nRF Toolbox for Android 使用教程
1. 项目介绍
nRF Toolbox 是一个由 Nordic Semiconductor 开发的 Android 应用程序,它作为一个容器应用,用于存储和展示 Nordic Semiconductor 的蓝牙低功耗(Bluetooth Low Energy, BLE)应用。该应用包含了多个示例应用,展示了标准的蓝牙低功耗协议,如:
- 骑行速度和踏频
- 跑步速度和踏频
- 心率监测
- 血压监测
- 体温监测
- 血糖监测
- 连续血糖监测
- 接近度监测
自版本 1.10.0 起,nRF Toolbox 还支持 Nordic UART 服务,可用于设备之间的双向文本通信。
2. 项目快速启动
2.1 环境准备
- Android Studio
- Kotlin BLE Library
- Android BLE Common Library
2.2 导入项目
-
克隆项目到本地:
git clone https://github.com/NordicSemiconductor/Android-nRF-Toolbox.git -
打开 Android Studio,选择
File > Open,然后选择克隆的项目目录。 -
确保项目依赖正确配置。如果需要,可以在
settings.gradle文件中更新依赖库的路径。
2.3 运行项目
-
在 Android Studio 中,点击
Run按钮,选择一个模拟器或连接的设备来运行应用。 -
如果遇到“Missing Feature Watch”错误,请切换配置为
app。
3. 应用案例和最佳实践
3.1 使用 BleManager
nRF Toolbox 展示了两种使用 BleManager 的方式:
- 基本方式:在 BPS 和 GLS 配置文件中使用。每个活动都持有一个静态的
BleManager引用。 - 高级方式:在 CGMS、CSC、HRS、HTS、PRX、RSCS、UART 配置文件中使用。
BleManager实例由运行中的服务维护,服务在连接设备时启动,在用户断开连接时停止。
3.2 Nordic UART 服务
Nordic UART 服务允许快速原型设计,具有两个特性:一个用于发送数据,一个用于接收数据。数据可以是任何字节数组,但通常用于文本通信。
3.3 设备固件更新(DFU)
DFU 功能现在作为一个单独的应用程序提供,地址为:Android-DFU-Library。
4. 典型生态项目
4.1 nRF Logger API
nRF Toolbox 使用 nRF Logger API 库来创建日志条目,这些日志条目可以在 nRF Logger 应用程序中查看。该库的地址为:nRF-Logger-API。
4.2 MPAndroidChart
心率监测配置文件中的图表使用 MPAndroidChart 库创建,该库基于 Apache 2.0 许可证。
4.3 开发套件
nRF Toolbox 兼容 Nordic Semiconductor 的 nRF5 系列开发套件,这些套件可以在 Nordic Semiconductor 官网 获取。
通过以上步骤,您可以快速启动并使用 nRF Toolbox 进行蓝牙低功耗应用的开发和测试。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00