Flightradar24 - ဘယ်လိုအလုပ်လုပ်လဲ။ အပိုင်း 2၊ ADS-B ပရိုတိုကော

မင်္ဂလာပါ Habr။ လေယာဉ်ပေါ်တွင် ဆွေမျိုးများ သို့မဟုတ် သူငယ်ချင်းများနှင့် တွေ့ဆုံဖူးသူ သို့မဟုတ် မြင်ဖူးသူတိုင်းသည် အခမဲ့ Flightradar24 ဝန်ဆောင်မှုကို အသုံးပြုဖူးကြပေမည်။ ဤသည်မှာ လေယာဉ်၏ တည်နေရာကို အချိန်နှင့်တပြေးညီ ခြေရာခံရန် အလွန်အဆင်ပြေသော နည်းလမ်းဖြစ်သည်။

В ပထမအပိုင်း ထိုကဲ့သို့သော အွန်လိုင်းဝန်ဆောင်မှု၏ လည်ပတ်မှုနိယာမကို ဖော်ပြခဲ့ပါသည်။ ယခုအခါ ကျွန်ုပ်တို့သည် လေယာဉ်မှ လက်ခံရရှိသည့်နေရာသို့ ပေးပို့ပြီး လက်ခံရရှိသည့် ဒေတာများကို Python ကို အသုံးပြု၍ ကိုယ်တိုင်ကုဒ်ဖြင့် ကုဒ်ထုတ်ပါမည်။

ပုံပြင်

ထင်ရှားသည်မှာ၊ အသုံးပြုသူများသည် ၎င်းတို့၏ စမတ်ဖုန်းများပေါ်တွင် မြင်တွေ့နိုင်ရန် လေယာဉ်ဒေတာကို ပို့လွှတ်ခြင်းမဟုတ်ပါ။ အဆိုပါစနစ်ကို ADS-B (အလိုအလျောက်မှီခိုစောင့်ကြည့်ခြင်း—အသံလွှင့်ခြင်း) ဟုခေါ်ပြီး လေယာဉ်နှင့်ပတ်သက်သော အချက်အလက်များကို ထိန်းချုပ်ရေးစင်တာသို့ အလိုအလျောက် ပို့လွှတ်ရန်အတွက် အသုံးပြုသည် - ၎င်း၏ identifier၊ သြဒီနိတ်များ၊ ဦးတည်ချက်၊ အမြန်နှုန်း၊ အမြင့်နှင့် အခြားဒေတာများကို ပေးပို့ပါသည်။ ယခင်က ထိုသို့သောစနစ်များမထွန်းကားမီတွင် ရေဒါပေါ်မှ အမှတ်တစ်ခုကိုသာ လွှတ်တင်သူက မြင်နိုင်ခဲ့သည်။ လေယာဉ်တွေ အရမ်းများလာတဲ့အခါ ဒါက မလုံလောက်တော့ဘူး။

နည်းပညာပိုင်းအရ၊ ADS-B တွင် 1090 MHz အလွန်မြင့်မားသော ကြိမ်နှုန်းဖြင့် အချက်အလက်ထုပ်ပိုးမှုများကို အခါအားလျော်စွာ ပေးပို့သည့် လေယာဉ်ပေါ်တွင် ထုတ်လွှင့်မှုတစ်ခုပါရှိသည် (အခြားမုဒ်များရှိသော်လည်း၊ သြဒီနိတ်များကို ဤနေရာတွင်သာ ပေးပို့သောကြောင့် ၎င်းတို့ကို ကျွန်ုပ်တို့ သိပ်စိတ်မဝင်စားပါ)။ ဟုတ်ပါတယ်၊ အသံလွှင့်စက်အပြင်၊ လေဆိပ်တစ်နေရာရာမှာ လက်ခံသူလည်း ရှိပါတယ်၊ ဒါပေမယ့် သုံးစွဲသူတွေအတွက်တော့ ကျွန်တော်တို့ရဲ့ ကိုယ်ပိုင် receiver က စိတ်ဝင်စားစရာပါပဲ။

စကားမစပ်၊ နှိုင်းယှဉ်ရန်အတွက်၊ သာမန်အသုံးပြုသူများအတွက် ဒီဇိုင်းထုတ်ထားသည့် Airnav Radarbox သည် ၂၀၀၇ ခုနှစ်တွင် ပေါ်လာခဲ့ပြီး ဒေါ်လာ ၉၀၀ ခန့် ကုန်ကျကာ ကွန်ရက်ဝန်ဆောင်မှုများအတွက် စာရင်းသွင်းမှုတစ်ခုသည် တစ်နှစ်လျှင် ဒေါ်လာ ၂၅၀ ကုန်ကျသည်။

