Caracterización de dispositivos RTL-SDR para medida de señales aeronáuticas

Proyecto Fin de Carrera Ingeniería de Telecomunicación Formato de Publicación de la Escuela Técnica Superior de Ingeniería Autor: F. Javier Payán Somet Tutor: Juan José Murillo Fuentes Dep. Teoría de la Señal y Comunicaciones Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2013 Trabajo Fin de Grado Grado en Ingeniería Aeroespacial Caracterización de dispositivos RTL-SDR para medida de señales aeronáuticas Autor: Jonathan Majada Costas Tutor: Joaquín Granado Romero Dpto. Ingeniería Electrónica Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2020 Trabajo Fin de Grado Grado en Ingeniería Aeroespacial Caracterización de dispositivos RTL-SDR para medida de señales aeronáuticas Autor: Jonathan Majada Costas Tutor: Joaquín Granado Romero Profesor Titular de Universidad Dpto. Ingeniería Electrónica Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2020 Trabajo Fin de Grado: Caracterización de dispositivos RTL-SDR para medida de señales aeronáuticas Autor: Jonathan Majada Costas Tutor: Joaquín Granado Romero El tribunal nombrado para juzgar el trabajo arriba indicado, compuesto por los siguientes profesores: Presidente: Vocal/es: Secretario: acuerdan otorgarle la calificación de: El Secretario del Tribunal Fecha: Agradecimientos Me gustaría agradecerle a mi tutor, Joaquín Granado Romero, por guiarme y aconsejarme a lo largo de este proyecto. Agradezco también a los profesores y trabajadores de la Escuela el gran trabajo que hacen para que los alumnos tengamos la oportunidad de aprender aquí. También quiero agradecer a los compañeros que he tenido a lo largo de estos años por compartir conmigo esta experiencia, en especial a aquellos a los que ahora puedo llamar amigos: Pablo, Jose Ángel, Lorenzo, José, Manolo, Ricardo, Santi, Josema, Ignacio y Benito. Muchas gracias a mis amigos de siempre por estar ahí, aunque yo haya estado tan lejos y haya tenido tan poco tiempo que daros, gracias kuadrilla. Por último, y más importante, gracias a mis padres por darme la oportunidad de estudiar este grado y apoyarme a lo largo de estos años. Y gracias también mi abuela y mis primos por estar ahí y hacerme más feliz. Jonathan Majada Costas Sevilla, 2020 I Resumen El sistema de comunicaciones aeronáuticas ACARS está muy extendido en la navegación aérea actual, estando equipado en más de 10.000 aviones [ 1 ]. En sus inicios se utilizaba para automatizar ciertas comunicaciones de los pilotos con su compañía aérea. Con el tiempo se han incorporando nuevas aplicaciones, desde manejar información de mantenimiento hasta mantener conversaciones con el control de tráfico aéreo. El objetivo de este proyecto es la realización de una aplicación capaz de detectar la transmisión de mensajes del sistema de comunicaciones aeronáuticas ACARS. Para ello, se ha utilizado un dispositivo receptor de radiofrecuencias programable mediante software para grabar señales sobre las que probar el detector. Es un RTL-SDR, y en este trabajo se analiza su funcionamiento, hardware y software. También se exploran las posibilidades que ofrecen este tipo de dispositivos y varios programas que permiten su uso. El dispositivo se conecta al ordenador a través de un cable USB y, para controlarlo, se han utilizado MATLAB y Python. Dado que se quieren detectar transmisiones ACARS, en el documento se analiza este sistema de comunicaciones. Empezando por qué información se comunica, se explica la estructura de los mensajes transmitidos. Se continua examinando las redes actuales del sistema. Y por último, se trata la modulación utilizada. Siendo Python un lenguaje de programación muy popular, a lo largo del trabajo se explican sus peculiaridades. Se analizan los intérpretes y librerías que facilitan su uso y aportan nuevas funciones. Además, se presentan varios códigos realizados por el autor del trabajo que simplifican el control del RTL-SDR. La parte central del proyecto trata sobre la aplicación para detectar la presencia de mensajes del sistema ACARS. Se explican los distintos filtros y elementos que se han utilizado en el procesamiento de la señal capturada. Tras filtrarla se utiliza un generador de señales que se sincroniza con la portadora de los mensajes ACARS. Después se aplica un filtrado que permite detectar fácilmente cuándo se ha transmitido un mensaje a través del sistema ACARS. Se hace el modelo de la aplicación mediante MATLAB y se prueba sobre unas capturas reales en las que hay presencia de mensajes ACARS. Además, se implementa el detector en Python y se comprueba si funciona igual que en MATLAB. Por último, se analiza el rendimiento de la aplicación en los dos programas. Finalmente se exponen las conclusiones y se presentan posibles líneas de trabajo futuras. III 2Capítulo 1. Introducción 1.2 Estructura Con estos objetivos en mente, el trabajo comienza analizando los distintos temas por separado y luego se juntan los conocimientos adquiridos para tratar la creación de la aplicación. Se empieza, en el Capítulo 2, explicando qué son los RTL-SDR. Después se analiza la estructura interna del hardware de estos dispositivos. Tras comentar las posibles aplicaciones que tienen, se procede a considerar distintos software que permiten su uso. En esta parte se da una explicación sobre cómo utilizar un RTL-SDR mediante MATLAB y Python. El Capítulo 3 trata sobre el sistema de comunicaciones ACARS, explicando desde cómo está estructurado hasta qué modulación se utiliza en la transmisión de los mensajes. Python es una parte importante del trabajo y tiene dedicado el Capítulo 4. Se explica como utilizar los intérpretes para poder programar en Python y se analizan las librerías utilizadas en el trabajo. Después se introducen unos códigos desarrollados por el autor del trabajo para facilitar el uso del dispositivo RTL-SDR. Por último, se analizan los pros y contras de este lenguaje de programación. En el Capítulo 5 se explica el procesamiento que se le va a realizar a las capturas de canales ACARS para la detección de mensajes. Se da una explicación del proceso y de las distintas herramientas y filtros utilizados. Se explica la implementación del código que aplica este procesamiento en MATLAB y Python. Se usa el detector con ejemplos reales de captura de señales ACARS y también se analiza el rendimiento de la aplicación en cada programa. Por último, en el Capítulo 6 se revisan los resultados y se comentan posibles líneas futuras de trabajo. 2 RTL-SDR Un o de los enfoques de este trabajo ha sido la utilización de un RTL-SDR, investigar cómo funciona, qué programas permiten su uso y ver sus posibles aplicaciones. En este apartado se empieza explicando qué es, cómo funciona y qué rango de frecuencias cubre. Después se habla sobre sus usos e importancia en el mundo tecnológico. Finalmente, se analizan varios programas que proporcionan control sobre el dispositivo. 2.1 Radio definida por software Antes de centrarse en el RTL-SDR es necesario comenzar explicando el concepto de Software Defined Radio (SDR), una tecnología muy importante en el campo de las comunicaciones inalámbricas. Una radio definida por software es, según la definición de IEEE [ 2 ], "una radio cuyas funciones físicas (o parte de ellas) se definen mediante software". Es una agrupación de hardware y software que, mediante software programable, cumple las funciones de una radio. Una SDR puede sintonizar cualquier frecuencia dentro del rango que le permita su hardware y aplicar distintas demodulaciones y modulaciones gracias a su programabilidad. La arquitectura de una SDR no es complicada. Ha ido evolucionando desde el trabajo de Mitola [ 3 ] [ 4 ] a finales de 1990. La idea tras esta tecnología es que la mayor parte de las tareas, tales como selección del canal o procesamiento de la señal, se realicen en el entorno digital, es decir, vía software. Por ello, se procura colocar los convertidores analógico a digital (ADC) y digital a analógico (DAC) lo más cercanos a la antena como sea posible [ 5 ]. Una de las posibles arquitecturas de una SDR se muestra en la Figura 2.1. Entre la antena y los convertidores solo se encuentran los elementos indispensables: amplificador, filtro y mezclador. Esa parte analógica se encarga por tanto de la transmisión y recepción, filtrado, amplificación y cambio a o desde frecuencia intermedia o baja. Aún siendo analógica también está controlada por software, como ejemplo, la selección de la ganancia del dispositivo. El ADC muestrea la señal y la transmite al bloque de procesamiento digital. El DAC hace lo inverso. La parte del procesamiento digital puede estar formada por una FPGA, una unidad de procesamiento digital de señal (DSP) o un ordenador. Existen tres configuraciones mayoritarias de SDR [ 5 ]: solo receptor, solo transmisor y transceptor. Los RTL-SDR se encuentran en la primera categoría. Figura 2.1 Diagrama de bloques de la arquitectura SDR. 3 4Capítulo 2. RTL-SDR 2.2 Hardware del RTL-SDR Un RTL-SDR es un dispositivo USB pequeño, compacto, sencillo de utilizar y, actualmente, muy barato. Es capaz de recibir señales de radiofrecuencia, convertirlas a digital y procesarlas para obtener los datos I/Q en 8 bits. Originalmente utilizados como receptores de televisión DVB-T [ 6 ], se descubrió que se podían utilizar como receptores SDR al cambiarlos a modo test. En este modo no se ejecuta la decodificación final, el RTL-SDR aporta directamente las muestras I/Q en banda base. Además, el dispositivo deja de estar limitado a recibir solo señales en la banda de frecuencias de televisión digital. Puede captar cualquier frecuencia en la que opere su sintonizador. El diagrama de las funciones del RTL-SDR se muestra en la Figura 2.2. La salida del dispositivo puede conectarse a un ordenador que permita su control, y los datos que transmite se pueden utilizar con una gran variedad de programas. Figura 2.2 Diagrama de bloques del RTL-SDR [6]. Figura 2.3 RTLS-SDR utilizado. El RTL-SDR utilizado en este trabajo es el de la Figura 2.3, donde aparece junto a la antena utilizada. Esta formado por un chip RTL2832U [ 7 ] y un sintonizador R820T [ 8 ]. Este tipo de RTL-SDR es uno de los más comunes debido a su precio, cercano a unos 20 euros. El sintonizador cubre las frecuencias desde 25 MHz hasta 1.75 GHz. Se encarga de sintonizar la frecuencia indicada y convertir la señal a frecuencia intermedia (IF). El RTL2832U es un demodulador COFDM con interfaz USB 2.0. Muestrea la señal, la separa en datos I/Q y los transmite a través del USB. Conseguir los datos en este formato permite que la demodulación se haga en el software elegido por el usuario, posibilitando demodular señales que se encuentren en su rango de frecuencias, ya sean moduladas en AM, FM o incluso GPS. El funcionamiento concreto se muestra en la Figura 2.4. Mediante software se controla la ganancia Kdel 2.2 Hardware del RTL-SDR 5 Figura 2.4 Estructura interna del RTL-SDR [6]. 