este comando reinicie seu terminal e então realize o segundo passo.
#### Passo 2
Nessa parte será enviado o software para a placa microcontroladora para isso estamos usando
o framework Platformio, lembrando que o firmware desenvolvido foi feito para microcontroladores
ATMEL como suporte a wiring, como por exemplo Arduinos em geral.
``` Unix
make firmware
```
Ao entrar com esse comando irá se iniciar uma tela para seleção da placa que se está usando, além
da porta usb em que ela está conectada ao computador. Na primeira vez que for enviar o firmaware para
cada tipo de placa será necessário digiar _y_ no terminal para que o platformio instale as dependências
para compilação de cada modelo de placa.
---
Para demais informações e documentação completa visite
......
pyserial==3.0.1
pythondialog==3.2.0
scipy==0.17.1
image==1.5.3
......@@ -27,7 +27,7 @@
STRUCT_DATA = 'hhh'
STRUCT_HEADER = 'Hh'
# Exemplo: python storeBinData.py /dev/ttyACM0 115200 coleta_Nome_Exemplo_1min.log 30
# Exemplo: python3 armazenamento.py /dev/ttyACM0 115200 coleta_Nome_Exemplo_1min.log 30
import sys, serial, datetime, os, time, struct
......@@ -79,8 +79,8 @@ def progressBar(percent, lenght):
"\033[0;32m"+"\t{}%".format(percent)+"\033[0;0m"
print(printString, end='\r')
def main(args):
def main():
args = validateInput()
while True:
try:
comm = initSerial(args['SerialPort'], args['BaudRate'])
......@@ -101,12 +101,12 @@ def main(args):
print("Frequência de operação é de {} Hz.".format(freq))
scriptTime = int(freq*args['ExecTime'])
period = 1.0/freq
dataFile = open(args['FileName'],'w')
dataFileBin = open(args['FileName']+'bin','wb')
dataFile.write("# ----CTA||IF||UFRGS---- RESPIRÔMETRO LOGGER\n")
dataFile.write("# Frequencia de operação: "+str(freq)+"\n")
dataFile.write("# Frequência de operação: "+str(freq)+"\n")
dataFileBin.write(struct.pack('h',freq))
# Registra horário atual
now = datetime.datetime.now()
......@@ -117,7 +117,6 @@ def main(args):
timeCounter = 0
print("Iniciando aquisição de dados.")
while (timeCounter <= scriptTime or scriptTime == 0):
timeCounter += 1
if not(timeCounter % int(scriptTime/100)):
progressBar(int(timeCounter*1.0/scriptTime*100), 40)
try:
......@@ -129,11 +128,13 @@ def main(args):
dataFileBin = open(args['FileName']+'bin','ab')
for i in range(0, len(data)):
dataFile.write(str(data[i])+"\t")
dataFile.write(str(timeCounter/scriptTime*args['ExecTime'])+"\n")
dataFile.write(str(format(timeCounter*period, '.5f'))+"\n")
dataFileBin.write(rawData)
dataFile.close()
dataFileBin.close()
timeCounter += 1
except KeyboardInterrupt:
print("\nTecla de escape prescionada. Abortando")
sys.exit()
......@@ -145,6 +146,36 @@ def main(args):
comm.close()
print("\nOperação finalizada com sucesso.")
