lunes, 26 de diciembre de 2016

Iniciando con GNU Radio

GNU Radio es un proyecto que provee módulos de Python (escritos en C++) y herramientas de software para el procesamiento de señales en aplicaciones de radio definido por software (SDR). Puede ser instalado en Windows aunque aún no lo he probado ahí. Instalarlo en Debían y Fedora es muy sencillo. Para este tutorial voy a asumir que se ha tomado un curso básico de procesamiento digital de señales (pero tanto para aprender como repasar se puede recurrir a la vieja confiable serie Schaum's).

Hay dos maneras de utilizar GNU Radio: En modo gráfico creando diagramas a bloque con GNU Radio Companion (GRC) o creando scripts de Python desde cero. La ventaja de usar GRC es que permite desarrollar aplicaciones muy rápidamente y con un entorno amigable. Sin embargo, para aplicaciones más complejas, escribir scrips provee una flexibilidad más adecuada. Naturalmente iniciaremos usando GRC.

GRC es visualmente similar a Simulink o LabVIEW. Sin embargo trabaja de la siguiente manera: GRC crea un script de python (cuyo nombre por defecto es top_block.py)  a partir del diagrama a bloques creado. Este programa se encarga de ejecutar los bloques en el orden correcto y llamar a la librería gráfica para visualizar interactivamente los datos si es el caso. Gracias al GNU Block API, cada bloque se ejecuta en un thread lo da muy buen desempeño si tienes un procesador multinúcleo.

Bien, al abrir GRC (buscadolo en el menú o desde terminal ejecutando "gnuradio-companion") aparecerá el espacio de trabajo, la ventana de bloques a la derecha y una ventana de mensajes en la parte inferior:
 En todo nuevo proyecto nos aparecerán dos bloques por efecto en el espacio de trabajo: el bloque "Options" y un bloque de variable samp_rate. El bloque "Options" nos permite cambiar al nombre del script principal (del que hablaba más arriba), agregar autor, descripción, elegir la librería gráfica entre otras opciones. Las variables son muy útiles para facilitar el desarrollo de cualquier programa. La tasa de muestreo es tan importante en procesamiento digital de señales que es muy útil agregarla al espacio de trabajo por defecto.

Para nuestro primer ejemplo generaremos una señal cosenoidal de 10 KHz con una amplitud unitaria más ruido gaussiano de amplitud 0.1 y la visualizaremos con un instrumento virtual. Usaremos los siguientes bloques:
  • Waveform Generators > Signal Source
  • Wavefoem Generator > Noise Source
  • Math Operators > Add
  • Misc > Throttle
  • Instrumentation > QT > QT GUI Sink
 y los conectaremos de la siguiente manera (la conexión se hace dando click en la salida del primer bloque y después en la entrada del segundo bloque):
Se notará que el color de los puertos será azul por defecto. Este color denota el tipo de dato (el azul representa a los complejos flotantes). El código de colores completo se puede ver yendo al menú superior en help > types. En este ejemplo debemos cambiar a tipo float en la configuración de todos los bloques (naranja).

El bloque "Throttle" se encarga de reducir la carga de trabajo del procesador limitando el flujo de datos a través del bloque de manera que no haya retrasos o congelamientos en la visualización gráfica de los datos. Es muy importante aclarar que este bloque sólo debe usarse para visualizar datos y nunca para trabajar con salidas físicas como audio o instrumentos USRP.

Finalmente, lo que queda es configurar los bloques "Signal Source" y "Noise Source" para que nos den los valores de salida deseados. Damos click en "Execute flow graph":
 Veremos ejecutarse la interfaz gráfica del instrumento virtual QT que incluye displays en dominio de la frecuencia y del tiempo así como un espectrograma y un diagrama de constelación:
 Referencias
 "Core concepts of GNU Radio", GNURadio.org

domingo, 27 de noviembre de 2016

Preocupaciones

Tomemos la frase "Me preocupo por el medio ambiente". ¿Qué es lo que queremos decir con ella? El verbo preocupar en esta oración expresa un compromiso de nuestra parte con el medio ambiente. Pensemos ahora en la siguiente, "Me preocupa tu hermano". Imaginemos que es dicha en un contexto donde la persona a la que se refiere está en una situación delicada o quizá no se ha comunicado en varias horas después de salir de casa. En este caso podríamos referirnos con preocupación a un sentimiento de temor o consternación. Este doble significado genera un problema que llega a ser bastante grave para los que sufrimos de desordenes de ansiedad. Nos hace creer erróneamente que el compromiso y la sensación de temor son inseparables. Nuestra intuición se ve tan moldeada por esta curiosidad lingüística que nos cuesta mucho imaginar un escenario donde estamos hasta el cuello de pendientes y al mismo tiempo en calma. Esta situación es completamente racional y es posible sin forzarnos a que no nos importen nuestros problemas, ya que el compromiso de resolverlos es independiente a la angustia que pudieran o no provocarnos. 

