Flightradar24 - ഇത് എങ്ങനെയാണ് പ്രവർത്തിക്കുന്നത്? ഭാഗം 2, ADS-B പ്രോട്ടോക്കോൾ

ഹലോ ഹബ്ർ. ഒരുപക്ഷേ വിമാനത്തിൽ വച്ച് ബന്ധുക്കളെയോ സുഹൃത്തുക്കളെയോ കണ്ടുമുട്ടുകയോ കാണുകയോ ചെയ്തിട്ടുള്ള എല്ലാവരും സൗജന്യ ഫ്ലൈറ്റ്റാഡാർ 24 സേവനം ഉപയോഗിച്ചിട്ടുണ്ടാകാം. വിമാനത്തിന്റെ സ്ഥാനം തത്സമയം ട്രാക്ക് ചെയ്യുന്നതിനുള്ള വളരെ സൗകര്യപ്രദമായ മാർഗമാണിത്.

В ആദ്യ ഭാഗം അത്തരമൊരു ഓൺലൈൻ സേവനത്തിന്റെ പ്രവർത്തന തത്വം വിവരിച്ചു. ഞങ്ങൾ ഇപ്പോൾ മുന്നോട്ട് പോയി വിമാനത്തിൽ നിന്ന് സ്വീകരിക്കുന്ന സ്റ്റേഷനിലേക്ക് എന്ത് ഡാറ്റയാണ് അയയ്‌ക്കുന്നതെന്നും സ്വീകരിക്കുന്നതെന്നും പൈത്തൺ ഉപയോഗിച്ച് സ്വയം ഡീകോഡ് ചെയ്യുമെന്നും കണ്ടെത്തും.

കഥ

വ്യക്തമായും, ഉപയോക്താക്കൾക്ക് അവരുടെ സ്മാർട്ട്ഫോണുകളിൽ കാണാൻ എയർക്രാഫ്റ്റ് ഡാറ്റ കൈമാറില്ല. സിസ്റ്റത്തെ ADS-B (ഓട്ടോമാറ്റിക് ഡിപൻഡന്റ് സർവൈലൻസ്-ബ്രോഡ്കാസ്റ്റ്) എന്ന് വിളിക്കുന്നു, കൂടാതെ വിമാനത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ നിയന്ത്രണ കേന്ദ്രത്തിലേക്ക് സ്വപ്രേരിതമായി കൈമാറാൻ ഉപയോഗിക്കുന്നു - അതിന്റെ ഐഡന്റിഫയർ, കോർഡിനേറ്റുകൾ, ദിശ, വേഗത, ഉയരം, മറ്റ് ഡാറ്റ എന്നിവ കൈമാറുന്നു. മുമ്പ്, അത്തരം സംവിധാനങ്ങളുടെ വരവിന് മുമ്പ്, ഡിസ്പാച്ചർക്ക് റഡാറിൽ ഒരു പോയിന്റ് മാത്രമേ കാണാൻ കഴിയൂ. ധാരാളം വിമാനങ്ങൾ ഉള്ളപ്പോൾ ഇത് മതിയാകുമായിരുന്നില്ല.

സാങ്കേതികമായി, ADS-B ഒരു വിമാനത്തിലെ ട്രാൻസ്മിറ്റർ ഉൾക്കൊള്ളുന്നു, അത് 1090 മെഗാഹെർട്‌സിന്റെ ഉയർന്ന ആവൃത്തിയിൽ ആനുകാലികമായി വിവരങ്ങളുടെ പാക്കറ്റുകൾ അയയ്ക്കുന്നു (മറ്റ് മോഡുകൾ ഉണ്ട്, പക്ഷേ ഞങ്ങൾക്ക് അവയിൽ താൽപ്പര്യമില്ല, കാരണം കോർഡിനേറ്റുകൾ ഇവിടെ മാത്രം കൈമാറുന്നു). തീർച്ചയായും, ട്രാൻസ്മിറ്ററിന് പുറമേ, വിമാനത്താവളത്തിൽ എവിടെയെങ്കിലും ഒരു റിസീവറും ഉണ്ട്, എന്നാൽ ഞങ്ങൾക്ക്, ഉപയോക്താക്കളെന്ന നിലയിൽ, ഞങ്ങളുടെ സ്വന്തം റിസീവർ രസകരമാണ്.

