Parametri sorteggiati a ogni corsa: intervalli [min, max] per gradini, ambiente, rumore e salti

Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>

CLAUDE.md

@@ -21,15 +21,16 @@ Non ci sono test automatici: la verifica è sui controlli di §5 di SPEC.md, su
 
 ## Mappa del codice
 
-- [genera.py](genera.py), script unico: `leggi_config` (valida `CHIAVI`) → `genera` → `scrivi`. Dentro `genera`: `perturba` (variabilità per corsa di istanti, ampiezze e `k` dei gradini), `eccesso` (gradini + raffreddamento), `salti` / `eventi` (disturbi Poisson in riscaldamento e raffreddamento), poi filtro del sensore, rumore, quantizzazione.
+- [genera.py](genera.py), script unico: `leggi_config` (valida `CHIAVI`) → `genera` → `scrivi`. Dentro `genera`: `sorteggia` (estrae a ogni corsa i valori dagli intervalli `[min, max]` di `config.toml` e genera i gradini), `eccesso` (gradini + raffreddamento), `salti` / `eventi` (disturbi Poisson in riscaldamento e raffreddamento), poi filtro del sensore, rumore, quantizzazione.
 - [config.toml](config.toml): unica fonte dei valori numerici; unità nei suffissi (`_s`, `_ms`, `_c`, `_hz`).
 - [grafico.py](grafico.py): script separato, non importa `genera.py`.
 
 ## Gotcha
 
 - `ΔT` = T − ambiente, calcolato **dopo** rumore e quantizzazione di entrambi i canali, mai dalla T vera.
+- Le chiavi `[min, max]` stanno in `INTERVALLI` / `INTERVALLI_GRADINI` (validate in `leggi_config`): una nuova chiave-intervallo va aggiunta lì oltre che a `CHIAVI`.
 - Nessun valore numerico nello script: ogni chiave nuova di `config.toml` va aggiunta anche a `CHIAVI` in `genera.py` (chiave mancante ⇒ exit 1) e descritta in SPEC.md e nell'epilogo di `--help`.
 - Un solo `numpy.random.Generator` seminato da `--seed`: stesso seed + stessa config ⇒ file identico. Cambiare numero o ordine delle estrazioni casuali cambia i file di ogni seed.
 - Tutto ciò che sembra "fisso" nelle curve (salti, picco, istanti) è casuale per seed: non esistono istanti programmati.
-- Gli intervalli di §5 di SPEC.md (picco, `T`/`ΔT` finali) sono empirici su ~40 seed: se cambi `config.toml` (gradini, durata, salti, k) ricalcolali e aggiornali.
+- Gli intervalli di §5 di SPEC.md (picco, `T`/`ΔT` finali) sono empirici su 60 seed: se cambi `config.toml` (intervalli dei gradini, durata, salti, k) ricalcolali e aggiornali.
 - `uv run genera.py` usa un ambiente a parte nella cache di uv, non `.venv`; i comandi del progetto sono quelli con `.venv/bin/python`.

README.md

@@ -81,9 +81,9 @@ t_ms,T_C,dT_C
 
 ## Configurazione
 
-Tutti i valori numerici sono in [config.toml](config.toml) (nessuno è scritto nello script). Le unità sono nei suffissi delle chiavi: `_s` secondi, `_ms` millisecondi, `_c` gradi C, `_hz` 1/s. Una chiave mancante è un errore (exit 1, messaggio in italiano), così come `t_impulsi_s` e `dT_impulsi_c` di lunghezza diversa.
+Tutti i valori numerici sono in [config.toml](config.toml) (nessuno è scritto nello script). Le unità sono nei suffissi delle chiavi: `_s` secondi, `_ms` millisecondi, `_c` gradi C, `_hz` 1/s. Una chiave mancante è un errore (exit 1, messaggio in italiano), così come un intervallo `[min, max]` non valido (non una coppia di numeri, o min > max).
 
