implemented averagignd and subtracting avg from B-scan. Control byBG_AVG_WINDOW_SEC = 5.0

BG_SUBTRACT_ALPHA = 1.0
BG_SUBTRACT_ENABLED = True
# Метод расчёта фона: 'median' или 'mean'
BG_BASELINE_METHOD = 'median'

main.py

@@ -14,6 +14,7 @@ from datetime import datetime, timedelta
 import threading
 import queue
 from sys import argv
+from collections import deque
 
 # ================================================================================
 # ПАРАМЕТРЫ И КОНСТАНТЫ
@@ -45,6 +46,13 @@ FILES_STORED_N_MAX = 100
 # Минимально допустимое число точек F0 для принятия данных
 MIN_F0_POINTS = 100
 
+# Усреднение B-scan по времени (фон)
+BG_AVG_WINDOW_SEC = 5.0
+BG_SUBTRACT_ALPHA = 1.0
+BG_SUBTRACT_ENABLED = True
+# Метод расчёта фона: 'median' или 'mean'
+BG_BASELINE_METHOD = 'median'
+
 # ПЕРЕЧИСЛЕНИЕ ТИПОВ ДАННЫХ
 DATA_TYPE_RAW = "RAW"
 DATA_TYPE_SYNC_DET = "SYNC_DET"
@@ -453,6 +461,13 @@ class DataAnalyzerApp:
         self.processed_count = 0
         self.skipped_count = 0
 
+        # Буфер последних колонок для фонового усреднения B-scan
+        self.bscan_buffer = deque()  # элементов: (np.ndarray col, datetime t, str type)
+        self.bg_avg_window_sec = BG_AVG_WINDOW_SEC
+        self.bg_subtract_alpha = BG_SUBTRACT_ALPHA
+        self.bg_subtract_enabled = BG_SUBTRACT_ENABLED
+        self.bg_method = BG_BASELINE_METHOD
+
     # ============================================================================
     # ИНИЦИАЛИЗАЦИЯ ИНТЕРФЕЙСА
     # ============================================================================
@@ -854,6 +869,13 @@ class DataAnalyzerApp:
         # Собираем данные для отображения
         display_cols = []
         display_types = []  # Тип каждого столбца
+        # Предрасчёт фонового усреднения по строкам текущего окна
+        bg_vec = None
+        if self.bg_subtract_enabled and self.bscan_buffer:
+            desired_row_start = row_min
+            desired_row_end = row_max + 1
+            bg_vec = self.compute_background_slice(desired_row_start, desired_row_end)
+        alpha = self.bg_subtract_alpha if self.bg_subtract_enabled else 0.0
         for i in range(col_min, col_max):
             col_data = self.B_scan_data[i]
             col_type = self.B_scan_types[i]
@@ -862,7 +884,13 @@ class DataAnalyzerApp:
                 row_end = min(row_max + 1, len(col_data))
                 row_start = min(row_min, len(col_data) - 1)
                 if row_end > row_start:
-                    display_cols.append(col_data[row_start:row_end])
+                    seg = col_data[row_start:row_end]
+                    if bg_vec is not None and col_type != "GAP":
+                        take = min(len(seg), len(bg_vec))
+                        if take > 0 and alpha != 0.0:
+                            seg = seg.copy()
+                            seg[:take] = seg[:take] - alpha * bg_vec[:take]
+                    display_cols.append(seg)
                     display_types.append(col_type)
 
         display_times = self.B_scan_times[col_min:col_max]
@@ -1054,6 +1082,10 @@ class DataAnalyzerApp:
             self.B_scan_times.append(current_time)
             self.B_scan_types.append(data_type)
             self.last_file_time = current_time
+            # Сохраняем в буфер для фонового усреднения (не добавляем GAP)
+            if data_type != "GAP":
+                self.bscan_buffer.append((np.asarray(data_col, dtype=float), current_time, data_type))
+                self.prune_bscan_buffer(current_time)
             return
 
         # Используем переменный интервал между файлами
@@ -1084,6 +1116,61 @@ class DataAnalyzerApp:
         self.B_scan_times.append(current_time)
         self.B_scan_types.append(data_type)
         self.last_file_time = current_time
+        # Сохраняем в буфер для фонового усреднения (не добавляем GAP)
+        if data_type != "GAP":
+            self.bscan_buffer.append((np.asarray(data_col, dtype=float), current_time, data_type))
+            self.prune_bscan_buffer(current_time)
+
+    def prune_bscan_buffer(self, now_time: datetime):
+        """Удаляет столбцы старше окна усреднения."""
+        try:
+            threshold = now_time - timedelta(seconds=self.bg_avg_window_sec)
+            while self.bscan_buffer and self.bscan_buffer[0][1] < threshold:
+                self.bscan_buffer.popleft()
+        except Exception:
+            pass
+
+    def compute_background_slice(self, row_start: int, row_end: int) -> np.ndarray:
+        """Пер-строчная статистика (median/mean) по окну последних колонок для строк [row_start:row_end)."""
+        n_rows = max(0, row_end - row_start)
+        if n_rows <= 0 or not self.bscan_buffer:
+            return np.zeros((0,), dtype=float)
+
+        # Собираем сегменты для указанного диапазона строк
+        segments = []
+        for col, t, tname in self.bscan_buffer:
+            if col is None:
+                continue
+            L = len(col)
+            if L <= row_start:
+                continue
+            take = min(n_rows, L - row_start)
+            if take <= 0:
+                continue
+            seg = np.asarray(col[row_start:row_start + take], dtype=float)
+            segments.append(seg)
+
+        if not segments:
+            return np.zeros((n_rows,), dtype=float)
+
+        # Формируем матрицу (num_cols x n_rows) с NaN, заполняя доступные значения
+        num_cols = len(segments)
+        M = np.full((num_cols, n_rows), np.nan, dtype=float)
+        for i, seg in enumerate(segments):
+            take = min(n_rows, seg.shape[0])
+            if take > 0:
+                M[i, :take] = seg[:take]
+
+        # Агрегирование по времени (ось 0), игнорируя NaN
+        with np.errstate(all='ignore'):
+            if getattr(self, 'bg_method', 'median') == 'mean':
+                bg = np.nanmean(M, axis=0)
+            else:
+                bg = np.nanmedian(M, axis=0)
+
+        # Заменим NaN на 0 (строки без данных в окне)
+        bg = np.nan_to_num(bg, nan=0.0)
+        return bg
 
     def compute_fft(self):
         """Вычисляем FFT спектр."""