rtl_433项目解析ThermoPro TP28B无线温度计协议
2025-06-02 00:48:29作者:沈韬淼Beryl
协议背景
ThermoPro TP28B是一款专业级无线双探头温度计,广泛应用于烧烤、烟熏等烹饪场景。该设备通过915MHz频段传输温度数据,采用FSK_PCM调制方式。rtl_433项目组近期成功解析了该设备的通信协议,为开发者提供了接入该设备的可能性。
协议技术细节
数据帧结构
TP28B的完整数据帧长度为259位,有效数据部分包含以下字段:
[探头1当前温度][探头1高温报警][探头1低温报警]
[探头2当前温度][探头2高温报警][探头2低温报警]
[状态标志][未知字段][校验和]
温度编码方式
温度值采用16位BCD编码格式,采用LLHH的存储顺序:
- 前8位(LL)表示小数部分,如0x28表示2.8°C
- 后8位(HH)表示整数部分,如0x21表示210°C
- 实际温度值为两者相加,如0x2821表示210 + 2.8 = 212.8°C
状态标志解析
状态标志为16位字段,各bit位含义如下:
- 位13(0x2000):温度单位标志(1为摄氏度,0为华氏度)
- 位10(0x0400):报警未确认标志
- 位5(0x0020):探头1报警状态
- 位2(0x0004):探头2报警状态
- 位0(0x0001):探头2低温报警标志
校验和计算
校验和采用简单的加法校验机制:
- 对前面所有字节进行求和
- 结果以16位小端序形式存储
- 例如校验和字段为0x5a04,实际和为0x045a
解码参数配置
使用rtl_433解码TP28B数据时,推荐使用以下参数:
rtl_433 -X "n=tp28b,m=FSK_PCM,s=105,l=105,r=5500,preamble=d2aa2dd4"
参数说明:
- s=105:短脉冲宽度105μs
- l=105:长脉冲宽度105μs
- r=5500:重置限制5500μs
- preamble=d2aa2dd4:前导码
实际应用建议
- 信号采集时建议设置合适的增益值,避免信号过载或过弱
- 温度数据解析时注意BCD编码的特殊处理
- 报警状态应结合标志位和温度值综合判断
- 数据帧尾部(校验和之后)的内容为无效数据,应忽略
开发注意事项
- 该协议采用固定长度帧结构,解码时需严格按位解析
- 温度单位可通过状态标志动态切换
- 建议实现校验和验证以提高数据可靠性
- 报警状态变化时应特别关注未确认标志位
通过rtl_433项目提供的解码支持,开发者可以方便地将TP28B温度计数据接入各类智能家居或工业监控系统,实现温度数据的实时采集和分析。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
343
146