Ahoj Habr. Snad každý, kdo někdy v letadle potkal nebo vyprovodil příbuzné či přátele, využil bezplatnou službu Flightradar24. Jedná se o velmi pohodlný způsob sledování polohy letadla v reálném čase.
В
Příběh
Je zřejmé, že data z letadel nejsou přenášena, aby je uživatelé viděli na svých chytrých telefonech. Systém se nazývá ADS-B (Automatic dependent surveillance—broadcast) a slouží k automatickému přenosu informací o letadle do řídícího centra – přenáší se jeho identifikátor, souřadnice, směr, rychlost, výška a další údaje. Dříve, před příchodem takových systémů, mohl dispečer vidět pouze bod na radaru. To už nestačilo, když bylo příliš mnoho letadel.
Technicky se ADS-B skládá z vysílače v letadle, který periodicky posílá pakety informací na poměrně vysoké frekvenci 1090 MHz (existují i jiné režimy, ale ty nás až tak nezajímají, protože souřadnice se vysílají pouze zde). Někde na letišti je samozřejmě kromě vysílače i přijímač, ale pro nás jako uživatele je zajímavý vlastní přijímač.
Mimochodem, pro srovnání, první takový systém Airnav Radarbox určený pro běžné uživatele se objevil v roce 2007 a stál asi 900 dolarů, dalších 250 dolarů ročně stálo předplatné síťových služeb.
Recenze těch prvních ruských majitelů si můžete přečíst na fóru
Příjem signálů
Nejprve je potřeba zaznamenat signál. Celý signál má trvání pouhých 120 mikrosekund, takže pro pohodlné rozebrání jeho komponent je žádoucí SDR přijímač se vzorkovací frekvencí alespoň 5 MHz.
Po nahrání obdržíme soubor WAV se vzorkovací frekvencí 5000000 30 500 vzorků/s, XNUMX sekund takového záznamu „váží“ asi XNUMX MB. Poslech pomocí přehrávače médií je samozřejmě k ničemu – soubor neobsahuje zvuk, ale přímo digitalizovaný rádiový signál – přesně tak funguje Software Defined Radio.
Soubor otevřeme a zpracujeme pomocí Pythonu. Ti, kteří chtějí experimentovat sami, si mohou stáhnout ukázkovou nahrávku
Pojďme si soubor stáhnout a podívat se, co je uvnitř.
from scipy.io import wavfile
import matplotlib.pyplot as plt
import numpy as np
fs, data = wavfile.read("adsb_20190311_191728Z_1090000kHz_RF.wav")
data = data.astype(float)
I, Q = data[:, 0], data[:, 1]
A = np.sqrt(I*I + Q*Q)
plt.plot(A)
plt.show()
Výsledek: vidíme zřetelné „pulzy“ proti hluku na pozadí.
Každý „pulz“ je signál, jehož struktura je jasně viditelná, pokud zvýšíte rozlišení na grafu.
Jak vidíte, obrázek je zcela v souladu s tím, co je uvedeno v popisu výše. Můžete začít zpracovávat data.
Dekódování
Nejprve musíte získat bit stream. Samotný signál je zakódován pomocí kódování Manchester:
Z rozdílu úrovní v kouscích je snadné získat skutečné „0“ a „1“.
bits_str = ""
for p in range(8):
pos = start_data + bit_len*p
p1, p2 = A[pos: pos + bit_len/2], A[pos + bit_len/2: pos + bit_len]
avg1, avg2 = np.average(p1), np.average(p2)
if avg1 < avg2:
bits_str += "0"
elif avg1 > avg2:
bits_str += "1"
Struktura samotného signálu je následující:
Podívejme se na pole podrobněji.
DF (Downlink Format, 5 bitů) - určuje typ zprávy. Existuje několik typů:
Máme zájem pouze o typ DF17, protože... Právě ta obsahuje souřadnice letadla.
ICAO (24 bitů) - mezinárodní unikátní kód letadla. Letadlo můžete zkontrolovat podle jeho kódu
Edit: in
ÚDAJE (56 nebo 112 bitů) - skutečná data, která budeme dekódovat. Prvních 5 bitů dat je pole Zadejte kód, obsahující podtyp ukládaných dat (nezaměňovat s DF). Těchto typů je poměrně dost:
Podívejme se na několik příkladů balíčků.