-Per cambiare il profilo di riscaldamento si modificano `t_impulsi_s` e `dT_impulsi_c` (un gradino per elemento; `[]` = nessun riscaldamento) e `k_raffreddamento_hz`. `durata_s` deve essere abbastanza lunga perché `T` torni a `T_amb`.
+Le chiavi scritte come intervallo `[min, max]` vengono sorteggiate a ogni corsa (`[x, x]` = valore fisso). Per cambiare il profilo di riscaldamento si modificano `n_gradini`, `t_primo_gradino_s`, `distanza_gradini_s`, `dT_gradino_c` e `k_raffreddamento_hz`. `durata_s` deve essere abbastanza lunga perché `T` torni a `T_amb`.
 
 ## Documentazione
 

config.toml

@@ -1,45 +1,44 @@
 # config.toml — unica fonte dei valori (esempio). Unità nei suffissi: _s secondi, _ms millisecondi, _c gradi C, _hz 1/s.
+# Le chiavi con [min, max] sono intervalli: a ogni corsa (seed) ne viene sorteggiato un valore uniforme.
+# [x, x] = valore fisso.
 
 durata_s = 120.0            # basta a far tornare T vicino a T_amb dopo il raffreddamento
 dt_ms = 150.5               # intervallo medio tra campioni
 jitter_ms = 0.6             # variazione uniforme ±jitter dell'intervallo
 
 # Ambiente (baseline di T e riferimento per dT: T parte da qui e torna qui)
-amb_inf_c = 23.1
+amb_inf_c = [20.0, 26.0]
-amb_A_c = -0.45             # amb(0) = amb_inf + amb_A
+amb_A_c = [-0.8, 0.8]       # amb(0) = amb_inf + amb_A
-amb_tau_s = 58.0
+amb_tau_s = [30.0, 90.0]
 amb_sigma_c = 0.017         # rumore prima della quantizzazione
 amb_passo_c = 0.1           # quantizzazione del canale ambiente
 
 # Rumore di T
-sigma_c = 0.11              # rumore bianco gaussiano a freddo
+sigma_c = [0.06, 0.16]            # rumore bianco gaussiano a freddo
-sigma_caldo_c = 0.20        # rumore bianco con T molto sopra la baseline
+sigma_caldo_c = [0.15, 0.30]      # rumore bianco con T molto sopra la baseline
-x_rif_c = 20.0              # sopra questo eccesso termico il rumore vale sigma_caldo_c
+x_rif_c = 20.0                    # sopra questo eccesso termico il rumore vale sigma_caldo_c
-wander_sigma_c = 0.04       # componente lenta (deriva casuale)
+wander_sigma_c = [0.02, 0.08]     # componente lenta (deriva casuale)
-wander_tau_s = 3.5
+wander_tau_s = [2.0, 6.0]
-passo_T_c = 0.01            # risoluzione di T e dT nel CSV
+passo_T_c = 0.01                  # risoluzione di T e dT nel CSV
 
-# Riscaldamento e raffreddamento
+# Riscaldamento e raffreddamento: numero, istanti e ampiezze dei gradini sono sorteggiati a ogni corsa
-t_impulsi_s = [15.7, 17.8, 21.7]     # istanti dei gradini di riscaldamento ([] = nessun riscaldamento)
+n_gradini = [1, 3]                    # numero di gradini (interi, estremi inclusi)
-dT_impulsi_c = [88.0, 75.0, 65.0]     # ampiezza di ogni gradino (stessa lunghezza di t_impulsi_s)
+t_primo_gradino_s = [8.0, 25.0]       # istante del primo gradino
-k_raffreddamento_hz = 0.063           # raffreddamento esponenziale: tau = 1/k
+distanza_gradini_s = [1.0, 6.0]       # distanza tra due gradini consecutivi
-tau_sensore_s = 0.07                  # ritardo di risposta del sensore
+dT_gradino_c = [40.0, 90.0]           # ampiezza di ogni gradino
-
+k_raffreddamento_hz = [0.05, 0.09]    # raffreddamento esponenziale: tau = 1/k
-# Variabilità tra una corsa e l'altra (0 = nessuna)
+tau_sensore_s = [0.04, 0.12]          # ritardo di risposta del sensore
-impulsi_jitter_t_s = 0.05      # sigma dello spostamento casuale di ogni gradino
-impulsi_jitter_amp_rel = 0.02  # sigma relativa dell'ampiezza di ogni gradino
-k_jitter_rel = 0.02            # sigma relativa di k_raffreddamento_hz
 
