arduscope 0.3.3

Un osciloscopio basado en Arduino + Python y orientado a laboratorios de enseñanza

Arduscopio

Arduscopio es una interfaz Arduino-Python desarrollada para la adquisición de datos analógicos. El comportamiento de la interfaz imita algunas características propias de un osciloscopio, tales como la funcionalidad de Trigger y el cambio de escala temporal.

Arduscopio surge como una iniciativa para facilitar la adquisición de datos en la materia Laboratorio 3 del Departamento de Física de la Facultad de Ciencias Exactas y Naturales de la UBA.

A partir de la versión 0.3 el proyecto cuenta además con un generador de funciones que trabaja mediante la placa de sonido y un módulo de ajuste para señales periódicas.

Instalación

Python

El paquete puede ser instalado utilizando PIP:

pip install arduscope

El paquete instala las siguientes dependencias en caso de no encontrarse presentes:

• numpy
• matplotlib
• scipy
• pyserial
• tqdm

Arduino

El código de Arduino puede ser descargado desde el repositorio del proyecto.

Click derecho en este link -> Guardar como

Debe ser cargado en una placa Arduino UNO (excluyente). Ninguna fracción del código fue pensada para ser compatible con otra placa. Cualquier funcionamiento del código fuera de Arduino UNO es mera coincidencia.

Ejemplo de uso del Arduscopio

Los elementos centrales del paquete son el objeto Arduscope (la interfaz entre Python y el Arduino) y el objeto ArduscopeMeasure (un contenedor para los resultados adquiridos).

En primer lugar debemos importar estas clases del paquete que instalamos:

from arduscope import Arduscope, ArduscopeMeasure

Luego podemos crear una instancia del Arduscopio, indicando el puerto de conexión. Nos conviene utilizar el contexto with ... as para no olvidarnos de cerrar el puerto.

Arduino IDE nos muestra el nombre del puerto en la esquina inferior derecha.

En Windows los puertos suelen llamarse "COM1", "COM2", etc. En Linux el formato suele ser "/dev/ttyUSB0" o parecido.

with Arduscope(port='/dev/ttyUSB0') as arduino:

El objeto que instanciamos bajo el nombre arduino (podría ser cualquier otro) tiene una serie de propiedades y métodos.

La lógica general es que las propiedades se configuren primero y luego se active la adquisición.

Si el usuario olvida detener la adquisición y cambia una propiedad la adquisición se detiene y reanuda automáticamente.

  arduino.frequency = 2000  # Frecuencia de adquisición (en Hz)
  arduino.pulse_width = 0.05  # Ancho del pulso digital (en Segundos)
  arduino.trigger_value = 2.5  # Valor del trigger (en Volts)
  arduino.amplitude = 5.0  # Amplitud de la señal (en Volts)
  arduino.n_channels = 2  # Cantidad de canales (1 a 6)
  arduino.trigger_channel = "A0"  # Canal/Modo de trigger (ver apartado)
  arduino.trigger_offset = 0.0  # Offset del trigger (en fracción de pantalla)

Para comenzar la adquisición se utiliza el método start_acquire().

La misma puede ser detenida mediante stop_acquire().

Estos métodos no detienen la ejecución principal del programa.

El método live_plot() abre un gráfico de Matplotlib y actualiza su contenido para cada nueva pantalla. Requiere que el modo ventana de Matplotlib se encuentre activo.

Hasta que el gráfico no es cerrado la ejecución principal se detiene, generando un momento para que el usuario vea los datos en tiempo real y decida si quiere continuar con su script o detenerlo.

  arduino.start_acquire()
  arduino.live_plot()

A continuación podemos trabajar con los datos adquiridos.

En primer lugar conviene asegurar que fueron adquiridas la cantidad de pantallas que necesitamos. Para eso podemos usar la función wait_until(n_screens, timeout).

Esta función detiene la ejecución principal hasta que el buffer de pantallas tenga n_screens almacenadas. También podemos pasarle un parámetro opcional de timeout para que se produzca un error por tiempo límite (en segundos).

  arduino.wait_until(n_screens=50, timeout=None)

Si la cantidad de pantallas ya fue alcanzada al llamar esta función el resultado será inmediato. También podríamos detener la adquisición para que el buffer deje de sobreescribirse. Podemos hacerlo explícitamente mediante la función stop_acquire o dejar que el cierre del contexto with lo haga automáticamente.

Podemos acceder al las mediciones realizadas mediante la propiedad measure. Esta propiedad nos devuelve un objeto ArduscopeMeasure, que es nuestro contenedor de resultados.

measure = arduino.measure

Este objeto almacena los resultados obtenidos junto con el estado del Arduscopio al momento de realizar la medición (las mismas propiedades que configuramos antes). También tiene un vector x generado a partir de la frecuencia que corresponde al eje temporal.

