"""Детерминированный блочный перемежитель (запись строками, чтение столбцами).

Перемежитель декоррелирует пачки ошибок канала: соседние по входу элементы
после перестановки оказываются разнесены, а пачка подряд идущих ошибок
канала после обратной перестановки распадается на разрозненные одиночные
ошибки, которые свёрточный код исправляет лучше всего.

Схема. Для длины ``length`` и числа столбцов ``columns`` элементы условно
записываются построчно в матрицу ``rows × columns`` (``rows =
ceil(length/columns)``) и считываются по столбцам. Если длина не кратна
размеру матрицы, недостающие ячейки последнего ряда просто пропускаются —
ни один элемент не теряется и не выдумывается. Результат выражен как
перестановка индексов ``permutation`` длиной ``length``: перемежённый
поток ``output[k] = input[permutation[k]]``. Обратная операция применяет
обратную перестановку и работает как с битами, так и напрямую с soft-
значениями BPSK на приёме. Перестановка зависит только от ``length`` и
``columns`` и не зависит от передаваемых данных.
"""

from __future__ import annotations

import numpy as np


def _validated_permutation(permutation: np.ndarray, length: int) -> np.ndarray:
    """Проверить, что перестановка содержит каждый допустимый индекс один раз."""

    raw_permutation = np.asarray(permutation)
    if raw_permutation.ndim != 1:
        raise ValueError("permutation должен быть одномерным")
    if len(raw_permutation) != length:
        raise ValueError("длина values не совпадает с длиной перестановки")
    if not np.issubdtype(raw_permutation.dtype, np.integer):
        raise ValueError("permutation должен содержать целые индексы")
    checked = raw_permutation.astype(np.int64, copy=False)
    if not np.array_equal(np.sort(checked), np.arange(length, dtype=np.int64)):
        raise ValueError("permutation не является полной перестановкой индексов")
    return checked


def build_permutation(length: int, columns: int) -> np.ndarray:
    """Построить перестановку чтения по столбцам для блока длиной ``length``.

    Возвращает одномерный массив индексов длиной ``length``: ``output[k] =
    input[permutation[k]]``. Гарантируется, что каждый индекс 0..length-1
    встречается ровно один раз.
    """

    if not isinstance(length, (int, np.integer)) or length < 1:
        raise ValueError("length должен быть положительным целым")
    if not isinstance(columns, (int, np.integer)) or columns < 1:
        raise ValueError("columns должен быть положительным целым")
    columns = int(columns)
    length = int(length)
    rows = (length + columns - 1) // columns
    permutation = [
        row * columns + column
        for column in range(columns)
        for row in range(rows)
        if row * columns + column < length
    ]
    result = np.asarray(permutation, dtype=np.int64)
    assert len(result) == length
    return result


def interleave(values: np.ndarray, permutation: np.ndarray) -> np.ndarray:
    """Применить перестановку: ``output[k] = values[permutation[k]]``."""

    values = np.asarray(values)
    if values.ndim != 1:
        raise ValueError("values должен быть одномерным")
    checked_permutation = _validated_permutation(permutation, len(values))
    return values[checked_permutation]


def deinterleave(values: np.ndarray, permutation: np.ndarray) -> np.ndarray:
    """Обратить перестановку без потери типа (работает и с soft-значениями)."""

    values = np.asarray(values)
    if values.ndim != 1:
        raise ValueError("values должен быть одномерным")
    checked_permutation = _validated_permutation(permutation, len(values))
    restored = np.empty_like(values)
    restored[checked_permutation] = values
    return restored