cosas de la compu de nico

analisis/plots/20250313_fluorescencecorrelationtests/Transitorios_osci.py

@@ -53,7 +53,7 @@ import scipy.fftpack
 BINW = 1e-2
 T0 = -0.4e-6
 
-files = [20322]
+files = [20583]
 
 SP_Heigths = []
 SP_Bins = []
@@ -81,45 +81,6 @@ for k in range(len(counts)):
 
 #%%
 
-
-
-from scipy.optimize import curve_fit
-
-refe = len(SP_Bins[0])
-prop = 1
-
-RefBins = [t for t in SP_Bins[0][:int(prop*refe)]]
-
-# plt.figure()
-# plt.plot(RefBins[:-1], SP_Heigths[0][:int(prop*refe)],'-o')
-    
-x = RefBins[:-1]
-y = SP_Heigths[0][:int(prop*refe)]
-
-
-cc = np.ones(len(counts))
-fluo = np.cumsum(cc) - np.polyval(np.polyfit(counts,np.cumsum(cc),1),counts)
-plt.figure()
-plt.plot(counts,fluo)
-plt.xlabel('Tiempo (s)')
-plt.ylabel('Cumsum photons')
-
-
-y = np.array([f for f in fluo])
-dt = np.mean(np.diff(np.array(counts)))
-print(dt)
-
-plt.figure()
-# plt.plot(x, y, label='Señal original')
-plt.magnitude_spectrum(y*np.hanning(len(y)),Fs=1/dt)
-plt.xlabel('Frecuencia (Hz)')
-plt.ylabel('Amplitud')
-# plt.xlim(-10,200)
-plt.grid(True)
-# plt.legend()
-
-#%%
-
 """
 Esto binea fotones asumienod que la cantidad de fotones que llegan en un intervalo tau
 esta modulada por una funcion periodica. Entonces a los tiempos de llegada entre
@@ -189,24 +150,9 @@ Esto deberia hacerse asi para ver la oscilacion a la RF (micromocion)
 BINW = 1e-2
 T0 = -0.4e-6
 
-files = [20476] #el 19613 es el que muestra el pico en 48.5 Hz
+#files = [20577,20578,20579,20580,20581] #el 19613 es el que muestra el pico en 48.5 Hz
 
-SP_Heigths = []
-SP_Bins = []
-
-for i, fname in enumerate(files):
-    #print(i)
-    #print(fname)
-    data = h5py.File('0000'+str(fname)+'-CRB.h5', 'r')
-    counts = np.array(data['datasets']['counts'])
-    bines = np.arange(counts.min(), counts.max()+BINW, BINW)
-
-    heigs, binsf  = np.histogram(counts, bines[bines>T0])
-    
-    SP_Heigths.append(heigs)
-    SP_Bins.append(binsf)
-    
-    
+files = [20587] #el 19613 es el que muestra el pico en 48.5 Hz
 
 def bin_time_arrivals(arrival_times, tau):
     """
@@ -221,41 +167,66 @@ def bin_time_arrivals(arrival_times, tau):
     """
     return arrival_times - tau * (arrival_times // tau)
 
-"""
-Amplitud en funcion de la frecuencia de bineo de la rf
-"""
 
-freqrf = 7.2618e6
+SP_Heigths = []
+SP_Bins = []
 
-freqrfvec = np.arange(7262561,7262972,0.1)
 
-amps = []
 plt.figure()
 
-for freqrf in freqrfvec:
-    taurf = 1/freqrf
+for i, fname in enumerate(files):
+    #print(i)
+    #print(fname)
+    data = h5py.File('0000'+str(fname)+'-CRB.h5', 'r')
+    counts = np.array(data['datasets']['counts'])
+    bines = np.arange(counts.min(), counts.max()+BINW, BINW)
+
+    heigs, binsf  = np.histogram(counts, bines[bines>T0])
+    
+    SP_Heigths.append(heigs)
+    SP_Bins.append(binsf)
+    
+    
+
     
