హలో హబ్ర్. బహుశా విమానంలో బంధువులు లేదా స్నేహితులను ఎప్పుడైనా కలుసుకున్న లేదా చూసిన ప్రతి ఒక్కరూ ఉచిత Flightradar24 సేవను ఉపయోగించారు. నిజ సమయంలో విమానం యొక్క స్థానాన్ని ట్రాక్ చేయడానికి ఇది చాలా అనుకూలమైన మార్గం.
В అటువంటి ఆన్లైన్ సేవ యొక్క ఆపరేటింగ్ సూత్రం వివరించబడింది. మేము ఇప్పుడు ముందుకు వెళ్లి, విమానం నుండి స్వీకరించే స్టేషన్కు ఏ డేటా పంపబడుతుందో మరియు స్వీకరించబడుతుందో మరియు పైథాన్ని ఉపయోగించి దానిని డీకోడ్ చేస్తాము.
కథ
సహజంగానే, వినియోగదారులు వారి స్మార్ట్ఫోన్లలో చూడటానికి ఎయిర్క్రాఫ్ట్ డేటా ప్రసారం చేయబడదు. సిస్టమ్ను ADS-B (ఆటోమేటిక్ డిపెండెంట్ సర్వైలెన్స్-బ్రాడ్కాస్ట్) అని పిలుస్తారు మరియు విమానం గురించి సమాచారాన్ని కంట్రోల్ సెంటర్కు స్వయంచాలకంగా ప్రసారం చేయడానికి ఉపయోగించబడుతుంది - దాని ఐడెంటిఫైయర్, కోఆర్డినేట్లు, దిశ, వేగం, ఎత్తు మరియు ఇతర డేటా ప్రసారం చేయబడుతుంది. ఇంతకుముందు, అటువంటి వ్యవస్థలు రాకముందు, పంపినవారు రాడార్లో ఒక బిందువును మాత్రమే చూడగలరు. చాలా విమానాలు ఉన్నప్పుడు ఇది సరిపోదు.
సాంకేతికంగా, ADS-B విమానంలో ట్రాన్స్మిటర్ని కలిగి ఉంటుంది, ఇది క్రమానుగతంగా 1090 MHz యొక్క అధిక పౌనఃపున్యం వద్ద సమాచారాన్ని ప్యాకెట్లను పంపుతుంది (ఇతర మోడ్లు ఉన్నాయి, కానీ మేము వాటిపై అంతగా ఆసక్తి చూపడం లేదు, ఎందుకంటే కోఆర్డినేట్లు ఇక్కడ మాత్రమే ప్రసారం చేయబడతాయి). వాస్తవానికి, ట్రాన్స్మిటర్తో పాటు, విమానాశ్రయంలో ఎక్కడా రిసీవర్ కూడా ఉంది, కానీ మాకు, వినియోగదారులుగా, మా స్వంత రిసీవర్ ఆసక్తికరంగా ఉంటుంది.
అలాగే, పోలిక కోసం చెప్పాలంటే, సాధారణ వినియోగదారుల కోసం రూపొందించిన మొట్టమొదటి అటువంటి వ్యవస్థ, ఎయిర్నావ్ రాడార్బాక్స్, 2007లో వచ్చింది మరియు దాని ధర సుమారు $900, మరియు సుమారుగా 250$ నెట్వర్క్ సేవల చందాకు సంవత్సరానికి అయ్యే ఖర్చు.
ఆ మొదటి రష్యన్ యజమానుల సమీక్షలను ఫోరమ్లో చదవవచ్చు . ఇప్పుడు RTL-SDR రిసీవర్లు విస్తృతంగా అందుబాటులోకి వచ్చాయి, ఇదే పరికరాన్ని $30కి సమీకరించవచ్చు; దీని గురించి మరింత సమాచారం . ప్రోటోకాల్కు వెళ్దాం - ఇది ఎలా పనిచేస్తుందో చూద్దాం.
సిగ్నల్స్ అందుకుంటున్నాయి
మొదట, సిగ్నల్ రికార్డ్ చేయాలి. మొత్తం సిగ్నల్ కేవలం 120 మైక్రోసెకన్ల వ్యవధిని కలిగి ఉంటుంది, కాబట్టి దాని భాగాలను సౌకర్యవంతంగా విడదీయడానికి, కనీసం 5 MHz యొక్క నమూనా ఫ్రీక్వెన్సీతో SDR రిసీవర్ అవసరం.