വഴിയിൽ, താരതമ്യത്തിനായി, സാധാരണ ഉപയോക്താക്കൾക്കായി രൂപകൽപ്പന ചെയ്ത എയർനവ് റഡാർബോക്‌സ് 2007 ൽ പ്രത്യക്ഷപ്പെട്ടു, ഏകദേശം $900; നെറ്റ്‌വർക്ക് സേവനങ്ങളുടെ ഒരു സബ്‌സ്‌ക്രിപ്‌ഷന് പ്രതിവർഷം $250 ചിലവാകും.

ആ ആദ്യ റഷ്യൻ ഉടമകളുടെ അവലോകനങ്ങൾ ഫോറത്തിൽ വായിക്കാം റേഡിയോ സ്കാനർ. ഇപ്പോൾ RTL-SDR റിസീവറുകൾ വ്യാപകമായി ലഭ്യമായതിനാൽ, സമാനമായ ഒരു ഉപകരണം $30-ന് കൂട്ടിച്ചേർക്കാവുന്നതാണ്; ഇതിനെ കുറിച്ച് കൂടുതൽ ആദ്യ ഭാഗം. നമുക്ക് പ്രോട്ടോക്കോളിലേക്ക് തന്നെ പോകാം - ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് നോക്കാം.

സിഗ്നലുകൾ സ്വീകരിക്കുന്നു

ആദ്യം, സിഗ്നൽ രേഖപ്പെടുത്തേണ്ടതുണ്ട്. മുഴുവൻ സിഗ്നലിനും 120 മൈക്രോസെക്കൻഡ് മാത്രമേ ദൈർഘ്യമുള്ളൂ, അതിനാൽ അതിന്റെ ഘടകങ്ങൾ സുഖകരമായി ഡിസ്അസംബ്ലിംഗ് ചെയ്യുന്നതിന്, കുറഞ്ഞത് 5 MHz സാമ്പിൾ ഫ്രീക്വൻസിയുള്ള ഒരു SDR റിസീവർ അഭികാമ്യമാണ്.

റെക്കോർഡിംഗിന് ശേഷം, ഞങ്ങൾക്ക് 5000000 സാമ്പിളുകൾ/സെക്കൻഡ് എന്ന സാമ്പിൾ നിരക്കുള്ള ഒരു WAV ഫയൽ ലഭിക്കും; അത്തരം റെക്കോർഡിംഗിന്റെ 30 സെക്കൻഡ് ഏകദേശം 500MB "ഭാരം". ഒരു മീഡിയ പ്ലെയർ ഉപയോഗിച്ച് ഇത് കേൾക്കുന്നത് തീർച്ചയായും ഉപയോഗശൂന്യമാണ് - ഫയലിൽ ശബ്ദമില്ല, മറിച്ച് നേരിട്ട് ഡിജിറ്റൈസ് ചെയ്ത റേഡിയോ സിഗ്നൽ - സോഫ്റ്റ്വെയർ നിർവചിക്കപ്പെട്ട റേഡിയോ പ്രവർത്തിക്കുന്നത് ഇങ്ങനെയാണ്.

പൈത്തൺ ഉപയോഗിച്ച് ഞങ്ങൾ ഫയൽ തുറന്ന് പ്രോസസ്സ് ചെയ്യും. സ്വന്തമായി പരീക്ഷണം നടത്താൻ ആഗ്രഹിക്കുന്നവർക്ക് ഒരു ഉദാഹരണ റെക്കോർഡിംഗ് ഡൗൺലോഡ് ചെയ്യാം ബന്ധം.

