import numpy as np
import matplotlib.pyplot as plt

#  vytvoreni signalu
t = np.linspace(0, 2, 200)
clean_signal = np.sin(2 * np.pi * 1 * t)

#  zasumeni signalu
noise = 0.1 * np.random.randn(len(t))
noisy_signal = clean_signal + noise


#  1D konvoluce
def convolution(signal, clean):
  c = []
  for i, bv in enumerate(clean):
    for j, value in enumerate(signal):
      if i+j < len(c):
        c[i+j] += value*bv
      else:
        c.append(value*bv)
  return c


#  vytvoření filtru na signál
def filter_signal(signal, number):
  return convolution(signal, [1/number for _ in range(number)])


#  první obrázek - vytvořený signál
plt.plot(noisy_signal)
plt.show()
#  druhý obrázek - signál po filtru n=5
plt.plot(filter_signal(noisy_signal, 5))
plt.show()
#  třetí obrázek - signál po filtru n=20
plt.plot(filter_signal(noisy_signal, 20))
plt.show()