Papētīsim kādus radiosignālus

Man mājās kādu laiku darbojās tīri ērts āra termometrs, kas sastāvēja no ārā, klusā stūrī noliktas termometra sensora kastītes, un mājās iekārtas, kas uztver sensora sūtīto temperatūru un attēlo to palielā ekrānā; kaut kas līdzīgs šim, tikai bez mitruma procentiem.

Iekārta ar LCD ekrānu bija paliela un nestabila, tāpēc neizbēgami, ka tā galu galā tika noskrollēta nost no virtuves plaukta, saplēšot trauslo LCD ekrāna stikliņu, tam jau daudz nevajag. Lai sensors kā tāds vientuļš marsa robotiņš neraidītu temperatūru tukšumā, es pastāstīšu savas gaitas, kā es zemā līmenī pētīju viņa signālu, ar ieceri izveidot savu maziņu āra temperatūras indikatora iekārtiņu, kas atkal rādīs āra grādus, līdz kāds to atkal nenometīs uz grīdas.

Stāsts būs tīri zemā līmenī un ar skaidrojumiem un bildītēm. Pati kastīte nav nekas pārmēru eksotisks, un arī tās protokols, protams, jau ir kaut kur aprakstīts, bet where’s the fun in that?

Tāpēc skrūvējam vaļā!

Āriņa
Āriņa
Iekšiņa
Iekšiņa

Uz mazās platītes malās redzami divi kvarca rezonatori, 13,56 MHz kreisajā pusē un klasiskais 32 768 Hz „pulksteņa” kristāls labajā pusē, pāris detaļas, melns mikroshēmas puņķis — kas nozīmē, ka nopietni te neko nedz izpētīt, nedz ietekmēt neizdosies. Pa vidu visam stāv pats temperatūras sensors, oranžais stikla puļķītis — visdrīzāk, kāds NTC termistors, kuram, palielinoties vides temperatūrai, samazinās tā pretestība.

13,56 MHz rezonators un atsperes izskata antena liek domāt, ka iekārta raida populārajā 433 MHz frekvencē: a) 13,56*32=433,92 MHz, šis rezonators šķietami labi derētu šādas frekvences viļņa ģenerēšanai, b) antena pēc izmēriem ir piemērota šai frekvencei. 433,92 MHz viļņa garums λ=c/f = 3e8/433.92e6 = 0.69 m un, ja antenas atritinātais garums būtu 17 cm, tā būtu tieši ceturtdaļa, un uz aci tas izskatās ticami.

Nu ierīci var pieslēgt pie 3V barošanas un oscilogrāfa, un paskatīties, kas notiek antenā. Mans oscilogrāfs neredz neko smalkāku par 100 MHz, kas nozīmē, ka tos 433 MHz es aci pret aci nesatikšu, bet kaut kādu dzīvību ieraudzīt cerības ir.

Ierīce uz operāciju galda
Ierīce uz operāciju galda
Oscilogrāfā klusas 50Hz fona pulsācijas
Oscilogrāfā klusas 50Hz fona pulsācijas

Neilgu brīdi pēc ieslēgšanas oscilogrāfā parādās monotons kaut kas, un tad vēl pēc sekundes — īsta digitāla signāla atblāzma, ar vienkāršu modulācijas veidu — „raida / neraida” — mazu paciņu izskatā. Lieliski.

Parādās monotona desa…
Parādās monotona desa…
…un tad parādās īsts signāls!
…un tad parādās īsts signāls!

Neko sīkāku es šādi te vairs nepētīšu — gan antenu slēgumi iekārtās ir smalkas cimperlīgas shēmas, kurām slēgt šādu te oscilogrāfu klāt ir negaidīta slodze, gandrīz kā ar netīriem pirkstiem līst mehāniskajā pulkstenī, gan citi piegājieni nu būs piemērotāki. Katrā ziņā, tagad man ir zināms, ka pāris sekundes pēc iekārtas ieslēgšanas, tā ēterā, visdrīzākais 433,92 MHz frekvencē, izklepo divus signālus, no kuriem viens izskatās pēc kaut kāda monotona pīkstiena, un pēc tam sākas datu paciņa.

