வணக்கம் ஹப்ர். ஒருவேளை விமானத்தில் உறவினர்கள் அல்லது நண்பர்களை சந்தித்த அல்லது பார்த்த அனைவரும் இலவச Flightradar24 சேவையைப் பயன்படுத்தியிருக்கலாம். விமானத்தின் நிலையை உண்மையான நேரத்தில் கண்காணிக்க இது மிகவும் வசதியான வழியாகும்.
В அத்தகைய ஆன்லைன் சேவையின் செயல்பாட்டுக் கொள்கை விவரிக்கப்பட்டது. நாம் இப்போது மேலே சென்று, விமானத்திலிருந்து பெறும் நிலையத்திற்கு என்ன தரவு அனுப்பப்படுகிறது மற்றும் பெறப்படுகிறது என்பதைக் கண்டுபிடிப்போம் மற்றும் பைத்தானைப் பயன்படுத்தி அதை நாமே டிகோட் செய்வோம்.
கதை
வெளிப்படையாக, பயனர்கள் தங்கள் ஸ்மார்ட்போன்களில் பார்க்க விமானத் தரவு அனுப்பப்படுவதில்லை. இந்த அமைப்பு ADS-B (தானியங்கி சார்ந்த கண்காணிப்பு-ஒளிபரப்பு) என்று அழைக்கப்படுகிறது, மேலும் விமானம் பற்றிய தகவல்களை கட்டுப்பாட்டு மையத்திற்கு தானாக அனுப்ப பயன்படுகிறது - அதன் அடையாளங்காட்டி, ஒருங்கிணைப்பு, திசை, வேகம், உயரம் மற்றும் பிற தரவு அனுப்பப்படுகிறது. முன்னதாக, இத்தகைய அமைப்புகள் வருவதற்கு முன்பு, அனுப்பியவர் ரேடாரில் ஒரு புள்ளியை மட்டுமே பார்க்க முடியும். பல விமானங்கள் இருந்தபோது இது போதாது.
தொழில்நுட்ப ரீதியாக, ADS-B ஆனது 1090 மெகா ஹெர்ட்ஸ் அதிக அதிர்வெண்ணில் அவ்வப்போது தகவல் பாக்கெட்டுகளை அனுப்பும் ஒரு டிரான்ஸ்மிட்டரைக் கொண்டுள்ளது (மற்ற முறைகள் உள்ளன, ஆனால் ஆயத்தொலைவுகள் இங்கு மட்டுமே அனுப்பப்படுவதால், அவற்றில் எங்களுக்கு அவ்வளவு ஆர்வம் இல்லை). நிச்சயமாக, டிரான்ஸ்மிட்டரைத் தவிர, விமான நிலையத்தில் எங்காவது ஒரு ரிசீவர் உள்ளது, ஆனால் பயனர்களாகிய எங்களுக்கு, எங்கள் சொந்த ரிசீவர் சுவாரஸ்யமானது.
ஒப்பிடுகையில், சாதாரண பயனர்களுக்காக வடிவமைக்கப்பட்ட முதல் ஏர்னாவ் ரேடார்பாக்ஸ் அமைப்பு 2007 இல் தோன்றியது, அதன் விலை சுமார் $900; நெட்வொர்க் சேவைகளுக்கான சந்தா ஆண்டுக்கு $250 செலவாகும்.
அந்த முதல் ரஷ்ய உரிமையாளர்களின் மதிப்புரைகளை மன்றத்தில் படிக்கலாம் . இப்போது RTL-SDR பெறுதல்கள் பரவலாகக் கிடைத்துள்ளன, இதேபோன்ற சாதனத்தை $30க்கு அசெம்பிள் செய்யலாம்; இதைப் பற்றி மேலும் . நெறிமுறைக்கு செல்லலாம் - அது எவ்வாறு செயல்படுகிறது என்பதைப் பார்ப்போம்.
சமிக்ஞைகளைப் பெறுதல்
முதலில், சிக்னல் பதிவு செய்யப்பட வேண்டும். முழு சமிக்ஞையின் கால அளவு 120 மைக்ரோ விநாடிகள் மட்டுமே, எனவே அதன் கூறுகளை வசதியாக பிரிப்பதற்கு, குறைந்தபட்சம் 5 மெகா ஹெர்ட்ஸ் மாதிரி அதிர்வெண் கொண்ட SDR ரிசீவர் விரும்பத்தக்கது.
பதிவுசெய்த பிறகு, 5000000 மாதிரிகள்/வினாடிகளின் மாதிரி விகிதத்துடன் WAV கோப்பைப் பெறுகிறோம்; அத்தகைய பதிவின் 30 வினாடிகள் சுமார் 500MB "எடை". மீடியா பிளேயர் மூலம் அதைக் கேட்பது பயனற்றது - கோப்பில் ஒலி இல்லை, ஆனால் நேரடியாக டிஜிட்டல் ரேடியோ சிக்னல் - மென்பொருள் வரையறுக்கப்பட்ட ரேடியோ இப்படித்தான் செயல்படுகிறது.