6Capítulo 2. RTL-SDR sintonizador y la frecuencia del canal a captar fc . Una vez captada la señal RF, esta se convierte a IF mediante un oscilador controlado por voltaje (VCO). Se muestrea a una frecuencia de 28.8 MHz y después se pasa a banda base usando un oscilador en cuadratura controlado numéricamente (NCO). Este NCO convierte la señal a banda base y separa la señal en datos I/Q. La frecuencia fs , que se selecciona mediante software, permite diezmar la señal transferida por USB. La tasa de muestreo máxima es de 3.2 MHz. Sin embargo, suele usarse con una tasa máxima de 2.56 MHz, ya que con una mayor el RTL-SDR se vuelve inestable y se pueden perder muestras [ 9 ]. Tras realizar varias pruebas, el RTL-SDR utilizado permite seleccionar una frecuencia de muestreo entre dos rangos, de 225 KHz a 300 KHz y de 900 KHz a 3.2 MHz. 2.3 Aplicaciones Tal y como se ha mencionado antes, el RTL-SDR utilizado en este trabajo puede recibir cualquier frecuencia entre 25 MHz y 1.75 GHz. Esto significa que el dispositivo permite captar muchos tipos de señal. A continuación se enumeran algunas de las más importantes [10]: •87.5 - 108 MHz: Radio FM. •108 - 117.975 MHz: Comunicaciones aeronáuticas, GBAS, ILS, VOR. •117.975 - 138 MHz: Comunicaciones aeronáuticas, incluido ACARS. •154 - 162.0375 MHz: Comunicaciones marítimas. •876 - 960 MHz: Comunicaciones móviles (GSM). •1164 - 1350 MHz: Sistemas de navegación por satélite, Glonass, Galileo y GPS. •1350 - 1427 MHz: Radio astronomía. Con acceso a una banda tan amplia de frecuencias, el dispositivo puede usarse como escáner de radio con muchas posibles aplicaciones [11]: •Escuchar comunicaciones de emergencias (ambulancias, bomberos, etc.). •Escuchar conversaciones de control de tráfico aéreo. •Seguimiento radar de posición de aeronaves decodificando el ADSB. •Escucha y decodificación de mensajes ACARS. •Seguimiento radar de posición de barcos decodificando AIS. •Recepción de datos de globos meteorológicos. •Escuchar la radio FM. •Ver canales de televisión analógica y digital. •Escuchar satélites y la Estación Espacial Internacional. •Radio astronomía. Que sea posible no implica que deba hacerse, lo primero es conocer qué es legal en el país en el que se esté realizando el uso del RTL-SDR. Debido a la flexibilidad (pueden utilizarse en sistemas operativos muy variados, como Windows, MAC o LINUX), facilidad de uso y bajo precio de los RTL-SDR, se han ido encontrando cada vez más usos y aplicaciones para estos dispositivos. Su uso en la educación ha sido analizado en varios trabajos [ 12 ], [ 13 ] y [ 14 ], ya que facilita hacer demostraciones prácticas de lo estudiado. Se han estudiado todo tipo de aplicaciones prácticas, desde crear un analizador de espectro [ 15 ] o monitorizar el uso de parte del espectro en [ 16 ] y [ 17 ], hasta establecer una estación para monitorizar la integridad del GNSS [ 18 ]. Se pueden utilizar para detectar y decodificar señales con modulaciones concretas [ 19 ]. Como es una tecnología aún en pleno crecimiento, se sigue estudiando cómo mejorarlos [20]. Teniendo en cuenta todas las aplicaciones y posibles usos de estos dispositivos, es lógico que su utilización sea cada vez más común. Una de las razones por las que se ha decidido utilizar el RTL-SDR en este trabajo es comprobar cómo puede usarse mediante MATLAB y Python, dos programas muy extendidos en el sector de la ingeniería y las comunicaciones. La otra es comprobar si podría ser de utilidad en el sector de las comunicaciones aeronáuticas, razón por la que el trabajo se centra en las comunicaciones ACARS. 2.4 Instalación en Windows 7 2.4 Instalación en Windows El ordenador utilizado para realizar este trabajo tiene un sistema operativo Windows 8.1, en esta sección se va a explicar cómo instalar los drivers necesarios para que Windows reconozca el RTL-SDR. El procedimiento a seguir se obtuvo de [21]: 1. Tener instalado Microsoft.NET 4.6 [22] o una versión más reciente. 2. Tener instalado Microsoft Visual C++ [ 23 ], si no está instalado en los siguientes pasos se tiene la opción de instalarlo. 3. Descargar el Community Package with Plugins de [24]. 4. Ejecutar el instalador que se descarga y seguir los pasos que se indican. 5. Una vez terminada la instalación conectar el RTL-SDR al ordenador y esperar hasta que el termine de intentar instalarlo, paso que fallará o instalará unos drivers que no sirven. 6. Ir la ubicación en la que se haya instalado el paso 4, por defecto en C:\SDRSharp y ejecutar zadig.exe. 7. Debe abrirse la ventana de la Figura 2.5. Entrar en opciones y activar List All Devices. Figura 2.5 zadig.exe. 8. De la lista despegable elegir RTL2838UHIDIR, dependiendo del dispositivo los números pueden ser diferentes, e incluso aparecer Bulk-In, Interface (Interface 0). Figura 2.6 zadig.exe, instalación del driver. 8Capítulo 2. RTL-SDR 9. En el bloque a la derecha de la flecha verde de la Figura 2.6 seleccionar WinUSB. 10. Hacer click en Replace Driver y ante posibles avisos de Windows dar permiso a la instalación. Al seguir estos pasos se han instalado los drivers, por lo que ahora el ordenador reconoce el dispositivo. Además, durante los pasos 3 y 4 se ha aprovechado para descargar e instalar el programa SDRSharp que se usará y explicará más adelante. 2.5 Software del RTL-SDR Existen muchos programas para interactuar con el RTL-SDR. La mayoría de estos programas son gratuitos y han sido recopilados en [25] y [26], donde pueden encontrarse muchos más. • PLSDR [ 27 ]. Programa de código abierto utilizable en Windows y Linux, que requiere Python y GNU Radio. Capta las señales en directo y las muestra tanto en frecuencia como en cascada. Es un programa fácil desde el punto de vista del usuario, con una interfaz clara y sencilla. No tiene muchas opciones ni controles, pero cumple su función. • Gqrx [ 28 ]. Programa de código abierto muy similar a PLSDR, con más opciones y posibilidad de usarlo también en Raspberry Pi. Soporta una mayor variedad de dispositivos SDR. • CubicSDR [ 29 ]. Otro programa de código abierto que permite captar señales con el RTL-SDR y tiene demodulaciones AM y FM. Permite conectarse con otros programas para que esos demodulen otro tipo de señales. Funciona en Windows y Linux. La interfaz muestra una gran variedad de gráficos con todo tipo de información. • HSDR [ 30 ]. Otro programa similar a los anteriores. solo utilizable en Windows. Como características especiales permite la aplicación de filtros manualmente. Puede centrar la frecuencia de forma automática. • SDR-Radio.com [ 31 ]. Un programa solo para Windows más complicado de utilizar que los anteriores. A cambio, tiene varios decodificadores, seguimiento de satélites y posibilidad de escuchar 6 señales a la vez. • Linrad [ 32 ]. Programa gratuito para Windows, Linux y MAC. Es difícil de aprender a utilizar, con una interfaz poco amigable. Pero es uno de los programas más completos y complejos que se pueden encontrar. • Studio1 [ 33 ]. Programa de pago para Windows. Con capacidades avanzadas, tiene una interfaz limpia aunque muestra mucha información. Parece ser uno de los software con menor gasto de CPU. Existe una versión gratuita llamada SDRUno [34]. • ShinySDR [ 35 ]. Se controla a través de una interfaz web. Como característica especial, permite mover, agrandar y resintonizar el espectrograma sin perder la información. • SDR Touch [ 36 ]. Programa de pago para Android y Kindle. No tiene tantas opciones como los programas para ordenador, pero es una muestra de la versatilidad de los SDR, al poder utilizarse incluso en teléfonos móviles. • Zeus Radio [ 37 ]. Programa de pago para Windows y Linux. Aparte de receptor, puede ser utilizado como transmisor con dispositivos adecuados. Es debido hacer una mención especial a otro programa muy utilizado para trabajar con los RTL-SDR: GNU Radio [ 38 ]. Es una plataforma de código abierto para creación de aplicaciones SDR con código hecho en Python y C++. Su herramienta GNU Radio Companion es una interfaz similar a Simulink, que permite la conexión de bloques de procesamiento de señales para crear todo tipo de aplicaciones. No se ha intentado incorporar el uso de esta herramienta al proyecto, ya que se sale del alcance. Pero tiene un tutorial oficial [ 39 ], y existen muchos proyectos relacionados con los RTL-SDR que usan este programa. Por ejemplo, un receptor FM [40] y [41], su posible uso en educación [13] y en investigación [42]. Como se puede ver, el RTL-SDR es una tecnología muy utilizada y con muchos proyectos abiertos. Existen muchas posibilidades y en este trabajo no se van a estudiar todos programas existentes. Sin embargo, como se va a usar un RTL-SDR sí que es necesario trabajar con algún programa que posibilite su utilización. Este trabajo se va a centrar en utilizar tres opciones: MATLAB, Python y SDRSharp. En los próximos apartados se va a explicar cómo instalar todo lo necesario para usar el dispositivo en cada programa, cómo se utilizan y se analizará qué permiten hacer. 