-    tiemposarreglados = bin_time_arrivals(counts, taurf)
     
-    b = taurf/50  # Ancho de bineo
-    bins = np.arange(0, taurf, b)
-    hist, bin_edges = np.histogram(tiemposarreglados, bins=bins)
+    """
+    Amplitud en funcion de la frecuencia de bineo de la rf
+    """
     
-    colors = ['b', 'g', 'r']  # Colores para cada repetición
+    freqrf = 7.2618e6
     
-    x_extended = np.concatenate([bin_edges[:-1] + i * taurf for i in range(3)])
-    y_extended = np.tile(hist, 3)
+    freqrfvec = np.arange(7262765,7262767,0.01)
     
-    def sinusoidal(x, A, C, D):
-        return A * np.sin(2*np.pi*freqrf * x + C) + D
+    amps = []
     
-    x_extended_dense = np.arange(np.min(x_extended),np.max(x_extended),0.1*(x_extended[1]-x_extended[0]))
     
-    params, _ = curve_fit(sinusoidal, x_extended, y_extended, p0=[max(y_extended),  0, np.mean(y_extended)])
-    amps.append(np.abs(params[0]))
+    for freqrf in freqrfvec:
+        taurf = 1/freqrf
+        
+        tiemposarreglados = bin_time_arrivals(counts, taurf)
+        
+        b = taurf/50  # Ancho de bineo
+        bins = np.arange(0, taurf, b)
+        hist, bin_edges = np.histogram(tiemposarreglados, bins=bins)
+        
+        colors = ['b', 'g', 'r']  # Colores para cada repetición
+        
+        x_extended = np.concatenate([bin_edges[:-1] + i * taurf for i in range(3)])
+        y_extended = np.tile(hist, 3)
+        
+        def sinusoidal(x, A, C, D):
+            return A * np.sin(2*np.pi*freqrf * x + C) + D
+        
+        x_extended_dense = np.arange(np.min(x_extended),np.max(x_extended),0.1*(x_extended[1]-x_extended[0]))
+        
+        params, _ = curve_fit(sinusoidal, x_extended, y_extended, p0=[max(y_extended),  0, np.mean(y_extended)])
+        amps.append(np.abs(params[0]))
 
 
-plt.plot(freqrfvec,amps,'o')
+    plt.plot([f*1e-6 for f in freqrfvec],amps,'o')
+plt.xlabel('Frecuencia RF (MHz)')
+plt.ylabel('Amplitud oscilacion')
 
 #%%
 """
@@ -263,7 +234,7 @@ Grafico temporal replicado 3 veces a la frecuencia dada
 """
 
 
-freqrf = 7262766
+freqrf = 7262766.1
 
 taurf = 1/freqrf
 
@@ -281,6 +252,9 @@ y_extended = np.tile(hist, 3)
 def sinusoidal(x, A, C, D):
     return A * np.sin(2*np.pi*freqrf * x + C) + D
 
+def sinusoidal2(x,A,b,C,D,E):
+    return A*((C**2)/(C**2 + (D-b*np.sin(2*np.pi*freqrf*x))**2))+E
+
 x_extended_dense = np.arange(np.min(x_extended),np.max(x_extended),0.1*(x_extended[1]-x_extended[0]))
 
 params, _ = curve_fit(sinusoidal, x_extended, y_extended, p0=[max(y_extended),  0, np.mean(y_extended)])
@@ -297,7 +271,8 @@ for i in range(3):
 plt.xlabel("Tiempo bineado (repetido 3 veces)")
 plt.ylabel("Frecuencia")
 plt.title("Distribución de tiempos bineados con ajuste sinusoidal")
-plt.ylim(0,np.max(hist)*1.2)
+#plt.ylim(0,np.max(hist)*1.2)
+plt.ylim(0,400)
 plt.legend()
 plt.show()
 

