Алгоритм декодирования СМС (SMS 7-bit to 8-bit decoder )

Недавно занимался задачей декодирования входящих СМС, т.к. готовых алгоритмов не нашел, пришлось курить спецификацию GSM 03.38 и заголовочник «RIL.h».
Начну с того, что СМС может кодироваться 3мя методами:
— Метод кодирования «По умолчанию» (Default alphabet) — использует 7 бит на символ, длина СМС считается в символах.
— Метод кодирования «UCS2» — использует 16 бит на символ, длина СМС считается в октетах.
— Метод кодирования «8-ми битные данные, определенные пользователем» (8 bit data is user defined) — использует 8 бит на символ, длина СМС считается в октетах.

Для того, что бы декодировать данные, надо сначала знать как они кодируются :).

Метод «По умолчанию»

Для кодирования (упаковки) методом «По умолчанию», используется следующий алгоритм:
Если символ «q» представить в виде последовательности 7-ми бит:

 cpp | 
 
 copy code |
?

1
b7 b6 b5 b4 b3 b2 b1
2
qa qb qc qd qe qf qg

то упаковка 1го 7ми битного символа в октет заключается в дополнении до октета путем вставки бита «0» слева.
Пример упаковки:
— 1го символа в 1 октет:

 cpp | 
 
 copy code |
?

1
7 6  5  4  3  2  1  0
2
0 1a 1b 1c 1d 1e 1f 1g

— 2х символов в 2 октета:

 cpp | 
 
 copy code |
?

1
7  6  5  4  3  2  1  0
2
2g 1a 1b 1c 1d 1e 1f 1g
3
0  0  2a 2b 2c 2d 2e 2f
4

— 3х символов в 3 октета:

 cpp | 
 
 copy code |
?

1
7  6  5  4  3  2  1  0
2
2g 1a 1b 1c 1d 1e 1f 1g
3
3f 3g 2a 2b 2c 2d 2e 2f
4
0  0  0  3a 3b 3c 3d 3e

и т.д.
Визуально можно отобразить так:
Допустим сообщение содержит 10 символов и выглядит следующим образом: «1234567890»

1	2	3	4	5	6	7	8	9	0
31h	32h	33h	34h	35h	36h	37h	38h	39h	30h
0110001	0110010	0110011	0110100	0110101	0110110	0110111	0111000	0111001	0110000
0110001	0110010	0110011	0110100	0110101	0110110	0110111	0111000	0111001	0110000

Первый септет «1» превращается в октет путем добавления правого бита второго септета. Этот бит вставляется слева: 0 + 0110001 = 00110001 (31h). Правый бит второго символа выбрасывается, после чего второму символу (септету), что бы стать октетом, нужно добавить 2 бита (красные), взятые из 3го символа. Этот процесс повторяется до конца строки символов.

00110001	11011001	10001100	01010110	10110011	11011101	01110000		00111001	00011000
31	D9	8C	56	B3	DD	70		39	18

Получилось 9 октетов: 31 D9 8C 56 B3 DD 70 39 18

Как же теперь распаковать эти октеты для того, что бы получить в каждом байте по символу?
Надо всего лишь сделать обратное преобразование 🙂
Я набросал алгоритм (критика приветствуется :)), который преобразует входящую последовательность в набор 8ми байтовых символов или в стандарт ASCII:

 cpp | 
 
 copy code |
?

01
void ConvertTo(BYTE* Msg, DWORD cchMsgLength, TCHAR* _Dest, DWORD DestSize, DWORD DataCoding)
02
 {
03
 //переменная, в которой мы храним число, переносимое в другой октет при сжатии
04
 //например во второй таблице в первой колонке выделенный "0"
05
 BYTE t = 0;
06
 //переменная, указывающая на сколько надо сдвинуть текущий октет, что бы получить "чистое значение "t"
07
 //инициализируем в 7, т.к. в первом байте нам надо взять 1 бит, а значит байт надо сдвинуть на 7 бит вправо
08
 int R = 7;
09
 //переменная, хранящая предыдущее значение "t"
10
 BYTE p = 0;
11
 //переменная служит для очистки "не своих" бит в октете, а так же для получения "чистого значения" 
12
 //инициализируется  в 0, т.к. первый октет у нас имеет актуальное значение если выбросить старший бит.  
13
 int L = 0;
14
 //индекс, по которому мы вставляем распакованные байты в приемник.
15
 int index = 0;
16
17
 //создаем массив байт для приема раскодированных данных
18
 BYTE* Drft = new BYTE[DestSize];
19
 //в цикле перебираем все октеты входящей последовательности
20
 for (DWORD i = 0; i < cchMsgLength; i++)
21
 {
22
  //как Вы заметили из выше опубликованной таблицы, при упаковке теряется 1 октет, а сдвиги повторяются каждые 7 раз
23
  //по этому как только R достигнет нуля, мы по новой инициализируем переменные R и L
24
  //и в приемный массив кладем сформировавшийся за это время "лишний" септет (превращенный в байт) 
25
  if (R == 0)
26
  {
27
   R = 7;
28
   L = 0;
29
   Drft[index] = p;
30
   index++;
31
   p = 0;
32
  }
33
  //сдвигаем i-й байт сообщения вправо на R бит, что бы вычленить число, относящееся к следующему септету
34
  t = Msg[i]>>R;
35
  //2 строки ниже "чистят" i-й байт от выше вычленного числа и помещают в приемный буфер 
36
  Drft[index] = (Msg[i]<<(L+1));
37
  Drft[index] = (Drft[index]>>L);
38
  //приемный буфер совмещается с ранее вычлененным числом
39
  Drft[index] |= p;
40
  p = t;
41
  R--;
42
  L++;
43
  index++;
44
 }
45
 delete[] Drft; 
46
 }
47

Таким нехитрым алгоритмом мы преобразовали сжатую последовательность в последовательность байт или обычный массив элементов char.

Метод «UCS2»

Алгоритм прост — думаем что входящий массив — это массив слов,  меняем местами байты в слове и получаем Юникод:

 cpp | 
 
 copy code |
?

1
{
2
 WORD* Drft = (WORD*)Msg;
3
 WORD s = 0;
4
 for (DWORD i = 0; i < cchMsgLength; i++)
5
 {
6
 s = (Drft[i]>>8) | (Drft[i]<<8);
7
 _Dest[i] = s;
8
}

Удачи!