 # Disturbi a salto durante il raffreddamento, dopo l'ultimo gradino (gradini irregolari come in un sensore reale)
-salti_rate_hz = 0.25           # frequenza media (Poisson)
+salti_rate_hz = [0.1, 0.5]     # frequenza media (Poisson)
 salti_media_c = -1.0           # ampiezza media (con segno: prevalgono gli scarti verso il basso)
-salti_sigma_c = 2.5            # sigma dell'ampiezza
+salti_sigma_c = [1.5, 3.5]     # sigma dell'ampiezza
 salti_tau_s = 0.7              # tempo di rientro del salto
 salti_x_min_c = 60.0           # i salti avvengono solo con eccesso termico sopra questo valore
-salti_max_c = 4.0               # ampiezza massima (in valore assoluto) di ogni salto, anche riscaldamento
+salti_max_c = 4.0              # ampiezza massima (in valore assoluto) di ogni salto, anche riscaldamento
 
 # Disturbi a salto durante il riscaldamento (tra il primo e l'ultimo gradino), scarti nei due versi
-salti_risc_rate_hz = 0.8       # frequenza media (Poisson)
+salti_risc_rate_hz = [0.4, 1.2]    # frequenza media (Poisson)
-salti_risc_media_c = 0.0       # ampiezza media (con segno)
+salti_risc_media_c = 0.0           # ampiezza media (con segno)
-salti_risc_sigma_c = 2.5       # sigma dell'ampiezza
+salti_risc_sigma_c = [1.5, 3.5]    # sigma dell'ampiezza
-salti_risc_tau_s = 0.3         # tempo di rientro del salto
+salti_risc_tau_s = 0.3             # tempo di rientro del salto

docs/FUNZIONALITA.md

@@ -5,8 +5,8 @@ Elenco di ciò che il programma sa fare. Per l'uso passo per passo vedi il [READ
 ## Generazione dei dati — `genera.py`
 
 - **Profilo di temperatura**: `T` parte dalla temperatura ambiente, sale con uno o più gradini di riscaldamento e ridiscende con raffreddamento esponenziale fino a `T_amb`.
-- **Gradini configurabili**: numero, istanti e ampiezze (`t_impulsi_s`, `dT_impulsi_c`); lista vuota = nessun riscaldamento. Costante di raffreddamento in `k_raffreddamento_hz`.
+- **Gradini sorteggiati**: numero, istante del primo, distanza tra gradini e ampiezze sono estratti a caso a ogni seed da intervalli (`n_gradini`, `t_primo_gradino_s`, `distanza_gradini_s`, `dT_gradino_c`). Costante di raffreddamento in `k_raffreddamento_hz`.
-- **Variabilità tra corse**: istanti, ampiezze e costante di raffreddamento dei gradini sono perturbati a caso a ogni seed (`impulsi_jitter_*`, `k_jitter_rel`; 0 = disattivata).
+- **Parametri casuali per corsa**: le chiavi scritte `[min, max]` (ambiente, livelli di rumore, `k`, `tau_sensore_s`, frequenza e σ dei salti) vengono sorteggiate uniformi a ogni seed, così ogni file ha parametri davvero diversi; `[x, x]` = valore fisso.
 - **Salti stocastici**: scarti casuali con rientro esponenziale, sia durante il riscaldamento (`salti_risc_*`, nei due versi) sia durante il raffreddamento (`salti_*`, solo con `T` molto sopra l'ambiente), come i gradini irregolari di un sensore reale.
 - **Ambiente realistico**: `T_amb` assestata con andamento esponenziale, con rumore e quantizzazione propri (`amb_*`). Non compare nel CSV, serve per `ΔT` e come baseline di `T`.
 - **Tempi con jitter**: intervallo medio `dt_ms` con variazione uniforme ±`jitter_ms`, fino a `durata_s`.
@@ -15,7 +15,7 @@ Elenco di ciò che il programma sa fare. Per l'uso passo per passo vedi il [READ
 - **Quantizzazione**: `T` e `ΔT` a `passo_T_c`, ambiente a `amb_passo_c`. `ΔT` è calcolato dopo rumore e quantizzazione di entrambi i canali.
 - **Riproducibilità**: `--seed` fissa il risultato (stesso seed e stessa configurazione ⇒ file identico); senza seed ne viene scelto uno casuale e stampato su stderr.
 - **Uscita flessibile**: per default `output/gen_<seed>.csv` (cartella creata se manca); `-o percorso` per un file a scelta; `-o -` per stdout.
-- **Configurazione senza valori nascosti**: tutti i valori stanno in un TOML; una chiave mancante, un TOML non valido o gradini di lunghezza diversa terminano con exit 1 e un messaggio in italiano. Lo stesso avviene se il file di uscita non è scrivibile.
+- **Configurazione senza valori nascosti**: tutti i valori stanno in un TOML; una chiave mancante, un TOML non valido o un intervallo `[min, max]` non valido terminano con exit 1 e un messaggio in italiano. Lo stesso avviene se il file di uscita non è scrivibile.
 
