codigo

.gitignore

@@ -0,0 +1,162 @@
+# Byte-compiled / optimized / DLL files
+__pycache__/
+*.py[cod]
+*$py.class
+
+# C extensions
+*.so
+
+# Distribution / packaging
+.Python
+build/
+develop-eggs/
+dist/
+downloads/
+eggs/
+.eggs/
+lib/
+lib64/
+parts/
+sdist/
+var/
+wheels/
+share/python-wheels/
+*.egg-info/
+.installed.cfg
+*.egg
+MANIFEST
+
+# PyInstaller
+#  Usually these files are written by a python script from a template
+#  before PyInstaller builds the exe, so as to inject date/other infos into it.
+*.manifest
+*.spec
+
+# Installer logs
+pip-log.txt
+pip-delete-this-directory.txt
+
+# Unit test / coverage reports
+htmlcov/
+.tox/
+.nox/
+.coverage
+.coverage.*
+.cache
+nosetests.xml
+coverage.xml
+*.cover
+*.py,cover
+.hypothesis/
+.pytest_cache/
+cover/
+
+# Translations
+*.mo
+*.pot
+
+# Django stuff:
+*.log
+local_settings.py
+db.sqlite3
+db.sqlite3-journal
+
+# Flask stuff:
+instance/
+.webassets-cache
+
+# Scrapy stuff:
+.scrapy
+
+# Sphinx documentation
+docs/_build/
+
+# PyBuilder
+.pybuilder/
+target/
+
+# Jupyter Notebook
+.ipynb_checkpoints
+
+# IPython
+profile_default/
+ipython_config.py
+
+# pyenv
+#   For a library or package, you might want to ignore these files since the code is
+#   intended to run in multiple environments; otherwise, check them in:
+# .python-version
+
+# pipenv
+#   According to pypa/pipenv#598, it is recommended to include Pipfile.lock in version control.
+#   However, in case of collaboration, if having platform-specific dependencies or dependencies
+#   having no cross-platform support, pipenv may install dependencies that don't work, or not
+#   install all needed dependencies.
+#Pipfile.lock
+
+# poetry
+#   Similar to Pipfile.lock, it is generally recommended to include poetry.lock in version control.
+#   This is especially recommended for binary packages to ensure reproducibility, and is more
+#   commonly ignored for libraries.
+#   https://python-poetry.org/docs/basic-usage/#commit-your-poetrylock-file-to-version-control
+#poetry.lock
+
+# pdm
+#   Similar to Pipfile.lock, it is generally recommended to include pdm.lock in version control.
+#pdm.lock
+#   pdm stores project-wide configurations in .pdm.toml, but it is recommended to not include it
+#   in version control.
+#   https://pdm.fming.dev/#use-with-ide
+.pdm.toml
+
+# PEP 582; used by e.g. github.com/David-OConnor/pyflow and github.com/pdm-project/pdm
+__pypackages__/
+
+# Celery stuff
+celerybeat-schedule
+celerybeat.pid
+
+# SageMath parsed files
+*.sage.py
+
+# Environments
+.env
+.venv
+env/
+venv/
+ENV/
+env.bak/
+venv.bak/
+
+# Spyder project settings
+.spyderproject
+.spyproject
+
+# Rope project settings
+.ropeproject
+
+# mkdocs documentation
+/site
+
+# mypy
+.mypy_cache/
+.dmypy.json
+dmypy.json
+
+# Pyre type checker
+.pyre/
+
+# pytype static type analyzer
+.pytype/
+
+# Cython debug symbols
+cython_debug/
+
+# PyCharm
+#  JetBrains specific template is maintained in a separate JetBrains.gitignore that can
+#  be found at https://github.com/github/gitignore/blob/main/Global/JetBrains.gitignore
+#  and can be added to the global gitignore or merged into this file.  For a more nuclear
+#  option (not recommended) you can uncomment the following to ignore the entire idea folder.
+#.idea/
+
+Codigo/lib