2.5 Software del RTL-SDR 9 2.5.1 SDRSharp SDR# o SDRSharp es un programa gratuito para Windows. Se descargó e instaló en la Sección 2.4. Se ha decidido probar a utilizar el RTL-SDR con este programa por ser uno de los más populares y por ser más sencillo empezar a usar el dispositivo con un receptor SDR ya diseñado que con MATLAB. Es un programa sencillo de entender, con una interfaz y controles amigables. Además existen muchos programas adicionales que se pueden instalar, añadiendo todo tipo de nuevas funciones [ 43 ]. Este programa permite utilizar el RTL-SDR como una radio, captando y decodificando en directo una gran variedad de señales. Presenta tres gráficos principales: Transformada rápida de Fourier (FFT), espectrograma en cascada y espectro IF. Figura 2.7 Interfaz de SDRSharp. Al iniciarlo por primera vez es necesario seleccionar el dispositivo RTL-SDR (USB) en la pestaña Source. En la Figura 2.7 se muestra el programa. En el centro se encuentran las tres gráficas antes mencionadas. A la izquierda están todas las herramientas que ofrece el programa. A la derecha hay cuatro controles que permiten modificar las gráficas para ver bien las señales captadas. En la zona de arriba está el botón de activar el dispositivo, los ajustes (ganancia, tiempo de muestreo, modo de muestreo, etc.), volumen de audio de la señal captada, selección de frecuencia central y tipo de demodulación. Los controles son intuitivos. La frecuencia puede seleccionarse escribiéndola arriba, seleccionando con el ratón sobre la gráfica e incluso moverla con la rueda del ratón. También puede controlarse el ancho de banda, ya sea con el ratón o dentro de la herramienta Radio. Contiene muchos tipos de demodulación, filtros, reductores de ruido y opciones para grabar la señal, ya sea el audio o la información I/Q pura. No se va a explicar mucho más sobre este programa, ya que solo se ha usado para comprobar el funcionamiento del RTL-SDR. Para profundizar existe una guía [ 44 ] y una explicación de las herramientas adicionales [ 43 ]. Tras analizarlo, es un programa muy versátil y fácil de usar que ofrece la posibilidad de grabar y ver la señal al mismo tiempo. Es destacable la gran cantidad de tipos de demodulación que contiene. Teniendo todo esto en cuenta, es un buen primer programa para comprender el funcionamiento de estos dispositivos. 2.5.2 Procesamiento MATLAB en tiempo real MATLAB [ 45 ] es un programa muy utilizado en la ingeniería. A lo largo del Grado en Ingeniería Aeroespacial hay varias asignaturas dedicadas a MATLAB, y otras en las que su uso es imprescindible. Por tanto, es un software conocido y, con la ayuda del trabajo de Stewart [ 6 ], se puede utilizar con el RTL-SDR. La versión de MATLAB utilizada es la R2020a para estudiantes [ 46 ]. Lo primero es descargar los paquetes, o toolbox, necesarios para poder trabajar con señales: Communications Toolbox [ 47 ], DSP System Toolbox [ 48 ] y Signal Processing Toolbox [ 49 ]. Además, para poder interactuar con el RTL-SDR es necesario el Communications Toolbox Support Package for RTL-SDR Radio [ 50 ]. Una vez estén todos instalados se puede empezar a trabajar. 10 Capítulo 2. RTL-SDR Tras conectar el RTL-SDR se introduce el comando my_rtlsdr =sdrin f o para obtener la información de la Figura 2.8. Con esto se comprueba que MATLAB reconoce el dispositivo y además aporta datos concretos del mismo. A continuación se va a explicar cómo utilizar el RTL-SDR sin profundizar demasiado, ya que se sale del alcance de este trabajo. Para explicaciones y análisis en profundidad y ejemplos listos para usar lo mejor es acudir a [ 51 ], donde pueden obtenerse el libro y los ejemplos de forma gratuita. Si se descargan los archivos el siguiente paso es añadir a la ruta de MATLAB la carpeta de nombre Intro que contiene dos archivos. Gracias a ello se obtienen nuevas herramientas para usar con el RTL-SDR. Se puede trabajar tanto con Simulink como directamente con scripts y comandos. Figura 2.8 Información del RTL-SDR. Figura 2.9 Bloque RTL-SDR Receiver y sus parámetros. Primero se va a explicar cómo usar el dispositivo con Simulink por ser una herramienta de trabajo más gráfica. El toolbox de RTL-SDR proporciona un nuevo bloque para Simulink, el RTL-SDR Receiver, cuyos parámetros se ven en la Figura 2.9. En la línea Radio address hay que escribir la dirección que se indica en la Figura 2.8 para que el bloque actúe sobre el dispositivo conectado. Dentro del bloque de configuración de la 2.5 Software del RTL-SDR 11 radio hay varias opciones. Se pueden elegir dos maneras de seleccionar la frecuencia central, escribiéndola directamente en este bloque o como entrada al mismo. Con la ganancia existen esas dos opciones y también la llamada AGC, que la selecciona de forma automática. Además, se establecen aquí la tasa de muestreo y la corrección de frecuencia. El último bloque configura la transferencia de los datos I/Q obtenidos del RTL-SDR. Se puede elegir el formato de los datos de salida (int16, single o double), el número de muestras por frame de salida y activar salidas de datos de latencia y muestras perdidas. Figura 2.10 Modelo Simulink para utilizar el RTL-SDR. Figura 2.11 Captación de señal FM en Simulink. A continuación se va a utilizar el ejemplo que viene en la carpeta intro llamado rtlsdr_rx_startup_- simulink.slx que se ve en la Figura 2.10. En este se ha configurado la ganancia a 50 db y la frecuencia central a 105.5 MHz, donde se encuentra una emisora de radio FM. Con los dos bloques de analizador de espectros se consiguen las gráficas de la Figura 2.11. 18 Capítulo 2. RTL-SDR 2.6 Resumen El RTL-SDR es un dispositivo barato que permite captar señales de una gran parte del espectro de radiofrecuencias. Es sencillo de utilizar y existen muchos programas que facilitan su uso. SDRSharp es una gran opción debido todas las herramientas que ofrece, además de tener una interfaz clara. MATLAB y Python ofrecen la posibilidad de trabajar directamente sobre los datos I/Q. MATLAB es un programa conocido, y gracias a Simulink se puede ver de forma más gráfica qué se está haciendo. Una de las desventajas es que MATLAB sea de pago, aunque ahora se tiene acceso a la licencia del campus. Python, por otro lado, es un software libre con una gran base de usuarios que han creado una gran cantidad de librerías y códigos que se pueden utilizar en conjunto con el RTL-SDR. Es una herramienta bastante más versátil que MATLAB, aunque sea más complicada por tener que aprender a trabajar con cada librería. Otra diferencia destacable es la carga computacional de estos programas sobre el ordenador. Mientras que con MATLAB se han encontrado problemas que provocan un funcionamiento algo ralentizado, Python no exige tanta carga al ordenador. Al final no hay un software mejor que otro, cada uno tiene sus fortalezas y debilidades según qué se quiera hacer. 3 ACARS Da do que la finalidad de este trabajo es crear una herramienta que detecte la señal ACARS, es debido comenzar explicando qué es el ACARS. El Aircraft Communications Adressing and Reporting System no es solo un tipo de señal, sino un sistema de comunicaciones muy utilizado en aviación para comunicarse con estaciones terrestres. ACARS establece una comunicación basada en caracteres ASCII por enlace de datos de muy alta frecuencia (VHF). El sistema se creó a finales de los años setenta con la intención de servir como enlace de datos que permitiera automatizar mensajes. La compañía estadounidense ARINC fue la encargada del desarrollo del sistema y aún hoy en día es la proveedora del servicio en los Estados Unidos. Originalmente se utilizó para sustituir las comunicaciones por voz VHF que podían automatizarse, ahorrando así tiempo a la tripulación. Con el tiempo se han incorporando comunicaciones HF y por satélite (SATCOM), estableciendo cobertura en todo el mundo. El sistema ACARS puede dividirse en tres partes: el equipamiento del avión, el proveedor de servicios y las estaciones en tierra. La parte central del sistema a bordo es la Management Unit (MU), en sistemas más modernos la Communications Management Unit (CMU), y actúa como un router. Todos los mensajes que salgan o lleguen al avión pasan por esta unidad. Esta conectada a varios sistemas del avión, como el Flight Management System y el ordenador de manteminiento. Por otro lado, está conectada a transmisores VHF para permitir comunicaciones ACARS VHF, y a la Unidad de Datos Satélite (SDU) para acceder a SATCOM [58]. La MU solo se dedica a dirigir los mensajes a las antenas o sistema finales que se indiquen en el mensaje, no junta la información que venga en paquetes separados. La interfaz con la tripulación es la unidad multifunción de control y datos (MCDU). El proveedor de servicios de enlaces de datos es el encargado de que las transmisiones lleguen a sus destinos. Aportan los servicios VHF, HFDL y SATCOM. En Estados Unidos el proveedor principal es ARINC, en Europa, Asia y América del Sur lo provee SITA. En tierra se encuentra el receptor interesado, ya sea la compañía o los servicios ATC. 3.1 Mensajes Los mensajes ACARS se transmiten en dos direcciones, de subida (desde tierra al avión) y de bajada. Esto permite que algunas aplicaciones puedan ser interactivas, desde respuestas de los receptores del mensaje (para confirmación de mensaje recibido) hasta conversaciones. Pueden llegar a enviarse más de 20 millones de mensajes al mes, con más de 10.000 aviones utilizando el sistema [1]. Los mensajes contienen todo tipo de información y varios destinatarios [59]: • Servicios de información. ACARS permite obtener la información que divulga el Servicio de Información Aeronáutica (AIS), relacionados con condiciones temporales o restricciones del espacio aéreo. • Planes de vuelo. También lo utilizan las compañías aéreas para enviar los planes de vuelo con información sobre las rutas a seguir. • Posición. Aunque lo habitual es utilizar el sistema ADS-B, algunos aviones hacen uso del ACARS para transmitir su posición. • Diagnósticos de mantenimiento. Una de las opciones más utilizadas, muchos sistemas del avión (como los motores) envían información sobre su estado automáticamente. Esto permite que los departamentos de mantenimiento de las compañías puedan preparar con antelación el trabajo que tendrán que realizar cuando el avión aterrice. 