ഫയൽ ഡൗൺലോഡ് ചെയ്ത് അകത്ത് എന്താണെന്ന് നോക്കാം.

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()

ഫലം: പശ്ചാത്തല ശബ്‌ദത്തിനെതിരെ ഞങ്ങൾ വ്യക്തമായ “പൾസുകൾ” കാണുന്നു.

ഓരോ "പൾസും" ഒരു സിഗ്നലാണ്, നിങ്ങൾ ഗ്രാഫിലെ മിഴിവ് വർദ്ധിപ്പിക്കുകയാണെങ്കിൽ അതിന്റെ ഘടന വ്യക്തമായി കാണാം.

നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, മുകളിലുള്ള വിവരണത്തിൽ നൽകിയിരിക്കുന്നതുമായി ചിത്രം തികച്ചും പൊരുത്തപ്പെടുന്നു. നിങ്ങൾക്ക് ഡാറ്റ പ്രോസസ്സ് ചെയ്യാൻ ആരംഭിക്കാം.

ഡീകോഡിംഗ്

ആദ്യം, നിങ്ങൾ ഒരു ബിറ്റ് സ്ട്രീം നേടേണ്ടതുണ്ട്. മാഞ്ചസ്റ്റർ എൻകോഡിംഗ് ഉപയോഗിച്ച് സിഗ്നൽ തന്നെ എൻകോഡ് ചെയ്തിരിക്കുന്നു:

നിബിളുകളിലെ ലെവൽ വ്യത്യാസത്തിൽ നിന്ന് യഥാർത്ഥ "0" ഉം "1" ഉം ലഭിക്കുന്നത് എളുപ്പമാണ്.

    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"

സിഗ്നലിന്റെ ഘടന തന്നെ ഇപ്രകാരമാണ്:

ഫീൽഡുകൾ കൂടുതൽ വിശദമായി നോക്കാം.

DF (ഡൗൺലിങ്ക് ഫോർമാറ്റ്, 5 ബിറ്റുകൾ) - സന്ദേശത്തിന്റെ തരം നിർണ്ണയിക്കുന്നു. നിരവധി തരം ഉണ്ട്:

(പട്ടിക ഉറവിടം)

DF17 എന്ന തരത്തിൽ മാത്രമേ ഞങ്ങൾക്ക് താൽപ്പര്യമുള്ളൂ, കാരണം... വിമാനത്തിന്റെ കോർഡിനേറ്റുകൾ അടങ്ങിയിരിക്കുന്നത് ഇതാണ്.

ICAO (24 ബിറ്റുകൾ) - വിമാനത്തിന്റെ അന്താരാഷ്ട്ര അദ്വിതീയ കോഡ്. നിങ്ങൾക്ക് അതിന്റെ കോഡ് ഉപയോഗിച്ച് വിമാനം പരിശോധിക്കാം ഓൺലൈൻ (നിർഭാഗ്യവശാൽ, രചയിതാവ് ഡാറ്റാബേസ് അപ്ഡേറ്റ് ചെയ്യുന്നത് നിർത്തി, പക്ഷേ അത് ഇപ്പോഴും പ്രസക്തമാണ്). ഉദാഹരണത്തിന്, 3c5ee2 കോഡിനായി ഞങ്ങൾക്ക് ഇനിപ്പറയുന്ന വിവരങ്ങൾ ഉണ്ട്:

എഡിറ്റ്: ഇൻ ലേഖനത്തിലേക്കുള്ള അഭിപ്രായങ്ങൾ ICAO കോഡിന്റെ വിവരണം കൂടുതൽ വിശദമായി നൽകിയിരിക്കുന്നു; താൽപ്പര്യമുള്ളവർ അത് വായിക്കാൻ ഞാൻ ശുപാർശ ചെയ്യുന്നു.