def unpackDataResp(fileName, timeI, timeF):
fisiologfile = open(fileName)
yCard = []
yRespDir = []
yRespEsq = []
x = []
# Lendo HEADER
fisiologfile.readline()
frequency = fisiologfile.readline().replace('\n', '').split(' ')[4]
linha = fisiologfile.readline()
date_time_d = linha.split(' ')[6]
date_time_d = date_time_d.split('-')[2]+ '/' + date_time_d.split('-')[1]+ '/' + date_time_d.split('-')[0]
date_time_h = linha.replace('\n','').split(' ')[7]
fisiologfile.readline()
fisiologfile.readline()
# Dados
for i, linha in enumerate(fisiologfile):
time = float(linha.replace('\n', '').split('\t')[3])
if time >= timeI and time <= timeF:
yCard.append(int(linha.split('\t')[0]))
yRespDir.append(int(linha.split('\t')[1]))
yRespEsq.append(int(linha.split('\t')[2]))
x.append(time)
fisiologfile.close()
if(len(yCard) % 2 != 0):
del(yCard[-1])
del(yRespDir[-1])
del(yRespEsq[-1])
del(x[-1])
return {'Freq':frequency, 'Date':date_time_d, 'Hour':date_time_h, 'Cardiogram':yCard, 'RespDir':yRespDir, 'RespEsq':yRespEsq, 'Time': x}
if __name__== '__main__':
args = validateInput()
main(args)
main()
from scipy.fftpack import fft
import numpy as np
def derivate(dataPoints, dataRate = 1):
_derivate = []
dx = 1.0/dataRate
_derivate.append((dataPoints[1]-dataPoints[0])/dx)
for i in range(1, len()-1):
_.append((dataPoints[i+1] - dataPoints[i-1])/(2*dx))
_derivate.append((dataPoints[len(x)-1]-dataPoints[len(x)-2])/dx)
return _derivate
def fft(dataPoints, dataRate = 1):
datalength = len(dataPoints)
fftImage = 2.0/dataLen * np.abs(fft(dataPoints)[0:int(dataLen/2)])
fftDomain = np.linspace(0.0,
1/(2*dataRate), self.dataLen/2)
return (fftImage, fftDomain)
def removeDC(dataPoints):
'''
Remove a componente DC (currente contínua do sinal), ou seja, a compo-
nente referente a frequência '0'.
'''
try:
dataPoints = dataPoints - sum(dataPoints)/len(dataPoints)
except ZeroDivisionError:
return dataPoints
def normalize(dataPoints):
major = max(dataPoints)
lower = min(dataPoints)
if(major < lower*-1):
major = lower*-1
try:
dataPoints = dataPoints/major
except ZeroDivisionError:
return dataPoints
def integrate(dataPoints, dataRate = 1):
_integrate = 0
dx = 1.0/dataRate
for i in range(0, len(dataPoints)-1):
_integrate += (dataPoints[i] + dataPoints[i]+1)*(dx)
return _integrate
def statistics(*args, **kwargs):
avg = 0
var = 0
if(len(args) == 1):
try:
dataPoints = args[0]
avg = sum(dataPoints)/len(dataPoints)
var = 0
for i in range(0, len(dataPoints)):
var += dataPoints[i]
except ZeroDivisionError:
else:
domain = kwargs.get('domain', 0)
image = kwargs.get('image', 0)
if(len(domain) == len(image))
for i in range(0, len(domain)):
avg += domain[i]*image[i]
avg /= (domain[:-1] - domain[0])
for i in range(0, len(domain)):
var += (domain[i]-avg)*image[i]
var /= (domain[:-1] - domain[0])
return {'Mean':avg, 'Variance': }
......@@ -107,6 +107,8 @@ class FreqAnalysis(object):
'''
return {'Mean': mean(array), '' }
def derevative()
@property
def dataRate(self):
return self._dataRate
......
#!/usr/bin/env python
# -*- coding: utf-8 -*-
'''
Estação biométrica CTA
Béuren Bechlin
Programa para estimar a frequência respiratória
Centro de Tecnologia Acadêmica - UFRGS
http://cta.if.ufrgs.br
Licença: GPL v3
Ordem de argumentos : [arquivo_entrada], [instante inicial], [instante final],
[tipo do filtro], [repetições], [freq_inicial], [freq_final]
Onde:
-Evidenciando arquivo onde estão os dados a serem anilizado/exibidos:
[arquivo_entrada]: arquivo que será visualizado/analisado.
-Determinando em que ponto da amostra quer ser analizado:
[instante inicial](s): instante para iniciar a visualização/analise.
[instante final](s): instante para finalizar a visualização/analise.
-Escolhendo filtro apropriado:
[tipo do filtro]: escolher o filtro a ser utilizado no processo. (1 ou 2)
[repetições]: definir a quantidade de vezes que o filtro será utilizado.
-Definindo o espectro de frequência a se uso:
[freq_inicial](Hz): definir a frequência inicial positiva que será usada, isso
influenciará na precisão do resultado para o método.