19 20 Capítulo 3. ACARS • Información administrativa. Comunicación con la compañía sobre horarios de la tripulación, retrasos, problemas, etc. • Coordinación con el aeropuerto. Para informar sobre qué servicios se van a utilizar, como si es necesario repostar. • Operaciones de vuelo. Se utiliza en comunicación con el control de tráfico aéreo (ATC) para peticiones no urgentes. • Eventos OOOI. Desde el principio ACARS se ha utilizado para comunicar a la compañía el momento de realización de los llamados eventos OOI. Estos eventos son los momentos de aterrizaje, despegue, salida del puesto de estacionamiento y otros. La información va acompañada por marcas de tiempo. La compañía puede así tener conocimiento sobre dónde se encuentra cada avión. • Mensajes libres. A veces es necesario transmitir información no directamente relacionada con ninguno de los temas explicados. ACARS permite el envió de todo tipo de texto. Los mensajes tienen hasta 220 caracteres, cada uno formado por siete bits de información en formato ASCII y otro bit de paridad. Para transmitir mensajes más largos se pueden utilizar varios paquetes. Se va a explicar cómo es la estructura de un mensaje ACARS enviado desde un avión [58]: Tabla 3.1 Estructura de un mensaje ACARS. Cabecera Nombre SOH Mode Adress TAK Label DBI STX Nºde caracteres 1 1 7 1 2 1 1 Texto Cola Nombre MSN Flight ID Texto Suffix BCS BCS suffix Nºde caracteres 4 6 0-210 1 2 1 •Start of Header (SOH). Caracter que indica el inicio de la cabecera. •Mode Character. Se elige en función del código de acceso del sistema en tierra preferido. • Adress. Es la identificación del avión, ya sea la identificación de vuelo o matrícula registrada de la aeronave. •Positive Technical Acknowlegdment. Para indicar recepción del mensaje. •Label. Identifica el tipo de mensaje mediante 2 caracteres. •Downlink Block Identifier (DBI). Identifica que el mensaje se envía desde el aire a tierra. •End of Preamble (STX). Indica finalización de la cabecera. • Texto. En este bloque se encuentra la información a transmitir, es de escritura libre hasta un máximo de 220 caracteres. Esto puede aumentar hasta 3.520 para comunicación por satélite. • Message Sequence Number (MSN) and Flight ID. Caracteres incluidos en el texto informando sobre la línea aérea y el identificador del vuelo. •Suffix. Caracter indicando final del texto. •Block check sequence (BCS). 16 bits utilizados para corrección de errores. •BCS suffix. Caracter que permite decodificar el BCS. 3.2 Redes Al mismo tiempo que ACARS se hizo indispensable para las operaciones aéreas debido a su creciente utilidad, las limitaciones del enlace VHF también ganaron importancia. Estas limitaciones eran principalmente debidas al poco alcance y velocidad de transmisión. Se introdujeron dos nuevos enlaces de datos, por satélite (SATCOM) y por HF. Al principio se utilizaron satélites Inmarsat y ahora también la red de satélites IRIDIUM. El enlace de datos de alta frecuencia (HFDL) es también un enlace de largo alcance, esta vez con cobertura en todo el planeta. Hoy en día existen cuatro subredes ACARS en funcionamiento [1]: • VHF. Es la red original de ACARS. Hace uso de canales de 25Khz en las frecuencias de 118 a 137 MHz. Usa la modulación minimun shift keying (MSK) de la que se hablará en profundidad más adelante. El protocolo de comunicaciones es carrier-sensed multiple access (CSMA). Antes de transmitir se escucha el canal y si este está ocupado se espera hasta que termine la transmisión antes de enviar 3.3 Modulación 21 Figura 3.1 Representación de las redes ACARS [60]. la propia. De esta forma se evita que dos transmisiones sucedan a la vez. Tiene una velocidad de transmisión de 2.4 Kbps. • Satcom. Lo componen las redes de satélites Inmarsat e Iridium. Inmarsat opera en la banda L, sobre frecuencias de 1 GHz. Los satélites reciben los paquetes transmitidos y los redirigen al receptor indicado. Inmarsat permite un enlace de datos de larga distancia, el único lugar del planeta donde no ofrece cobertura es el Polo Norte. Con este enlace se establecieron comunicaciones oceánicas directamente entre pilotos y controladores. Iridium ofrece cobertura de llamadas telefónicas y enlace de datos en cualquier parte del planeta. • HFDL. Utiliza canales en la banda de frecuencias de voz HF. Hace uso de tres métodos de modulación phase-shift diferentes en función de la velocidad de datos a transmitir. El protocolo de comunicaciones es esta vez time division multiple access (TMDA). Estas diferencias respecto a la red VHF se deben a la necesidad de maximizar el alcance, mitigando las perdidas y el ruido. Aún así, son necesarias grandes antenas para poder utilizar esta red. • VDL Mode 2. Opera en la misma frecuencia que la red VHF. Existen varios canales reservados. Utiliza modulación diferencial PSK de 8 niveles (D8PSK). Con una velocidad de transmisión de 31.5 kbps tiene unas 10 veces más capacidad que los canales VHF normales. Es, por tanto, una mejora de la red VHF original, más rápida y que permite reducir la congestión de los canales. Cada red tiene sus ventajas y sus limitaciones. SATCOM y HFDL ofrecen mayor cobertura que las redes VHF, pero tienen mayor coste y complejidad. HF tiene máxima cobertura y puede hacer uso simultáneo de varios canales, pero la velocidad de transmisión es muy baja [ 61 ]. SATCOM ofrece mayor velocidad, pero es susceptible a interrupciones y no siempre está disponible a grandes altitudes. Con todas estas diferencias en cuenta, ninguna de las redes se ha impuesto sobre las demás, usándose todas ellas, según cúal sea más conveniente en cada situación. 3.3 Modulación Se va a analizar en concreto la modulación que se realiza en la transmisión VHF, por ser las que se pueden captar con la configuración de RTL-SDR y antena disponibles en este trabajo. Los mensajes ACARS se transmiten en la banda VHF en canales de 25 KHz, donde los datos se transmiten a una velocidad de 2.4 22 Capítulo 3. ACARS kbps. Los estándares utilizados en la comunicación a través de ACARS vienen pautados por ARINC-618 [62]. La señal se modula mediante minimun shift keying (MSK). MSK es un tipo de modulación CPFSK. La modulación FSK, frequency shift keying, consiste en que los símbolos "0" y "1" son transmitidos por dos señales sinusoidales cada una a una frecuencia concreta. La continuous phase FSK es una modulación más avanzada de FSK, donde se hace que, al cambiar de frecuencia (por cambiar el símbolo a transmitir), no haya variación de fase. Es decir, en una modulación CPFSK la fase de la señal modulada es constante, no existen cortes. Finalmente, la MSK es una versión más compleja. Consiste en que la desviación de frecuencia, la diferencia entre las dos frecuencias utilizadas, sea igual a la mitad de la tasa de bits transmitidos [ 63 ]. Es un tipo de modulación muy eficiente respecto al ancho de banda utilizado. Figura 3.2 Comparación de modulación MSK y ACARS [64]. La señal ACARS consiste en dos subportadoras no simultáneas. Son dos tonos sinusoidales a 1.2 kHz y a 2.4 kHz. Se usa la primera cuando el bit a transmitir es el mismo que el enviado el instante anterior, y la segunda cuando el bit es diferente [ 61 ]. En la Figura 3.2 se puede ver la forma de utilizar esta modulación según qué bit se quiera transmitir. En la Figura 3.3 se muestra un ejemplo real de señal ACARS, donde se aprecia la modulación MSK. Al transmitir los datos se usa esta señal MSK para modular la amplitud de la portadora del canal VHF. Así, se obtiene una señal AM en doble banda lateral (DSB). La modulación utilizada se denomina DSB-AM-MSK. 4.58 4.585 4.59 4.595 4.6 Tiempo (s) 106 0 10 20 30 40 50 60 70 80 Amplitud Figura 3.3 Ejemplo de señal ACARS en banda base. 3.4 Resumen 23 3.4 Resumen El sistema ACARS tiene muchas ventajas: comunicación directa entre controlador y piloto, automatización de informes de posición y peticiones de autorización, alcance global, aplicaciones en mantenimiento y muchas otras. Es un sistema muy utilizado, aunque también tiene algunos problemas. El más grave siendo el relacionado con la privacidad y seguridad de los mensajes. Varios estudios se han centrado en este punto, ya sea para crear un sistema más seguro [ 65 ], analizar los problemas por la facilidad de acceso a información sensible [ 59 ] o demodular los mensajes al no estar encriptados [ 64 ]. Al principio no era un gran problema debido al difícil acceso a herramientas que permitieran captar las señales. Con los rápidos avances en tecnología ahora es muy sencillo recibirlas. Con un ordenador normal, un SDR (ahora muy baratos) y una pequeña antena se pueden captar transmisiones ACARS de forma muy sencilla [ 66 ]. Es más, existen una gran variedad de programas que permiten también descodificar la señal y obtener la información. Varios ejemplos de esto pueden encontrarse en [67]. En este trabajo se ha decidido utilizar un RTL-SDR para capturar señales ACARS, siempre sin intentar decodificar la señal. El propósito es crear una aplicación que sea capaz de procesar una captura de señal, reconocer si se han producido comunicaciones a través de ACARS y obtener el tiempo de uso del canal. Gracias a esta aplicación se podría analizar cuánto se utilizan los canales, si están muy congestionados y, después de haber visto la importancia de la información que se transmite por ellos, reconocer el riesgo de utilizar el sistema sin añadir mayor seguridad. Esa era la intención inicial, pero, debido a la situación provocada por el coronavirus, no ha sido posible realizar capturas en canales ACARS al no haber casi ningún vuelo durante la realización de este trabajo. Por ello la herramienta creada no se ha podido utilizar para obtener estadísticas que analizar. 4 Python Py thon es un lenguaje de programación de alto nivel. Está orientado a objetos y enfocado a que sus códigos sean fáciles de leer y comprender. Dado que la programación es importante y en la carrera solo se aprende a usar MATLAB y no lenguaje C, se decidió tomar como uno de los objetivos de este trabajo aprender a usar Python, que no es tan complicado como C y tiene algunas similitudes con MATLAB. Python es un lenguaje muy utilizado en programación en el mundo de la ingeniería y la ciencia. Hay numerosos libros que exploran las posibilidades de Python [68], [69] y [70]. En este capítulo se va a explicar cómo instalar y utilizar Python, explicar las librerías utilizadas durante el trabajo, exponer unos códigos creados para el uso del RTL-SDR y analizar las ventajas de este lenguaje de programación. No se va a explicar el lenguaje en sí, es decir, las categorías, clases, sintaxis módulos, bucles y funciones. Es un tema muy extenso y no se tiene la suficiente experiencia como para explicarlo con claridad. Existen libros [70] y tutoriales [71] donde se trata esta cuestión. 4.1 Intérpretes Al ser un lenguaje de programación gratuito, se puede obtener de [ 53 ] donde hay versiones para todos los sistemas operativos. Para este trabajo se ha utilizado un ordenador con Windows 8.1. La instalación se produce sola, no hay más que seguir los pasos del ejecutable. Para utilizar Python es necesario un intérprete. Con la instalación por defecto se obtiene el entorno de desarrollo IDLE [ 72 ], que permite un uso sencillo. Con IDLE se pueden crear archivos .py que son como los scripts .m de MATLAB. Se puede escribir el código y ejecutarlo en un Python Shell de forma separada a otros códigos. Figura 4.1 Interfaz de Spyder. 