Bleak库在BlueZ后端下的蓝牙设备扫描问题分析
2025-07-05 02:20:20作者:仰钰奇
问题背景
在使用Bleak库(版本0.22.3)配合BlueZ后端(版本5.66)进行BLE设备扫描时,用户遇到了一个典型问题:ESP32设备能够在bluetoothctl和btmon工具中显示,但无法通过Bleak的默认扫描模式发现。这个问题出现在Raspberry Pi 5设备上,运行的是Raspberry Pi OS Bookworm系统。
问题现象分析
通过btmon工具的输出可以看到,ESP32设备确实在广播以下信息:
- 设备类型:可连接的无定向广播(ADV_IND)
- 地址类型:公共地址
- 广播数据包含:可发现模式标志、不支持BR/EDR、TX功率级别、128位服务UUID等
然而,Bleak的默认扫描模式却无法发现该设备。经过进一步测试发现,当系统同时运行2.4GHz WiFi热点和蓝牙时,只有被动扫描模式能够工作,而主动扫描模式无法获取设备名称或建立连接。
技术原理
蓝牙与WiFi的频段冲突
2.4GHz WiFi和蓝牙工作在相同的ISM频段(2.4-2.4835GHz),这会导致两种无线技术之间的干扰:
- 频段重叠:WiFi信道与蓝牙信道有部分重叠,特别是当WiFi使用20MHz带宽时
- 共享天线资源:在Raspberry Pi等设备上,WiFi和蓝牙通常共享同一个无线芯片和天线
- 时序冲突:两种协议的时间调度机制可能互相干扰
扫描模式差异
Bleak支持两种扫描模式:
- 主动扫描(active):扫描器发送扫描请求,设备回应扫描响应包(包含更完整的设备信息)
- 被动扫描(passive):仅监听广播包,不发送任何请求
在干扰环境下,主动扫描可能因为请求包丢失或响应包丢失而失败,而被动扫描由于不需要双向通信,成功率相对较高。
解决方案
临时解决方案
使用被动扫描模式并配置接受所有设备的匹配模式:
from bleak.backends.bluezdbus.scanner import BlueZScannerArgs
from bleak.backends.bluezdbus.advertisement_monitor import OrPattern
from bleak.assigned_numbers import AdvertisementDataType
PASSIVE_SCANNER_ARGS = BlueZScannerArgs(
or_patterns=[
OrPattern(0, AdvertisementDataType.FLAGS, b"\x06"),
OrPattern(0, AdvertisementDataType.FLAGS, b"\x1a"),
]
)
devices = await BleakScanner.discover(
return_adv=True,
scanning_mode="passive",
bluez=PASSIVE_SCANNER_ARGS
)
根本解决方案
- 关闭WiFi热点:停止2.4GHz WiFi可以减少对蓝牙的干扰
- 使用5GHz WiFi:如果设备支持,改用5GHz频段的WiFi
- 外接蓝牙适配器:使用独立的USB蓝牙dongle,避免与WiFi共享射频资源
- 调整天线位置:优化天线布局可以减少干扰
最佳实践建议
- 在开发BLE应用时,建议先关闭不必要的无线服务
- 对于关键应用,实现扫描模式切换逻辑,在主动扫描失败时自动尝试被动扫描
- 在Raspberry Pi等资源受限设备上,考虑使用有线连接替代WiFi
- 定期检查系统日志和
btmon输出,了解无线环境状况
总结
这个案例展示了在嵌入式开发中常见的无线干扰问题。通过理解蓝牙和WiFi的工作原理,开发者可以更好地诊断和解决类似问题。Bleak库提供了灵活的扫描配置选项,可以帮助开发者在复杂无线环境中实现可靠的设备发现功能。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1