Flightradar24 - ինչպես է այն աշխատում: Մաս 2, ADS-B արձանագրություն

Բարև Հաբր։ Հավանաբար բոլոր նրանք, ովքեր երբևէ հանդիպել կամ ճանապարհել են իրենց հարազատներին կամ ընկերներին ինքնաթիռով, օգտվել են Flightradar24 անվճար ծառայությունից։ Սա շատ հարմար միջոց է իրական ժամանակում ինքնաթիռի դիրքը հետևելու համար:

В առաջին մասը Նկարագրվեց նման առցանց ծառայության գործառնական սկզբունքը։ Այժմ մենք առաջ կգնանք և կպարզենք, թե ինչ տվյալներ են ուղարկվում և ստացվում օդանավից ընդունող կայան և ինքներս կվերծանենք դրանք Python-ի միջոցով:

Պատմություն

Ակնհայտ է, որ ինքնաթիռի տվյալները չեն փոխանցվում, որպեսզի օգտատերերը տեսնեն իրենց սմարթֆոններում: Համակարգը կոչվում է ADS-B (Automatic dependent surveillance — հեռարձակում) և օգտագործվում է օդանավի մասին տեղեկատվությունը կառավարման կենտրոն ավտոմատ փոխանցելու համար. փոխանցվում են դրա նույնացուցիչը, կոորդինատները, ուղղությունը, արագությունը, բարձրությունը և այլ տվյալներ: Նախկինում, մինչ նման համակարգերի հայտնվելը, դիսպետչերը կարող էր տեսնել միայն ռադարի վրա գտնվող կետը: Սա արդեն բավական չէր, երբ ինքնաթիռները շատ էին։

Տեխնիկապես, ADS-B-ը բաղկացած է օդանավի հաղորդիչից, որը պարբերաբար տեղեկատվության փաթեթներ է ուղարկում 1090 ՄՀց բավականին բարձր հաճախականությամբ (կան այլ ռեժիմներ, բայց դրանք մեզ այնքան էլ չեն հետաքրքրում, քանի որ կոորդինատները փոխանցվում են միայն այստեղ): Իհարկե, բացի հաղորդիչից, օդանավակայանում ինչ-որ տեղ կա նաև ընդունիչ, բայց մեզ՝ որպես օգտատերերի, մեր սեփական ընդունիչն է հետաքրքիր։

Ի դեպ, համեմատության համար նշենք, որ առաջին նման համակարգը՝ Airnav Radarbox-ը, որը նախատեսված էր սովորական օգտատերերի համար, հայտնվեց 2007 թվականին և արժեր մոտ 900 դոլար, ցանցային ծառայությունների բաժանորդագրությունն արժեր տարեկան ևս 250 դոլար։

Այդ առաջին ռուս սեփականատերերի ակնարկները կարելի է կարդալ ֆորումում ռադիոսկաներ. Այժմ, երբ RTL-SDR ընդունիչները լայնորեն հասանելի են դարձել, նմանատիպ սարքը կարելի է հավաքել 30 դոլարով. առաջին մասը. Եկեք անցնենք հենց արձանագրությանը, տեսնենք, թե ինչպես է այն աշխատում:

Ազդանշանների ստացում

Նախ, ազդանշանը պետք է ձայնագրվի: Ամբողջ ազդանշանը տևում է ընդամենը 120 միկրովայրկյան, ուստի դրա բաղադրիչները հարմարավետորեն ապամոնտաժելու համար ցանկալի է SDR ընդունիչ՝ առնվազն 5 ՄՀց նմուշառման հաճախականությամբ:

Ձայնագրումից հետո մենք ստանում ենք WAV ֆայլ՝ 5000000 նմուշ/վրկ նմուշառման արագությամբ, նման ձայնագրության 30 վայրկյանը «կշռում» է մոտ 500 ՄԲ: Մեդիա նվագարկիչով այն լսելն, իհարկե, անիմաստ է. ֆայլը ձայն չի պարունակում, այլ ուղղակիորեն թվայնացված ռադիոազդանշան. հենց այսպես է աշխատում Software Defined Radio-ն:

Մենք կբացենք և կմշակենք ֆայլը Python-ի միջոցով: Նրանք, ովքեր ցանկանում են ինքնուրույն փորձարկել, կարող են ներբեռնել ձայնագրության օրինակ по ссылке.

Եկեք ներբեռնենք ֆայլը և տեսնենք, թե ինչ կա ներսում:

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()

Արդյունք. մենք տեսնում ենք ակնհայտ «զարկերակներ» ֆոնային աղմուկի վրա:

Յուրաքանչյուր «զարկերակ» ազդանշան է, որի կառուցվածքը հստակ երևում է, եթե դուք մեծացնեք գրաֆիկի լուծումը:

Ինչպես տեսնում եք, նկարը բավականին համահունչ է վերը նկարագրության մեջ տրվածին: Դուք կարող եք սկսել տվյալների մշակումը:

Վերծանում

Նախ, դուք պետք է մի քիչ հոսք ստանաք: Ազդանշանն ինքնին կոդավորված է Մանչեսթերի կոդավորման միջոցով.

Նիբլների մակարդակի տարբերությունից հեշտ է ստանալ իրական «0» և «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"

Ազդանշանի կառուցվածքն ինքնին հետևյալն է.

Եկեք ավելի մանրամասն նայենք դաշտերին:

DF (Downlink Format, 5 bit) - որոշում է հաղորդագրության տեսակը: Կան մի քանի տեսակներ.