రికార్డింగ్ తర్వాత, మేము 5000000 నమూనాలు/సెకను నమూనా రేటుతో WAV ఫైల్ను స్వీకరిస్తాము; అటువంటి రికార్డింగ్ యొక్క 30 సెకన్లు 500MB "బరువు". మీడియా ప్లేయర్తో దీన్ని వినడం పనికిరానిది - ఫైల్లో ధ్వని లేదు, కానీ నేరుగా డిజిటైజ్ చేయబడిన రేడియో సిగ్నల్ - సాఫ్ట్వేర్ డిఫైన్డ్ రేడియో పని చేస్తుంది.
మేము పైథాన్ ఉపయోగించి ఫైల్ను తెరిచి ప్రాసెస్ చేస్తాము. సొంతంగా ప్రయోగాలు చేయాలనుకునే వారు ఉదాహరణ రికార్డింగ్ను డౌన్లోడ్ చేసుకోవచ్చు .
ఫైల్ని డౌన్లోడ్ చేసి, లోపల ఏముందో చూద్దాం.
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()
ఫలితం: నేపథ్య శబ్దానికి వ్యతిరేకంగా మనకు స్పష్టమైన “పప్పులు” కనిపిస్తాయి.
ప్రతి "పల్స్" ఒక సిగ్నల్, మీరు గ్రాఫ్లో రిజల్యూషన్ని పెంచినట్లయితే దీని నిర్మాణం స్పష్టంగా కనిపిస్తుంది.
మీరు చూడగలిగినట్లుగా, పై వివరణలో ఇవ్వబడినదానికి చిత్రం చాలా స్థిరంగా ఉంది. మీరు డేటాను ప్రాసెస్ చేయడం ప్రారంభించవచ్చు.
డీకోడింగ్
మొదట, మీరు కొంచెం స్ట్రీమ్ పొందాలి. మాంచెస్టర్ ఎన్కోడింగ్ ఉపయోగించి సిగ్నల్ కూడా ఎన్కోడ్ చేయబడింది:
నిబుల్స్లోని స్థాయి వ్యత్యాసం నుండి నిజమైన “0” మరియు “1” పొందడం సులభం.
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"
సిగ్నల్ యొక్క నిర్మాణం క్రింది విధంగా ఉంటుంది:
క్షేత్రాలను మరింత వివరంగా పరిశీలిద్దాం.
DF (డౌన్లింక్ ఫార్మాట్, 5 బిట్లు) - సందేశ రకాన్ని నిర్ణయిస్తుంది. అనేక రకాలు ఉన్నాయి:
()
మేము DF17 రకంపై మాత్రమే ఆసక్తి కలిగి ఉన్నాము, ఎందుకంటే... ఇది విమానం యొక్క కోఆర్డినేట్లను కలిగి ఉంటుంది.
ICAO (24 బిట్స్) - విమానం యొక్క అంతర్జాతీయ ప్రత్యేక కోడ్. మీరు దాని కోడ్ ద్వారా విమానాన్ని తనిఖీ చేయవచ్చు (దురదృష్టవశాత్తూ, రచయిత డేటాబేస్ను నవీకరించడం ఆపివేసారు, కానీ ఇది ఇప్పటికీ సంబంధితంగా ఉంది). ఉదాహరణకు, కోడ్ 3c5ee2 కోసం మేము ఈ క్రింది సమాచారాన్ని కలిగి ఉన్నాము:
సవరించు: లో ICAO కోడ్ యొక్క వివరణ మరింత వివరంగా ఇవ్వబడింది; ఆసక్తి ఉన్నవారు దానిని చదవాలని నేను సిఫార్సు చేస్తున్నాను.
సమాచారం (56 లేదా 112 బిట్లు) - మేము డీకోడ్ చేసే వాస్తవ డేటా. మొదటి 5 బిట్ల డేటా ఫీల్డ్ కోడ్ టైప్ చేయండి, నిల్వ చేయబడిన డేటా యొక్క ఉప రకాన్ని కలిగి ఉంటుంది (DFతో గందరగోళం చెందకూడదు). ఈ రకాల్లో చాలా కొన్ని ఉన్నాయి:
()
ప్యాకేజీల యొక్క కొన్ని ఉదాహరణలను చూద్దాం.