 Formato dell'uscita: `t_ms,T_C,dT_C` (`t_ms` intero, gli altri a due decimali).
 

docs/SPEC.md

@@ -19,16 +19,18 @@ t_ms,T_C,dT_C
 ## 2. Configurazione
 
 Tutti i valori sono in [`config.toml`](../config.toml) (unica fonte: questo documento non li ripete). Gruppi:
-tempi · ambiente (anche baseline di T) · rumore · gradini di riscaldamento e raffreddamento · variabilità tra corse · salti.
+tempi · ambiente (anche baseline di T) · rumore · gradini di riscaldamento e raffreddamento · salti.
 Nessun valore è scritto nello script: chiave mancante ⇒ errore.
 
+**Parametri casuali per corsa**: le chiavi scritte come intervallo `[min, max]` (ambiente `amb_inf_c`, `amb_A_c`, `amb_tau_s`; rumore `sigma_c`, `sigma_caldo_c`, `wander_*`; `k_raffreddamento_hz`, `tau_sensore_s`; frequenze e σ dei salti) vengono sorteggiate uniformi a ogni corsa (`[x, x]` = valore fisso). I gradini sono generati da `n_gradini` (intero, estremi inclusi, min ≥ 1), `t_primo_gradino_s`, `distanza_gradini_s` (tra gradini consecutivi) e `dT_gradino_c` (ampiezza di ciascuno). Intervallo non valido (non una coppia di numeri, o min > max) ⇒ errore.
+
 ## 3. Modello (5 passi)
 
