1 a ase bujat kylian

TP2/README.md

@@ -21,19 +21,11 @@ Commencez par cloner ce dépôt:
 
 Commencez par configurer Git sur votre PC.
 
-<<<<<<< HEAD
-Dans l'explorateur de fichiers, allez jusqu'à l'emplacement du dépôt téléchargé, puis ouvrir une console Git Bash avec un clic droit.
-
-```bash
-# permet de pousser sur une branche qui n'est pas encore présente sur le dépôt distant
-git config --global push.autoSetupRemote true
-=======
 ```bash
 # permet de pousser sur une branche qui n'est pas encore présente sur le dépôt distant
 git config --global push.autoSetupRemote true
 git config --global user.name "<Prenom> <NOM>"
 git config --global user.email "<VOTRE_EMAIL_UHA>"
->>>>>>> Add-TP2
 ```
 
 Ensuite, installez les packages Python qui seront nécessaires pour exécuter le programme:

TP2/imu_analysis/main.py

@@ -1,6 +1,6 @@
 from plotting import plot_angular_speed, plot_linear_acceleration, show_plots
 from reader import read_measurements_file
-
+from processing import calculate_moving_average
 
 def main():
     """Fonction principale du projet.
@@ -20,16 +20,23 @@ def main():
     az = []
 
     for measurement in read_measurements_file():
+
         t.append(measurement.t)
         wx.append(measurement.wx)
         wy.append(measurement.wy)
         wz.append(measurement.wz)
         ax.append(measurement.ax)
         ay.append(measurement.ay)
         az.append(measurement.az)
-
-    plot_angular_speed(t, wx, wy, wz)
-    plot_linear_acceleration(t, ax, ay, az)
+    wx_l=calculate_moving_average(wx,100)
+    wy_l=calculate_moving_average(wy,100)
+    wz_l=calculate_moving_average(wz,100)
+    ax_l=calculate_moving_average(ax,100)
+    ay_l=calculate_moving_average(ay,100)
+    az_l=calculate_moving_average(az,100)
+
+    plot_angular_speed(t, wx_l, wy_l, wz_l)
+    plot_linear_acceleration(t, ax_l, ay_l, az_l)
 
     show_plots()
 

TP2/imu_analysis/processing.py

@@ -2,3 +2,18 @@
 Module pour le traitement des mesures
 *************************************
 """
+def calculate_moving_average(data: list[float], interval: int):
+    av=[]
+    n=len(data)
+    for i in range(n-interval):
+        s=sum(data[i:i+interval])/interval
+        av.append(s)
+    return av
+
+
+
+data = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
+n = 4
+print(calculate_moving_average(data,n))
+
+