ပထမဆုံး ရုရှားပိုင်ရှင်တွေရဲ့ သုံးသပ်ချက်တွေကို ဖိုရမ်မှာ ဖတ်ရှုနိုင်ပါတယ်။ ရေဒီယိုစကင်နာ. ယခု RTL-SDR လက်ခံကိရိယာများ တွင်ကျယ်စွာရရှိနိုင်ပြီဖြစ်သောကြောင့် အလားတူကိရိယာကို $30 ဖြင့် တပ်ဆင်နိုင်သည်၊ ၎င်းအကြောင်း နောက်ထပ်အကြောင်းအရာများ ပထမအပိုင်း. ပရိုတိုကောလ်သို့ ဆက်သွားကြပါစို့ - ၎င်းသည် မည်သို့အလုပ်လုပ်သည်ကို ကြည့်ကြပါစို့။

အချက်ပြမှုများကို လက်ခံခြင်း။

ပထမဦးစွာ signal ကိုမှတ်တမ်းတင်ရန်လိုအပ်သည်။ အချက်ပြမှုတစ်ခုလုံးသည် 120 microseconds သာကြာချိန်ဖြစ်သောကြောင့် ၎င်း၏အစိတ်အပိုင်းများကို အဆင်ပြေပြေဖြုတ်နိုင်စေရန် အနည်းဆုံး 5 MHz နမူနာကြိမ်နှုန်းရှိသော SDR လက်ခံသူသည် နှစ်လိုဖွယ်ကောင်းသည်။

မှတ်တမ်းတင်ပြီးနောက်၊ ကျွန်ုပ်တို့သည် နမူနာနှုန်း 5000000 နမူနာ/sec ဖြင့် WAV ဖိုင်ကို လက်ခံရရှိသည်၊ ထိုကဲ့သို့သော အသံသွင်းမှု၏ စက္ကန့် 30 ကြာ "အလေးချိန်" 500MB ခန့်ရှိသည်။ မီဒီယာပလေယာဖြင့် နားထောင်ခြင်းသည် အသုံးမဝင်ပါ - ဖိုင်တွင် အသံမပါဝင်သော်လည်း တိုက်ရိုက်ဒစ်ဂျစ်တယ်အသံလွှင့်အချက်ပြခြင်း - ဤသည်မှာ Software Defined Radio အလုပ်လုပ်ပုံဖြစ်သည်။

Python ကိုအသုံးပြု၍ ဖိုင်ကိုဖွင့်ပြီး စီမံဆောင်ရွက်ပါမည်။ ကိုယ်တိုင် စမ်းသုံးကြည့်ချင်သူတွေ က နမူနာ အသံသွင်း ဒေါင်းလုဒ် လုပ်နိုင်ပါတယ်။ လင့်ခ်.

ဖိုင်ကိုဒေါင်းလုဒ်လုပ်ပြီး အထဲမှာ ဘာတွေပါလဲ ကြည့်ရအောင်။

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()

ရလဒ်- နောက်ခံဆူညံသံနှင့် ဆန့်ကျင်ဘက်တွင် ထင်ရှားသော "pulses" ကို ကျွန်ုပ်တို့ မြင်နေရပါသည်။

"သွေးခုန်နှုန်း" တစ်ခုစီသည် ဂရပ်ဖစ်ပေါ်ရှိ ကြည်လင်ပြတ်သားမှုကို တိုးမြှင့်ပါက ၎င်းဖွဲ့စည်းပုံသည် ရှင်းလင်းစွာမြင်နိုင်သည်။

သင်တွေ့မြင်ရသည့်အတိုင်း၊ ပုံသည် အထက်ဖော်ပြချက်တွင်ဖော်ပြထားသည့်အရာများနှင့် အတော်လေးကိုက်ညီပါသည်။ ဒေတာကို စတင်လုပ်ဆောင်နိုင်ပါသည်။

ကုဒ်ဆွဲခြင်း။

ပထမဦးစွာ၊ သင်သည် bit stream ကိုရရန်လိုအပ်သည်။ အချက်ပြကို မန်ချက်စတာ ကုဒ်ဖြင့် ကုဒ်လုပ်ထားသည်-

nibbles ၏အဆင့်ကွာခြားချက်မှမှန်ကန်သော "0" နှင့် "1" ကိုရရန်လွယ်ကူသည်။

    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"

signal ကိုယ်တိုင်ဖွဲ့စည်းပုံမှာ အောက်ပါအတိုင်းဖြစ်သည်။

အကွက်တွေကို အသေးစိတ်ကြည့်ရအောင်။

DF (Downlink Format၊ 5 bits) - မက်ဆေ့ခ်ျအမျိုးအစားကို ဆုံးဖြတ်သည်။ အမျိုးအစားများစွာရှိသည်-