Identifikace letadla
Příklad v binárním tvaru:
00100 011 000101 010111 000111 110111 110001 111000
Datová pole:
+------+------+------+------+------+------+------+------+------+------+
| TC,5 | EC,3 | C1,6 | C2,6 | C3,6 | C4,6 | C5,6 | C6,6 | C7,6 | C8,6 |
+------+------+------+------+------+------+------+------+------+------+
TC = 00100b = 4, každý znak C1-C8 obsahuje kódy odpovídající indexům v řádku:
#ABCDEFGHIJKLMNOPQRSTUVWXYZ#####_###############0123456789######
Dekódováním řetězce je snadné získat kód letadla: EWG7184
symbols = "#ABCDEFGHIJKLMNOPQRSTUVWXYZ#####_###############0123456789######"
code_str = ""
for p in range(8):
c = int(bits_str[8 + 6*p:8 + 6*(p + 1)], 2)
code_str += symbols[c]
print("Aircraft Identification:", code_str.replace('#', ''))
Poloha ve vzduchu
Pokud je název jednoduchý, pak jsou souřadnice složitější. Jsou přenášeny ve formě 2, sudých a lichých snímků. Kód pole TC = 01011b = 11.
Příklad sudých a lichých paketů:
01011 000 000101110110 00 10111000111001000 10000110101111001
01011 000 000110010000 01 10010011110000110 10000011110001000
Samotný výpočet souřadnic probíhá podle poměrně složitého vzorce:
(
Nejsem odborník na GIS, takže nevím, odkud to pochází. Kdo ví, napište do komentářů.
Výška je považována za jednodušší - v závislosti na konkrétním bitu může být reprezentována buď jako násobek 25 nebo 100 stop.
Rychlost ve vzduchu
Balíček s TC=19. Zajímavostí je, že rychlost může být buď přesná, vzhledem k zemi (Ground Speed), nebo vzdušná, měřená senzorem letadla (Airspeed). Přenáší se také mnoho různých polí:
(
Závěr
Jak je vidět, technologie ADS-B se stala zajímavou symbiózou, kdy je standard užitečný nejen profesionálům, ale i běžným uživatelům. Klíčovou roli v tom ale samozřejmě sehrála levnější technologie digitálních přijímačů SDR, která umožňuje zařízení přijímat signály s frekvencemi nad gigahertz doslova „za haléře“.
V samotném standardu je toho samozřejmě mnohem víc. Zájemci si mohou prohlédnout PDF na stránce
Je nepravděpodobné, že vše výše uvedené bude pro mnohé užitečné, ale alespoň obecná představa o tom, jak to funguje, doufám, zůstává.
Mimochodem, hotový dekodér v Pythonu již existuje, můžete si ho prostudovat
Zdrojový kód parseru popsaný v článku je uveden pod řezem. Toto je testovací příklad, který nepředstírá, že jde o produkci, ale některé věci v něm fungují a lze jej použít k analýze výše zaznamenaného souboru.
Zdrojový kód (Python)
from __future__ import print_function
from scipy.io import wavfile
from scipy import signal
import matplotlib.pyplot as plt
import numpy as np
import math
import sys
def parse_message(data, start, bit_len):
max_len = bit_len*128
A = data[start:start + max_len]
A = signal.resample(A, 10*max_len)
bits = np.zeros(10*max_len)
bit_len *= 10
start_data = bit_len*8
# Parse first 8 bits
bits_str = ""
for p in range(8):
pos = start_data + bit_len*p
p1, p2 = A[pos: pos + bit_len/2], A[pos + bit_len/2: pos + bit_len]
avg1, avg2 = np.average(p1), np.average(p2)
if avg1 < avg2:
bits_str += "0"
elif avg1 > avg2:
bits_str += "1"
df = int(bits_str[0:5], 2)
# Aircraft address (db - https://junzis.com/adb/?q=3b1c5c )
bits_str = ""
for p in range(8, 32):
pos = start_data + bit_len * p
p1, p2 = A[pos: pos + bit_len / 2], A[pos + bit_len / 2: pos + bit_len]
avg1, avg2 = np.average(p1), np.average(p2)
if avg1 < avg2:
bits_str += "0"
elif avg1 > avg2:
bits_str += "1"
# print "Aircraft address:", bits_str, hex(int(bits_str, 2))
address = hex(int(bits_str, 2))
# Filter specific aircraft (optional)
# if address != "0x3c5ee2":
# return
if df == 16 or df == 17 or df == 18 or df == 19 or df == 20 or df == 21:
# print "Pos:", start, "DF:", msg_type
# Data (56bit)
bits_str = ""
for p in range(32, 88):
pos = start_data + bit_len*p
p1, p2 = A[pos: pos + bit_len/2], A[pos + bit_len/2: pos + bit_len]
avg1, avg2 = np.average(p1), np.average(p2)
if avg1 < avg2:
bits_str += "0"
# bits[pos + bit_len / 2] = 50
elif avg1 > avg2:
bits_str += "1"
# http://www.lll.lu/~edward/edward/adsb/DecodingADSBposition.html
# print "Data:"
# print bits_str[:8], bits_str[8:20], bits_str[20:22], bits_str[22:22+17], bits_str[39:39+17]
# Type Code:
tc, ec = int(bits_str[:5], 2), int(bits_str[5:8], 2)
# print("DF:", df, "TC:", tc)
# 1 - 4 Aircraft identification
# 5 - 8 Surface position
# 9 - 18 Airborne position (w/ Baro Altitude)
# 19 Airborne velocities
if tc >= 1 and tc <= 4: # and (df == 17 or df == 18):
print("Aircraft address:", address)
print("Data:")
print(bits_str[:8], bits_str[8:14], bits_str[14:20], bits_str[20:26], bits_str[26:32], bits_str[32:38], bits_str[38:44])
symbols = "#ABCDEFGHIJKLMNOPQRSTUVWXYZ#####_###############0123456789######"
code_str = ""
for p in range(8):
c = int(bits_str[8 + 6*p:8 + 6*(p + 1)], 2)
code_str += symbols[c]
print("Aircraft Identification:", code_str.replace('#', ''))
print()
if tc == 11:
print("Aircraft address:", address)
print("Data: (11)")
print(bits_str[:8], bits_str[8:20], bits_str[20:22], bits_str[22:22+17], bits_str[39:39+17])
# Bit 22 contains the F flag which indicates which CPR format is used (odd or even)
# First frame has F flag = 0 so is even and the second frame has F flag = 1 so odd
# f = bits_str[21:22]
# print("F:", int(f, 2))
# Altitude
alt1b = bits_str[8:20]
if alt1b[-5] == '1':
bits = alt1b[:-5] + alt1b[-4:]
n = int(bits, 2)
alt_ft = n*25 - 1000
print("Alt (ft)", alt_ft)
# lat_dec = int(bits_str[22:22+17], 2)
# lon_dec = int(bits_str[39:39+17], 2)
# print("Lat/Lon:", lat_dec, lon_dec)
# http://airmetar.main.jp/radio/ADS-B%20Decoding%20Guide.pdf
print()
if tc == 19:
print("Aircraft address:", address)
print("Data:")
# print(bits_str)
print(bits_str[:5], bits_str[5:8], bits_str[8:10], bits_str[10:13], bits_str[13] ,bits_str[14:24], bits_str[24], bits_str[25:35], bits_str[35:36], bits_str[36:65])
subtype = int(bits_str[5:8], 2)
# https://mode-s.org/decode/adsb/airborne-velocity.html
spd, hdg, rocd = -1, -1, -1
if subtype == 1 or subtype == 2:
print("Velocity Subtype 1: Ground speed")
v_ew_sign = int(bits_str[13], 2)
v_ew = int(bits_str[14:24], 2) - 1 # east-west velocity
v_ns_sign = int(bits_str[24], 2)
v_ns = int(bits_str[25:35], 2) - 1 # north-south velocity
v_we = -1*v_ew if v_ew_sign else v_ew
v_sn = -1*v_ns if v_ns_sign else v_ns
spd = math.sqrt(v_sn*v_sn + v_we*v_we) # unit in kts
hdg = math.atan2(v_we, v_sn)
hdg = math.degrees(hdg) # convert to degrees
hdg = hdg if hdg >= 0 else hdg + 360 # no negative val
if subtype == 3:
print("Subtype Subtype 3: Airspeed")
hdg = int(bits_str[14:24], 2)/1024.0*360.0
spd = int(bits_str[25:35], 2)
vr_sign = int(bits_str[36], 2)
vr = int(bits_str[36:45], 2)
rocd = -1*vr if vr_sign else vr # rate of climb/descend
