BTLE 项目使用教程
1. 项目介绍
BTLE 是一个基于软件定义无线电(SDR)的蓝牙低功耗(BLE)软件套件,旨在提供一个开源的解决方案来进行 BLE 数据包的嗅探和传输。该项目不仅支持标准的 BLE 协议,还支持非标准的(原始比特)模式,使得开发者可以测试和实现各种自定义的 BLE 协议。BTLE 项目的主要目标是推动 BLE 技术的开放性和创新性,特别是在物联网(IoT)和无线传感器网络(WSN)领域。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你的 SDR 硬件环境(驱动/库)已经正确设置。BTLE 项目支持 HackRF 和 bladeRF 硬件。
2.2 安装步骤
-
克隆项目仓库:
git clone https://github.com/JiaoXianjun/BTLE.git -
进入项目目录:
cd BTLE/host -
创建构建目录并进入:
mkdir build cd build -
使用 CMake 配置构建环境(默认使用 HackRF):
cmake ..如果你使用的是 bladeRF,请使用以下命令:
cmake .. -DUSE_BLADERF=1 -
编译项目:
make
2.3 运行示例
-
运行 BLE 嗅探器(默认在通道 37):
./btle-tools/src/btle_rx -
运行 BLE 数据包发送器(示例:在 ADV 通道发送发现数据包):
./btle-tools/src/btle_tx 37-DISCOVERY-TxAdd-1-RxAdd-0-AdvA-010203040506-LOCAL_NAME09-SDR/Bluetooth/Low/Energy
3. 应用案例和最佳实践
3.1 室内定位
BTLE 可以用于实现室内定位系统(IPS),通过嗅探 BLE 信标的数据包,结合信号强度(RSSI)和通道信息,可以计算出设备的位置。
3.2 物联网设备调试
开发者可以使用 BTLE 来调试和验证自定义的 BLE 设备,特别是在开发阶段,通过嗅探和发送数据包,可以快速定位和解决通信问题。
3.3 安全测试
BTLE 可以用于安全测试,通过嗅探和分析 BLE 数据包,可以发现潜在的安全漏洞,并进行相应的防护措施。
4. 典型生态项目
4.1 HackRF
HackRF 是一款开源的软件定义无线电(SDR)平台,广泛用于无线通信的研究和开发。BTLE 项目与 HackRF 结合,可以实现强大的 BLE 数据包嗅探和传输功能。
4.2 bladeRF
bladeRF 是另一款开源的 SDR 平台,BTLE 项目也支持 bladeRF,提供了更多的硬件选择和灵活性。
4.3 GNU Radio
GNU Radio 是一个开源的软件无线电框架,BTLE 项目可以与 GNU Radio 结合,进一步扩展其功能和应用场景。
通过以上步骤,你可以快速上手 BTLE 项目,并利用其强大的功能进行 BLE 相关的开发和研究。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01