Los canales quedan almacenados en una lista y podemos recuperarlos mediante la propiedad channels. El formato para cada canal es [cantidad de pantallas] x [puntos por pantalla]. Podemos ver lo mencionado hasta acá con algunos ejemplos:

# Eje temporal de la medición del canal A0
>> measure.x[0]
# Valor del trigger
>> measure.trigger_value
# Canal A0, pantalla más antigua
>> measure.channels[0][0]
# Canal A2, pantalla más reciente
>> measure.channels[2][-1]
# Canal A2, pantalla más reciente, primeros 50 puntos
>> measure.channels[2][-1][0:50]
# Canal A1, promedio de todas las pantallas
>> measure.channels[1].mean(axis=0)
# Canal A1, desviación estándar de todas las pantallas
>> measure.channels[1].std(axis=0)
# Canal A0, promedio de las últimas 50 pantallas
>> measure.channels[1][-50:].mean(axis=0)

Observando esos ejemplos podríamos hacer un gráfico muy simple del siguiente modo:

fig, ax = plt.subplots(1, 1, figsize=(8, 6))
ax.plot(measure.x[0], measure.channels[0].mean(axis=0), label='a0')
ax.plot(measure.x[1], measure.channels[1].mean(axis=0), label='a1')
ax.set_title(f"Valor del trigger: {measure.trigger_value}V")
plt.show()

Finalmente podríamos querer almacenar una medición en un archivo. El objeto screen provee un método save para facilitar esta tarea. El formato se decide a partir de la extensión del archivo creado:

measure.save("data.csv")  # Formato CSV (separado por comas)
measure.save("data.npz")  # Formato NPZ (array comprimido de Numpy)
measure.save("data.json")  # Formato JSON (objeto de JavaScript)

Para recuperar una pantalla guardada vamos a crear un nuevo objeto ArduscopeMeasure del siguiente modo:

measure = ArduscopeMeasure.load("data.csv")

Ejemplo completo (sólo Arduscopio)

import matplotlib.pyplot as plt
from arduscope import Arduscope
# from arduscope import ArduscopeMeasure

with Arduscope(port='/dev/ttyUSB0') as arduino:
    arduino.frequency = 1000
    arduino.pulse_width = 0.2
    arduino.trigger_value = 1.0
    arduino.amplitude = 5.0
    arduino.n_channels = 2
    arduino.trigger_channel = "D7OUT_HIGH"
    arduino.trigger_offset = 0.0

    arduino.start_acquire()
    arduino.live_plot()
    arduino.wait_until(n_screens=10, timeout=None)

measure = arduino.measure

ax: plt.Axes
fig, ax = plt.subplots(1, 1, figsize=(8, 6))
ax.plot(measure.x[0], measure.channels[0].mean(axis=0), label='a0')
ax.plot(measure.x[1], measure.channels[1].mean(axis=0), label='a1')
ax.set_title(f"Trigger: {measure.trigger_value}V")

plt.show()

measure.save("data.csv")  # Formato CSV (separado por comas)
measure.save("data.npz")  # Formato NPZ (array comprimido de Numpy)
measure.save("data.json")  # Formato JSON (objeto de JavaScript)

# measure = ArduscopeMeasure.load("data.csv")

Ejemplo de uso del Módulo de ajuste

El módulo de ajuste consiste en un método principal fit_signal cuya tarea es ajustar funciones periódicas de la forma:

f(x, amplitud, frecuencia, fase, offset)

Cualquier función que contenga esos 4 parámetros (más la variable independiente) puede ser trabajada mediante este método. Internamente realiza las siguientes tareas:

• Estima la amplitud como la diferencia entre el percentil 95 y 5 de los datos.

• Estima el offset mediante el valor medio de la señal.

• Estima los parámetros iniciales de frecuencia y fase por 3 métodos diferentes:

  • Transformada rápida de Fourier (con rfft de scipy.fft)
  • Autocorrelación de la señal (con correlate de scipy.signal.signaltools)
  • Interpolado y búsqueda de ceros (con UnivariateSpline de scipy.interpolate).

• Utiliza el ajuste por cuadrados mínimos curve_fit de la librería scipy.optimize para los 3 conjuntos de parámetros iniciales y selecciona de entre todos el que presenta el menor RMSE (raíz del error cuadrático medio).

Para utilizarla sólo debemos indicar la función objetivo (por ejemplo la función sine que está definida en el propio módulo y las tiras de datos para x e y):

import numpy as np
from arduscope import fit_signal, sine

# ...
# Adquisición y almacenamiento en variables `x` e `y`
# ...

# Ajuste de la señal
params, stds, rmse = fit_signal(sine, x, y)

A continuación podemos utilizar los parámetros obtenidos para generar una nueva curva:

# Aumentamos la resolución en x 20 veces
x_fit = np.linspace(min(x), max(x), num=x.size*20)
# Calculamos la función de ajuste con los parámetros óptimos
y_fit = sine(x_fit, *params)

Ejemplo de uso del generador de funciones

El generador de funciones hace uso intensivo del módulo simpleaudio. El mismo debe ser instalado aparte. En Windows bastará con hacer: pip install simpleaudio. En Linux deberemos instalar además otras dependencias: sudo apt-get install -y python3-dev libasound2-dev

