This commit is contained in:
xaver
2020-09-10 17:38:04 +02:00
parent 03dc051388
commit ea00a01fd9
9 changed files with 57 additions and 33 deletions

12
notes
View File

@@ -1,15 +1,19 @@
+ fit für gain kurven: über tau = 1/cutoff_f * 2 * pi --> wie bestimm ich cutoff_f?
+ daten von natalie zu eigenmannia mit + / - delta f anschauen ob unterschiede
+ größe/gewicht/dominanz/temp in csv und über split aufteilen und mit ID verknüpfen oder mit pandar,
eod basefrequenz rausziehen, scatter plot gegen cutoff frequency, ...
+ cutoff frequencies rausziehen und zu gain_all plotten, dann punkte so aussortieren dass uniform
verteilt ist um zu zeigen wie metzen chacron zu dem ergebnis gekommen sind (hoffentlich)
dabei noch absolutwerte von cutoff und tau verwenden da wir wurzel in formel nehmen
+ specgram von pre_data neben specgram von data machen um zu sehen ob analyse fehler oder fehler in import_data
long term:
- extra datei mit script drin um fertige daten darzustellen, den fit-code nur zur datenverarbeitung verwenden
- darstellung: specgram --> rausgezogene jarspur darüber --> filterung --> fit und daten zusammen dargestellt, das ganze für verschiedene frequenzen
+ größe/evtl. gewicht nachtragen, eod basefrequenz rausziehen und zuweisen --> wie macht man das schnell und nicht manuell?
- liste mit eigenschaften der fische (dominanz/größe), messvariablen (temp/conductivity), eodf und evtl ampl machen um diese plotten zu können
- unterschiedliche nffts auf anderem rechner laufen lassen evtl um unterschiede zu sehen
- phase in degree: phase % (2pi) - modulo 2pi
(
- mit zu hohem RMS rauskicken: evtl nur ein trace rauskicken wenn nur da RMS zu hoch
- 2019lepto27/30: 27 - 0.05Hz (7-27-af, erste dat mit len(dat)=1), 30 - 0.001Hz (7-30-ah mit 0.005 anstatt gewollten 0.001Hz --> fehlt)
)