பைத்தானைப் பயன்படுத்தி கோப்பைத் திறந்து செயலாக்குவோம். சொந்தமாகப் பரிசோதனை செய்ய விரும்புபவர்கள் உதாரணப் பதிவை பதிவிறக்கம் செய்து கொள்ளலாம் .
கோப்பை பதிவிறக்கம் செய்து உள்ளே என்ன இருக்கிறது என்று பார்ப்போம்.
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()
முடிவு: பின்னணி இரைச்சலுக்கு எதிராக வெளிப்படையான "துடிப்புகளை" காண்கிறோம்.
ஒவ்வொரு "துடிப்பும்" ஒரு சமிக்ஞையாகும், நீங்கள் வரைபடத்தில் தீர்மானத்தை அதிகரித்தால் அதன் அமைப்பு தெளிவாகத் தெரியும்.
நீங்கள் பார்க்க முடியும் என, மேலே உள்ள விளக்கத்தில் கொடுக்கப்பட்டுள்ளவற்றுடன் படம் மிகவும் ஒத்துப்போகிறது. நீங்கள் தரவைச் செயலாக்கத் தொடங்கலாம்.
டிகோடிங்
முதலில், நீங்கள் ஒரு பிட் ஸ்ட்ரீம் பெற வேண்டும். மான்செஸ்டர் குறியாக்கத்தைப் பயன்படுத்தி சமிக்ஞையே குறியாக்கம் செய்யப்படுகிறது:
நிபில்களில் உள்ள நிலை வேறுபாட்டிலிருந்து உண்மையான "0" மற்றும் "1" ஐப் பெறுவது எளிது.
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"
சமிக்ஞையின் அமைப்பு பின்வருமாறு:
துறைகளை இன்னும் விரிவாகப் பார்ப்போம்.
DF (டவுன்லிங்க் ஃபார்மேட், 5 பிட்கள்) - செய்தியின் வகையைத் தீர்மானிக்கிறது. பல வகைகள் உள்ளன:
()
நாங்கள் DF17 வகைகளில் மட்டுமே ஆர்வமாக உள்ளோம், ஏனெனில்... இதுவே விமானத்தின் ஆயத்தொலைவுகளைக் கொண்டுள்ளது.
ஐசிஏஓ (24 பிட்கள்) - விமானத்தின் சர்வதேச தனிப்பட்ட குறியீடு. விமானத்தை அதன் குறியீடு மூலம் சரிபார்க்கலாம் (துரதிர்ஷ்டவசமாக, ஆசிரியர் தரவுத்தளத்தைப் புதுப்பிப்பதை நிறுத்திவிட்டார், ஆனால் அது இன்னும் பொருத்தமானது). எடுத்துக்காட்டாக, 3c5ee2 குறியீடுக்கு பின்வரும் தகவல்கள் எங்களிடம் உள்ளன:
திருத்து: இல் ICAO குறியீட்டின் விளக்கம் இன்னும் விரிவாக கொடுக்கப்பட்டுள்ளது; ஆர்வமுள்ளவர்கள் அதைப் படிக்குமாறு பரிந்துரைக்கிறேன்.
தகவல்கள் (56 அல்லது 112 பிட்கள்) - நாம் டிகோட் செய்யும் உண்மையான தரவு. தரவுகளின் முதல் 5 பிட்கள் புலம் ஆகும் குறியீட்டைத் தட்டச்சு செய்க, சேமிக்கப்படும் தரவின் துணை வகையைக் கொண்டுள்ளது (DF உடன் குழப்பிக் கொள்ள வேண்டாம்). இந்த வகைகளில் சில உள்ளன:
()
தொகுப்புகளின் சில எடுத்துக்காட்டுகளைப் பார்ப்போம்.
விமான அடையாளம்
பைனரி வடிவத்தில் எடுத்துக்காட்டு:
00100 011 000101 XX XX XX XX XX XX
தரவு புலங்கள்:
+------+------+------+------+------+------+------+------+------+------+
| TC,5 | EC,3 | C1,6 | C2,6 | C3,6 | C4,6 | C5,6 | C6,6 | C7,6 | C8,6 |
+------+------+------+------+------+------+------+------+------+------+
TC = 00100b = 4, ஒவ்வொரு எழுத்தும் C1-C8 வரியில் உள்ள குறியீடுகளுடன் தொடர்புடைய குறியீடுகளைக் கொண்டுள்ளது:
#ABCDEFGHIJKLMNOPQRSTUVWXYZ#####_##############0123456789######
சரத்தை டிகோட் செய்வதன் மூலம், விமானக் குறியீட்டைப் பெறுவது எளிது: 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('#', ''))
வான்வழி நிலை
பெயர் எளிமையானதாக இருந்தால், ஆயத்தொலைவுகள் மிகவும் சிக்கலானவை. அவை 2, சம மற்றும் ஒற்றைப்படை பிரேம்களின் வடிவத்தில் பரவுகின்றன. புலக் குறியீடு TC = 01011b = 11.
