/
comnumfip.py
474 lines (334 loc) · 10.5 KB
/
comnumfip.py
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
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
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
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
"""
COMNUMFIP - Module Python pour les communications numériques à Télécom Physique Strasbourg (spécifiquement pour la formation FIP EII).
Ce programme est distribué sous licence CeCILL-B (www.cecill.info).
Copyright Université de Strasbourg 2013-2022 (2022-03-04)
Contributeur : vincent.mazet@unistra.fr
"""
import numpy as np
import numpy.random as rnd
import scipy.signal as signal
import matplotlib.pyplot as plt
def eyediag(t, x, T, alpha=.5, color="tab:blue"):
"""
Diagramme de l'oeil.
Entrées :
t (array) : temps
x (array) : signal
T (scalar) : durée d'un symbole
alpha (scalar) : transparence (0,5 par défaut)
Sortie :
aucune
"""
# % Détecte les instants auxquels le temps revient à -T/2
t = t%T - T/2
idx = np.flatnonzero(t[1:] < t[:-1])
# Affichage des traces, séparément
j = 0
for i in idx:
plt.plot(t[j:i+1], x[j:i+1], alpha=alpha, color=color)
j = i+1
def rrc(t, V, a):
"""
Impulsion en racine de cosinus surélevé (root raised cosine),
pour une durée de symbole égale à 1.
Entrées :
t (array) : temps
V (scalar) : amplitude de l'impulsion
a (scalar) : facteur de retombée (roll-off factor)
Sortie :
y (array) : impulsion en racine de cosinus surélevé
"""
idx = (t==1/(4*a)) | (t==-1/(4*a)) | (t==0.)
t = np.where(idx, t+1e-12, t)
A = np.sin(np.pi*(1 - a)*t)
B = 4*a*t * np.cos(np.pi*(1 + a)*t)
C = np.pi*t*(1 - (4*a*t)**2)
return V * ( A + B ) / C
def randmary(N,p):
"""
Génération d'une séquence M-aire.
Entrées :
N (scalar) : taille de la séquence (nombre de symboles)
P (array) : probabilité des symboles (sa taille correspond à la taille de l'alphabet)
Sortie :
c (array) : séquence aléatoire M-aire où M = len(P).
Exemples :
# séquence binaire de taille 1000, symboles équiprobables :
c1 = randmary(1000,[0.5, 0.5])
# séquence binaire de taille 100, p("0") = 0.3, p("1") = 0.7 :
c2 = randmary(100,[0.3, 0.7])
# séquence 4-aire de taille 10, symboles équiprobables :
c3 = randmary(10,np.ones(4)/4)
"""
# Base
M = len(p)
# Normalisation des probabilités
p = p / np.sum(p)
# Fonction de répartition
q = np.cumsum(p)
# Vecteur aléatoire uniforme
u = np.random.rand(N)
# Matrice NxM des u et q
U = np.tile(u,(M,1)).T
Q = np.tile(q,(N,1))
# Séquence de symboles
c = np.sum(U>Q, axis=1)
return c
def bin2mary(x,M):
"""
Convertit une séquence binaire en séquence M-aire.
Si la taille de x n'est pas multiple de log2(M), des "0" sont rajoutés à la fin de x.
Entrées :
x (array) : séquence binaire
M (scalar) : taille de l'alphabet de la séquence traduite (M est une puissance de 2)
Sortie :
y (array) : séquence M-aire
"""
# Nombre de bits par symboles
N = np.log2(M).astype("int")
# Nombre de bits dans la séquence binaire x
K = len(x)
# Nombre de symboles dans la séquence M-aire y
L = np.ceil(K/N).astype("int")
# Rajoute des zéros en fin de z pour avoir un nombre de bits en puissance de N
z = np.concatenate((x, np.zeros(N*L-K, dtype="int")))
# Initialisation de la séquence de sortie
y = np.array([], dtype="int")
# Array des puissances
powers = np.power(2,range(N))
for i in range(0, K, N):
m = z[i:i+N]
c = np.sum(m*powers)
y = np.append(y, c)
return y
def mod_a(m, V, d):
"""
Modulation mystère A.
Entrées :
m (array) : séquence binaire
V (scalaire) : amplitude de la forme d'onde
d (scalaire) : durée de la forme d'onde
Sorties :
t (array) : vecteur temps
x (array) : signal modulé
"""
N = len(m)
x = np.zeros(100*N)
sgn = -1
for n in range(N):
i = 100*n + np.arange(100)
if m[n] == 0:
x[i] = 0
elif m[n] == 1:
sgn = -sgn
x[i] = sgn*V * np.ones(100)
t = np.arange(100*N)/100*d
return t, x
def mod_b(m, V, d):
"""
Modulation mystère B.
Entrées :
m (array) : séquence binaire
V (scalaire) : amplitude de la forme d'onde
d (scalaire) : durée de la forme d'onde
Sorties :
t (array) : vecteur temps
x (array) : signal modulé
"""
N = len(m)
x = np.zeros(100*N)
t = np.arange(100)*d/100
z = V * np.cos(2*np.pi*4/d*t)
for n in range(N):
i = 100*n + np.arange(100)
if m[n] == 0:
x[i] = -z
elif m[n] == 1:
x[i] = +z
t = np.arange(100*N)/100*d
return t, x
def mod_c(m, V, d):
"""
Modulation mystère C.