domingo, 23 de octubre de 2016

Repositorio de tesis abierto de la PUCP

La Pontificia Universidad Católica de Peru (PUCP) es una de las 20 mejores universidades de Latinoamérica. Recientemente me entero que tienen un enorme repositorio de tesis de acceso público que van desde nivel bachillerato hasta doctorado en un amplio número de áreas como Ciencias Sociales, Filosofía e Ingeniería y Ciencias Exactas. Me ha ayudado bastante a informarme sobre el estado del arte y para citar trabajos en mi tesis de licenciatura. Definitivamente un gran aporte al conocimiento para el mundo hispanohablante.

viernes, 21 de octubre de 2016

Small Ku Band Radio Telescope (1m)

Early this year I started to build a small radio telescope for my undergraduate thesis.The idea came to me as a smaller and open (without Radio Eyes) version of the Robert Arrowsmith's SDR radio telescope. In order to make a contribution to other students and educators all over the world, the main goals of the project are the following:
  • Create an open hardware and affordable altazimuth mount  
  • Create Python modules for control and coordinate conversions
  • Start a complete open hardware/software astronomical platform for educational proposes in long term.  
This week I've already finished the mount and I began to test the movement of the antenna. I'm using a Raspberry Pi as main control unit. The digital controllers for the motors are implemented in a microcontroller board called Miuva with a Pololu Qik 2s12v10 dual motor driver:
 And this is how the system looks like when is assembled:

Once the mount is calibrated after add a magnetometer and an IMU, I will take some data using a FunCube and a RSA306B USB Spectrum Analyzer (which is not mine, sadly, but my adviser is letting me use it).

This post is only a brief teaser, but I promise I will release everything as soon as I get my degree!

martes, 6 de septiembre de 2016

Morelia Vol. 2

Yo aparentando saber de lo que hablo.
A principios de agosto regresé a Morelia para presentar lo que en esos días era mi propuesta de proyecto de tesis (un radiotelescopio de un plato de un metro del que escribiré pronto). Lo que más me tenía preocupado era tener algún episodio de pánico escénico de los cuales había creído erradicados hasta un pequeño insistente a mediados de junio, una semana después de la escuela de verano. Me tomé muy enserio el no repetirlo y estuve ensayando bastante mi corta presentación de 10 minutos. Me da mucho gusto contar que logré hacerlo bien esta vez. Toda la semana del pequeño congreso en Morelia recibí muy buenas criticas, incluida la de un investigador de del IRyA, Stan, que admiro bastante y a quien había invitado a mi charla. Creo que bastaba decir que mi charla me ayudó a ligar (o más bien que ligaran) en la fiesta de despedida. Disfrute mucho este viaje. Me reencontré con varios amigos e hice algunos nuevos más. Fue muy curioso que uno de mis compañeros de cuarto fue el amigo de N. de la UNAM al que había conocido un mes antes en CDMX. Conocí a una chica norteña que era asistente de verano de Stan por el programa Delfín y esta trabajando con SRT del Haystak. Estudiaba física y me sorprendió que supiera tanto de electrónica e instrumentación. Me dijo que le gustaba mucho esa área, me pidió algunos consejos pero después de darme cuenta lo mucho que sabía no fue tanto el extra que pude recomendarle estudiar. Hubo un día que perdí el autobús que nos llevaba del instituto al hotel por ayudarle con un problema en la comunicación serial con el analizador de espectros que estaban utilizando pero fue muy amable en ayudarme a regresar a Morelia. Ese día en el camino de regreso le contaba que a mi jamás me habían aceptado en el programa Delfín por no tener el promedio suficiente, o al menos que mi universidad no había respondido a mis solicitud de excepción. Le pareció gracioso e injusto porque yo le había dado la impresión de conocer bastante. El último día tuve que cambiar los planes de pasar unos días en Guanajuato para visitar a un amigo por no encontrar corridas de autobuses para allá después de las 4 pm y tuve que ir a la CDMX con un amigo en coche. Llegamos muy tarde a la ciudad por perdernos en Santa Fe. El carro en el íbamos de una amiga de mi amigo y nos dejaron en Taxqueña (nos habían dejado en una parada del trolebús pero nunca pasó y tuvo que regresar a rescatarnos). Era tan tarde que no alcanzamos boletos para el último autobús para Puebla, así que nos arriesgamos a cruzar media ciudad en metro para llegar a la TAPO. Al final lo logramos y llegamos en la madrugada. A mi amigo lo había conocido en la escuela de verano de junio. Me la pasé hablandole de lo mucho que sigo pensando en N.

