# -*- coding: utf-8 -*-
"""
Created on Thu Mar 20 15:41:20 2025

@author: Vitor_PC
"""

import numpy as np
import matplotlib.pyplot as plt

# Parâmetros do sinal
fs = 1000         # Frequência de amostragem (Hz)
t_end = 4         # Duração do sinal em segundos
t = np.linspace(0, t_end, int(fs*t_end), endpoint=False)  # Vetor de tempo

# Definindo os componentes senoidais
A1, f1 = 1.0, 10   # Amplitude e frequência do primeiro seno
A2, f2 = 1.0, 11  # Amplitude e frequência do segundo seno
A3, f3 = 0.3, 25  # Amplitude e frequência do terceiro seno

# Sinal composto: soma de três senos
sinal = A1 * np.sin(2 * np.pi * f1 * t) + \
        A2 * np.sin(2 * np.pi * f2 * t) + \
        A3 * np.sin(2 * np.pi * f3 * t)

# Cálculo da Transformada de Fourier usando FFT
fft_vals = np.fft.fft(sinal)
fft_vals = fft_vals / len(sinal)  # Normalização

# Frequências associadas aos coeficientes FFT
freq = np.fft.fftfreq(len(sinal), d=1/fs)

# Selecionar somente a parte positiva das frequências (para visualização)
mask = freq >= 0
freq_pos = freq[mask]
fft_magnitude = np.abs(fft_vals[mask])  # Módulo dos coeficientes

# Plot do sinal no domínio do tempo
plt.figure(figsize=(14, 5))
plt.subplot(1, 2, 1)
plt.plot(t, sinal, color='blue')
plt.title('Sinal no Domínio do Tempo')
plt.xlabel('Tempo (s)')
plt.ylabel('Amplitude')
plt.grid(True)

# Plot do espectro de frequência (magnitude)
plt.subplot(1, 2, 2)
plt.stem(freq_pos, fft_magnitude, linefmt='r-', markerfmt='ro', basefmt=" ")  # Removido use_line_collection
plt.title('Espectro de Frequência')
plt.xlabel('Frequência (Hz)')
plt.ylabel('Magnitude')
plt.xlim(0, 30)  # Limitar o eixo x para melhor visualização
plt.grid(True)

plt.tight_layout()
plt.show()