# -*- coding: utf-8 -*-
"""
Created on Fri Feb  9 08:42:26 2024

@author: Publico
"""
import matplotlib.pyplot as plt
import numpy as np
import nidaqmx
from scipy.signal import find_peaks

# Para saber el ID de la placa conectada (DevX)
system = nidaqmx.system.System.local()
for device in system.devices:
    print(device)


# Configuración de la tarea
    
task = nidaqmx.Task()

modo = nidaqmx.constants.TerminalConfiguration(10083)
ai_channel = task.ai_channels.add_ai_voltage_chan("Dev2/ai1", terminal_config = modo, max_val = 10, min_val = -10)

print(ai_channel.ai_term_cfg)    
print(ai_channel.ai_max)
print(ai_channel.ai_min)


def medicion_una_vez(duracion, fs, task):
    cant_puntos = int(duracion*fs)
        
    # Frecuencia de sampleo:
    task.timing.cfg_samp_clk_timing(rate = fs, samps_per_chan = cant_puntos,
    sample_mode = nidaqmx.constants.AcquisitionType.FINITE)
        
    # Adquirimos datos:
    datos = task.read(number_of_samples_per_channel = nidaqmx.constants.READ_ALL_AVAILABLE, 
                      timeout = nidaqmx.constants.WAIT_INFINITELY) 
    # Sin el timeout no podemos cambiar la duracion a mas de 10 seg.
        
    datos = np.asarray(datos)    
    return datos.T # Tenemos un matriz de [# de canales]x[cant_puntos], donde
                    # cada fila son los datos de todo un canal.


def espectro_gamma(dt, fs, cant_ventanas, task):
    
    picos = np.zeros(0) # Tensión del pico
    dist = np.zeros(0) # Distancia temporal entre los picos
    eventos_por_ventana=[]

    for i in range(cant_ventanas):
    
        # Medimos en la ventana temporal:
        y =-medicion_una_vez(dt, fs, task)
        
        # Buscamos picos:
        peaks, prop = find_peaks(y, height = np.mean(y)+np.std(y),width = 0)
        
        picos = np.concatenate((picos, y[peaks])) 
        dist = np.concatenate((dist, np.diff(peaks)/fs))
        eventos_por_ventana.append(len(peaks))

        print(i+1,"de",cant_ventanas,"       ", len(peaks))
    
       
    return picos, dist, np.array(eventos_por_ventana)




#%%
dt=0.01
fs=4e5    

y=-medicion_una_vez(dt,fs,task)
t=np.linspace(0,len(y)/fs,len(y))


picos,_ =find_peaks(y,height=np.mean(y)+np.std(y),width=0)


plt.errorbar(t,y,fmt="-",linewidth=0.5)
plt.plot(t[picos],y[picos], 'x')
plt.xlabel('Tiempo [s]')
plt.ylabel('Tensión [V]')
plt.figure()

plt.hist(y[picos],bins=100)
plt.xlabel('Tensión [V]')
plt.ylabel('Cuentas')
plt.yscale("log")



#%%
dt=0.5
fs=4e5
ventanas = 240

picos, dist, eventos_por_ventana = espectro_gamma(dt,fs,ventanas,task) #M es tiempo,picos,num_ventana

plt.figure()
plt.hist(picos,bins=200)
plt.xlabel('Tensión [V]')
plt.ylabel('Cuentas')
plt.yscale("log")


# np.savetxt("Ba133 picos.txt",M)
# np.savetxt("Ba133 ventanas.txt",dist)
# np.savetxt("Ba133 eventos.txt",eventos_por_ventana)

task.close()