miércoles, 31 de agosto de 2016

Identificación de la función de transferencia de un motor de Lego Mindstorms NXT

Utilizando la App de System Identification Toolbox de Matlab es muy sencillo estimar experimentalmente la función de transferencia de un sistema dinámico. Básicamente, existen 3 formas de identificar la planta de un sistema dinámico: el modelo de caja negra, el modelo de caja blanca y el modelo de caja gris. En el modelo de caja blanca se obtiene la función de transferencia a partir de los principios físicos conocidos sobre el sistema (que es lo que suele hacerse en un primer curso de sistemas de control al obtener la planta de un sistema masa-resorte-amortiguador). Sin embargo, cuando se trata de sistemas reales esto o suele ser muy complicado. El método de modelado por caja negra se encarga de estimar la función de transferencia con herramientas estadísticas utilizando únicamente una función de entrada de prueba y la función de respuesta de la planta ante dicha función:
Para la que la identificación sea certera es un requisito que u(t) tengo un ancho de banda muy amplio. Esto le permite al algoritmo de estimación tener más información disponible para la estimación del modelo. Idealmente la función que cumple con ancho de banda infinito es la delta de Dirac, sin embargo, al ser imposible de generar físicamente se opta en la practica por usar secuencias pseudoaleatorias binarias (PRBS's). Estas secuencias pueden generarse con un registro de corrimiento de retroalimentación lineal (LFSR) y tienen características espectrales de ruido blanco lo que las hace ideales para ser usadas como señales de prueba. La descripción de los generadores de PRBS's es todo un tema aparte del que espero escribir a detalle más adelante, pero pueden darse muy buena idea de como funcinan con este documento.

Para esta práctica se requiere tener instalar el paquete de soporte de  Lego Mindstorms para Simulink. Pueden instalarlo ejecutando el comando supportPackageInstaller en la ventana de comandos de Matlab y buscando Lego Mindstorms NXT. El modelo implementado en el NXT es el siguiente:
 








Este diagrama nos permite adquirir los datos tanto de la función de entrada como la de salida y los envía al workspace. Para poder hacer la adquisición a la PC debe ejecutarse en modo external. [Aquí pueden ver un video tutorial para hacer esto]. Los datos obtenidos son los siguentes:
Estas dos señales son las que utilizaremos en al app para realizar la identificación. Esta aplicación tiene una interfaz gráfica muy sencilla de utilizar.[Aquí hay un videotutorial en español para aprender a usarla]. Después de experimentar con varias combinaciones de polos y ceros, el modelo preliminar que logró un acierto del 96.12 % fue el siguiente:
Este aún es el modelo crudo encontrado por el identificador y es necesario ajustarlo. Lo primero que salta a la vista el el termino 5,434e-11 que es despreciable y eliminaremos en el modelo final. Lo que resta es hacer un ajuste de ganancia. Para ello requerimos la respuesta experimental en lazo cerrado del motor ante un escalón unitario. Ejecutamos entonces el siguiente diagrama a bloques para poder obtenerlo:
Teniendo los datos de la respuesta experimental, debemos ahora compararlo con la respuesta teórica de nuestro modelo ajustando la ganancia hasta observar resultados favorables (debe haber algún procedimiento analítico para esto, pero lo he realizado de forma empírica). El diagrama del modelo teórico, junto con el modelo de caja blanca realizado por la Universidad  Politécnica de Madrid[1] como segunda referencia, es el siguiente:


 Las respuestas fueron las siguientes:

   Con esto queda verificado que la función de transferencia final de posición angular (en grados) contra potencia (%) nos queda:
 La ventaja de este proceso es que puede repetirse para caracterizar la función de transferencia de los motores con carga como puede ser un brazo robótico o un robot móvil, algo que representaría un proceso tedioso con el enfoque de caja blanca. Adelantantome a la petición de los archivos:

jueves, 11 de agosto de 2016

domingo, 7 de agosto de 2016

Tonantzintla

Epicuro afirmaba que lo único que hace verdaderamente feliz al ser humano es vivir y trabajar en comunidad con sus amigos. Creo que cualquiera que haya pasado una escuela, taller o verano de investigación con buena compañía le puede dar la razón. Lo único malo, como le oí decir a alguien durante la última semana del taller, es el "síndrome de abstinencia post-escuela". El forjado de experiencias de vida es una de las cosas más personalmente enriquecedores que puede ofrecernos la ciencia. No podría dedicarme a otra cosa.

Debo admitir que cuando mandé mi solicitud estaba seguro con toda mi arrogancia que iba quedar admitido. Si bien no me equivoqué, me di cuenta al investigar a mis compañeros que no era precisamente el mejor candidato de latinomérica, algo que en realidad me animó mucho. Por primera vez me tocó un evento con una selección impecable. Si alguien ha seguido esta serie de escritos ya habrá leído alguna que otra desventura. Pero esta es, desde aquel TCJ 2007, fue una de las mejores escuelas de verano en las que he estado. Había comentado alguna vez que no parece apetecerme mucho escribir cuando las cosas andan muy bien. Creo que ha sido el caso estos últimos días, pero vale la pena contar estas anécdotas en este rincón perdido del internet.