ഡാറ്റ (56 അല്ലെങ്കിൽ 112 ബിറ്റുകൾ) - ഞങ്ങൾ ഡീകോഡ് ചെയ്യുന്ന യഥാർത്ഥ ഡാറ്റ. ഡാറ്റയുടെ ആദ്യത്തെ 5 ബിറ്റുകൾ ഫീൽഡാണ് കോഡ് ടൈപ്പുചെയ്യുക, സംഭരിക്കുന്ന ഡാറ്റയുടെ ഉപവിഭാഗം അടങ്ങിയിരിക്കുന്നു (DF-മായി തെറ്റിദ്ധരിക്കരുത്). ഈ തരങ്ങളിൽ കുറച്ച് ഉണ്ട്:

(പട്ടിക ഉറവിടം)

പാക്കേജുകളുടെ ഏതാനും ഉദാഹരണങ്ങൾ നോക്കാം.

വിമാനം തിരിച്ചറിയൽ

ബൈനറി രൂപത്തിൽ ഉദാഹരണം:

00100 011 000101 010111 XIX XIX 000111

ഡാറ്റ ഫീൽഡുകൾ:

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

TC = 00100b = 4, ഓരോ അക്ഷരത്തിലും C1-C8 വരിയിലെ സൂചികകളുമായി ബന്ധപ്പെട്ട കോഡുകൾ അടങ്ങിയിരിക്കുന്നു:
#ABCDEFGHIJKLMNOPQRSTUVWXYZ#####_##############0123456789######

സ്ട്രിംഗ് ഡീകോഡ് ചെയ്യുന്നതിലൂടെ, എയർക്രാഫ്റ്റ് കോഡ് ലഭിക്കുന്നത് എളുപ്പമാണ്: 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('#', ''))

വായുവിലൂടെയുള്ള സ്ഥാനം

പേര് ലളിതമാണെങ്കിൽ, കോർഡിനേറ്റുകൾ കൂടുതൽ സങ്കീർണ്ണമാണ്. അവ 2, ഇരട്ട, ഒറ്റ ഫ്രെയിമുകളുടെ രൂപത്തിൽ കൈമാറ്റം ചെയ്യപ്പെടുന്നു. ഫീൽഡ് കോഡ് TC = 01011b = 11.

ഇരട്ട, ഒറ്റ പാക്കറ്റുകളുടെ ഉദാഹരണം:

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

കോർഡിനേറ്റുകളുടെ കണക്കുകൂട്ടൽ തികച്ചും തന്ത്രപരമായ സൂത്രവാക്യം അനുസരിച്ചാണ് സംഭവിക്കുന്നത്:

(ഉറവിടം)

ഞാൻ ഒരു GIS വിദഗ്ദ്ധനല്ല, അതിനാൽ ഇത് എവിടെ നിന്നാണ് വരുന്നതെന്ന് എനിക്കറിയില്ല. ആർക്കറിയാം, അഭിപ്രായങ്ങളിൽ എഴുതുക.

ഉയരം ലളിതമായി കണക്കാക്കപ്പെടുന്നു - നിർദ്ദിഷ്ട ബിറ്റ് അനുസരിച്ച്, ഇത് 25 അല്ലെങ്കിൽ 100 ​​അടിയുടെ ഗുണിതമായി പ്രതിനിധീകരിക്കാം.