 1. **Tempi**: `t_i = t_{i−1} + dt_ms + U(−jitter_ms, +jitter_ms)`, fino a `durata_s`.
 2. **T vera** = ambiente vero + eccesso termico (T parte da `T_amb`, sale con i gradini e ridiscende fino a `T_amb`):
    - ambiente vero `B(t) = amb_inf + amb_A·exp(−t/τ_amb)` (stessa curva del passo 5, senza rumore né quantizzazione);
-   - eccesso `x(t) = Σ_j ΔT_j · exp(−k·(t − t_j))` per `t ≥ t_j` (un gradino per ogni `t_impulsi_s`, poi raffreddamento esponenziale);
+   - eccesso `x(t) = Σ_j ΔT_j · exp(−k·(t − t_j))` per `t ≥ t_j` (un gradino per ogni istante sorteggiato, poi raffreddamento esponenziale);
-   - **variabilità**: a ogni corsa istanti, ampiezze e `k` dei gradini sono perturbati a caso (σ in `impulsi_jitter_*`, `k_jitter_rel`), quindi la forma cambia con il seed;
+   - **variabilità**: a ogni corsa numero, istanti e ampiezze dei gradini, `k`, ambiente, livelli di rumore e frequenza dei salti sono sorteggiati dagli intervalli di config, quindi curva, picco e rumore cambiano molto con il seed;
    - **salti** (stocastici, scarti casuali con rientro `exp(−t/τ)`, come i gradini irregolari osservati su un sensore reale):
      durante il **riscaldamento** (tra il primo e l'ultimo gradino) con `salti_risc_*`, ampiezza `N(media, σ²)` nei due versi;
      durante il **raffreddamento** (dopo l'ultimo gradino, mentre `x ≥ salti_x_min_c`) con `salti_*`; istanti di tipo Poisson in entrambi i casi; ampiezza limitata a ±`salti_max_c` (niente scarti estremi);
@@ -55,21 +57,21 @@ python genera.py config.toml -o out.csv               # percorso a scelta, seed
 python genera.py config.toml -o - > out.csv           # stdout
 ```
 Opzioni: `config` (posizionale), `-o/--output` (default `output/gen_<seed>.csv`, cartella creata se manca; `-` = stdout), `--seed` (default: casuale, stampato su stderr).
-Uscita con errore (exit 1) e messaggio in italiano se manca una chiave, se `t_impulsi_s` e `dT_impulsi_c` hanno lunghezze diverse
+Uscita con errore (exit 1) e messaggio in italiano se manca una chiave, se un intervallo `[min, max]` non è valido
 o se il file non è scrivibile. La lettura TOML usa `tomllib` (standard library): unica dipendenza esterna `numpy`.
 
 ## 5. Controlli di accettazione (con la configurazione d'esempio)
 
-Verificati su 30 seed (valori min–max; picco e `T`/`ΔT` finali dipendono dalla variabilità dei gradini e dai salti):
+Verificati su 60 seed (valori min–max; con parametri sorteggiati gli intervalli sono larghi, ma `T` e `ΔT` restano coerenti con ambiente e rumore della corsa):
 
 | Controllo | Atteso |
 |---|---|
-| `T` a inizio run | ≈ `T_amb` (≈ 22.65 °C) |
+| `T` a inizio run | ≈ `T_amb` della corsa (20.1 – 26.2 °C) |
-| Rumore a freddo: `std(diff(T))/√2` prima del primo gradino (~15 s) | 0.09 – 0.13 |
+| Rumore a freddo: `std(diff(T))/√2` prima del primo gradino (~15 s) | 0.06 – 0.19 (segue `sigma_c` sorteggiato) |
-| Picco di `T` | 197 – 209 °C |
+| Picco di `T` | 66 – 227 °C (dipende da numero e ampiezza dei gradini) |
-| `T` a fine run | ≈ `T_amb`: 23.1 – 23.7 °C |
+| `T` a fine run | ≈ `T_amb` della corsa: 20.0 – 26.4 °C |
-| `ΔT` a inizio run | ≈ 0 °C (solo rumore) |
+| `ΔT` a inizio run | ≈ 0 °C (solo rumore): −0.18 – 0.15 |
-| `ΔT` a fine run | 0.3 – 0.65 °C (residuo del raffreddamento) |
+| `ΔT` a fine run | −0.08 – 1.6 °C (residuo del raffreddamento) |
 | Intervalli `dt` | tutti in `dt_ms ± jitter_ms` (prima di arrotondare `t_ms` a intero: nel CSV le differenze sono 149–152) |
 | Stesso `--seed` e stessa config | file identico |
 

genera.py

@@ -21,7 +21,8 @@ Genera un CSV con la temperatura T di un sensore IR e la differenza dT = T - T_a
 con rumore, quantizzazione e jitter dei tempi simili a un sensore reale.
 