25 26 Capítulo 4. Python Este entorno de programación es sencillo de utilizar pero tiene muy pocas opciones que ayuden al usuario. Para este trabajo se ha decidido utilizar la plataforma Anaconda [ 73 ] que contiene una gran cantidad de paquetes para Python y ofrece mucha facilidad a la hora de instalar nuevas librerías. Como intérprete se ha utilizado Spyder [ 74 ]. Ofrece ayuda al editar, depurar código, trae instaladas librerías importantes, etc. Es gratuito, y enfocado a computación y análisis de datos. La interfaz de Spyder se muestra en la Figura 4.1 y es bastante similar a MATLAB. En la parte de arriba se encuentran todas las opciones, se usan especialmente los botones de nuevo archivo, abrir, ejecutar y depurar. A la izquierda se encuentra el editor, donde se trabaja sobre los archivos o scripts. Estos se ejecutan en la consola, a la derecha, donde se pueden introducir comandos directamente. La consola es como el command window de MATLAB. Encima de la consola se encuentra el explorador de variables, donde se muestran todas las variables de la sesión. 4.2 Librerías Ahora que se tiene Spyder, en esta sección se van a explicar las librerías que se han utilizado durante el trabajo. Para instalar cualquier librería solo hay que seguir la guía [ 75 ]. Es rápido, si la librería está dentro de la base de datos de Anaconda basta con introducir en la consola de Spyder la línea conda install scipy, donde scipy es un ejemplo de librería. Si esto diera problemas hay que utilizar en instalador propio de Python llamado pip. Con la línea conda install pip se instala el instalador en Anaconda. Una vez esté incluido solo es necesario poner pip install scipy y la libería se instalará. Para usar una librería en el código es necesario importarla con la línea import nombre_libreria. Esto se puede hacer de varias maneras, importándola entera, solo las partes que se van a utilizar, con un nombre concreto, etc. El cómo hacerlo suele depender de la librería en concreto y de la convención a la que hallan llegado los usuarios de la misma. 4.2.1 Pyrtlsdr La librería pyrtlsdr [ 54 ] permite comunicarse con el RTL-SDR. Ha sido desarrollada por Roger, un usuario de GitHub. Mediante comandos Código 4.1 introducidos con esta librería se configura el dispositivo y se pueden obtener capturas del espectro de radiofrecuencias. La información entra directamente como datos I/Q. El cómo tratarlos depende enteramente de los comandos que se introduzcan después de la captura. Es por ello que son necesarias otras librerías relacionadas con el tratamiento de datos y las comunicaciones digitales. Código 4.1 Ejemplo del uso de pyrtlsdr. 1from rtlsdr import RtlSdr 2 3sdr = RtlSdr() 4 5sdr.sample_rate = 2.4e6 6sdr.center_freq = 105.5e6 7sdr.gain = 50 8sdr.freq_correction = 93 9 10 samples = sdr.read_samples(256*1024) Como se ve en la primera línea del Código 4.1, al importar esta librería es suficiente con coger el comando RtlSdr que permite controlar el dispositivo. Por convención se utiliza la abreviación sdr para referirse al RTL-SDR en el código. Como los objetos que se introducen con cada librería tienen sus propias características, funciones y atributos, Python tiene una forma sencilla de obtenerlos. Se va a usar el ejemplo del Código 4.1. Basta con escribir dir(sdr) (una vez se haya declarado qué es sdr) en la consola para conseguir una lista de sus atributos. Otra forma de obtenerlos se consigue gracias a Spyder. Al escribir sdr. y darle al tabulador se obtiene un desplegable con los atributos de ese objeto. Para saber qué hace cada atributo se usa una línea de código como esta: sdr.gain?. Gracias a la interrogación aparece la información sobre ese atributo concreto, Figura 4.2. 4.2 Librerías 27 Figura 4.2 Ejemplo de cómo obtener información de los atributos. 4.2.2 Matplotlib Matplotlib [ 76 ] es una de las librerías de Python más populares a la hora de representar datos en gráficos 2D y 3D. Es un paquete muy grande, con muchas utilidades diferentes, pudiendo crear gráficas estáticas, animadas e incluso interactivas. En este trabajo se ha utilizado dos de sus módulos: pyplot yanimation. El primero para las gráficas normales y estáticas, con código similar al de MATLAB, y el segundo para las animadas, Código 4.2. Esta librería se ha elegido no solo por su popularidad, sino también por tener acceso a herramientas para representar señales de radiofrecuencia de distintas formas [ 77 ]. Y, en concreto, por la función psd [ 78 ] que permite representar la densidad espectral de potencia introduciendo como argumentos una muestra de datos I/Q. Matplotlib es una librería muy extensa y para este trabajo solo ha sido posible aprender lo necesario para obtener las gráficas relacionadas con el RTL-SDR. Para aprender a utilizarla se ha hecho uso principalmente de los tutoriales oficiales [ 79 ]. Si se quiere profundizar sobre cómo funciona y cómo utilizar Matplotlib lo mejor es dirigirse a los libros [ 80 ] y [ 81 ], donde se analiza esta librería en detalle. Código 4.2 Ejemplo de código de matplotlib. 1# Obtener una imagen estática 2from matplotlib import pyplot as plt 3 4plt.psd(samples, NFFT=1024, Fs=sdr.sample_rate/1e6, Fc=sdr.center_freq/1e6) 5plt.xlabel(’Frequency (MHz)’) 6plt.ylabel(’Relative power (dB)’) 7plt.show() 8 9#Obtener imagen animada 10 import matplotlib.animation as animation 11 12 fig = plt.figure() 13 graph_out = fig.add_subplot(1, 1, 1) 14 15 def animate(i): 16 graph_out.clear() 17 samples = sdr.read_samples(128*1024) 18 graph_out.psd(samples, NFFT=1024, Fs=sdr.sample_rate / 1e6, Fc=sdr. center_freq/1e6) 19 20 try: 21 ani = animation.FuncAnimation(fig, animate, interval=10) 22 plt.show() 23 except KeyboardInterrupt: 24 pass 25 finally: 26 sdr.close() 34 Capítulo 4. Python Código 4.9 freq_sweep(). 1def freq_sweep(freq_start, freq_end, do_plot=True, sample_rate=2.4e6, gain=28, 2samples_number=258*1024, freq_correction=93, device_index=0): 3""" Realiza un barrido en frecuencia entre las frecuencias especificadas. 4 5 6Parámetros de entrada 7---------- 8freq_start: float 9Frecuencia inicial del barrido en Hz. 10 freq_end: float 11 Frecuencia final de recepción en Hz. 12 do_plot: bool 13 Selecciona si representar la densidad espectral de potencia. 14 sample_rate: float, opcional 15 Frecuencia de muestreo en Hz. 16 gain: float or str, opcional 17 Ganancia del dispositivo en dB. 18 samples_number: int, opcional 19 Número de muestras a leer. 20 freq_correction: int, opcional 21 Desviación de frecuencia en PPM. 22 device_index: int, opcional 23 Número de puerto del dispositivo. 24 25 Salidas 26 ---------- 27 power: ndarray 28 Matriz con la densidad espectral de potencia. 29 freq: ndarray 30 Matriz con las frecuencias barridas en MHz. 31 """ 32 pg.setConfigOption(’background’,’w’) 33 pg.setConfigOption(’foreground’,’k’) 34 pg.setConfigOptions(antialias=True) 35 36 power = np.ndarray(0) 37 freq = np.ndarray(0) 38 sdr = RtlSdr(device_index) 39 rtl_config(sdr, freq_start, sample_rate, gain, freq_correction) 40 41 for iin np.arange(freq_start, freq_end, sample_rate): 42 sdr.center_freq = i 43 samples = sdr.read_samples(samples_number) #128*1024 44 power_aux, freq_aux = psd(samples, NFFT=1024, Fs=sample_rate/1e6) 45 freq_aux += i/1e6 46 power = np.concatenate((power, np.array(power_aux))) 47 freq = np.concatenate((freq, np.array(freq_aux))) 48 49 sdr.close() 50 if do_plot is True: 51 p1 = pg.plot(freq, 10*np.log10(power),pen=’b’, 52 title=’Power espectral density’) 53 p1.setLabel(’left’,"Relative power (db)") 54 p1.setLabel(’bottom’,"Frequency (MHz)") 55 return power, freq 4.3 Códigos propios 35 Por último, se ha querido realizar una función que automatice la captura y guardado de las muestras IQ. El Código 4.10 captura los datos IQ recibidos en la frecuencia especificada durante el tiempo que se indique y, además de devolver una matriz con esos datos, permite realizar un guardado automático en tres formatos de archivo diferentes. Código 4.10 save_IQ(). 1def save_IQ(center_freq, sample_rate, time_stop, file_name, npy_file=True, 2wav_file=False, mat_file=False, gain=28, samples_number=128*1024, 3freq_correction=93, device_index=0): 4""" Obtiene datos IQ de la frecuencia central durante el tiempo estipulado 5y los guarda en el archivo elegido en formato .npy, .wav y/o .mat . 6 7 8Parámetros de entrada 9---------- 10 center_freq: float 11 Frecuencia central en Hz. 12 sample_rate: float 13 Frecuencia de muestreo en Hz. 14 time_stop: int or float 15 Tiempo de recepción en segundos. 16 file_name: str 17 Nombre del archivo donde guardar los datos. 18 npy_file: bool, opcional 19 Selecciona si guardar el archivo en formato .npy. 20 wav_file: bool, opcional 21 Selecciona si guardar el archivo en formato .wav. 22 mat_file: bool, opcional 23 Selecciona si guardar el archivo en formato .mat. 24 gain: float or str, opcional 25 Ganancia del dispositivo en dB. 26 samples_number: int, opcional 27 Número de muestras a leer. 28 freq_correction: int, opcional 29 Desviación de frecuencia en PPM. 30 device_index: int, opcional 31 Número de puerto del dispositivo. 