(ဇယားအရင်းအမြစ်)

ကျွန်ုပ်တို့သည် DF17 အမျိုးအစားကိုသာ စိတ်ဝင်စားသောကြောင့်... ၎င်းသည် လေယာဉ်၏ သြဒိနိတ်များပါ၀င်သည်။

ICAO (24 bits) - လေယာဉ်၏နိုင်ငံတကာထူးခြားသောကုဒ်။ လေယာဉ်ကို ၎င်း၏ကုဒ်ဖြင့် စစ်ဆေးနိုင်သည်။ အွန်လိုင်း (ကံမကောင်းစွာဖြင့်၊ စာရေးသူသည် ဒေတာဘေ့စ်ကို အပ်ဒိတ်လုပ်ခြင်းကို ရပ်လိုက်သော်လည်း ၎င်းသည် သက်ဆိုင်ဆဲဖြစ်သည်)။ ဥပမာအားဖြင့်၊ ကုဒ် 3c5ee2 အတွက် ကျွန်ုပ်တို့တွင် အောက်ပါအချက်အလက်များ ရှိသည်။

တည်းဖြတ်ရန် ဆောင်းပါးကိုမှတ်ချက်များ ICAO ကုဒ်၏ ရှင်းလင်းချက်အား ပိုမိုအသေးစိတ်ဖော်ပြထားသည်၊ စိတ်ဝင်စားသူများ ဖတ်ကြည့်ရန် အကြံပြုအပ်ပါသည်။

အချက်အလက် (56 သို့မဟုတ် 112 bits) - ကျွန်ုပ်တို့ ကုဒ်လုပ်မည့် တကယ့်ဒေတာ။ ပထမဆုံးဒေတာ 5 bits သည် အကွက်ဖြစ်သည်။ Code ကိုရိုက်ပါသိမ်းဆည်းထားသည့် ဒေတာအမျိုးအစားခွဲ ပါ၀င်သည် (DF နှင့် မရောထွေးရ)။ ဤအမျိုးအစားများထဲမှ အနည်းငယ် ရှိပါသည်။

(ဇယားအရင်းအမြစ်)

ပက်ကေ့ဂျ်များ၏ နမူနာအနည်းငယ်ကို ကြည့်ကြပါစို့။

လေယာဉ်မှတ်ပုံတင်ခြင်း။

ဥပမာ binary ပုံစံ-

00100 011 000101 010111 000111 110111 110001 111000

ဒေတာအကွက်များ-

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

TC = 00100b = 4၊ အက္ခရာ C1-C8 တွင် စာကြောင်းရှိ အညွှန်းများနှင့် သက်ဆိုင်သော ကုဒ်များ ပါရှိသည်-
#ABCDEFGHIJKLMNOPQRSTUVWXYZ#####_################0123456789######

စာကြောင်းကို ကုဒ်ဖြင့် ကုဒ်နံပါတ် EWG7184 ကို ရရန် လွယ်ကူသည်။

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('#', ''))

ဝေဟင်အနေအထား

နာမည်က ရိုးရိုးဆိုရင် သြဒိနိတ်တွေက ပိုရှုပ်ထွေးတယ်။ ၎င်းတို့ကို အတောင်နှင့် ထူးဆန်းသောဘောင်များ 2 ပုံစံဖြင့် ကူးစက်သည်။ အကွက်ကုဒ် TC = 01011b = 11။

အညီနှင့် odd packets များ၏ ဥပမာ-

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

သြဒီနိတ်များ တွက်ချက်ခြင်းသည် အတော်လေး ဆန်းကျယ်သော ဖော်မြူလာအရ ဖြစ်ပေါ်သည် ။

(အရင်းအမြစ်)

ကျွန်ုပ်သည် GIS ကျွမ်းကျင်သူမဟုတ်ပါ၊ ထို့ကြောင့်၎င်းသည်ဘယ်ကလာသည်မသိပါ။ သိတဲ့သူများ comment မှာရေးပေးခဲ့ပါဦး။

အမြင့်ကို ပိုရိုးရှင်းသည်ဟု မှတ်ယူသည် - တိကျသော bit ပေါ်မူတည်၍ ၎င်းကို 25 ပေ သို့မဟုတ် 100 ပေ၏ အဆတစ်ခုအဖြစ် ကိုယ်စားပြုနိုင်သည်။