[freq_final](Hz): definir a frequência final positiva que será usada, lembrando
que pela definição de transformada de fourier o domínio do espectro de
frequência não será maior que a frequência de obtenção desses dados
divido por 2, ou seja, a as frequências definidas aqui devem estar no
intervalo [0;freq/2]
'''
# Exemplo: python3 visualiza.py coleta_Nome_Exemplo_1min.log 0 60 2 4 0 7
from array import *
from scipy.fftpack import fft, fftfreq, fftshift
import numpy as np
from armazenamento import unpackDataResp
import sys, os
import matplotlib.pyplot as plt
import math
# ERROS:
# Testando se contém os argumentos
if len(sys.argv) < 8:
sys.stderr.write('ERRO: Argumentos insuficientes.\nEm caso de dúvidas leia o READ_ME.md.\n' )
sys.exit(1)
# Arquivo de dados existe
if not os.path.exists(sys.argv[1]):
sys.stderr.write('ERRO: Arquivo '+sys.argv[1]+' não encontrado!\nEm caso de dúvidas leia o READ_ME.md.\n')
sys.exit(1)
# Atribuindo as váriaveis com os valores de entrada
parametro = sys.argv[1:]
log_file = parametro[0]
fisiologfile = open(log_file,'r')
t_inicial = int(parametro[1])
t_final = int(parametro[2])
n_filtro = int(parametro[3])
qtd_filtro = int(parametro[4])
freq_i = float(parametro[5])
freq_f = float(parametro[6])
png_name = 'Resp_'+log_file.split('_')[1]+'_'+str(t_inicial)+'_a_'+str(t_final)+'_'+str('%.2f' % freq_i)+'_a_'+str('%.2f' % freq_f)+'.png'
user_name = parametro[0].replace('_', ' ').split(' ')[1] + ' ' + parametro[0].replace('_', ' ').split(' ')[2]
# ERRO:
# Ajustando para que os pontos iniciais não sejam maiores que os finais
if t_inicial > t_final:
aux_1 = t_inicial
t_inicial = t_final
t_final = aux_1
if freq_i > freq_f:
aux_1 = freq_i
freq_i = freq_f
freq_f = aux_1
if t_inicial < 0 or t_final < 0:
sys.stderr.write('ERRO: Não possível operar com intervalos negativos.\nEm caso de dúvidas leia o READ_ME.md.\n')
sys.exit(1)
data = unpackDataResp(log_file, t_inicial , t_final)
freq = float(data['Freq'])
N = len(data['Cardiogram'])
T = 1.0/freq
dx = float(freq)/N
print('Freq '+str(freq)+' N '+str(N))
# Inicialização de variáveis
x1 = array('f', data['Time'])
y1 = array('f', data['RespDir'])
y2 = array('f', data['RespEsq'])
y1_filt = array('f', [])
y2_filt = array('f', [])
x_fft_plot = array('f', [])
y1_fft_plot = array('f', [])
y2_fft_plot = array('f', [])
x_fft = array('f', [])
y1_fft = array('f', [])
y2_fft = array('f', [])
med_y1 = 0
med_y2 = 0
var_y1 = 0
var_y2 = 0
N_i = 0
N_f = 0
sum_int_1 = 0
sum_int_2 = 0
sum_norm_1 = 0
sum_norm_2 = 0
# ERROS:
# Tratando N maior que a quantidade de dados contidos no arquivo
# if (i >= cont_ini and i < cont_final) or (i < cont_ini and i < cont_final):
# sys.stderr.write('ERRO: Intervalo de tempo %i s à %i s não está contido no arquivo.\nArquivo contém o intervalo de tempo: %i s.\nEm caso de dúvidas leia o READ_ME.md.\n' %(t_inicial, t_final, i*T))
# sys.exit(1)
# Filtro não identificado
if (n_filtro != 1 and n_filtro != 2):