RTL-SDR

SDR, software defined radio jeb programmējamais radio, ir iekārta, kur ienākošo radiosignālu apstrādā programmatūra — iekārta uztver izvēlēto diapazonu un digitālā veidā atdod signālu datoram, lai to apstrādātu. Pēc apkārtesošajām ikdienā lietotajām sistēmām to nepateiksi, bet mūsdienu procesori ir tik jaudīgi, ka radiosignālu apstrāde ar metodi „gāžam ienākošo antenas signālu datora atmiņā un filtrējam/apstrādājam pēc sirds patikas” arī reāllaikā nav it nekāds kosmoss.

Man ir populārais un ne pārāk dārgais (55 eiro oficiālajā veikalā) RTL-SDR v3, kas fiziski ir paliela USB svilpīte ar ārējo antenu, pēc kura pieslēgšanas pie datora var pētīt ēteru ar dažādām programmatūrām, piemēram, sdr++, kas ir ērts noklusētais vizuālais rīks — vienkāršs, atvērts un funkcionāls. Notūnēšu uz aptuveni 433,92 MHz (attēlā ir 433,88, jo es taču teicu „aptuveni”)

Datorā iesprausts RTL-SDR, fonā sdrpp
Datorā iesprausts RTL-SDR, fonā sdrpp

Lūk, video (viena no tām iepriekšējām bildītēm ir video) var uzskatāmi redzēt abus signālus, kas noskan ap 433,88 MHz, neilgu brīdi pēc ieslēgšanas. Ja turpināt gaidīt, tad ik pēc minūtes otrais signāls atkārtosies, bet pirmais kliedziens (platais un monotonais) vairs nekad nenotiks, līdz ar to, pieņemu, ka to var ignorēt pilnībā, un ir vērts fokusēties tikai uz datu paciņām, kuras gan jau satur interesējošās ziņas par pašu temperatūru.

SDR++ piedāvā saņemtos ētera datus tālākai analīzei arī ierakstīt failā. Faila formāts ir WAV, parasti pazīstams audio datu turēšanas formāts, un tas varētu būt neparasti. Vēl neparastāk ir, ja paveras tā iekšpusē. Skrīnšoti no Audacity, bet jebkurā audio editorā izskatīsies līdzīgi:

Signālu wav
Signālu wav
Datu signāla sākums, tuvinājumā
Datu signāla sākums, tuvinājumā

Neapšaubāmi, tas nav audiosignāls. Varētu iztēloties, ka tur ir jābūt 433 MHz nesējfrekvences amplitūdai, bet tuvinājumā, kur uz oscilogrāfa varēja redzēt datu paciņu kvadrātiņus, te ir tikai nelielas sinusoīdas ķeskas, gan kreisajā, gan labajā kanālā. KAS TAS IR?

IQ

Tur mierīgi būtu varējusi būt vnk nesējfrekvences viļņa amplitūda, kaut kas šāds:

Pierakstām signāla amplitūdu
Pierakstām signāla amplitūdu
…bet pazūd fāze: bija pirmā vai otrā situācija?
…bet pazūd fāze: bija pirmā vai otrā situācija?

un tad apstrādāt signālu tā kā to "0 0 2 2 2..." datu rindu attēlā — un, patiesībā, jā, tas būs tas, ko es no faila arī dabūšu ārā nākamajā nodaļā pirmām kārtām —

bet vispārīgā gadījumā ar šo informāciju signālu analīzei nepietiek. Viena no lietām, kas pietrūktu „vnk amplitūda” piegājienam, ir fāze — viļņa nobīde laikā. Ir dažādas signāla modulācijas tehnoloģijas, kurās vilnim mainās tieši fāze (PSK jeb fāzes nobīdes modulācija, piemēram), un ir modulācijas metodes, kuras maina frekvenci — tās arī būtu apgrūtinātas.

Acīmredzams ir risinājums „nu ja tik ļoti vajag, tad pierakstām arī signāla fāzi” un tas, principā, arī tiek darīts — tikai matemātiski gludā veidā, izvairoties no nepieciešamības atbildēt uz neskaidriem jautājumiem, kā piemēram „cik lielu fāzi īsti pierakstīt signālam ar amplitūdu 0?”