32 33 Salidas 34 ---------- 35 IQ_data: ndarray 36 Matriz con los datos IQ captados 37 """ 38 sdr = RtlSdr(device_index) 39 rtl_config(sdr, center_freq, sample_rate, gain, freq_correction) 40 41 Fs = sample_rate 42 IQ_data = np.ndarray(0) 43 start = time.time() 44 45 while True: 46 samples = sdr.read_samples(samples_number) #128*1024 47 IQ_data = np.concatenate((IQ_data, np.array(samples))) 48 aux = time.time()-start 36 Capítulo 4. Python 49 if aux > time_stop: 50 if npy_file is True: 51 info=np.array([IQ_data, Fs]) 52 np.save(file_name,info) 53 if wav_file is True: 54 N=IQ_data.size 55 wav_samples = np.zeros((N, 2), dtype=np.float32) 56 wav_samples[...,0] = IQ_data.real 57 wav_samples[...,1] = IQ_data.imag 58 aux = file_name + ’.wav’ 59 wavfile.write(aux, int(sdr.sample_rate), wav_samples) 60 if mat_file is True: 61 signal={’Fs’:sample_rate, ’IQ’:IQ_data} 62 aux = file_name + ’.mat’ 63 scipy.io.savemat(aux, signal) 64 return IQ_data 65 sdr.close() 4.4 Ventajas y desventajas Una vez visto el funcionamiento de Python y alguna de sus librerías es importante mencionar qué ventajas ofrece trabajar con Python [68] y [90]: •Es un software de código abierto, permite distribuir libremente los programas realizados sin requerir permisos. •Completamente gratuito, al igual que todas las librerías. •Sintaxis simple y sencilla de leer que facilita la escritura de programas y la localización de errores. • Funciona en Window, Linux, Unix y MAC. El código que se escriba se puede ejecutar en cualquiera de estos sistemas operativos. •Los intérpretes como Spyder permiten escribir código e ir experimentando con él al mismo tiempo. •Tiene una gran comunidad de usuarios que se resuelven problemas mutuamente. •Existen una gran cantidad de paquetes y librerías de todo tipo que expanden las funciones de Python. •Python es flexible, se puede programar de forma procedimental, orientada a objetos o a funciones. • Es bastante sencillo aprender a programar en Python, la sintaxis y términos utilizados son fáciles de comprender con el suficiente conocimiento de inglés. •Los mensajes de errores suelen ser claros y ayudan a encontrar el problema. Teniendo en cuenta todas estas ventajas y las librerías que se han visto, es natural que Python se utilice en muchos proyectos relacionados con los RTL-SDR. A destacar: un analizador de espectro [ 15 ], utilización en educación [14] y detección y decodificación de señales ASK [19]. Hay que destacar un problema que se ha encontrado al utilizar Python. Se debe al hecho de que el ordenador utilizado sea un Windows 8.1 no muy potente. El problema consiste en que Windows asocia a cada programa una cantidad de memoria que puede usar y no es posible aumentarla. Entonces, al utilizar Python no es posible representar algunas de las señales que se han utilizado, y que sí se han representado en MATLAB. Por ejemplo, no se pueden hacer las gráficas de las capturas originales, solo se pueden representar una vez realizado el diezmado. Por tanto, el problema es importante, ya que sucede con tamaños de unos cientos de Mb. Esto no significa que Python deje de ser útil, por ahora solo ha dado problemas al representar algunos datos, nunca al operar con ellos ni con el código detector de ACARS. Una probable solución del problema es utilizar un ordenador con otro sistema operativo. 5 Detector ACARS En este capítulo se va a explicar el objetivo fundamental del trabajo, el programa utilizado para la detección de los mensajes ACARS. Primero se va a comentar la estructura de procesamiento de señal del programa. Después, se analizarán en detalle los diferentes filtros empleados. Se detallará el código en MATLAB y Python, mostrando su funcionamiento con capturas de señales en canales ACARS. Por último, se analizaran las diferencias de la implementación en MATLAB y Python. 5.1 Estructura de procesamiento Los mensajes ACARS tienen una estructura muy concreta y han sido modulados en MSK, tal y como se ha explicado en el Capítulo 3. Esto permite que se pueda distinguir cuándo la señal captada en un canal asignado al uso de ACARS es una comunicación de este sistema o si solo se trata de interferencias, ruido u otro tipo de mensaje. En concreto, se va a hacer uso de que la señal capturada por el RTL-SDR, al haber sido reducida a la banda base, tenga dos frecuencias fundamentales: 1200 y 2400 Hz. Figura 5.1 Estructura de la detección de ACARS. En la Figura 5.1 se muestran las acciones que se realizan sobre la señal. Con un filtro Cascaded integratorcomb filter (CIC) se diezma la captura original. Esto sirve para reducir la tasa de muestreo y el volumen de datos a procesar. Después se eliminan las componentes de DC de la señal, para lo que se emplea, por simplicidad, un filtro Comb con nulo en DC. Así, se utiliza un phase-locked loop (PLL) que se sincroniza la portadora de 2400 del mensaje ACARS. Tras detectar la señal se obtiene su valor absoluto, lo que mueve la portadora a 0 y 4800 Hz. Se utiliza un filtro de Butterworth de paso bajo para eliminar el término de alta frecuencia. Tras pasar por todas estas fases se obtiene una señal limpia que permite saber en qué momento se ha transmitido un mensaje a través del sistema ACARS, además de cuánto tiempo ha durado esa transmisión. En las siguientes secciones se va a analizar cada uno de los bloques de la Figura 5.1. Explicando los filtros utilizados y sus efectos sobre una señal. Para ver bien qué hace cada bloque se va a utilizar como entrada la señal ideal de la Figura 5.2. Está formada por dos señales muy pequeñas al principio y final de las muestras y un coseno de gran amplitud con frecuencia 2400 Hz. De esta forma se imita una señal ACARS ideal. Es importante destacar que la mayoría de los filtros utilizados se crean en función de la frecuencia de muestreo de la señal introducida en el detector, por lo que las respuestas frecuenciales y funciones de transferencia variarán según la señal a procesar. 5.1.1 Filtro CIC Lo primero que se quiere hacer con la señal captada es diezmarla, ya que a las frecuencias de muestreo requeridas se obtiene una gran cantidad de muestras en poco tiempo de captura. Se va a diezmar con un 37 38 Capítulo 5. Detector ACARS 0 2 4 6 8 10 12 Número de muestras 104 0 500 1000 1500 2000 2500 3000 Amplitud (a) Señal completa. 3 3.2 3.4 3.6 3.8 4 4.2 Número de muestras 104 500 1000 1500 2000 2500 Amplitud (b) Ampliación mostrando varios periodos. Figura 5.2 Señal ideal. factor de 30, es decir, por cada 30 muestras solo se queda una. Por tratarse de un diezmado tan grande es muy posible que se produzcan problemas de aliasing. Para evitar esto, es habitual utilizar un filtro de paso bajo que reduzca las componentes de alta frecuencia. En este caso se va a implementar un Cascaded integrator-comb filter (CIC). Un CIC es una clase de filtro finite impulse response (FIR) específicamente creado para diezmado e integración por Hogenauer [ 91 ]. Los CIC son filtros computacionalmente eficientes, ya que requieren muy poco tiempo de procesamiento. Son menos complejos de implementar que un solo FIR de paso bajo. Además, son muy utilizados como filtro anti-aliasing antes de ejecutar un diezmado. HZ(z) = 1−z−30 1−z−1(5.1) 01234567 Frequency (Hz) 105 -200 -100 0 100 Phase (degrees) 01234567 Frequency (Hz) 105 -40 -20 0 20 40 Magnitude (dB) Figura 5.3 Respuesta frecuencial del filtro CIC. La función de transferencia del CIC concreto que se va a usar es la de la ecuación (5.1) . La respuesta frecuencial de ese filtro se observa en la Figura 5.3. Mezcla la respuesta de un filtro integrador con un filtro Comb, aumentando la magnitud de las frecuencias más pequeñas. Su efecto sobre la señal de la Figura 5.2 se puede ver en la Figura 5.4. La señal ha sido amplificada sin amplificar ruido. Por último, se procede a diezmar la señal. En el resultado, Figura 5.5, se ve claramente que se han reducido el número de muestras. Esto hará más rápidos, en tiempo de procesamiento, todo el resto de pasos a aplicar. Gracias a haber aplicado el filtro CIC antes del diezmado la señal no ha sufrido aliasing. 5.1.2 Filtro Comb El siguiente paso es aplicar un filtro Comb. Este tipo de filtro se implementa mediante la suma a la señal de la misma señal retrasada o de la señal filtrada retrasada. Esto provoca interferencias destructivas y constructivas que la modifican. Se llaman filtros Comb, peine en ingles, debido a la forma de su respuesta en frecuencia. Tienen varias aplicaciones, como procesado de audio o ser parte de un filtro CIC. Son muy utilizados ya que, 5.1 Estructura de procesamiento 39 0 2 4 6 8 10 12 Número de muestras 104 0 1 2 3 4 5 6 7 8 9 Amplitud 104 (a) Señal completa. 3.8 4 4.2 4.4 4.6 4.8 Número de muestras 104 0 1 2 3 4 5 6 7 8 Amplitud 104 (b) Ampliación mostrando varios periodos. Figura 5.4 Señal ideal antes (naranja) y después (azul) del filtrado CIC. 0 500 1000 1500 2000 2500 3000 3500 4000 Número de muestras 0 1 2 3 4 5 6 7 8 9 Amplitud 104 (a) Señal completa. 1600 1650 1700 1750 1800 1850 Número de muestras 1 2 3 4 5 6 7 8 Amplitud 104 (b) Ampliación mostrando varios periodos. Figura 5.5 Señal ideal tras el diezmado. debido a su simplicidad, casi no requieren tiempo de procesamiento. Existen dos versiones de filtros Comb: feedforward y feedback. Figura 5.6 Estructura filtro Comb feedforward. En este trabajo se utiliza un filtro Comb feedforward [ 92 ] para quitar la componente DC de la señal que se está procesando. Esto es necesario para que el PLL funcione correctamente. Su estructura, que se muestra en la Figura 5.6, indica cómo se suma la señal retrasada para realizar el filtrado. La función de transferencia de este filtro es la ecuación (5.2) , pero sólo es un ejemplo, ya que depende de la frecuencia de muestreo de la señal introducida en el detector. En este caso la señal se retrasa en 13 muestras y se multiplica por -1. La señal de entrada está multiplicada por un factor unidad, por lo que no sufre cambios. Finalmente, debido a ese negativo, se resta la muestra retrasada a la señal para realizar el filtrado. HZ(z) = 1−z−13 (5.2) Su respuesta frecuencial se muestra en la Figura 5.7. El filtro se ha creado de forma que elimine completamente la componente DC de la señal. Eso se ve en la figura, donde a frecuencias cercanas a cero la magnitud es muy pequeña. Por lo demás, es destacable que el filtro permite el paso de las dos frecuencias con las que se quiere trabajar (1200 y 2400 Hz). En esas dos frecuencias el filtro tiene una magnitud cercana a la máxima. Solo queda analizar la señal una vez filtrada, Figura 5.8. Puede asegurarse que el filtro ha cumplido su función, ya que se ve la misma señal que antes, en forma y frecuencia, pero centrada en cero. Así, se ha eliminado la componente DC de forma satisfactoria y se puede proseguir procesando la señal. 40 Capítulo 5. Detector ACARS 0 0.5 1 1.5 2 Frequency (Hz) 104 -100 0 100 Phase (degrees) 0 0.5 1 1.5 2 Frequency (Hz) 104 -40 -20 0 Magnitude (dB) Figura 5.7 Respuesta frecuencial del filtro Comb. 0 500 1000 1500 2000 2500 3000 3500 4000 Número de muestras -8 -6 -4 -2 0 2 4 6 8 Amplitud 104 (a) Señal completa. 