 T parte dalla temperatura ambiente, sale con uno o più gradini di riscaldamento e
-ridiscende con raffreddamento esponenziale fino a T_amb. Ogni corsa (seed) è diversa."""
+ridiscende con raffreddamento esponenziale fino a T_amb. Ogni corsa (seed) è diversa:
+i parametri principali sono intervalli [min, max] sorteggiati a ogni corsa."""
 
 EPILOGO = """\
 esempi:
@@ -38,40 +39,56 @@ formato dell'output (separatore ',', fine riga '\\n'):
 
 cosa fa (in ordine):
   1. tempi         t_i = t_(i-1) + dt_ms +/- jitter_ms, fino a durata_s
-  2. T vera        ambiente vero + gradini di riscaldamento con raffreddamento
+  2. T vera        ambiente vero + gradini di riscaldamento (numero, istanti, ampiezze
-                   esponenziale, perturbati a caso a ogni corsa + disturbi a salto
+                   sorteggiati) con raffreddamento esponenziale + disturbi a salto
   3. sensore       filtro del 1° ordine (tau_sensore_s) su griglia fine da 5 ms
   4. rumore di T   bianco (più forte a caldo) + deriva lenta, poi quantizzazione
   5. ambiente, dT  ambiente con rumore e quantizzazione propri; dT = T - ambiente
 
 gruppi di chiavi di config.toml (unica fonte dei valori, unità nel suffisso:
-_s secondi, _ms millisecondi, _c gradi C, _hz 1/s; ogni chiave è obbligatoria):
+_s secondi, _ms millisecondi, _c gradi C, _hz 1/s; ogni chiave è obbligatoria).
+Le chiavi marcate [min, max] sono intervalli: a ogni corsa ne viene sorteggiato un
+valore uniforme (n_gradini: intero, estremi inclusi):
   tempi            durata_s, dt_ms, jitter_ms
-  ambiente         amb_inf_c, amb_A_c, amb_tau_s, amb_sigma_c, amb_passo_c
+  ambiente         amb_inf_c [min, max], amb_A_c [min, max], amb_tau_s [min, max],
-  rumore di T      sigma_c, sigma_caldo_c, x_rif_c, wander_sigma_c, wander_tau_s, passo_T_c
+                   amb_sigma_c, amb_passo_c
-  gradini          t_impulsi_s, dT_impulsi_c ([] = nessun riscaldamento; stessa lunghezza),
+  rumore di T      sigma_c [min, max], sigma_caldo_c [min, max], x_rif_c,
-                   k_raffreddamento_hz, tau_sensore_s
+                   wander_sigma_c [min, max], wander_tau_s [min, max], passo_T_c
-  variabilità      impulsi_jitter_t_s, impulsi_jitter_amp_rel, k_jitter_rel (0 = disattivata)
+  gradini          n_gradini [min, max], t_primo_gradino_s [min, max],
-  salti            salti_rate_hz, salti_media_c, salti_sigma_c, salti_tau_s, salti_x_min_c,
+                   distanza_gradini_s [min, max] (tra gradini consecutivi),
-                   salti_max_c (raffreddamento); salti_risc_rate_hz, salti_risc_media_c,
+                   dT_gradino_c [min, max] (ampiezza di ogni gradino),
-                   salti_risc_sigma_c, salti_risc_tau_s (riscaldamento)
+                   k_raffreddamento_hz [min, max], tau_sensore_s [min, max]
+  salti            salti_rate_hz [min, max], salti_media_c, salti_sigma_c [min, max],
+                   salti_tau_s, salti_x_min_c, salti_max_c (raffreddamento);
+                   salti_risc_rate_hz [min, max], salti_risc_media_c,
+                   salti_risc_sigma_c [min, max], salti_risc_tau_s (riscaldamento)
 
 codici di uscita:
   0  ok
   1  errore, con messaggio in italiano su stderr: file di configurazione illeggibile
-     o TOML non valido, chiave mancante, t_impulsi_s e dT_impulsi_c di lunghezza
+     o TOML non valido, chiave mancante, intervallo [min, max] non valido,
-     diversa, file di uscita non scrivibile
+     file di uscita non scrivibile
   2  argomenti della riga di comando non validi
 
 altri strumenti: grafico.py (disegna un CSV), pulisci.sh (svuota output/).
 documentazione: docs/SPEC.md (modello e controlli), docs/FUNZIONALITA.md (funzionalità)."""
 