Después de S. llegué a pensar que sería muy difícil sentir algo por alguien con la misma fuerza. Hubo otros affairs breves el año pasado, pero siendo sincero y sintiendo algo de culpa, sólo fueron para mi una salida para sacármela de la mente. Este año no tenía ningún plan no académico. Hasta que sin esperarlo conocí a una de las mujeres más perfectas que podría encontrar en la Tierra. A primera vista me pareció muy guapa, pero eso es algo que jamás me llevado a sentir nada más que atracción. Supongo que fue a la mitad de la primer semana cuando me di cuanta de que estaba perdido por ella. Traté de evitarlo lo más que pude. Una extranjera que difícilmente volvería a ver con la frecuencia que quisiera. Pero terminé completamente loco por ella, como no me hacia sentido en años. ¿Por qué? Simplemente puedo decir que era una curiosa conjugación de todas las mujeres que me habían gustado hasta el momento presente y mucho más. Un chica extrovertida, sin ser fastidiosa, inteligente y más lógica de lo que había visto antes. Apasionada y comprometida con su carrera y la ciencia. El tipo de mujer que te convence de que la perfección en las personas se puede lograr. ¿Cómo iba a poder resistirme? Su nombre es N.

La segunda semana del taller consistió en trabajar con un proyecto individual. Fue muy interesante y ha sido lo más cercano a lo que he estado a la investigación real. Trabajé con datos de Herschel y GTM Aprendí bastante sobre el WCS y sobre como convertir entre indicies y coordenadas ecuatoriales. Aquella semana vi muy poco a N. Todos estuvimos muy ocupados con nuestro proyectos en las oficinas de nuestros asesores o en la sala común. A diferencia de Morelia, nadie se quejaba por la carga de trabajo. Fue todo lo contrario, como la Legión Extranjera, eramos casi los primeros en llegar y los últimos en irnos del instituto. Just the way I like it. Hice muy buenos amigos de los que espero ser colegas en un futuro no muy lejano. La escuela me levantó mucho el animo en muchos sentidos, algo que después de mis crisis de ansiedad clínica me cayó muy bien. Y pensar que estuve a punto de no aplicar en aquellos días de abril por estar sumido en el desden de la baja dopamina.

La escuela terminó un viernes, y el sábado todo el mundo partió del instituto. N. regresaba a su país el lunes y aún tenía planes de dar la vuelta por la CDMX. Yo no tenía más que unos 200 pesos en la cuenta, pero sin pensarlo dos veces, acepté dar un curso en la capital dos días antes. Era mi última oportunidad de verla de nuevo en mucho tiempo. La vi el domingo junto con uno de sus amigos, que me cayó muy bien y terminó siendo mi compañero de cuarto en otro viaje del que regresé hace unos días y del que escribiré en otra entrada (espero). La tarde se pasó muy rápido para mi. No pude decirle todo lo que me hubiera gustado... Sin embargo, mientras regresaba, solo y suspirando en el metro me decidí a despedirme y declararme en el aeropuerto con en las películas. Y así fue. Después de hacer cálculos y revisar el mapa de la ciudad, ahí estaba yo a las 5:00 am en metro Universidad, en el primer tren del día. Casi una hora y media después me encontraba corriendo en la Av. FAM hacia la terminal 2. Por la hora ya había dado por perdido mi cometido pero no me detuve hasta llegar. Para mi sorpresa, ¡aún seguía ahí!, estaba dormida en las bancas. Tome algunos minutos para recobrar el aliento, ordenar mi mente y esperar a que despertara. Cuando lo hizo, me acerque a saludarla. Me hizo la pregunta que estaba esperando, "¿qué hace aquí?". Todo el discurso que tenía para responderla se me borró por completo. Supongo que notó mi sonrisa estúpida, parado sin palabras por 10 segundos, y agregó sonriendo "vino a despedirse, ¿verdad? Vamos a sentarnos, aún tengo tiempo". Unos 20 minutos después la acompañe a la entrada de la sala de abordar. Tan pronto la vi cruzar la puerta hacia la aduana sentí un extraño nudo en la garganta. Sentía como si la mujer que siempre había buscado se iba de mi vida, En ese momento le escribí un mensaje dónde le contaba discretamente lo que sentía. Hasta ahora sigo preguntándome si leyó, pues hubo un problema con su vuelo y ese mensaje pudo haberlo pasado por alto en medio del apuro. Sólo he llorado 3 veces en un aeropuerto. Ver partir a alguien que me hizo sentir algo en tan poco tiempo fue motivo de esa tercera.