sys.stderr.write('ERRO: Filtro %i não identificado.\nEm caso de dúvidas leia o READ_ME.md.\n' % n_filtro)
sys.exit(1)
if (freq_i > float(freq)/2 or freq_f > float(freq)/2):
sys.stderr.write('ERRO: Intervalo %.2f Hz à %.2f Hz de frequência não é possível de ser implementado.\nFrequência máxima possível para esse arquivo: %.2f Hz.\nEm caso de dúvidas leia o READ_ME.md.\n' %(freq_i, freq_f, float(freq)/2))
sys.exit(1)
if (freq_f - freq_i < 0.1 ):
sys.stderr.write('ERRO: Não é possível ter essa resolução do domínio frequência.\nEm caso de dúvidas leia o READ_ME.md.\n')
sys.exit(1)
if (freq_i < 0 or freq_f < 0):
sys.stderr.write('ERRO: Não possível operar com frequências negativas.\nLembrando que o espectro de frequência é uma função par, Y(f)= Y(-f).\nEm caso de dúvidas leia o READ_ME.md.\n')
sys.exit(1)
# Média e varianca:
med_y1 = sum(y1) / len(y1)
med_y2 = sum(y2) / len(y2)
maior_abs_y1 = med_y1 - (max(y1) if max(y1) + min(y1) > 2*med_y1 else min(y1))
maior_abs_y2 = med_y2 - (max(y2) if max(y2) + min(y2) > 2*med_y2 else min(y2))
for j in range(0, len(y1)):
y1[j] = (y1[j] - med_y1)/maior_abs_y1
y2[j] = (y2[j] - med_y2)/maior_abs_y2
# Desvio:
var_y1 += y1[j] * y1[j]
var_y2 += y2[j] * y2[j]
y1_filt.append(y1[j])
y2_filt.append(y2[j])
var_y1 /= len(y1)
var_y2 /= len(y2)
var_med = (var_y1 + var_y2)/2
des_y1 = var_y1**(0.5)
des_y2 = var_y2**(0.5)
des_med = (var_med)**(0.5)
# Filtro:
if(n_filtro == 1):
for n in range(1,qtd_filtro):
for k in xrange(1, len(y1) - 2):
y1_filt[k] = (y1_filt[k-1] + y1_filt[k] + y1_filt[k+1])/3
y2_filt[k] = (y2_filt[k-1] + y2_filt[k] + y2_filt[k+1])/3
elif(n_filtro == 2):
for n in range(1,qtd_filtro):
y1_filt[1] = (y1_filt[0] + y1_filt[1] + y1_filt[2])/3
y2_filt[1] = (y2_filt[0] + y2_filt[1] + y2_filt[2])/3
for k in range(2, len(y1) - 3):
y1_filt[k] = (y1_filt[k-2] + y1_filt[k-1] + y1_filt[k] + y1_filt[k+1] + y1_filt[k+2])/5
y2_filt[k] = (y2_filt[k-2] + y2_filt[k-1] + y2_filt[k] + y2_filt[k+1] + y2_filt[k+2])/5
y1_filt[len(y1) - 2] = (y1_filt[len(y1) - 3] + y1_filt[len(y1) - 2] + y1_filt[len(y1)-1])/3
y2_filt[len(y2) - 2] = (y2_filt[len(y2) - 3] + y2_filt[len(y2) - 2] + y2_filt[len(y2)-1])/3
# Transformada de fourier:
# yn_fft x_fft: realizam a trasnformada de fourier no espectro de frequência
# yn_fft_plot x_fft_plot: inicialmente é usado um 'shift'(deslocamento) para jogar as
# componentes negativas que estão após as componentes positivas quando usamos
# numpy.fft.fftshift, para o início do array.
# yn_fft_plot x_fft_plot: são usados novamente para agora selecionar somente as frequências
# positivas e suas componentes
y1_fft = fft(y1_filt)
y2_fft = fft(y2_filt)