+# chiavi che sono intervalli [min, max], sorteggiati uniformi a ogni corsa
+INTERVALLI = [
+    "amb_inf_c", "amb_A_c", "amb_tau_s",
+    "sigma_c", "sigma_caldo_c", "wander_sigma_c", "wander_tau_s",
+    "k_raffreddamento_hz", "tau_sensore_s",
+    "salti_rate_hz", "salti_sigma_c", "salti_risc_rate_hz", "salti_risc_sigma_c",
+]
+# intervalli che descrivono i gradini (istanti e ampiezze derivati da questi)
+INTERVALLI_GRADINI = ["n_gradini", "t_primo_gradino_s", "distanza_gradini_s", "dT_gradino_c"]
+
 CHIAVI = [
     "durata_s", "dt_ms", "jitter_ms",
     "amb_inf_c", "amb_A_c", "amb_tau_s", "amb_sigma_c", "amb_passo_c",
     "sigma_c", "sigma_caldo_c", "x_rif_c", "wander_sigma_c", "wander_tau_s", "passo_T_c",
-    "t_impulsi_s", "dT_impulsi_c", "k_raffreddamento_hz", "tau_sensore_s",
+    "n_gradini", "t_primo_gradino_s", "distanza_gradini_s", "dT_gradino_c",
-    "impulsi_jitter_t_s", "impulsi_jitter_amp_rel", "k_jitter_rel",
+    "k_raffreddamento_hz", "tau_sensore_s",
     "salti_rate_hz", "salti_media_c", "salti_sigma_c", "salti_tau_s", "salti_x_min_c",
     "salti_max_c", "salti_risc_rate_hz", "salti_risc_media_c", "salti_risc_sigma_c", "salti_risc_tau_s",
 ]
@@ -111,8 +128,15 @@ def leggi_config(percorso):
     mancanti = [k for k in CHIAVI if k not in cfg]
     if mancanti:
         errore(f"chiavi mancanti in '{percorso}': {', '.join(mancanti)}")
-    if len(cfg["t_impulsi_s"]) != len(cfg["dT_impulsi_c"]):
+    for k in INTERVALLI + INTERVALLI_GRADINI:
-        errore("'t_impulsi_s' e 'dT_impulsi_c' hanno lunghezze diverse")
+        v = cfg[k]
+        if (not isinstance(v, list) or len(v) != 2
+                or not all(isinstance(x, (int, float)) and not isinstance(x, bool) for x in v)
+                or v[0] > v[1]):
+            errore(f"'{k}' deve essere un intervallo [min, max] con min <= max")
+    n_min, n_max = cfg["n_gradini"]
+    if not (isinstance(n_min, int) and isinstance(n_max, int) and n_min >= 1):
+        errore("'n_gradini' deve essere un intervallo [min, max] di interi con min >= 1")
     return cfg
 
 
@@ -125,13 +149,14 @@ def eccesso(t_s, cfg):
     return x
 
 
-def perturba(cfg, rng):
+def sorteggia(cfg, rng):
-    """Copia di cfg con istanti, ampiezze e k degli impulsi variati a caso (ogni corsa è diversa)."""
+    """Copia di cfg con ogni intervallo sostituito da un valore sorteggiato e i gradini generati (ogni corsa è diversa)."""
-    n = len(cfg["t_impulsi_s"])
+    valori = {k: rng.uniform(*cfg[k]) for k in INTERVALLI}
-    t = np.sort(np.asarray(cfg["t_impulsi_s"], float) + cfg["impulsi_jitter_t_s"] * rng.standard_normal(n))
+    n = int(rng.integers(cfg["n_gradini"][0], cfg["n_gradini"][1] + 1))
-    d = np.asarray(cfg["dT_impulsi_c"], float) * (1 + cfg["impulsi_jitter_amp_rel"] * rng.standard_normal(n))
+    t_primo = rng.uniform(*cfg["t_primo_gradino_s"])
-    k = cfg["k_raffreddamento_hz"] * (1 + cfg["k_jitter_rel"] * rng.standard_normal())
+    t = t_primo + np.concatenate(([0.0], np.cumsum(rng.uniform(*cfg["distanza_gradini_s"], n - 1))))
-    return {**cfg, "t_impulsi_s": t, "dT_impulsi_c": d, "k_raffreddamento_hz": k}
+    d = rng.uniform(*cfg["dT_gradino_c"], n)
+    return {**cfg, **valori, "t_impulsi_s": t, "dT_impulsi_c": d}
 
 
 def eventi(g_s, cfg, rng, t_ini, t_fin, rate, media, sigma, tau, x_min):
@@ -169,7 +194,7 @@ def quantizza(v, passo):
 
 
 def genera(cfg, rng):
-    cfg = perturba(cfg, rng)
+    cfg = sorteggia(cfg, rng)
     # 1. tempi
     n_max = int(cfg["durata_s"] * 1000 / (cfg["dt_ms"] - cfg["jitter_ms"])) + 2
     dt = cfg["dt_ms"] + rng.uniform(-cfg["jitter_ms"], cfg["jitter_ms"], n_max)