print("Speed (kts):", spd, "Rate:", rocd, "Heading:", hdg)
print()
# print()
def calc_coordinates():
def _cprN(lat, is_odd):
nl = _cprNL(lat) - is_odd
return nl if nl > 1 else 1
def _cprNL(lat):
try:
nz = 15
a = 1 - math.cos(math.pi / (2 * nz))
b = math.cos(math.pi / 180.0 * abs(lat)) ** 2
nl = 2 * math.pi / (math.acos(1 - a/b))
return int(math.floor(nl))
except:
# happens when latitude is +/-90 degree
return 1
def floor_(x):
return int(math.floor(x))
lat1b, lon1b, alt1b = "10111000111010011", "10000110111111000", "000101111001"
lat2b, lon2b, alt2b = "10010011101011100", "10000011000011011", "000101110111"
lat1, lon1, alt1 = int(lat1b, 2), int(lon1b, 2), int(alt1b, 2)
lat2, lon2, alt2 = int(lat2b, 2), int(lon2b, 2), int(alt2b, 2)
# 131072 is 2^17, since CPR lat and lon are 17 bits each
cprlat_even, cprlon_even = lat1/131072.0, lon1/131072.0
cprlat_odd, cprlon_odd = lat2/131072.0, lon2/131072.0
print(cprlat_even, cprlon_even)
j = floor_(59*cprlat_even - 60*cprlat_odd)
print(j)
air_d_lat_even = 360.0 / 60
air_d_lat_odd = 360.0 / 59
# Lat
lat_even = float(air_d_lat_even * (j % 60 + cprlat_even))
lat_odd = float(air_d_lat_odd * (j % 59 + cprlat_odd))
if lat_even >= 270:
lat_even = lat_even - 360
if lat_odd >= 270:
lat_odd = lat_odd - 360
# Lon
ni = _cprN(lat_even, 0)
m = floor_(cprlon_even * (_cprNL(lat_even)-1) - cprlon_odd * _cprNL(lat_even) + 0.5)
lon = (360.0 / ni) * (m % ni + cprlon_even)
print("Lat", lat_even, "Lon", lon)
# Altitude
# Q-bit (bit 48) indicates whether the altitude is encoded in multiples of 25 or 100 ft (0: 100 ft, 1: 25 ft)
# The value can represent altitudes from -1000 to +50175 ft.
if alt1b[-5] == '1':
bits = alt1b[:-5] + alt1b[-4:]
n = int(bits, 2)
alt_ft = n*25 - 1000
print("Alt (ft)", alt_ft)
fs, data = wavfile.read("adsb_20190311_191728Z_1090000kHz_RF.wav")
T = 1/fs
print("Sample rate %f MS/s" % (fs / 1e6))
print("Cnt samples %d" % len(data))
print("Duration: %f s" % (T * len(data)))
data = data.astype(float)
cnt = data.shape[0]
# Processing only part on file (faster):
# cnt = 10000000
# data = data[:cnt]
print("Processing I/Q...")
I, Q = data[:, 0], data[:, 1]
A = np.sqrt(I*I + Q*Q)
bits = np.zeros(cnt)
# To see scope without any processing, uncomment
# plt.plot(A)
# plt.show()
# sys.exit(0)
print("Extracting signals...")
pos = 0
avg = 200
msg_start = 0
# Find beginning of each signal
while pos < cnt - 16*1024:
# P1 - message start
while pos < cnt - 16*1024:
if A[pos] < avg and A[pos+1] > avg and pos - msg_start > 1000:
msg_start = pos
bits[pos] = 100
pos += 4
break
pos += 1
start1, start2, start3, start4 = msg_start, 0, 0, 0
# P2
while pos < cnt - 16*1024:
if A[pos] < avg and A[pos+1] > avg:
start2 = pos
bits[pos] = 90
pos += 1
break
pos += 1
# P3
while pos < cnt - 16*1024:
if A[pos] < avg and A[pos+1] > avg:
start3 = pos
bits[pos] = 80
pos += 1
break
pos += 1
# P4
while pos < cnt - 16*1024:
if A[pos] < avg and A[pos+1] > avg:
start4 = pos
bits[pos] = 70
pos += 1
break
pos += 1
sig_diff = start4 - start1
if 20 < sig_diff < 25:
bits[msg_start] = 500
bit_len = int((start4 - start1) / 4.5)
# print(pos, start1, start4, ' - ', bit_len)
# start = start1 + 8*bit_len
parse_message(A, msg_start, bit_len)
pos += 450
# For debugging: check signal start
# plt.plot(A)
# plt.plot(bits)
# plt.show()
Doufám, že to někoho zaujalo, děkuji za pozornost.
Zdroj: www.habr.com