വായുവിലൂടെയുള്ള വേഗത

TC=19 ഉള്ള പാക്കേജ്. ഇവിടെ രസകരമായ കാര്യം, വേഗത ഒന്നുകിൽ കൃത്യമോ, ഭൂമിയുമായി താരതമ്യപ്പെടുത്തുകയോ ചെയ്യാം (ഗ്രൗണ്ട് സ്പീഡ്), അല്ലെങ്കിൽ വായുവിലൂടെ, ഒരു എയർക്രാഫ്റ്റ് സെൻസർ (എയർസ്പീഡ്) അളക്കുക. നിരവധി വ്യത്യസ്ത ഫീൽഡുകളും കൈമാറ്റം ചെയ്യപ്പെടുന്നു:

(ഉറവിടം)

തീരുമാനം

നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, ADS-B സാങ്കേതികവിദ്യ ഒരു രസകരമായ സഹവർത്തിത്വമായി മാറിയിരിക്കുന്നു, ഒരു സ്റ്റാൻഡേർഡ് പ്രൊഫഷണലുകൾക്ക് മാത്രമല്ല, സാധാരണ ഉപയോക്താക്കൾക്കും ഉപയോഗപ്രദമാണ്. എന്നാൽ തീർച്ചയായും, ഡിജിറ്റൽ എസ്ഡിആർ റിസീവറുകളുടെ വിലകുറഞ്ഞ സാങ്കേതികവിദ്യയാണ് ഇതിൽ ഒരു പ്രധാന പങ്ക് വഹിച്ചത്, ഇത് ഒരു ഗിഗാഹെർട്സിനു മുകളിലുള്ള ആവൃത്തിയിലുള്ള സിഗ്നലുകൾ അക്ഷരാർത്ഥത്തിൽ സ്വീകരിക്കാൻ ഉപകരണത്തെ അനുവദിക്കുന്നു "പെന്നികൾക്ക്".

സ്റ്റാൻഡേർഡിൽ തന്നെ, തീർച്ചയായും, കൂടുതൽ ഉണ്ട്. താൽപ്പര്യമുള്ളവർക്ക് പേജിലെ പി.ഡി.എഫ് ICAO അല്ലെങ്കിൽ മുകളിൽ സൂചിപ്പിച്ച ഒന്ന് സന്ദർശിക്കുക വെബ്സൈറ്റ്.

മേൽപ്പറഞ്ഞവയെല്ലാം പലർക്കും ഉപയോഗപ്രദമാകാൻ സാധ്യതയില്ല, പക്ഷേ ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിനെക്കുറിച്ചുള്ള പൊതുവായ ആശയമെങ്കിലും അവശേഷിക്കുന്നു.

വഴിയിൽ, പൈത്തണിൽ ഒരു റെഡിമെയ്ഡ് ഡീകോഡർ ഇതിനകം നിലവിലുണ്ട്, നിങ്ങൾക്ക് അത് പഠിക്കാൻ കഴിയും ഇവിടെ. SDR റിസീവറുകളുടെ ഉടമകൾക്ക് ഒരു റെഡിമെയ്ഡ് ADS-B ഡീകോഡർ കൂട്ടിച്ചേർക്കാനും സമാരംഭിക്കാനും കഴിയും പേജിൽ നിന്ന്, ഇത് കൂടുതൽ വിശദമായി ചർച്ച ചെയ്തു ആദ്യ ഭാഗം.

ലേഖനത്തിൽ വിവരിച്ചിരിക്കുന്ന പാഴ്സറിന്റെ സോഴ്സ് കോഡ് കട്ടിന് താഴെ നൽകിയിരിക്കുന്നു. ഇത് പ്രൊഡക്ഷൻ ആയി ഭാവിക്കാത്ത ഒരു പരീക്ഷണ ഉദാഹരണമാണ്, എന്നാൽ ചില കാര്യങ്ങൾ ഇതിൽ പ്രവർത്തിക്കുന്നു, മുകളിൽ രേഖപ്പെടുത്തിയിരിക്കുന്ന ഫയൽ പാഴ്‌സ് ചെയ്യാൻ ഇത് ഉപയോഗിക്കാം.
ഉറവിട കോഡ് (പൈത്തൺ)

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()

ആർക്കെങ്കിലും താൽപ്പര്യമുണ്ടെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു, നിങ്ങളുടെ ശ്രദ്ധയ്ക്ക് നന്ദി.

അവലംബം: www.habr.com