Tā vietā tiek izmantota viltīga matemātiska teorija, ka jebkuru sinusoīdu, neatkarīgi no fāzes, var precīzi izteikt kā divu līdzīgu signālu, tādas pašas frekvences sinusoīdas un kosinusoīdas, miksli. Šīs sinusoīdas amplitūdu apzīmē ar I, bet kosinusoīdas amplitūdu — ar Q, un šos I un Q saglabājot, katrā punktā var aprēķināt „ha, mums signālam šai punktā amplitūda bija X un fāze Y”. Pie šiem I un Q signāla apstrādes gaitā arī ir visai viegli tikt dzīvē: tas ir atvieglojums, ne komplikācija.

Līdz ar to, WAV faila kreisajā kanālā ir noglabāts skaitlis I, bet labajā — skaitlis Q. Šīs vērtības bieži iztēlojas un apskata kā kompleksā skaitļa reālo un imagināro daļu, S=I+Qj, jo ar kompleksiem skaitļiem uz datora ir ērti operēt — amplitūda ir abs(S) un fāze ir arg(S), un viss, bet, jebkurā gadījumā, amplitūdu var aprēķināt kā kvadrātsakne(I² + Q²), bet fāzi kā atan2(Q, I), kā jau kompleksiem skaitļiem pieņemts.

Jupyter notebook

Jebkādas netriviālas datu analīzes ir ērti veikt, rakstot nepieciešamo python valodā, izmantojot super-bagāto bibliotēku klāstu; vēl jo vairāk, ja pitons nav pazīstams, tad visērtākā datu analīze vienalga būs apgūt python un datu analīzi veikt tajā. Arī runājošās konservu bundžas visbiežāk izmanto tieši numpy, scipy, matplotlib un radniecīgās pitona bibliotēkas, kad tām jāizanalizē tavi dati un jāzīmē tev grafiki.

Uz arvien populārāko jautājumu „nu un kamdēļ tad man tajā vēl iedziļināties, lai LLMi paši arī raksta savus pitonus” katrs lai pats meklē savu atbildi. Es pats esmu vecmodīgs un man dod gandarījumu rakt dziļumā un tērēt laiku, padziļinot izpratni par šīm lietām, un tas man ir banāli interesanti; pat interesantāk, nekā vairot iekšzemes kopproduktu.

Jupītera piezīmju grāmatiņa ir vide pārlūkā, kur izpēti veic, pitona kodu iteratīvi lipinot kopā no atsevišķiem fragmentiņiem, darbinot, labojot un atkal darbinot tos paša izvēlētā secībā. Tas atstāj uz ekrāna visus aprēķinu rezultātus un grafikus, un dod iespēju pārrēķināt/pārzīmēt tikai interesējošo daļu.

Nav ko lieki runāt, lasīs datus iekšā, scipy taisni ir funkcija wavfile, kas ielasa datus masīvā:

No masīva es paņemu kreiso kanālu un ielieku iekš data_i, jo tur ir I, labo kanālu — iekš data_q (jo tur ir Q), un izveidoju masīvu iq, kurš satur kompleksos skaitļus I + Qj.

Ja neesi saticis numpy pieeju datu apstrādei, tad vērts zināt, ka ikdienas operācijas notiek ar visiem elementiem vienlaicīgi; rindiņa iq = iq / 32768 izdala ikvienu iq elementu ar 32768, piemēram, bet amplit = np.abs(iq) izveido masīvu amplit, kas satur visus divpadsmit miljonus īstos amplitūdu punktus, aprēķinājis abs visiem šiem kompleksajiem skaitļiem I+Qj. Jāzīmē!

t_max = (1/f) * len(amplit)
t = np.arange(0, t_max, 1 / f)
# t = precīzās sekundes X asij
plt.figure(figsize=(15, 4))
plt.plot(t, amplit)

Pievilkšu tuvāk kādu posmu signālā un apskatīšu to.

t_no = 4.0
laiks = 0.02
mask = (t >= t_no) & (t < t_no + laiks)

plt.figure(figsize=(15, 4))
plt.plot(t[mask], amplit[mask], linewidth=0.5)

Trešā, mask rindiņa varētu būt īpaši neacīmredzama. Tā izveidos milzu booleanu masīvu, kas saturēs tikpat daudz ierakstus, cik to ir sākotnējā t (šai gadījumā, 12 miljoni). Katrs no tiem būs True vai False, atkarībā no tā, vai tās laiks ietilpst diapazonā. Pēc tam, izmantojot šo masku, es atlasu atbilstošos ierakstus gan no laika (t[mask]), gan amplitūdas, amplit[mask].