ဝေဟင်အလျင်

TC=19 ပါသော ပက်ကေ့ချ်။ ဒီနေရာမှာ စိတ်ဝင်စားစရာကောင်းတာက အမြန်နှုန်းဟာ မြေပြင် (Ground Speed) ဒါမှမဟုတ် လေယာဉ်အာရုံခံကိရိယာ (Airspeed) နဲ့ တိုင်းတာတဲ့ တိကျတဲ့ အမြန်နှုန်း ဖြစ်နိုင်တယ်။ မတူညီသောနယ်ပယ်များစွာကိုလည်း ပို့လွှတ်သည်-

(အရင်းအမြစ်)

ကောက်ချက်

သင်တွေ့မြင်ရသည့်အတိုင်း ADS-B နည်းပညာသည် စံနှုန်းတစ်ခုသည် ပရော်ဖက်ရှင်နယ်များအတွက်သာမက သာမန်အသုံးပြုသူများအတွက်ပါ အသုံးဝင်လာသောအခါတွင် ADS-B နည်းပညာသည် စိတ်ဝင်စားစရာကောင်းသော ပေါင်းစပ်မှုတစ်ခု ဖြစ်လာခဲ့သည်။ သို့သော်၊ ဤအရာတွင် အဓိကကျသော အခန်းကဏ္ဍကို စက်ပစ္စည်းသည် gigahertz “for pennies” အထက်တွင်ရှိသော ကြိမ်နှုန်းများဖြင့် စာသားလက်ခံနိုင်စေသည့် စျေးသက်သာသော ဒစ်ဂျစ်တယ် SDR လက်ခံကိရိယာများ၏ စျေးသက်သာသောနည်းပညာဖြင့် ကစားခဲ့သည်။

စံနှိုက်ထဲမှာ၊ ဟုတ်ပါတယ်၊ ဒီထက်အများကြီးရှိပါတယ်။ စိတ်ပါဝင်စားသူများ Page တွင် PDF ကို ကြည့်ရှုနိုင်ပါသည်။ ICAO သို့မဟုတ် အထက်ဖော်ပြပါအတိုင်း သွားရောက်ကြည့်ရှုပါ။ က်ဘ်ဆိုက်.

အထက်ဖော်ပြပါအားလုံးသည် လူအများအတွက် အသုံးဝင်လိမ့်မည်မဟုတ်ပေ၊ သို့သော် အနည်းဆုံး ၎င်းမည်သို့အလုပ်လုပ်ပုံ၏ ယေဘူယျအယူအဆမှာ ကျန်ရှိနေမည်ဟု မျှော်လင့်ပါသည်။

စကားမစပ်၊ Python တွင် အဆင်သင့်လုပ်ထားသော ဒီကုဒ်ဒါတစ်ခု ရှိနှင့်ပြီးဖြစ်၍ ၎င်းကို သင်လေ့လာနိုင်သည်။ ဒီမှာ. SDR လက်ခံကိရိယာများ၏ ပိုင်ရှင်များသည် အဆင်သင့်လုပ်ထားသော ADS-B ဒီကုဒ်ဒါကို စုစည်းကာ စတင်နိုင်သည်။ စာမျက်နှာမှဒီအတွက် အသေးစိတ် ဆွေးနွေးထားပါတယ်။ ပထမအပိုင်း.

ဆောင်းပါးတွင်ဖော်ပြထားသော parser ၏အရင်းအမြစ်ကုဒ်ကိုဖြတ်တောက်မှုအောက်တွင်ဖော်ပြထားသည်။ ၎င်းသည် ထုတ်လုပ်မှုကဲ့သို့ ဟန်ဆောင်ခြင်းမရှိသော စမ်းသပ်နမူနာတစ်ခုဖြစ်ပြီး အချို့အရာများသည် ၎င်းတွင်အလုပ်လုပ်ပြီး အထက်တွင်မှတ်တမ်းတင်ထားသည့်ဖိုင်ကိုခွဲခြမ်းစိတ်ဖြာရန် ၎င်းကိုအသုံးပြုနိုင်ပါသည်။
အရင်းအမြစ်ကုဒ် (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()

တစ်ယောက်ယောက်က စိတ်ဝင်စားမယ်လို့ မျှော်လင့်ပါတယ်၊ မင်းရဲ့အာရုံစိုက်မှုအတွက် ကျေးဇူးတင်ပါတယ်။

source: www.habr.com