Este generador de funciones preparará un sonido y lo repetirá las veces que sea necesario. La repetición sufre una pequeña demora entre ciclos, por lo que se recomienda configurar una duración mínima del sonido mayor a los tiempos de adquisición esperados.

from arduscope.wave_generator import WaveGenerator

# Nuevo generador de funciones
wg = WaveGenerator(duration=20)

La configuración sólo puede realizarse mientras el sonido se encuentra detenido. Tenemos los siguientes parámetros a nuestra disposición:

# Propiedades del canal 1
wg.channel1.amplitude = 1.0     # Amplitud (0.0 a 1.0)
wg.channel1.frequency = 440     # Frecuencia (1 a 4000 en Hz)
wg.channel1.phase = 0           # Fase en radianes
wg.channel1.waveform = "sine"   # "sine", "square", "triangle"
wg.channel1.enabled = True      # Canal encendido / apagado

# Propiedades del canal 2
wg.channel2.amplitude = 1.0   
wg.channel2.frequency = 440   
wg.channel2.phase = 0         
wg.channel2.waveform = "sine" 
wg.channel2.enabled = True    

Cuando queramos que un sonido se ejecute abriremos un contexto y dentro del mismo ubicaremos las tareas a realizar. Por ejemplo, si queremos escuchar el sonido por 5 segundos podemos hacer lo siguiente

import time
with wg.play():
    for i in range(5):
        time.sleep(1.0)
        print(f"Transcurrieron {i+1} segundos")

Ejemplo completo (Arduscopio + fit_signal + barrido de fase con WaveGenerator)

import numpy as np
import matplotlib.pyplot as plt
from arduscope import Arduscope, fit_signal, sine
from arduscope.wave_generator import WaveGenerator

# Nuevo generador de funciones
wg = WaveGenerator(duration=20)

# Propiedades del canal 1
wg.channel1.amplitude = 1.0     # Amplitud (0.0 a 1.0)
wg.channel1.frequency = 440     # Frecuencia (1 a 4000 en Hz)
wg.channel1.phase = 0           # Fase en radianes
wg.channel1.waveform = "sine"   # "sine", "square", "triangle"
wg.channel1.enabled = True      # Canal encendido / apagado

# Propiedades del canal 2
wg.channel2.amplitude = 1.0
wg.channel2.frequency = 440
wg.channel2.phase = 0
wg.channel2.waveform = "sine"
wg.channel2.enabled = True

# Contexto para conectar / desconectar el Arduscopio
with Arduscope(port='/dev/ttyUSB0') as arduino:
    # Configura los parámetros del Arduscopio
    arduino.frequency = 8000  # Frecuencia de muestreo
    arduino.trigger_value = 2.5  # Valor de trigger
    arduino.amplitude = 5.0  # Amplitud máxima de la señal medida
    arduino.n_channels = 2  # Cantidad de canales
    arduino.trigger_channel = "A0"  # Modo del trigger
    arduino.trigger_offset = 0.0  # Offset del trigger

    # Barrido de fase
    for phase in np.linspace(0, 90, 11):
        # Configura la fase del canal 2
        wg.channel2.phase = phase * np.pi / 180

        # Inicia la reproducción del sonido
        with wg.play():
            # Inicia la adquisición
            arduino.start_acquire()
            # Espera 50 pantallas
            arduino.wait_until(50)
            # Detiene la adquisición
            arduino.stop_acquire()
            # Transfiere las mediciones a un contenedor
            measure = arduino.measure

            # Grafica los canales (con el mejor ajuste disponible)
            fig: plt.Figure
            ax: plt.Axes
            fig, ax = plt.subplots(1, 1, figsize=(8, 6))

            phases = []
            for i in range(arduino.n_channels):
                # Coordenada x (con el offset correspondiente a cada canal)
                x = measure.x[i]
                # Coordenada y promediada en las 50 pantallas
                y = measure.channels[i].mean(axis=0)

                # Realiza un ajuste
                params, stds, rmse, = fit_signal(sine, x, y)

                # Grafica el ajuste, los datos y usa el RMSE para dibujar errores
                x_fit = np.linspace(min(x), max(x), num=x.size*20)
                y_fit = sine(x_fit, *params)
                ax.plot(x, y, ls='', marker='o', color=f"C{i}")
                ax.plot(x_fit, y_fit, color=f"C{i}")
                ax.fill_between(x_fit, y_fit-rmse, y_fit+rmse, color=f"C{i}", alpha=0.3)

                # Recuerda la fase ajustada (para posterior comparación)
                phases.append(params[2])

            # Calcula la diferencia de fase (corregida al intervalo -pi, pi)
            phase_diff = ((phases[0] - phases[1]) - np.pi) % (2 * np.pi) - np.pi

            # Imprime los resultados
            print(f"\n"
                  f"Expected phase: {phase:.1f}\n"
                  f"Measured phase: {phase_diff * 180 / np.pi:.1f}")

            plt.tight_layout()
            plt.show()

            # Borra el buffer antes de comenzar la siguiente medición
            arduino.clear_buffer()