Lūk, tas jau izskatās pēc īsta signāla: īsi, līdzīga garuma high signāli, starp kuriem ir dažāda garuma klusuma pauzes. Prieku gan maitā augstfrekvences troksnis, bet lielāko vairumu tā ir viegli nofiltrēt ar zemfrekvences (low-pass) filtru. Es nelaidīšu garām iespēju ieteikt Stīvena W Smita „The Scientist and Engineers Guide to Digital Signal Processing”, tā ne tikai ir lieliski uzrakstīta un pieejama pie autora brīvai lasīšanai, bet pēc tās nenotrīcēs plakstiņš saprast, ka divpakāpju Butervorta low-pass filtrs uz… nu teiksim, katra signāla ilgums ir ap 1 ms; tas ir veselīgi dati ar ap 1 kHz kārtu, tāpēc ņemšu desmitreiz lielāku frekvenci, lai neizkropļotu pašu signālu, 10 kHz vajadzētu būt ok,

from scipy.signal import butter, sosfilt
crit_f = 10000 # Hz
bf = butter(N=2, 
  Wn=crit_f, 
  btype='lowpass',
  output='sos',
  fs=f)

amplit_filtered = sosfilt(bf, amplit)

Daiļi, galvenais troksnis ir prom, un nu to var pārvērst par īstu digitālo signālu, visu, kas ir mazāks par…. teiksim, 0.02, pārvēršot par 0, bet to, kas lielāks — par 1.

digital = (amplit_filtered > 0.02).astype(int)

Atzūmojot signālu ārā, novēroju negaidītu parādību:

Izskatās, ka signāls sastāv no divpadsmit līdzīgiem blokiem, starp kuriem ir lielāka pauzīte!

Kaut arī grafiki ir daiļi, tomēr datora atmiņā signāls vēl joprojām ir divpadsmit miljonu laikā secīgu 0/1 punktiņu. Lai kaut ko saturīgāk analizētu, jāslēdz galvā domājamais un jāsāk domāt nevis par plūstošu signālu, bet par notikumiem, kad tieši signāls mainās no 0→1 un 1→0, un cik ilgi šie periodi ilgst. Es numpy tik labi nemāku, tāpēc palīgā nāk vecmodīgs imperatīvs pitons,

edge_transition_idx = np.flatnonzero(np.diff(digital))

t_prev = 0.0
low_times = []
for i in edge_transition_idx:
    transition_from = digital[i]
    print(f"{t[i]:.4f}, \
      {transition_from}->{ 1- transition_from} \
     {(t[i] - t_prev)*1000:.4f} ms")

    if transition_from == 0:
        low_times.append(int((t[i] - t_prev) * 1000000))
    
    t_prev = t[i]

np.flatnonzero(np.diff(digital)) ir numpy spēks un jauda vienā mazā rindiņā, kas sameklē vietas, kur mainās signāls starp visiem 12 miljoniem datu punktu bez neviena cikla. diff atņem no elementa iepriekšējā elementa vērtību, un flatnonzero atdod sarakstu ar indeksiem tiem ierakstiem, kuri nav 0, piemērs:

digital:  0 0 0 0 1 1  0 0 1  0 (digitālais signāls, 0 vai 1)
diff:       0 0 0 1 0 -1 0 1 -1 (šis - iepriekšējais)
flatnonzero:      3    5   7  8 (kurā indeksā mainās vērtība?)

Un kods izdod man strīpu ar laiku, kurā brīdī un cik ilgi signāls bija 0 vai 1.

0.0651, 1->0 0.3354 ms
0.0660, 0->1 0.9321 ms
0.0665, 1->0 0.5321 ms
0.0684, 0->1 1.9079 ms
0.0690, 1->0 0.5325 ms
0.0699, 0->1 0.9317 ms
...

Visi 1 signāli ilga līdzīgu laiku, ap 0.5 ms, kamēr pauzes ērti sadalījās trīs čupiņās: pauzes starp lielajiem blokiem bija ap 4 ms, kamēr bloka iekšienē bija gandrīz puse uz pusi ~1 ms un ~2 ms.

Es no zila gaisa pieņēmu, ka 1 ms pauze, visdrīzāk, nozīmē nullīti bitu, bet 2 ms pauze — vieninieku. Es pats tā kodētu, bet nevarēja izslēgt, ka interpretācija ir otrādi.