miércoles, 20 de julio de 2016

Concepto de frecuecia en tiempo discreto

Este es un tema que si no se entiende bien al principio de un curso de procesamiento digital de señales puede acarrear muchos problemas al ir avanzando en temas más complicados. En esta entrada trataré de explicar lo más claro posible lo que es la frecuencia de una señal discreta. Primero, comencemos describiendo a una función cosenoidal en tiempo continuo con la notación del Proakis [1]:
El subindice a se utiliza para denotar que x_a(t) es una señal analógica y no confundirla con su contraparte discreta x[n]. Ahora, tomemos esta misma señal discreta y multipliquémosla por tren de pulsos unitarios con un periodo de muestreo Ts (proceso conocido como muestreo).  Gráficamente, el resulto obtenido es el siguiente:
Tenemos ahora una nueva función que depende de una variable entera n multiplicada por el periodo de muestreo Ts. Es este escalamiento por Ts lo que permite que la señal discreta x[n] coincida en el tiempo con la señal x_a(t). x[n] es una nueva señal que está definida en función de una secuencia de números enteros que representan una posición en un arreglo de datos (estas posiciones pueden tomar valores negativos si se toman con respecto a un origen arbitrario en el arreglo):
Como consecuencia del teorema de muestreo de Nyquist-Shannon, sólo es posible obtener información sobre una señal o componente a una frecuencia dada sin riesgo de ambigüedades (conflictos con sus alias) mientras su frecuencia sea menor o igual a la mitad de la frecuencia de muestreo (que es simplemente el inverso de su periodo de muestreo Fs = 1/Ts). Por lo tanto, la frecuencia relativa (también llamada frecuencia normalizada) esta limitada al intervalo:
Si se grafica un ejemplo numérico, resulta bastante intuitivo visualizar que cuando un coseno discreto tiene una frecuencia relativa de pi radianes por muestra se alcanza el periodo mínimo distinguible para una función periódica discreta. Los sinusoides en tiempo discreto muestran periodicidad en frecuencia. Esto significa que los sinusoides discretos que guarden una diferencia en frecuencia de 2*pi son idénticos. Esto puede verse más claramente en esta animación que hice en Matlab:
Naturalmente, lo que nos interesan son los parámetros físicos a los que las señales en tiempo discreto hacen referencia. El periodo de muestreo Ts es el puente clave para darle significado en tiempo continuo a estas señales. Resumiendo las transformaciones de frecuencia:
 Referencias:
Sec. 1.3 "Concepto de frecuencia en señales continuas y discretas en el tiempo",  "Tratamiento Digital de Señales", John G. Proakis
Teorema del Muestreo, L. Javier Morales Mendoza, UGto

martes, 12 de julio de 2016

¿Qué tan lejos están las estrellas que podemos ver a simple vista?


Hace unos años se había abierto una discusión en reddit (también en Quora)a causa de la tira de xkcd de arriba. Hoy me encontré con una discusión similar ahora por un post en Facebook. Como ni las respuestas en reddit ni Quora me convencieron, decidí encontrar la respuesta yo mismo analizando algunos datos.

Primero, descargué la base de datos HYG (Hipparcos, Yale Bright Star, and Gliese) desde aquí, que nos da la información combinada de los 3 catálogos estelares mencionados, una muestra de cerca de 120,000 estrellas. Teniendo el archivo, escribí un programa en Python usando la librería Pandas [pueden bajarlo aquí] para analizar los datos. Y esto fue lo que encontré para la todas las estrellas resueltas [que pueden distinguirse como fuentes puntuales individuales] con una magnitud menor a 6:

De acuerdo al catálogo, el 98% de las estrellas que podemos ver a simple vista en la Tierra (muy lejos de las ciudades y sin luna) se encuentran a menos de 1000 años luz. Aún más interesante, las distancias de estas estrellas tienen una media de sólo 145 años luz con una desviación estándar de 136 años luz . Considerando los porcentajes en una distribución normal:
estamos hablando de que el 95% de esas estrellas se encuentran a menos de 417 años luz. Debe notarse también de que el 2% de las estrellas que se encuentran a más de 1000 años luz en este catalogo tienen una incertidumbre considerable y todas ellas se redondean a 10,000 años luz. En conclusión, cuando uno mira una estrella en la noche, lo más probable es que esté a menos de 400 años luz de distancia.

miércoles, 29 de junio de 2016

Convolución de dos señales en Matlab

La convolución continua de dos funciones esta dada por:
De esta forma, lo que esperaríamos ver al convolucionar dos pulsos cuadrados de amplitud y ancho unitario se muestra en la siguiente animación:

 Para implementar la convolución de dos señales en Matlab se debe considerar que la función conv() [ver documentación] está realizando la operación de convolución discreta que está expresada como:
Si uno utiliza esta función esperando los resultados de una convolución continua, se lleva la sorpresa de que los valores de la convolución resultante son muchos más altos que los valores correctos. Esto se ocurre porque hace falta considerar que una convolución continua se aproxima como el producto del periodo de muestreo por la convolución discreta de las mismas señales evaluadas en tiempo discreto. Esto es:
Así, el programa en Matlab nos queda:

Ts = 0.01;
t = -2:Ts:2;
f = (t>-0.5) - (t>0.5);
g = f;

%Convolución
cnv = Ts*conv(f,g,'same');

subplot(3,1,1),plot(t,f), ylim([0 1.5]),title('f(t)'),grid on
subplot(3,1,2),plot(t,g,'r'), ylim([0 1.5]),title('g(t)'),grid on
subplot(3,1,3),plot(t,cnv,'g'), ylim([0 1.5]),title('conv(f(t),g(t))'),grid on

Referencias:
Using MATLAB with the Convolution Method, California State University Northridge

miércoles, 1 de junio de 2016

Language Barriers

I hadn't written in English here before. Now, regarding that I need to take the GRE this year, it's something that I enormously regret. Mostly what I post here are technical notes of problems I solved and that there is no documentation online about it in Spanish. Someone commented once that I should write my technical notes in English so people all over the world can use them. What I always say is that there's plenty of resources written in English while good ones written in Spanish are scarce. That's why I prefer to write in my mother language. I feel I'm contributing to the develop of my region, not only Mexico but all the Hispanic world. But this blog is not only about engineering and science stuff (things I really passionate about), although it seems to be the case. It's about my life too, the whole of it. I think writing about ourself and our lives is not narcissism. We need to know other peoples thoughts and passions in order to make a better view of the world. So I know that writing always in Spanish have trapped me in bubble too. I haven't done blogger friends outside Hispanic America. But the blogosphere is kind of dead these day anyway, isn't it? Or may be it's just in the Spanish Internet! I don't even know it for the same reason. Well, I'll give it shot.

sábado, 14 de mayo de 2016

Duloxetina

A Quay at Caen - Stanislas Lépine
Algo muy extraño que ocurrió cuando tomaba Cymbalta fue perder sólo durante esos días el gusto por las pinturas oscuras de Stanislas Lépine, Christian Dahl y Atkinson Grimshaw. No es un suceso que me haya caído en completa sorpresa, pero me parece muy curioso que el gusto en arte esté tan directamente condicionado por la química cerebral. Otro efecto interesante fue perder temporalmente la capacidad de acceder a memorias asociadas con ansiedad o tristeza. ¿Es este mismo mecanismo el mismo que me alejaba del gusto por las pinturas oscuras? Tan pronto dejé el antidepresivo, hace ya algunas semanas, mi gusto volvió. No lo dejé por orden médica ni porque no me sintiera cómodo con los resultados, sino porque me incomodaba el hecho de de tener que vivir con una tranquilidad artificial.

Atkinson Grimshaw
Debo aclarar que no padezco de depresión sino que he sufrido de un desorden de ansiedad desde que tengo memoria. Un problema que mis psicólogos no supieron identificar hasta que no pude soportarlo más y tuve que visitar a un psiquiatra. Ahora lo único que lamento es no haberme tratado este problema antes. Pienso en todo el tiempo que la ansiedad me arrebató de mi vida sin poder impedirlo a pesar de mis intentos. En el fondo sabía que en mí había problema más grande que la timidez. Había sido como una batalla en un cuarto competentemente oscuro. Tarde, si, pero finalmente me siento verdaderamente bien conmigo mismo, como no lo sentía desde niño. Sé ahora que esa presión en el pecho y esa angustia constante que me envolvía no eran parte de mí. He aprendido tanto en estas últimas semanas.  

miércoles, 27 de abril de 2016

Leer imagenes en formato .img en Matlab

Es muy común que datos científicos como imágenes medicas o astronómicas se encuentren con la extensión .img. Al menos hasta la versión de 2016, Matlab no tiene una función para extraerlas pero en esta entrada veremos como hacerlo leyendo directamente los datos binarios con fopen(). Para este ejemplo usaremos los datos topográficos del altímetro láser de la sonda espacial Mars global Surveyor que pueden ser descargados aquí. Es muy importante saber de antemano lo siguiente::
  • Dimensiones de la imagen 
  • Formato y precisión de los datos
Esta información es necesaria para poder redimensionar y obtener correctamente el array de datos leídos con la función fread(). En este caso usaremos el mapa topográfico de la superficie de Marte a una resolución de 4 pixeles por grado (archivo megt90n000cb.img). Estos datos tienen un archivo de documentación asociado llamado megt90n000cb.lbl donde podemos leer que la imagen tiene dimensiones de 1440 por 720 px con datos en formato big-endian int16. Sabiendo esto escribimos el siguiente programa:

%Abrir archivo .img
fid = fopen('megt90n000cb.img','rb');
dim = [1440 720];
img = fread(fid,dim,'int16','ieee-be');
img = img';

%Gráfica 2D

figure(1)
imagesc(img)
xticklabels = 0:30:360;
xticks = linspace(1, size(img, 2), numel(xticklabels));
set(gca, 'XTick', xticks, 'XTickLabel', xticklabels)
yticklabels = -90:30:90;
yticks = linspace(1, size(img, 1), numel(yticklabels));
set(gca, 'YTick', yticks, 'YTickLabel', flipud(yticklabels(:)))
colormap(hot), grid('on'), title('Mars Orbiter Laser Altimeter Data')
xlabel('Longitud(E)'),ylabel('Latitud')

%Gráfica 3D (Valle Marineris)
figure(2)
marineris = img(325:478,1079:1322);
surf(marineris,'EdgeColor','none')
xlim([0 200]), ylim([0 150])
title('Valles Marineris')


Plots:


martes, 26 de abril de 2016

Máquina de Estados Finitos en Python

Una máquina de estado o autómata finito (Finite State Machine en inglés) es un modelo computacional bastante útil en robótica y automatización. Para este ejemplo haremos una implementación por software de una máquina de estados en Python que puede ser fácilmente adaptada para algún proyecto en una Raspberry Pi. Esta implementación es bastante sencilla, para FSM's más robustas basadas en clases recomiendo checar aquí y aquí. El diagrama de estados para FSM de esté ejemplo será el siguiente:
Este tipo particular de FSM es llamada Máquina de Moore ya que la transición de estado sólo depende del estado actual y del valor de la entrada. Esta implementación en Python aprovechará una característica peculiar de los diccionarios que permite asociar una función con una llave [ref]. De esta manera los estados quedan definidos como funciones dónde podemos incluir todas las acciones que nos interese realizar durante dicho estado (o durante las transiciones). El programa completo:

# -*- coding: utf-8 -*-
"""
Created on Thu Feb  4 23:36:28 2016

@author: Rodolfo
"""

from time import sleep
from random import randint

#Variable global
estado = 'i'

#Estados
def EDOi(entrada):
    global estado
    print('Estado Inicial')
    #Transiciónes
    sleep(2)
    if entrada == 0:
        estado = 'i'
    if entrada == 1:
        estado = 0
        print(u'Transición hacia 0...')

def EDO0(entrada):
    global estado
    print('Estado 0')
    #Transiciones
    sleep(2)
    if entrada == 0:
        estado = 1
        print(u'Transición hacia 1...')
    if entrada == 1:
        estado = 2
        print(u'Transición hacia 2...')
        
def EDO1(entrada):
    global estado
    print('Estado 1')
    #Transiciones
    sleep(2)
    if entrada == 0:
        estado = 0
        print(u'Transición hacia 0...')
    if entrada == 1:
        estado = 2
        print(u'Transición hacia 2...')

def EDO2(entrada):
    global estado
    print('Estado 2')
    #Transiciones
    sleep(2)
    if entrada == 0:
        estado = 1
        print(u'Transición hacia 1...')
    if entrada == 1:
        estado = 0
        print(u'Transición hacia 0...')

#Finite State Machine (FSM)   
def FSM(entrada):
    global estado
    switch = {
       'i':EDOi,
        0 :EDO0,
        1 :EDO1,
        2 :EDO2,
    }
    func = switch.get(estado, lambda: None)
    return func(entrada)

#Programa Principal
while True:    
 FSM(randint(0,1))
 sleep(2)


Salida del programa en la consola en Raspberry:
En caso de que te interese una implementación en lenguaje C, aquí tengo otra entrada dónde explico como hacerlo.

domingo, 10 de abril de 2016

Streaming de datos por TCP en Raspberry Pi + LabVIEW

 Si se desea hacer un streaming de datos desde un sistema de instrumentación remota como una estación meteorológica, sismológica o un telescopio robótico, puede resultar muy útil y económico tener un servidor TCP en un Raspberry Pi y visualizar los datos en tiempo real con LabVIEW desde cualquier lugar. Esto puede hacerse muy fácilmente utilizando el modulo socket para Python.