(աղյուսակի աղբյուր)

Մեզ հետաքրքրում է միայն DF17 տեսակը, քանի որ... Հենց դա էլ պարունակում է օդանավի կոորդինատները։

ICAO (24 բիթ) - օդանավի միջազգային եզակի ծածկագիր: Ինքնաթիռը կարող եք ստուգել իր ծածկագրով առցանց (ցավոք, հեղինակը դադարեցրել է տվյալների բազայի թարմացումը, բայց այն դեռ ակտուալ է): Օրինակ, 3c5ee2 կոդի համար մենք ունենք հետևյալ տեղեկատվությունը.

Խմբագրել՝ in մեկնաբանություններ հոդվածին ԻԿԱՕ-ի կոդի նկարագրությունը տրված է ավելի մանրամասն, հետաքրքրվողներին խորհուրդ եմ տալիս կարդալ այն։

DATA (56 կամ 112 բիթ) - փաստացի տվյալները, որոնք մենք կվերծանենք: Տվյալների առաջին 5 բիթերը դաշտն են Տեսակ ծածկագիր, որը պարունակում է պահվող տվյալների ենթատեսակը (չշփոթել DF-ի հետ): Այս տեսակներից բավականին քիչ են.

(աղյուսակի աղբյուր)

Դիտարկենք փաթեթների մի քանի օրինակ:

Ինքնաթիռի նույնականացում

Օրինակ երկուական ձևով.

00100 011 000101 010111 000111 110111 110001 111000

Տվյալների դաշտեր.

+------+------+------+------+------+------+------+------+------+------+
| TC,5 | EC,3 | C1,6 | C2,6 | C3,6 | C4,6 | C5,6 | C6,6 | C7,6 | C8,6 |
+------+------+------+------+------+------+------+------+------+------+

TC = 00100b = 4, յուրաքանչյուր նիշ C1-C8 պարունակում է տողում գտնվող ինդեքսներին համապատասխանող ծածկագրեր.
#ABCDEFGHIJKLMNOPQRSTUVWXYZ#####_##############0123456789#######

Տողը վերծանելով՝ հեշտ է ստանալ օդանավի կոդը՝ 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('#', ''))

Օդային դիրք

Եթե ​​անունը պարզ է, ապա կոորդինատներն ավելի բարդ են։ Դրանք փոխանցվում են 2, զույգ և կենտ շրջանակների տեսքով։ Դաշտի կոդը TC = 01011b = 11:

Զույգ և կենտ փաթեթների օրինակ.

01011 000 000101110110 00 10111000111001000 10000110101111001
01011 000 000110010000 01 10010011110000110 10000011110001000

Կոորդինատների հաշվարկն ինքնին տեղի է ունենում բավականին բարդ բանաձևի համաձայն.

(աղբյուր)

Ես GIS-ի փորձագետ չեմ, ուստի չգիտեմ, թե որտեղից է այն գալիս: Ով գիտի, գրի մեկնաբանություններում։

Բարձրությունը համարվում է ավելի պարզ - կախված կոնկրետ բիթից, այն կարող է ներկայացվել որպես 25 կամ 100 ոտնաչափ բազմապատիկ:

Օդային արագություն

Փաթեթ TC=19-ով։ Հետաքրքիրն այստեղ այն է, որ արագությունը կարող է լինել կամ ճշգրիտ, համեմատած գետնի հետ (Ground Speed), կամ օդում, որը չափվում է ինքնաթիռի սենսորով (Airspeed): Շատ տարբեր դաշտեր նույնպես փոխանցվում են.

(աղբյուր)

Ամփոփում

Ինչպես տեսնում եք, ADS-B տեխնոլոգիան դարձել է հետաքրքիր սիմբիոզ, երբ ստանդարտը օգտակար է ոչ միայն մասնագետների, այլև սովորական օգտագործողների համար: Բայց, իհարկե, դրանում առանցքային դեր է խաղացել թվային SDR ընդունիչների ավելի էժան տեխնոլոգիան, որը սարքին թույլ է տալիս բառացիորեն ազդանշաններ ստանալ մեկ գիգահերցից բարձր հաճախականությամբ «կոպեկների դիմաց»:

Բուն ստանդարտում, իհարկե, շատ ավելին կա: Ցանկացողները կարող են դիտել PDF-ը էջում ICAO կամ այցելեք վերը նշվածը կայքը.

Քիչ հավանական է, որ վերը նշված բոլորը օգտակար լինեն շատերի համար, բայց գոնե ընդհանուր գաղափարը, թե ինչպես է այն աշխատում, հուսով եմ, մնում է:

Ի դեպ, Python-ում պատրաստի ապակոդավորիչ արդեն կա, կարող եք ուսումնասիրել այստեղ. Իսկ SDR ընդունիչների սեփականատերերը կարող են հավաքել և գործարկել պատրաստի ADS-B ապակոդավորիչ էջից, սա ավելի մանրամասն քննարկվել է առաջին մասը.

Հոդվածում նկարագրված վերլուծիչի սկզբնական կոդը տրված է կտրվածքի տակ: Սա թեստային օրինակ է, որը չի հավակնում, թե արտադրություն է, բայց որոշ բաներ աշխատում են դրանում, և այն կարող է օգտագործվել վերևում գրանցված ֆայլը վերլուծելու համար:
Աղբյուրի կոդը (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()

Հուսով եմ ինչ-որ մեկին հետաքրքրեց, շնորհակալություն ուշադրության համար:

Source: www.habr.com