Par cik kods man bija jau salasījis pauzīšu garumus masīvā low_times, tad atlika tikai tām izskriet cauri un attēlot:

for t in low_times:
    if t > 2000:
        print()
        continue
    if t < 1000:
        print("0", end="")
    else:
        print("1", end="")
0100110010000000110011001111001110010
0100110010000000110011001111001110010
0100110010000000110011001111001110010
0100110010000000110011001111001110010
0100110010000000110011001111001110010
0100110010000000110011001111001110010
0100110010000000110011001111001110010
0100110010000000110011001111001110010
0100110010000000110011001111001110010
0100110010000000110011001111001110010
0100110010000000110011001111001110010
010011001000000011001100111100111001

Uzvara? Divpadsmit bloki satur vienādus datus, pēdējam gan šķiet pēdējais bits nograuzts nost.

Datu interpretācija

“010011.. KAS?” ir loģisks jautājums, man nebija ne jausmas, vai šie dati ir pareizi, un kas tajos ir iekšā. Vajadzēja VĒL datus, daudz un dažādās temperatūrās.

Es paņēmu fēnu un mazliet uzsildīju platīti, un ierakstīju+apstrādāju datus tad. 1100110010000000111000111111100011010.

Es ļāvu viņai padzist (1100110010000000110100101111110010110) un saliku ciparu strīpiņas vienu zem otras, meklējot likumsakarības. Drīz vien man acīs iekrita šī virkne pa vidu:

                    vvvvvvv
 010011001000000011 0011001 111001110010 pirmais, 25
 110011001000000011 1000111 111100011010 uzsildīts, 71
 110011001000000011 0100101 111110010110 dziest, 37
 010011001000000011 0011111 111000101000 vēl dziest, 31
 110011001000000011 0011011 111001111000 dziest tālāk, 27

Ļoti skaista un ticama progresija, es jau berzēju rokas, ka esmu atradis, ka šie septiņi biti kodē temperatūru, kaut mainīgās nullītes sākumā mazliet mulsināja. Negatīvās temperatūras bināriem skaitļiem bieži vien norāda, uzstādot augšējo bitu uz 1, kas gan nesakrīt ar 71° temperatūru, kam šis bits IR 1, bet nebūtu pārsteigums, ka šis termometrs neatbalsta šādu āra temperatūru, un būtu overflovojies un dzīvē šādā velna karstumā rādītu negatīvu skaitli.

Un negatīva temperatūra man taču arī mājās ir! Ieliku platīti ledusskapja saldētavā, paturēju tur kādu laiku, un metos ierakstīt un atkodēt signālus ar jaunajām, negatīvajām temperatūrām, lai pārliecinātos par savu attapību, atkodējot nepazīstamo protokolu.

 010011001000000001 0011111 111001101110 pēc saldētavas 31???
 100111011000000010 1110011 111110001110 vēlāk istabā 115 → -13???
 110011001000000011 0010001 111010010110 vēl vēlāk +17

Oopsie. Viss ir pilnīgi krustām šķērsām un neatbilst vairs nekam: skaistā teorija par septiņiem temperatūras bitiem datu vidū izgaisa kā nebijusi.

Nu ko, pietiks man šo visu rakstīt, tagad tu vari sajusties kā protokola reversētājs un mēģināt atrisināt mīklu pats, uzķerot, kur un kā tad īsti temperatūra slēpjas (raksti lepnu e-pastu, ja izdodas!). Visi signāli ir interpretēti pareizi un atbilst īstām, ticamām temperatūrām, bet mēs tiksimies vēlāk, kad man būs ko pastāstīt par fizisko ierīci, kas uztver signālu un attēlo to manā virtuvē visiem par prieku.

Atkodētā vērtība Kad Kļūdainā versija Pareizā versija
0100110010000000110011001111001110010 istaba 25 ?
1100110010000000111000111111100011010 uzsildīts 71 ?
1100110010000000110100101111110010110 vēlāk 37 ?
0100110010000000110011111111000101000 vēl vēlāk 31 ?
1100110010000000110011011111001111000 vēl vēl vēlāk 27 ?
0100110010000000010011111111001101110 pēc saldētavas 31??? ?
1001110110000000101110011111110001110 vēlāk istabā 115 → -13? ?
1100110010000000110010001111010010110 vēl vēlāk +17 ?
— — —