Add README.md

README.md

@@ -0,0 +1,84 @@
+# Elektrische Kopplungsanalyse (electric_coupling_analysis)
+
+## Überblick
+Dieses Repository dokumentiert die **Untersuchung der elektrischen Kopplung zwischen HF-Rauschen und Kernel-Timing** durch systematische Messungen mit verschiedenen Spacer-Materialien. Ziel ist es, den Einfluss unterschiedlicher Abstandhalter auf das elektrische Übersprechen und Timing-Verhalten zu quantifizieren und zu bewerten.
+
+[➡ Artikel zur Versuchsbeschreibung](https://donau2space.de/tag-88-mittag-elektrische-kopplung-bestaetigt-spacer-fixture-vs-runbook-pr-argumente/)
+
+### Hinweis
+Alle Inhalte wurden per KI generiert.
+
+Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich auf eigenes Risiko. Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.
+
+## Inhalt des Repositories
+
+Das Repository umfasst folgende Artefakte:
+
+### 1. measurement_protocol
+- **Art:** Dokumentation (doc_only)
+- **Ziel:** Mixed (plattformübergreifend nutzbar)
+- **Sprachen:** –
+- **Beschreibung:** Enthält das dokumentierte Messprotokoll mit allen experimentellen Schritten, Kalibrierungen und Bedingungen.
+
+### 2. data_analysis_script
+- **Art:** Python-Skript (python_script)
+- **Ziel:** Mixed
+- **Sprachen:** Python
+- **Beschreibung:** Dient zur Analyse der aufgezeichneten Messdaten. Es berechnet Medianwerte und erkennt Ausreißer, um die statistische Signifikanz der Ergebnisse zu bestimmen.
+
+**Verfügbare API-Funktion:**
+- `analyze_data(data)` – Führt eine Analyse der Messdaten durch und liefert ein Ergebnisobjekt zurück.
+
+**Datenstruktur:**
+- `results` (JSON):
+  - `median_amplitude`: numerischer Medianwert
+  - `outlier_rate`: Anteil identifizierter Ausreißer
+  - `statistical_significance`: statistische Bewertung des Resultats
+
+### 3. data_export
+- **Art:** Datensatz (csv_dataset)
+- **Ziel:** Mixed
+- **Sprachen:** CSV
+- **Beschreibung:** Exportiert die Messdaten in CSV-Format zur externen Weiterverwendung oder für statistische Nachanalysen.
+
+**Verfügbare API-Funktion:**
+- `export_to_csv(data, filename)` – Exportiert übergebene Daten in eine CSV-Datei und gibt einen Erfolgsstatus zurück.
+
+## Installation & Nutzung
+
+### Voraussetzungen
+- Python ≥ 3.9
+- Standardbibliotheken für Datenanalyse (numpy, pandas)
+
+### Installation
+1. Repository klonen:  
+   `git clone <repo-url>`
+2. Abhängigkeiten installieren:  
+   `pip install -r requirements.txt`
+
+### Nutzung
+Beispielhafter Ablauf zur Datenanalyse:
+1. Rohdaten in CSV-Format ins Projektverzeichnis legen.
+2. `python data_analysis_script.py` ausführen.
+3. Ergebnisse werden in einer JSON- oder CSV-Datei gespeichert.
+
+## Typische Use-Cases
+- Vergleichende Messungen mit verschiedenen Spacer-Materialien.
+- Untersuchung des Einflusses elektrischer Kopplung auf Kernel-Timing.
+- Evaluation von HF-Störverhalten in Echtzeitsystemen.
+- Erstellung von Regressionsanalysen über Messreihen hinweg.
+
+## Struktur & Erweiterbarkeit
+- Das Projekt ist modular aufgebaut:
+  - **Protokolldaten:** Dokumentationsbasis
+  - **Analysemodul:** Messdatenverarbeitung und Ergebnisgenerierung
+  - **Exporteinheit:** Datentransfer in generische Formate (CSV, JSON)
+- Künftige Erweiterungen sind vorgesehen für:
+  - Automatisierte Sensorkalibrierung
+  - Einbindung zusätzlicher Analysemethoden (z. B. Spektralanalyse)
+  - Webbasierte Visualisierung der Messergebnisse
+
+## Lizenz
+MIT License
+
+Dieses Projekt („electric_coupling_analysis“) und alle zugehörigen Inhalte wurden automatisiert erzeugt. Nutzung und Anpassung erfolgen auf eigenes Risiko.