analisis/plots/20250403_UVspectra_bladetrap/UV_spectrums_new.py

@@ -9,17 +9,15 @@ import os
 from scipy import interpolate
 
 # Solo levanto algunos experimentos
-Calib_Files = """000012744-UV_Scan_withcalib_Haeffner
-000012745-UV_Scan_withcalib_Haeffner
-000012749-UV_Scan_withcalib_Haeffner
-000012750-UV_Scan_withcalib_Haeffner
-000012751-UV_Scan_withcalib_Haeffner
-000012752-UV_Scan_withcalib_Haeffner
-000012753-UV_Scan_withcalib_Haeffner
-000012754-UV_Scan_withcalib_Haeffner
-000012755-UV_Scan_withcalib_Haeffner""" 
-
-os.chdir('C://Users//nicon//Doctorado//artiq_experiments//analisis//plots//20230616_newUVspectra//Data')
+Files = """000020496-UV_Scan_withcalib_Haeffner
+000020498-UV_Scan_withcalib_Haeffner
+000020508-UV_Scan_withcalib_Haeffner
+000020565-UV_Scan_withcalib_Haeffner
+000020555-UV_Scan_withcalib_Haeffner
+000020546-UV_Scan_withcalib_Haeffner
+""" 
+
+os.chdir('/home/nico/Documents/artiq_experiments/analisis/plots/20250403_UVspectra_bladetrap/Data/')
 
 #carpeta pc nico labo escritorio:
 #C:\Users\Usuario\Documents\artiq\artiq_experiments\analisis\plots\20220503_EspectrosUVnuevos\Data
@@ -37,8 +35,8 @@ Freqs = []
 Counts = []
 T_readouts = []
 
-for i, fname in enumerate(Calib_Files.split()):
-    print(SeeKeys(Calib_Files))
+for i, fname in enumerate(Files.split()):
+    print(SeeKeys(Files))
     print(i)
     print(fname)
     data = h5py.File(fname+'.h5', 'r') # Leo el h5: Recordar que nuestros datos estan en 'datasets'
@@ -64,7 +62,7 @@ def Lorentzian(f, A, x0, gamma, offset):
 #primero muestro las meds 0 y 1 que son dos mediciones con potencia UV quizas un poco 
 #alta pero en la segunda el ion esta un poquito mejor compensado y se ve cómo se afina el espectro
 
-jvec = [6,7,8] 
+jvec = [5] 
 
 plt.figure()
 
@@ -75,13 +73,13 @@ for j in jvec:
     
     portion = 0.
     
-    #popt, pcov = curve_fit(Lorentzian, FreqsChosen[int(portion*len(FreqsChosen)):], CountsChosen[int(portion*len(FreqsChosen)):], p0=[12000, 208, 30, 30])
+    popt, pcov = curve_fit(Lorentzian, FreqsChosen[int(portion*len(FreqsChosen)):], CountsChosen[int(portion*len(FreqsChosen)):], p0=[12000, 208, 30, 30])
     
     freqslong = np.arange(min(FreqsChosen)-10, max(FreqsChosen)+10, (FreqsChosen[1]-FreqsChosen[0])*0.01)
     
     plt.errorbar(FreqsChosen, CountsChosen, yerr=np.sqrt(np.array(CountsChosen)), fmt='o', capsize=5, markersize=5)
-    #plt.plot(freqslong, Lorentzian(freqslong, popt[0], popt[1], popt[2]), label=f'FWHM {round(popt[1])} MHz')
-    #plt.plot(freqslong, Lorentzian(freqslong, popt[0], popt[1], popt[2], popt[3]), label=f'FWHM {round(popt[2],1)} MHz')
+    # plt.plot(freqslong, Lorentzian(freqslong, popt[0], popt[1], popt[2]), label=f'FWHM {round(popt[1])} MHz')
+    plt.plot(freqslong, Lorentzian(freqslong, popt[0], popt[1], popt[2], popt[3]), label=f'FWHM {round(popt[2],1)} MHz')
     #plt.axvline(popt[2]-22.1, linestyle='--', linewidth=1)
     #plt.axvline(popt[2]+22.1, linestyle='--', linewidth=1)
     plt.xlabel('Frecuencia (MHz)')