x_fft = fftfreq(N, T)
x_fft_plot = fftshift(x_fft)
x_fft_plot = x_fft_plot[N/2:N]
y1_fft_plot = fftshift(y1_fft)
y2_fft_plot = fftshift(y2_fft)
y1_fft_plot = np.abs(y1_fft_plot[N/2:N])
y2_fft_plot = np.abs(y2_fft_plot[N/2:N])
# Transformada de fourier na metade de todo período:
N_half = int(N/2)
t_half = float(t_final + t_inicial)/2
x_half_fft = fftfreq(N_half, T)
x_half_fft = fftshift(x_half_fft)
x_half_fft = x_half_fft[math.floor(N_half/2):N_half]
y1_half_1_fft = fft(y1_filt[0:N_half])
y2_half_1_fft = fft(y2_filt[0:N_half])
y1_half_1_fft = fftshift(y1_half_1_fft)
y2_half_1_fft = fftshift(y2_half_1_fft)
y1_half_1_fft = np.abs(y1_half_1_fft[math.floor(N_half/2):N_half])
y2_half_1_fft = np.abs(y2_half_1_fft[math.floor(N_half/2):N_half])
y1_half_2_fft = fft(y1_filt[N_half:N])
y2_half_2_fft = fft(y2_filt[N_half:N])
y1_half_2_fft = fftshift(y1_half_2_fft)
y2_half_2_fft = fftshift(y2_half_2_fft)
y1_half_2_fft = np.abs(y1_half_2_fft[math.floor(N_half/2):N_half])
y2_half_2_fft = np.abs(y2_half_2_fft[math.floor(N_half/2):N_half])
# MATH.FLOOR para conter o 0
# Determinando momento das distribuições:
# N através da frequência já que também depende da frequência, N = tempo da amostra*freq
# dessa forma as razões entre eles são constantes
# N/F = F.tempo/F = tempo -> N'/F' = N/F
N_i = freq_i*N/freq
N_f = freq_f*N/freq
for i in range(int(N_i),int(N_f)):
aux_1 = y1_fft_plot[i]*y1_fft_plot[i]*y1_fft_plot[i]*dx
aux_2 = y2_fft_plot[i]*y2_fft_plot[i]*y2_fft_plot[i]*dx
sum_int_1 += aux_1*x_fft_plot[i]
sum_int_2 += aux_2*x_fft_plot[i]
sum_norm_1 += aux_1
sum_norm_2 += aux_2
first_moment_1 = sum_int_1 / sum_norm_1
first_moment_2 = sum_int_2 / sum_norm_2
first_moment_med = (first_moment_1 + first_moment_2)/2
t_est_1 = 1.0/first_moment_1
t_est_2 = 1.0/first_moment_2
t_est_med = 1.0/first_moment_med
N_i = freq_i*N_half/freq
N_f = freq_f*N_half/freq
sum_int_1 = 0
sum_int_2 = 0
sum_norm_1 = 0
sum_norm_2 = 0
for i in range(int(N_i),int(N_f)):
aux_1 = y1_half_1_fft[i]*y1_half_1_fft[i]*y1_half_1_fft[i]*dx
aux_2 = y2_half_1_fft[i]*y2_half_1_fft[i]*y2_half_1_fft[i]*dx
sum_int_1 += aux_1*x_half_fft[i]
sum_int_2 += aux_2*x_half_fft[i]
sum_norm_1 += aux_1
sum_norm_2 += aux_2
first_moment_1_half_1 = sum_int_1 / sum_norm_1
first_moment_2_half_1 = sum_int_2 / sum_norm_2
first_moment_med_half_1 = (first_moment_1_half_1 + first_moment_2_half_1)/2
t_est_1_half_1 = 1.0/first_moment_1_half_1
t_est_2_half_1 = 1.0/first_moment_2_half_1
t_est_med_half_1 = 1.0/first_moment_med_half_1
sum_int_1 = 0
sum_int_2 = 0
sum_norm_1 = 0
sum_norm_2 = 0
for i in range(int(N_i),int(N_f)):
aux_1 = y1_half_2_fft[i]*y1_half_2_fft[i]*y1_half_2_fft[i]*dx
aux_2 = y2_half_2_fft[i]*y2_half_2_fft[i]*y2_half_2_fft[i]*dx
sum_int_1 += aux_1*x_half_fft[i]
sum_int_2 += aux_2*x_half_fft[i]
