visualiza.py 14.4 KB
Newer Older
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
#!/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]
'''
37
# Exemplo: python3 visualiza.py coleta_Nome_Exemplo_1min.log 0 60 2 4 0 1
38 39 40
from array import *
from scipy.fftpack import fft, fftfreq, fftshift
import numpy as np
41
from armazenamento import unpackData, selectDataRange
42
import sys, os, re, math
43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63
import matplotlib.pyplot as plt

# 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]
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])
64 65
user_name = os.path.splitext(os.path.basename(log_file))[0]
png_name = 'Resp_{}_{}s_{}s_{}hz_{}hz.png'.format(user_name, t_inicial, t_final, freq_i, freq_f)
66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82

# 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)

83
data = unpackData(log_file)
84
freq = float(data['Freq']) 
85
N = len(data['A0'])
86 87 88
T = 1.0/freq
dx = float(freq)/N

89 90
data = selectDataRange(data, 'Tempo', t_inicial, t_final)

91
# Inicialização de variáveis
92 93 94
x1 = array('f', data['Tempo'])
y1 = array('f', data['A0'])
y2 = array('f', data['A1'])
95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374
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)
375 376 377 378 379 380 381 382 383 384

aux_str = parametro[0]
local_dir = ''
while True:
    reg_exp = re.search('\/', aux_str)
    if reg_exp != None:
        local_dir += aux_str[:reg_exp.start()]
        aux_str = aux_str[reg_exp.end():]
    else:
        break
385
local_dir += '/' + png_name
386
fig.savefig(local_dir, dpi=400)
387 388
#plt.show()