విమాన గుర్తింపు
బైనరీ రూపంలో ఉదాహరణ:
00100 011 000101 010111 000111 110111 110001 111000
డేటా ఫీల్డ్లు:
+------+------+------+------+------+------+------+------+------+------+
| TC,5 | EC,3 | C1,6 | C2,6 | C3,6 | C4,6 | C5,6 | C6,6 | C7,6 | C8,6 |
+------+------+------+------+------+------+------+------+------+------+
TC = 00100b = 4, ప్రతి అక్షరం C1-C8 లైన్లోని సూచికలకు సంబంధించిన కోడ్లను కలిగి ఉంటుంది:
#ABCDEFGHIJKLMNOPQRSTUVWXYZ#####_##############0123456789######
స్ట్రింగ్ను డీకోడ్ చేయడం ద్వారా, ఎయిర్క్రాఫ్ట్ కోడ్ను పొందడం సులభం: 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('#', ''))
వాయుమార్గాన స్థానం
పేరు సరళంగా ఉంటే, కోఆర్డినేట్లు మరింత క్లిష్టంగా ఉంటాయి. అవి 2, సరి మరియు బేసి ఫ్రేమ్ల రూపంలో ప్రసారం చేయబడతాయి. ఫీల్డ్ కోడ్ TC = 01011b = 11.
సరి మరియు బేసి ప్యాకెట్ల ఉదాహరణ:
01011 000 000101110110 00 10111000111001000 10000110101111001
01011 000 000110010000 01 10010011110000110 10000011110001000
కోఆర్డినేట్ల గణన చాలా గమ్మత్తైన ఫార్ములా ప్రకారం జరుగుతుంది:
()
నేను GIS నిపుణుడిని కాదు, కనుక ఇది ఎక్కడ నుండి వచ్చిందో నాకు తెలియదు. ఎవరికి తెలుసు, వ్యాఖ్యలలో వ్రాయండి.
ఎత్తు సరళంగా పరిగణించబడుతుంది - నిర్దిష్ట బిట్పై ఆధారపడి, ఇది 25 లేదా 100 అడుగుల గుణకారంగా సూచించబడుతుంది.
వాయుమార్గాన వేగం
TC=19తో ప్యాకేజీ. ఇక్కడ ఆసక్తికరమైన విషయం ఏమిటంటే, వేగం భూమికి సంబంధించి (గ్రౌండ్ స్పీడ్) కచ్చితమైనదిగా ఉంటుంది లేదా ఎయిర్క్రాఫ్ట్ సెన్సార్ (ఎయిర్స్పీడ్) ద్వారా కొలవబడుతుంది. అనేక విభిన్న ఫీల్డ్లు కూడా ప్రసారం చేయబడతాయి:
()
తీర్మానం
మీరు చూడగలిగినట్లుగా, ADS-B సాంకేతికత ఒక ఆసక్తికరమైన సహజీవనంగా మారింది, ఒక ప్రమాణం నిపుణులకు మాత్రమే కాకుండా, సాధారణ వినియోగదారులకు కూడా ఉపయోగపడుతుంది. అయితే, డిజిటల్ SDR రిసీవర్ల యొక్క చౌకైన సాంకేతికత ఇందులో కీలక పాత్ర పోషించింది, ఇది పరికరం "పెన్నీల కోసం" గిగాహెర్ట్జ్ కంటే ఎక్కువ ఫ్రీక్వెన్సీలతో సిగ్నల్లను అక్షరాలా స్వీకరించడానికి అనుమతిస్తుంది.
ప్రమాణంలోనే, వాస్తవానికి, చాలా ఎక్కువ ఉంది. ఆసక్తి ఉన్నవారు పేజీలోని PDFని చూడవచ్చు లేదా ఇప్పటికే పైన పేర్కొన్న దానిని సందర్శించండి .
పైన పేర్కొన్నవన్నీ చాలా మందికి ఉపయోగపడే అవకాశం లేదు, కానీ కనీసం ఇది ఎలా పని చేస్తుందనే సాధారణ ఆలోచన, నేను ఆశిస్తున్నాను.
మార్గం ద్వారా, పైథాన్లో రెడీమేడ్ డీకోడర్ ఇప్పటికే ఉంది, మీరు దానిని అధ్యయనం చేయవచ్చు . మరియు SDR రిసీవర్ల యజమానులు ఒక రెడీమేడ్ ADS-B డీకోడర్ను సమీకరించవచ్చు మరియు ప్రారంభించవచ్చు , ఇది మరింత వివరంగా చర్చించబడింది .
వ్యాసంలో వివరించిన పార్సర్ యొక్క సోర్స్ కోడ్ కట్ క్రింద ఇవ్వబడింది. ఇది ఉత్పత్తి వలె నటించని ఒక పరీక్ష ఉదాహరణ, కానీ కొన్ని అంశాలు ఇందులో పని చేస్తాయి మరియు పైన రికార్డ్ చేసిన ఫైల్ను అన్వయించడానికి దీనిని ఉపయోగించవచ్చు.
సోర్స్ కోడ్ (పైథాన్)
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()
ఎవరైనా ఆసక్తి కలిగి ఉన్నారని నేను ఆశిస్తున్నాను, మీ దృష్టికి ధన్యవాదాలు.
మూలం: www.habr.com