Codigo/SDR_CONICET.py

@@ -0,0 +1,143 @@
+import numpy as np
+import rtlsdr
+import matplotlib.pyplot as plt
+from scipy.signal import welch, windows, freqz
+
+
+# -------------------------- RTL-SDR Configuration -------------------------------------------
+
+sdr = rtlsdr.RtlSdr()                       # Inicializar el dispositivo RTL-SDR
+
+sample_rate = 2.4e6                         # Tasa de muestreo en muestras por segundo (3MHz)
+                                            # The maximum sample rate is 3.2 MS/s (mega samples per second). 
+                                            # However, the RTL-SDR is unstable at this rate and may drop samples.
+                                            # The maximum sample rate that does not drop samples is 2.56 MS/s.
+
+# Configurar parámetros
+# Rafael Micro R820T/2/R860 	24 – 1766 MHz (Can be improved to ~13 - 1864 MHz with experimental drivers)
+# Experimentalmente capta desde 12MHz 
+
+sdr.sample_rate = sample_rate               # Tasa de muestreo en muestras por segundo
+sdr.center_freq = 99.9e6                    # Frecuencia central en Hz (99.9 MHz)
+sdr.gain = 42                               # Ganancia del receptor
+
+output_file = "fm999.bin"                   # Nombre del archivo de salida con las muestras capturadas
+
+block_size = 1024 * 1024                    # Tamaño de cada bloque de muestras (tasa de muestreo * duracion de la muestra)
+samples_buffer = []                         # Buffer para almacenar las muestras
+
+
+# ------------------------ Captura y procesamiento de muestras en bloques ---------------------------------
+
+num_blocks = 1                                              # Capturar 1 bloques de muestras
+
+for _ in range(num_blocks):
+    
+    samples = sdr.read_samples(block_size)                  # Capturar bloque de muestras
+    np.save(output_file, samples, allow_pickle=False)       # Guardar las muestras en el archivo binario
+    samples_buffer.extend(samples)                          # Agregar las muestras al buffer
+
+    # Mantener el buffer dentro del tamaño deseado
+    if len(samples_buffer) > block_size * num_blocks:
+        samples_buffer = samples_buffer[-block_size * num_blocks:]
+
+
+sdr.close()                                                 # Cerrar el dispositivo RTL-SDR
+
+signal_energy = np.sum(np.abs(samples_buffer)**2) / len(samples_buffer)    # Calcular la energía de la señal
+
+threshold = 1e-8                                # Umbral de energía de la señal
+
+information_present = signal_energy > threshold # Verificar si hay información en las muestras
+
+if information_present:
+    print("Se detectó información en las muestras.")
+else:
+    print("No se detectó información en las muestras.")
+
+# -------------------------------------- Procesamiento para generar el espectro de potencia con Welch ---------------------------------------------------------
+
+# Parámetros de Welch
+m = 256                                                     # Tamaño de cada segmento de datos
+k = 128                                                     # Superposición entre segmentos
+ventana = np.bartlett(m)                                    # Ventana de Bartlett
+
+# Cálculo del espectro de potencia mediante Welch
+N = len(samples_buffer)
+S = int(np.floor((N-m) / (m-k))) + 1                        # Número total de segmentos
+
+Pxx_segments = np.zeros((S, m))                             # Inicializar arreglo para almacenar los espectros de potencia de cada segmento
+
+# Calcular el espectro de potencia para cada segmento
+for i in range(S-1):
+    start = i* (m-k) +1
+    end = start + m
+    segment = samples_buffer[start:end] * ventana
+
+    Pxx_segments[i, :] = np.abs(np.fft.fft(segment))**2 / (np.sum(ventana**2) * sample_rate)
+
+PSD = np.mean(Pxx_segments, axis=0)                         # Promediar los espectros de potencia de todos los segmentos
+frecuencias_welch = np.fft.fftfreq(m, d=1/sample_rate)      # Frecuencias correspondientes a los segmentos de datos
+
+# -------------------------------------- Ploteos ---------------------------------------------------------
+
+# Muestras capturadas
+plt.plot(samples_buffer)
+plt.xlabel('Muestras')
+plt.ylabel('Amplitud')
+plt.title('Muestras capturadas')
+plt.show()
+
+# Muestras capturadas
+plt.plot(np.abs(samples_buffer))
+plt.xlabel('Muestras')
+plt.ylabel('Amplitud')
+plt.title('Muestras capturadas absolutas')
+plt.show()
+
+# Transformada de Fourier y frecuencias correspondiente de las muestras en el dominio de la frecuencia
+fft_result = np.fft.fft(samples_buffer)
+magnitud_fft = np.abs(fft_result)
+frecuencias = np.fft.fftfreq(len(samples_buffer), d=1/sample_rate)
+
+# Grafica de la transformada de Fourier
+plt.figure(figsize=(10, 6))
+plt.plot(frecuencias, magnitud_fft)
+plt.title('Transformada de Fourier')
+plt.xlabel('Frecuencia (Hz)')
+plt.ylabel('Magnitud')
+plt.show()
+
+# Espectro de frecuencia
+frequencies, spectrum = plt.psd(samples_buffer, NFFT=1024, Fs=sample_rate, scale_by_freq=True)
+plt.xlabel('Frecuencia (Hz)')
+plt.ylabel('Densidad espectral de potencia')
+plt.title('Espectro de frecuencia')
+plt.show()
+
+# Calcular la respuesta en frecuencia
+w, h = freqz(np.sqrt(PSD), worN=8000)       # Utilizar la raíz cuadrada para obtener la magnitud
+w_normalized = w / np.pi                    # Convertir la frecuencia a radianes por segundo normalizada por pi
+magnitude_db = 20 * np.log10(np.abs(h))     # Calcular la magnitud en decibelios
+
+# Graficar la respuesta en magnitud 
+plt.figure(figsize=(10, 6))
+plt.plot(w_normalized, magnitude_db)
+plt.title('Estimación de la Respuesta en Magnitud')
+plt.xlabel('Frecuencia Normalizada (xπ rad/muestras)')
+plt.ylabel('Magnitud (dB)')
+plt.grid(True)
+plt.show()
+
+# Calcular las frecuencias normalizadas en unidades de omega/pi
+frecuencias_normalizadas = frecuencias_welch / np.pi
+
+# Graficar el espectro de potencia promedio en función de omega/pi
+plt.figure(figsize=(10, 6))
+plt.semilogy(frecuencias_normalizadas, PSD)
+plt.text(0.5, 0.9, "Ventaneo con Bartlett", horizontalalignment='center', verticalalignment='center', transform=plt.gca().transAxes, bbox=dict(facecolor='white', alpha=0.8))
+plt.title('Espectro de Potencia usando Welch')
+plt.xlabel('Frecuencia Normalizada (ω/π)')
+plt.ylabel('Densidad espectral de potencia')
+plt.grid(True)
+plt.show()

Codigo/pyvenv.cfg

@@ -0,0 +1,3 @@
+home = /usr/bin
+include-system-site-packages = false
+version = 3.10.12