சம மற்றும் ஒற்றைப்படை பாக்கெட்டுகளின் எடுத்துக்காட்டு:
01011 000 000101110110 00 10111000111001000 10000110101111001
01011 000 000110010000 01 10010011110000110 10000011110001000
ஆயத்தொகுப்புகளின் கணக்கீடு ஒரு தந்திரமான சூத்திரத்தின் படி நிகழ்கிறது:
()
நான் ஜிஐஎஸ் நிபுணர் இல்லை, அது எங்கிருந்து வருகிறது என்று எனக்குத் தெரியவில்லை. யாருக்குத் தெரியும், கருத்துகளில் எழுதுங்கள்.
உயரம் எளிமையானதாகக் கருதப்படுகிறது - குறிப்பிட்ட பிட்டைப் பொறுத்து, அதை 25 அல்லது 100 அடிகளின் பெருக்கமாகக் குறிப்பிடலாம்.
வான்வழி வேகம்
TC=19 உடன் தொகுப்பு. இங்கே சுவாரஸ்யமான விஷயம் என்னவென்றால், வேகமானது துல்லியமாக, தரையுடன் ஒப்பிடும்போது (கிரவுண்ட் ஸ்பீட்) அல்லது வான்வழியாக இருக்கலாம், ஒரு விமான சென்சார் (ஏர்ஸ்பீட்) மூலம் அளவிடப்படுகிறது. பல்வேறு துறைகளும் அனுப்பப்படுகின்றன:
()
முடிவுக்கு
நீங்கள் பார்க்க முடியும் என, ADS-B தொழில்நுட்பம் ஒரு சுவாரஸ்யமான கூட்டுவாழ்வாக மாறியுள்ளது, ஒரு தரநிலை நிபுணர்களுக்கு மட்டுமல்ல, சாதாரண பயனர்களுக்கும் பயனுள்ளதாக இருக்கும். ஆனால் நிச்சயமாக, டிஜிட்டல் எஸ்டிஆர் ரிசீவர்களின் மலிவான தொழில்நுட்பத்தால் இதில் முக்கிய பங்கு வகிக்கப்படுகிறது, இது ஒரு ஜிகாஹெர்ட்ஸுக்கு மேலான அதிர்வெண்களுடன் "சில்லறைகளுக்கு" சிக்னல்களைப் பெற சாதனத்தை அனுமதிக்கிறது.
தரநிலையிலேயே, நிச்சயமாக, இன்னும் நிறைய இருக்கிறது. ஆர்வமுள்ளவர்கள் PDF பக்கத்தில் பார்க்கலாம் அல்லது மேலே குறிப்பிட்டுள்ள ஒன்றைப் பார்வையிடவும் .
மேலே உள்ள அனைத்தும் பலருக்கு பயனுள்ளதாக இருக்கும் என்பது சாத்தியமில்லை, ஆனால் குறைந்தபட்சம் இது எவ்வாறு இயங்குகிறது என்பது பற்றிய பொதுவான யோசனை, நான் நம்புகிறேன்.
மூலம், பைத்தானில் ஒரு ஆயத்த குறிவிலக்கி ஏற்கனவே உள்ளது, நீங்கள் அதைப் படிக்கலாம் . மேலும் SDR ரிசீவர்களின் உரிமையாளர்கள் ஒரு ஆயத்த ADS-B குறிவிலக்கியை அசெம்பிள் செய்து தொடங்கலாம் , இது இன்னும் விரிவாக விவாதிக்கப்பட்டது .
கட்டுரையில் விவரிக்கப்பட்டுள்ள பாகுபடுத்தியின் மூல குறியீடு வெட்டுக்கு கீழே கொடுக்கப்பட்டுள்ளது. இது ஒரு சோதனை உதாரணம், இது தயாரிப்பாக நடிக்கவில்லை, ஆனால் சில விஷயங்கள் இதில் வேலை செய்கின்றன, மேலும் இது மேலே பதிவுசெய்யப்பட்ட கோப்பை அலசுவதற்குப் பயன்படுத்தப்படலாம்.
மூல குறியீடு (பைதான்)
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()
யாராவது ஆர்வமாக இருந்தார்கள் என்று நம்புகிறேன், உங்கள் கவனத்திற்கு நன்றி.
ஆதாரம்: www.habr.com