sum_norm_1 += aux_1
sum_norm_2 += aux_2
first_moment_1_half_2 = sum_int_1 / sum_norm_1
first_moment_2_half_2 = sum_int_2 / sum_norm_2
first_moment_med_half_2 = (first_moment_1_half_2 + first_moment_2_half_2)/2
t_est_1_half_2 = 1.0/first_moment_1_half_2
t_est_2_half_2 = 1.0/first_moment_2_half_2
t_est_med_half_2 = 1.0/first_moment_med_half_2
# Configuração plot
# h1 = fonts[0], h2 ...
fontsize = [20, 18 ,16, 14, 12]
color = ['Blue', 'Green', 'Yellow', 'Red']
# Criando figura do tamanho A4
plt.figure(1, figsize=(8.27, 11.7))
fig = plt.gcf()
fig.canvas.set_window_title('Frequência Respiratória[CTA]\tN1:{}, N2:{}'.format(first_moment_1, first_moment_2))
fig.suptitle('Frequência Respiratória:\n',
fontsize=fontsize[2],
fontweight='bold')
sub_plot1 = plt.subplot(3,1,1)
plt.text(0, 1.1, 'Nome: {} Data da coleta: {}'.format(user_name, data['Date']),
horizontalalignment='left',
fontsize=fontsize[3],
transform = sub_plot1.transAxes)
plt.text(0, 1.01, 'Horário da Coleta: {} Tempo analisado {} s à {} s'.format(data['Hour'], str(t_inicial), str(t_final)),
horizontalalignment='left',
fontsize=fontsize[3],
transform = sub_plot1.transAxes)
plt.ylim(-1,1)
plt.plot(x1,y1_filt,
label = 'Narina Direita',
color = color[0])
plt.plot(x1,y2_filt,
label = 'Narina Esquerda',
color = color[1])
plt.ylabel('Tensão Normalizada y(t)',
fontsize = fontsize[4])
plt.xlabel('Tempo t(s)',
fontsize = fontsize[4])
plt.grid(True)
sub_plot2 = plt.subplot(3,1,2)
plt.xlim(freq_i, freq_f)
plt.plot(x_fft_plot, (1.0/N)*y1_fft_plot,
label = 'Narina Direita',
color = color[0])
plt.plot(x_fft_plot, (1.0/N)*y2_fft_plot,
label = 'Narina Esquerda',
color = color[1])
plt.ylabel('|Y(f)|',
fontsize = fontsize[4])
plt.xlabel('Frequência f(Hz)',
fontsize = fontsize[4])
sub_plot2.legend(loc='upper right',
fancybox=True,
framealpha=0.5)
plt.grid(True)
sub_plot3 = plt.subplot(3,1,3)
sub_plot3.patch.set_visible(False)
sub_plot3.axis('off')
# Item Resultados:
plt.text(0,0.9,'Resultados: \n', fontsize=fontsize[0], fontweight='bold')
plt.text(0,0.84,' Relativo ao intervalo de {:.2f} segundos à {:.2f} segundos: \n'.format(t_inicial, t_final), fontsize=fontsize[4], fontweight='bold')
plt.text(0,0.78,' Narina direita:', fontsize=fontsize[4], fontweight='bold')
plt.text(0.4,0.70,'{:.4f} {:.3f} {:.3f} {:.3f}\n'.format(first_moment_1, t_est_1, var_y1, des_y1), fontsize=fontsize[4])
plt.text(0,0.72,' Narina esquerda:', fontsize=fontsize[4], fontweight='bold')
plt.text(0.4,0.64,'{:.4f} {:.3f} {:.3f} {:.3f}\n'.format(first_moment_2, t_est_2, var_y2, des_y2), fontsize=fontsize[4])
plt.text(0,0.66,' Média total:', fontsize=fontsize[4], fontweight='bold')
plt.text(0.4,0.58,'{:.4f} {:.3f} {:.3f} {:.3f}\n'.format(first_moment_med, t_est_med, var_med, des_med), fontsize=fontsize[4])
plt.text(0.38,0.58,'Frequência Período Variância Desvio', fontsize=fontsize[4], fontstyle = 'italic')
plt.text(0.42,0.52,'(Hz) (s) Padrão', fontsize=fontsize[4], fontstyle = 'italic')
plt.text(0,0.38,' Relativo ao intervalo: \n', fontsize=fontsize[4], fontweight='bold')
plt.text(0.40,0.38,'{:.4f} s a {:.2f} s {:.2f} s a {:.2f} s'.format(t_inicial, t_half, t_half, t_final), fontsize=fontsize[4], fontweight='bold')
plt.text(0,0.32,' Narina direita:', fontsize=fontsize[4], fontweight='bold')
plt.text(0.4,0.24,'{:.4f} {:.3f} {:.3f} {:.3f}\n'.format(first_moment_1_half_1, t_est_1_half_1, first_moment_1_half_2, t_est_1_half_2), fontsize=fontsize[4])
plt.text(0,0.26,' Narina esquerda:', fontsize=fontsize[4], fontweight='bold')
plt.text(0.4,0.18,'{:.3f} {:.3f} {:.3f} {:.3f}\n'.format(first_moment_2_half_1, t_est_2_half_1, first_moment_2_half_2, t_est_2_half_2), fontsize=fontsize[4])
plt.text(0,0.20,' Média total:', fontsize=fontsize[4], fontweight='bold')
plt.text(0.4,0.12,'{:.4f} {:.3f} {:.3f} {:.3f}\n'.format(first_moment_med_half_1, t_est_med_half_1, first_moment_med_half_2, t_est_med_half_2), fontsize=fontsize[4])
plt.text(0.38,0.12,'Frequência Período Frequência Período', fontsize=fontsize[4], fontstyle = 'italic')
plt.text(0.42,0.06,'(Hz) (s) (Hz) (s)', fontsize=fontsize[4], fontstyle = 'italic')
plt.subplots_adjust(left = 0.1 ,right = 0.9 ,bottom=0.1, top = 0.9 ,wspace = 0.3, hspace = 0.3)
fig.savefig(png_name, dpi=400)
#plt.show()