1550 1600 1650 1700 1750 1800 1850 1900 1950 2000 Número de muestras -6 -4 -2 0 2 4 6 Amplitud 104 (b) Ampliación mostrando varios periodos. Figura 5.8 Señal ideal tras el filtro Comb. 5.1.3 Phase-Locked Loop Un PLL es un sistema de control que es capaz de sincronizarse con la señal de entrada. Son capaces de recrear la entrada, seguir las desviaciones en frecuencia y eliminar ruido. Se va a utilizar para crear una señal sinusoidal que se sincronice con la señal ACARS, a 2400 Hz de frecuencia. De esta forma, se podrá saber si hay un mensaje ACARS y cuándo. Un PLL está compuesto por tres componentes [ 6 ] organizados tal y como aparecen en la Figura 5.9. Figura 5.9 Estructura PLL. • Detector de fase: Genera una señal proporcional a la diferencia de fase entre la señal de entrada y la señal retroalimentada del oscilador. Esa señal se conoce como el error de fase, y es igual a Kp(θi(n)−θ0(n)) . Los dos θ son las fases de la señal de entrada y la retroalimentada, respectivamente. Mientras que Kp 5.1 Estructura de procesamiento 41 es la ganancia del detector de fase. Esta señal se puede generar de varias maneras. Aquí se va a utilizar el método de multiplicar las dos señales que entran en el detector. • Filtro: Multiplicar las dos señales crea un término a bajas frecuencias que varía con la diferencia de fase y otro a altas frecuencias (al doble de la frecuencia de entrada). Por eso el siguiente paso es filtrar ese último término. En este caso se implementa un filtro paso bajo tipo Comb, cuya respuesta en frecuencia se enseña en la Figura 5.10 y su función de transferencia es la ecuación (5.3) . Esta ecuación se trata de un ejemplo, ya que depende de la frecuencia de muestreo. Se ha elegido este filtro por ser uno de los más rápidos de implementar. Sirve para eliminar la componente de alta frecuencia. La señal que sale de este filtro es la que se utiliza para controlar el oscilador. HZ(z) = 1+z−5(5.3) 0 0.5 1 1.5 2 Frequency (Hz) 104 -100 0 100 Phase (degrees) 0 0.5 1 1.5 2 Frequency (Hz) 104 -40 -20 0 Magnitude (dB) Figura 5.10 Respuesta frecuencial del filtro del PLL. • VCO/NCO: Es un generador de señales sinusoidales cuya frecuencia está controlada por la señal obtenida del filtro. En sistemas analógicos se denomina oscilador controlado por voltaje (VCO). El que se va a utilizar en este trabajo, al estar realizado digitalmente, es un oscilador controlado numéricamente (NCO). Está ajustado a la frecuencia de 2400 Hz, de forma que se pueda sincronizar con un mensaje ACARS. Esto es posible ya que a esa frecuencia el PLL se sincroniza tanto con las partes del mensaje a 2400 Hz como con las partes a 1200 Hz. El oscilador que se va a implementar crea una señal coseno con una diferencia de fase de 90 º respecto a la señal de entrada al PLL. Esta señal, Figura 5.11, es la que se utilizará para la detección del mensaje ACARS. Los cortes o discontinuidades que se ven en la figura son causados por los momentos en los que el PLL se sincroniza con la señal y en los que esa señal deja de enviarse. 0 500 1000 1500 2000 2500 3000 3500 4000 Número de muestras -1 -0.5 0 0.5 1 Amplitud (a) Señal completa. 1600 1650 1700 1750 1800 1850 Número de muestras -1 -0.5 0 0.5 1 Amplitud (b) Ampliación mostrando varios periodos. Figura 5.11 Señal sintetizada en el oscilador. 42 Capítulo 5. Detector ACARS 5.1.4 Detección Una vez realizados todos esos pasos es sencillo detectar los mensajes ACARS. Se multiplican la señal de entrada al PLL (la de salida del filtro Comb), Figura 5.8, y la creada en el oscilador del PLL, Figura 5.11. Esta última se multiplica adelantándola de forma que se corrija el desfase de 90 º con el que se crea. Por último, como no se quiere demodular la señal y solo importa detectarla, para simplificarla se obtiene el valor absoluto de esa multiplicación. 0 500 1000 1500 2000 2500 3000 3500 4000 Número de muestras 0 1 2 3 4 5 6 7 Amplitud 104 (a) Señal completa. 300 320 340 360 380 400 420 440 460 480 500 Número de muestras 0 1 2 3 4 5 6 Amplitud 104 (b) Ampliación mostrando varios periodos. Figura 5.12 Señal ideal tras la detección. El resultado que se obtiene es el de la Figura 5.12. Se ve claramente que el uso del valor absoluto ha eliminado los componentes negativos de amplitud y doblado la frecuencia, que ha pasado a ser de 4800 Hz. Esto último ya no tiene importancia, al no buscar la información que trae el mensaje sino solo la existencia del mismo. La señal obtenida tiene valor no nulo solo cuando existe transmisión de un mensaje ACARS. En la ampliación se puede observar cómo al empezar a recibir el mensaje este no se detecta directamente, sino que tarda unas pocas oscilaciones. Esto es debido al proceso de sincronización del PLL. 5.1.5 Filtro Butterworth 0 0.5 1 1.5 2 Frequency (Hz) 104 -100 -50 0 Phase (degrees) 0 0.5 1 1.5 2 Frequency (Hz) 104 -100 -50 0 Magnitude (dB) Figura 5.13 Respuesta frecuencial del filtro Butterworth. Por último, para ver mejor la existencia del mensaje y facilitar la detección, se va a aplicar un filtro paso bajo. Se ha elegido un filtro Butterworth. Este tipo de filtro se diseña para tener una respuesta lo más plana posible en la banda de frecuencias cuyo paso se quiere permitir. Y después, una vez pasada la frecuencia de corte, su magnitud se reduce drásticamente. El filtro utilizado tiene la respuesta en frecuencia que se observa en la Figura 5.13. La intención al aplicar este filtro es eliminar todas componentes de alta frecuencia y dejar únicamente las componentes de frecuencias más cercanas a cero, es decir, la componente DC. Su efecto sobre la señal detectada se puede analizar en la Figura 5.14. Tras este filtrado es sencillo saber cuándo se ha producido una transmisión ACARS. 5.2 Modelo MATLAB 43 0 500 1000 1500 2000 2500 3000 3500 4000 Número de muestras 0 1 2 3 4 5 6 7 Amplitud 104 (a) Señal completa. 0 500 1000 1500 2000 2500 3000 3500 4000 Número de muestras 0 0.5 1 1.5 2 2.5 3 3.5 Amplitud 104 (b) Ampliación mostrando varios periodos. Figura 5.14 Señal ideal tras filtrado Butterworth (rojo) y la detectada (azul). 5.2 Modelo MATLAB Una vez analizado el procesamiento que se la va a hacer a las capturas de señales en canales ACARS se puede proceder a explicar el código con el que se implementa. Se ha creado una función de MATLAB que recibe como entradas el valor absoluto de los datos I/Q capturados por el RTL-SDR y la frecuencia de muestreo que se utilizó en la captura. Código 5.1 Acars_detector en MATLAB. 1function acars_detector_final(Input,Fs) 2% ACARS receiver (detecting signal) 3% Input: abs(datos IQ) 4% ------------------------------------------------------------------ 5 6F1 = 2400; 7F2 = 1200; 8 9% Filtro CIC 10 CIC.R = 30; 11 CIC.Num(CIC.R+1) = -1; 12 CIC.Num(1) = 1; 13 CIC.Den = [1 -1]; 14 % --------------------------------- 15 16 % Filtro Comb 17 Comb.K = round(Fs/(CIC.R*(F1+F2))); 18 Comb.Num(Comb.K+1) = -1; 19 Comb.Num(1) = 1; 20 Comb.Den = 1; 21 % --------------------------------- 22 23 % PLL 24 PLL.Acc_max = 2^14; 25 PLL.Fs = Fs/CIC.R; 26 PLL.Gain = 10; 27 PLL.S = 1e-2; 28 29 PLL.PPP = PLL.Fs/F1; % puntos por periodo en PLL 30 PLL.PPP_pi_2 = round(PLL.PPP/4); % desfase pi/2 en muestras 31 PLL.Comb.Num(1) = 1; 32 PLL.Comb.K = round(Fs/CIC.R/(4*F1)); 33 PLL.Comb.Num(PLL.Comb.K+1) = 1; 34 PLL.LUT = cos([0:PLL.Acc_max-1].*2*pi/PLL.Acc_max); 35 %------------------------------- 50 Capítulo 5. Detector ACARS (a) Señal completa. (b) Ampliación mostrando varios periodos. Figura 5.20 Detección de ACARS en Python. (a) En Python. 02468 Número de muestras 105 -2000 -1500 -1000 -500 0 500 1000 1500 2000 2500 Amplitud Diezmada Comb 02468 Número de muestras 105 0 500 1000 1500 2000 Amplitud Detectada Butterworth nivel de decisión (b) En MATLAB. Figura 5.21 Comparación detección de ACARS. 5.5 Análisis del rendimiento Como se quiere poder utilizar este programa de forma seria, por su utilidad en investigación, es importante que no requiera mucho tiempo de procesamiento. De hecho, ya se han comentado ciertos cambios en el código y decisiones al elegir filtros guiados fundamentalmente por reducir el tiempo de procesamiento. Se va 5.5 Análisis del rendimiento 51 (a) Señal completa. (b) Ampliación mostrando varios periodos. Figura 5.22 Detección de varios ACARS en Python. Tabla 5.1 Resultados de la detección. Captura con 1 mensaje Varios mensajes Tiempo de ocupación (s) 0.5160 2.6111 Porcentaje de utilización (%) 3.33 9.19 obtener el tiempo que tarda la función en completarse. Este valor se ha obtenido con el comando timeit de MATLAB, que ejecuta el código varias veces y da una medida del tiempo requerido para su ejecución. Es necesario precisar que en este tiempo no entra lo que se tarda en cargar los datos de la captura de la señal. Al usar el código con la captura en la que aparece una única transmisión ACARS, el programa tarda unos 4.15 segundos en ejecutarse. También se ha obtenido el tiempo en procesar la captura en la que aparecen varios mensajes ACARS, unos 1.27 segundos. Esta captura dura unos 28.4 segundos mientras que la primera dura 15.5 segundos. La explicación a porqué es más rápida la captura más larga es sencilla. Se debe a la frecuencia de muestreo utilizada. La captura larga tiene una frecuencia de muestreo de 240 KHz y la corta 1.44 MHz. Esto influye en el número de muestras de cada una. Teniendo la captura larga casi 7 millones de muestras mientras que la corta tiene algo más de 22 millones de muestras. Por tanto, en el tiempo de procesamiento influye mucho el número de muestras. Así, si se quieren obtener capturas de gran duración, es mejor utilizar una frecuencia de muestreo pequeña. Como no se quiere demodular la señal captada, no es especialmente importante usar una frecuencia de muestreo alta, ya que no es necesaria una precisión exacta en los datos recibidos. Desafortunadamente las capturas utilizadas son de pocos segundos. Esto se debe a dos razones: que tienen un tamaño bastante grande (14 Kb y 58Kb) para su corta duración y a no haber podido realizar capturas propias con el RTL-SDR debido a la situación que se ha sufrido estos meses. Se quiere investigar si es posible capturar la señal de los canales en un formato de archivo diferente que requiera menor tamaño para la misma duración. Por ahora se ha probado con los formatos .npy, .mat y .wav, pero ninguno supone una disminución del tamaño del archivo. Tabla 5.2 Comparación de tiempos de procesamiento. Captura con 1 mensaje Varios mensajes Programa utilizado Python MATLAB Python MATLAB Tiempo en ejecutar el detector (s) 10 4.15 3.2 1.27 Por último, se va a comparar el rendimiento del programa. En la Tabla 5.2 aparecen los tiempos que tarda cada programa en procesar las señales capturadas. Hay que mencionar que en Python no existe una alternativa similar al timeit de MATLAB. Los tiempos se han obtenido ejecutando varias veces el programa con marcas de tiempo, colocadas al principio y al final del procesamiento, y