Performance_evaluation.py

import pickle, os
import numpy as np
from Modulatore.Modulatore import fasi_possibili, modulate_signal
from ImpostazioneSistema.generate_impulse import LREC, LRC
from ImpostazioneSistema.generate_fwaveform import fwaveform
from Ricevitore.Ricevitore import receive_signal, receive_signal_optimal, receive_signal_exaustive
from ImpostazioneSistema.utilities import *
from scipy.signal import lfilter, butter
from CPM_Spettri import set_parameters
from matplotlib import pyplot as plt

# Simuliamo una comunicazione con modulazione, trasmissione su canale e demodulazione

if __name__ =='__main__':
    # Shared parameters
    n_symbols=100
    T_symbol = 1e-4
    f_0 = 1e5
    T_sample = 1/(100*f_0)
    M=2
    # windowSize = 50 # filtering window size
    modType = LRC

    ###################################################
    # CPFSK
    # h=0.25, L=1
    ###################################################

    # MODULAZIONE
    j=1
    m=2
    L=2
    set_parameters(j, m, T_symbol, T_sample, L, f_0, M)
    fwaveform(modType)
    a,s = modulate_signal(n_symbols)

    # TRASMISSIONE SU CANALE
    # r = s + noise
    r = s

    # RICEZIONE E RICOSTRUZIONE DELLA SEQUENZA
    a_hat = receive_signal(r, 10)

    # Ricostruzione esaustiva (altissima complessità. Tenere n_symbols basso)
    # a_hat = receive_signal_exaustive(r)

    # _, s_1 = modulate_signal(n_symbols, a_hat)
    # print('Sequenza vera:',a, 'Correlazione:', (s@s.T)*T_sample)
    # print('Sequenza stimata:',a_hat, 'Correlazione:', (s_1@s.T)*T_sample)
    plt.plot(s, alpha=0.3)
    # plt.plot(s_1, '--', alpha=0.3)
    plt.show()


    # Ricostruzione per finestre con viterbi
    # a_hat = receive_signal_optimal(r, T_symbol=T_symbol, T_sample=T_sample, N=30)


    # STIMA Pe
    right = (a == a_hat)
    Pe = 1-right.sum()/len(right)
    print('Stima della Pe:', Pe)