Bleak库在BlueZ后端下的蓝牙设备扫描问题分析
2025-07-05 23:33:55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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217