Entrées :
m (array) : séquence binaire
V (scalaire) : amplitude de la forme d'onde
d (scalaire) : durée de la forme d'onde
Sorties :
t (array) : vecteur temps
x (array) : signal modulé
"""
N = len(m)
x = np.zeros(100*N)
for n in range(N):
i = 100*n + np.arange(100)
if m[n] == 0:
x[i] = V * np.concatenate((-np.ones(50), np.ones(50)))
elif m[n] == 1:
x[i] = V * np.concatenate((np.ones(50), -np.ones(50)))
t = np.arange(100*N)/100*d
return t, x
def mod_d(m, V, d):
"""
Modulation mystère D.
Entrées :
m (array) : séquence binaire
V (scalaire) : amplitude de la forme d'onde
d (scalaire) : durée de la forme d'onde
Sorties :
t (array) : vecteur temps
x (array) : signal modulé
"""
N = len(m)
x = np.zeros(100*N)
for n in range(N):
i = 100*n + np.arange(100)
if m[n] == 0:
x[i] = -V * np.ones(100)
elif m[n] == 1:
x[i] = V * np.ones(100)
t = np.arange(100*N)/100*d
return t, x
def mod_e(m, V, d):
"""
Modulation mystère E.
Entrées :
m (array) : séquence binaire
V (scalaire) : amplitude de la forme d'onde
d (scalaire) : durée de la forme d'onde
Sorties :
t (array) : vecteur temps
x (array) : signal modulé
"""
f = 4/d
N = len(m)
x = np.zeros(100*N)
t = np.arange(100)*d/100
constellation = [
{'a': -3, 'b': +3},
{'a': -1, 'b': +3},
{'a': -3, 'b': +1},
{'a': -1, 'b': +1},
{'a': +3, 'b': +3},
{'a': +1, 'b': +3},
{'a': +3, 'b': +1},
{'a': +1, 'b': +1},
{'a': -3, 'b': -3},
{'a': -1, 'b': -3},
{'a': -3, 'b': -1},
{'a': -1, 'b': -1},
{'a': +3, 'b': -3},
{'a': +1, 'b': -3},
{'a': +3, 'b': -1},
{'a': +1, 'b': -1}
]
for n in range(N):
i = 100*n + np.arange(100)
x[i] = constellation[m[n]]['a']*V*np.cos(2*np.pi*f*t) + constellation[m[n]]['b']*V*np.sin(2*np.pi*f*t)
t = np.arange(100*N)/100*d
return t, x
def mod_rrc(m, V, T, a):
"""
Modulation NRZ en racine de cosinus surélevé
Entrées :
m (array) : séquence binaire
V (scalar) : amplitude de la forme d'onde
T (scalar) : durée de la forme d'onde
a (scalar) : coefficient de retombée (roll-off factor)
Sorties :
t (array) : vecteur temps
x (array) : signal modulé
"""
N = len(m)
L = 100
m = 2*np.array(m) - 1
t = np.arange(L*N)/L*T
x = np.zeros(L*N)
for n in range(N):
x += m[n] * rrc((t/T-n)-.5, V, a)
return t, x
def channel(x,fc,s,T):
"""
Simule un canal de transmission en renvoyant le signal y = x*g + b en sortie du canal,
où g est le réponse impulsionnelle d'un filtre passe-bas, b un bruit blanc gaussien et * représente la convolution.
Entrées :
x (array) : signal émis
fc (scalar) : fréquence de coupure du filtre g
s (scalar) : écart-type du bruit b
T (scalar) : durée d'un bit
Sortie :
y (array) : signal transmis via le canal
"""
fe = 100/T
# Filtre passe-bas (seulement si canal non idéal)
if fc<fe/2:
num, den = signal.ellip(8, 1, 80, fc*2/fe)
x = signal.lfilter(num, den, x)
# Bruit
b = rnd.normal(0, s, x.shape)
return x + b
def rleenc(msg):
"""
Compression RLE (run length encoding).
Entrée :
msg (array) : séquence de symboles à compresser
Sortie :
code (array) : séquence compressée en RLE
Exemple :
from skimage.io import imread
mg = imread("image.png") # Charge l'image image.png
code = rleenc(img.ravel()) # .ravel() permet de vectoriser l'image
# pour en faire un tableau à une seule dimension
"""
# Initialisation avec le premier élément
code = []
nb = 1
prev_m = msg[0]
# Boucle sur les éléments suivants
for m in msg[1:]:
if (m != prev_m) or (nb == 255):
code.append(prev_m)
code.append(nb)
nb = 1
prev_m = m
else:
nb += 1
# Ajout des derniers éléments
code.append(prev_m)
code.append(nb)
return code
def rledec(code):
"""
Décompression RLE (run length encoding).
Entrée :
code (array) : séquence compressée en RLE
Sortie :
msg (array) : séquence de symboles décompressée
Exemple :
from numpy import reshape
msg = rledec(code) # Effectue la décompression RLE
img = reshape(msg, (M,N)) # Si c'est une image qui est attendue,
# transforme la séquence msg en image de taille M×N """
N = len(code)
msg = np.array([])
# Boucle sur les éléments du code
for i in range(0,N,2):
val = code[i]
num = code[i+1]
msg = np.append(msg, [val]*num)
return msg
def sample_and_threshold(x, T, S):
"""
Échantillonne à la période T et compare au seuil S le signal x,
pour retourner une séquence binaire
Entrées :
x (array) : signal
T (scalar) : période d'échantillonnage (= durée d'un bit)
S (scalar) : seuil à appliquer
Sortie :
y (array) : séquence binaire
"""
L = 100
idx = range(int(L/2), len(x), L)
y = np.where(x[idx]>S, 1, 0)
return y