Un socket es una abstracción de programación para la representación de conexiones y permiten realizar una comunicación bidireccional. En Python se crea de la siguiente manera:

import socket
s = socket.socket()    #Instaciamiento para el objeto 's'
host = ''                      #Host local por defecto
port = 8006                #Puerto
s.bind((host,port))     #Asignación de dirección y puerto a la instancia
s.listen(5)                  #Número máximo de conexiones entrantes 

Para este ejemplo simularemos 2 señales que usaremos para enviar por TCP. En una aplicación real estas señales serían adquiridas mediate ADC's u otros dispositivos conectados a los pines GPIO de la tarjeta:

t = np.linspace(0,2*np.pi,100)
y0 = np.float16(np.sin(t))
y1 = np.float16(0.5*np.sin(t)*np.sin(2*t))

Se puede observar que estoy usando la función float16() para reducir la precisión de los datos para ahorrarle un poco de trabajo al cliente en LabVIEW pero pueden omitirla si requieren más dígitos significativos. Ahora, para parte principal del programa tenemos:

print u"Esperando conexión"
s, addr = s.accept()
print u"Conexión desde: ", str(addr)
i = 0
try:
 while True:
     s.send('CH0'+str(y0[i])+'\n')
     s.send('CH1'+str(y1[i])+'\n')
     i += 1
     if i>=99:
         i = 0
     time.sleep(0.01)
except KeyboardInterrupt:
s.close()

 Observen que en el argumento del método send() estoy concatenando las etiquetas de 'CH0' y 'CH1' para poder separar las señales después con LabVIEW. (recuerden que '\n' es una secuencia de escape que indica nueva linea).

El diagrama a bloques del cliente para LabVIEW es bastante sencillo:
(Click para agrandar)
En el bloque TCP Open Conection colocamos la dirección IP* de la Raspberry y el puerto que establecimos para el socket en el programa de Python. Después de hacer la lectura utilizamos los bloques Match Patern para identificar las etiquetas de los canales y separar sus valores. Finalemnte se convierten las cadenas aisladas a numeros de tipo double para enviarlos al graficador. El sistema funcionando se ve así:


*Aquí estoy usando una ip local. En la práctica se requerirá utilizar una IP pública. Hay varias formas de hacerlo: #1, #2 , #3

Referencias:
Python Advanced Tutorial 6, DrapsTV
Raspberry Pi + Arduino + LabVIEW, Alfredo Cruz

domingo, 3 de abril de 2016

Modelo lineal de un motor DC

El modelo lineal de un motor eléctrico de DC consiste en 2 ecuaciones diferenciales acopladas: el modelo eléctrico y el modelo mecánico. Debido a que ambos modelos están relacionados podemos escribir un modelo general el cual nos permitirá obtener una función de transferencia. En este ejemplo encontraremos la función de transferencia que relacione voltaje (entrada) con posición angular (salida). Primero, observemos el diagrama del circuito equivalente de la armadura del motor y el diagrama de cuerpo libre de rotor:
Para obtener la ecuación diferencial para el modelo eléctrico consideramos la ley de voltajes de Kirchoff:
 La fuerza contra-electromotriz se genera al iniciar el movimiento del rotor debido a que el campo magnético fijo del estator induce un voltaje en el devanado de la armadura (este voltaje es negativo con respecto al voltaje de entrada). La fcem es proporcional a la velocidad angular del rotor por lo que la constante Kb puede determinarse experimentalmente graficando el voltaje en las terminales del motor contra la velocidad angular del rotor (se verá que la relación no es realmente lineal en un intervalo grande pero puede usarse sólo la región lineal como una aproximación para el modelo).

Para obtener el modelo mecánico consideramos la segunda ley de Newton para movimiento angular:

Dónde J y b son el momento de inercia del rotor y el coeficiente de amortiguamiento por fricción respectivamente. Vemos que el torque es proporcional a la corriente en el motor. Asumiendo que no hay perdidas electromagnéticas, por fricción ni por calor, la potencia mecánica en el rotor debe igualar a la potencia eléctrica de manera que :
Por lo que el valor para el factor de fcem encontrado experimentalmente puede ser usado como valor para Kt. Observamos ahora que las ecuaciones (1) y (2) están relacionadas por la función de corriente.Para facilitar la sustitución obtendremos primero la transformada de Laplace de ambas ecuaciones:
Despejando I(s) de (4) y sustituyendo en (3) obtendremos el modelo unificado para el motor DC. Teniendo ya una sola ecuación obtenemos la función de transferencia posición/voltaje:


Ejecutando el siguiente código en Matlab asignando algunos valores a las constantes obtenemos su respuesta al escalón unitario en lazo cerrado:

J = 3.2284E-6;
b = 3.5077E-6;
K = 0.0274;
R = 4;
L = 2.75E-6;
s = tf('s');
P_motor = K/(s*((J*s+b)*(L*s+R)+K^2))
sys_cl = feedback(P_motor,1)
step(sys_cl)


Nota: Esto es lo que se conoce como identificación de sistema de caja blanca. Si no conocen ningún parámetro físico del motor, pueden usar el procedimiento de identificación de caja negra que describo aquí.

Referencias:
DC Motor Position: System Modeling, University of Michigan
DC Motor, MathWorks
DC Motor, How It Works? [video subtitulado en español], Learn Engineering