haciendo la media de los tiempos obtenidos. El resultado es que Python es unas 2.5 veces más lento que MATLAB. Esto puede deberse a que al ser nuevo en el uso de Python, no se haya conseguido optimizar del todo el código utilizado. También puede ser debido a que MATLAB es un programa especializado en este tipo de procesamiento de datos, mientras que en Python hay que hacer uso de librerías específicas. Para saber algo más sería necesario probar el detector 52 Capítulo 5. Detector ACARS en estos dos programas en distintos ordenadores modernos y con diferentes sistemas operativos. Como ya se ha mencionado, el ordenador utilizado ha dado algunos problemas de memoria con Python, y eso ha podido influir en su rapidez. Tras analizar un poco más se ha comprobado que el 90% del tiempo de ejecución del programa en Python se debe al bucle for en el que se realiza el PLL. Por tanto, una posible solución es buscar una alternativa. Es probable que exista alguna librería o código creado por algún usuario que implemente un PLL de forma más eficaz. Por desgracia, no ha sido posible localizarlo. Como conclusión, el detector se ha implementado satisfactoriamente tanto en MATLAB como en Python. En este último aún se puede llegar a optimizar para hacerlo más rápido, pero se sale del conocimiento del autor del trabajo. Se ha visto que el detector puede tener problemas si la señal captada no tiene mucha potencia. Esto puede resolverse de varias maneras: • Analizar la potencia antes de usar el detector e introducir como variable de entrada el nivel de decisión deseado. Esto implica más trabajo para el usuario, por lo que no es deseable. Además, requeriría adivinar qué nivel es bueno para cada señal. • Dentro del código del programa introducir unas líneas que midan el nivel del ruido del canal y establecer el nivel de decisión por encima de éste. • Mejorar el filtro de Butterworth de forma que el ruido del canal se reduzca a un nivel imperceptible. De esta forma, se podría seleccionar un nivel de decisión pequeño sin que considere el ruido como parte de un mensaje. 6 Conclusiones En este proyecto se ha creado una aplicación capaz de detectar la presencia de mensajes del sistema de comunicaciones aeronáuticas ACARS en una captura de un canal de radiofrecuencias. Se ha demostrado su funcionamiento con ejemplos de capturas reales y se ha comprobado que permite obtener los tiempos de ocupación de esos canales. Se han analizado los dispositivos RTL-SDR y se han explorado algunas de sus posibles aplicaciones y programas. Es un dispositivo barato y muy versátil. Se han visto la gran cantidad de programas que existen y los que aún están en desarrollo, que permiten la utilización de estos dispositivos en ordenadores de todo tipo de sistemas operativos e incluso en teléfonos móviles. Se han probado tres programas concretos como receptores y analizadores de espectro: SDRSharp, MATLAB y Python. Se han comparado y se ha llegado a la conclusión de que para usar los dispositivos como simples receptores para ver el espectro o incluso para decodificar varios tipos de señales la mejor opción es SDRSharp y programas similares. En cuanto a MATLAB y Python, su uso es más oportuno en el campo de la investigación y enseñanza. Permiten, una vez capturados los datos I/Q de la señal, trabajar sobre estos para realizar operaciones de procesamiento de señal. Además, Python y MATLAB ofrecen la oportunidad de crear todo tipo de aplicaciones con los RTL-SDR. Cualquier aplicación de las examinadas debería poder realizarse con estos programas. Se ha explicado el sistema de comunicaciones ACARS en profundidad. Se ha visto que la información se transmite en paquetes modulados de distinta manera según el canal de radiofrecuencia utilizado para la transmisión. El trabajo se ha centrado en la modulación MSK de los canales VHF. El conocimiento sobre esa modulación ha permitido realizar el detector. No se ha entrado a analizar la demodulación de los mensajes por dudas la legalidad de esta acción. Debido a la situación provocada por el coronavirus no ha sido posible realizar captaciones de transmisiones ACARS, por lo que no ha sido posible cumplir con una de las intenciones del proyecto: analizar el uso o tráfico de los canales reservados para ACARS. Respecto a Python, se ha utilizado el intérprete Spyder junto con librerías específicas relacionadas con la representación de datos, el procesamiento de señales y el trabajo con matrices. Gracias a la librería Pyrtlsdr se ha podido controlar el RTL-SDR. Se han adquirido los suficientes conocimientos de este lenguaje y algunas de sus librerías como para crear códigos propios para el uso de estos dispositivos. Esto ha ayudado a la hora de pasar el código del detector de MATLAB al lenguaje Python. En cuanto al procesamiento requerido para detectar la presencia de mensajes modulados ACARS, se han explicado los distintos elementos utilizados. Lo primero es realizar un diezmado, para tener muestras que procesar y así requerir menor tiempo de procesamiento. Para evitar el posible aliasing de este proceso se utiliza un filtro CIC. Después, se elimina la componente de DC de la señal mediante un filtro Comb. Esto se hace para asegurar el buen funcionamiento del PLL que se usa a continuación. Con el PLL se crea una señal sinusoidal que se sincroniza con las portadoras de 1200 y 2400 Hz de la modulación de ACARS. Multiplicando esa señal y la capturada se obtiene la detección, ya que se crea una señal de valor nulo excepto cuando existen mensajes ACARS. A esa señal se le aplica un filtro Butterworth para eliminar las altas frecuencias y dejar únicamente componentes de DC que indiquen si existen transmisiones ACARS en la captura procesada. Este procesamiento se ha integrado en una función de MATLAB y en Python. Utiliza los distintos elementos para detectar la señal y dado un nivel de amplitud concreto, lo usa como umbral para decidir si existe detección. Gracias al umbral, se obtiene el tiempo de ocupación del canal, tanto en segundos como en porcentaje respecto al tiempo total de la captura introducida. Se ha probado el funcionamiento del detector con dos señales 53 54 Capítulo 6. Conclusiones reales. Se ha comprobado que el detector funciona igual en los dos programas y que se obtienen los mismos resultados. Se han encontrado dos problemas que no se han podido resolver. Por un lado, las capturas son de solo unos segundos debido a que ocupan mucha memoria. Se han probado varios formatos de archivo en los que guardar la captura sin que ninguno reduzca significativamente el espacio requerido. Por otro lado, en cuanto al rendimiento del código, ha resultado considerablemente más lento, en tiempo de ejecución, en Python que en MATLAB. En MATLAB no requiere más que unos pocos segundos, pero en Python puede llegar a los 10 segundos. Esto no es aceptable si se quiere trabajar con capturas muy grandes, ya que el tiempo de procesamiento podría ser demasiado. Finalmente, existen posibles vías de trabajo futuras. Se puede intentar utilizar el detector con capturas realizadas con el RTL-SDR y con los tiempos que calcula, realizar análisis estadísticos para examinar la ocupación de cada canal según distintas variables como la hora del día, la estación del año, los días festivos y parecidos. Esto serviría tanto para analizar la congestión de estos canales como para obtener una medida del tráfico aéreo, compararlo con los datos reales y ver así la popularidad del sistema de comunicaciones. También se puede intentar optimizar más el código, teniendo en cuenta que la parte que más tiempo requiere es el PLL. Otra propuesta es implementar el código en lenguaje C y comprobar si el rendimiento mejora. Índice de Figuras 2.1 Diagrama de bloques de la arquitectura SDR 3 2.2 Diagrama de bloques del RTL-SDR [6] 4 2.3 RTLS-SDR utilizado 4 2.4 Estructura interna del RTL-SDR [6] 5 2.5 zadig.exe 7 2.6 zadig.exe, instalación del driver 7 2.7 Interfaz de SDRSharp 9 2.8 Información del RTL-SDR 10 2.9 Bloque RTL-SDR Receiver y sus parámetros 10 2.10 Modelo Simulink para utilizar el RTL-SDR 11 2.11 Captación de señal FM en Simulink 11 2.12 Captación de señal FM en MATLAB, analizador de espectro FFT 13 2.13 Captación de señal FM en MATLAB, analizador de espectro en cascada 14 2.14 Captación de señal FM en Python, analizador de espectro FFT 17 2.15 Captación de señal FM en Python, analizador de espectro en cascada 17 3.1 Representación de las redes ACARS [60] 21 3.2 Comparación de modulación MSK y ACARS [64] 22 3.3 Ejemplo de señal ACARS en banda base 22 4.1 Interfaz de Spyder 25 4.2 Ejemplo de cómo obtener información de los atributos 27 4.3 Ejemplo de gráfica con PyQtGraph 29 5.1 Estructura de la detección de ACARS 37 5.2 Señal ideal 38 5.3 Respuesta frecuencial del filtro CIC 38 5.4 Señal ideal antes (naranja) y después (azul) del filtrado CIC 39 5.5 Señal ideal tras el diezmado 39 5.6 Estructura filtro Comb feedforward 39 5.7 Respuesta frecuencial del filtro Comb 40 5.8 Señal ideal tras el filtro Comb 40 5.9 Estructura PLL 40 5.10 Respuesta frecuencial del filtro del PLL 41 5.11 Señal sintetizada en el oscilador 41 5.12 Señal ideal tras la detección 42 5.13 Respuesta frecuencial del filtro Butterworth 42 5.14 Señal ideal tras filtrado Butterworth (rojo) y la detectada (azul) 43 5.15 Captura ACARS con un mensaje 45 5.16 Ejemplo detección ACARS 45 5.17 Ejemplo detección ACARS ampliado 46 55 56 Índice de Figuras 5.18 Captura ACARS con varios mensajes 46 5.19 Ejemplo detección ACARS con varios mensajes 47 5.20 Detección de ACARS en Python 50 5.21 Comparación detección de ACARS 50 5.22 Detección de varios ACARS en Python 51 Índice de Tablas 3.1 Estructura de un mensaje ACARS 20 5.1 Resultados de la detección 51 5.2 Comparación de tiempos de procesamiento 51 57 Índice de Códigos 2.1 Configurar el RTL-SDR 12 2.2 Configurar los analizadores de espectro 12 2.3 Función para activar el RTL-SDR 12 2.4 Configuración RTL-SDR en Python 14 2.5 Analizador de espectros en Python 14 2.6 Analizador de espectros en cascada. 15 4.1 Ejemplo del uso de pyrtlsdr 26 4.2 Ejemplo de código de matplotlib 27 4.3 Ejemplo de código de Numpy 28 4.4 Ejemplo de código de Scipy 28 4.5 Ejemplo de código de PyQtGraph 29 4.6 myrtlsdr 30 4.7 matplot_spectrum() y plot_spectrum() 31 4.8 cont_spectrum() 32 4.9 freq_sweep() 33 4.10 save_IQ() 35 5.1 Acars_detector en MATLAB 43 5.2 Acars_detector en Python 47 59