EdgeTX中ASSAN协议在LBT固件下的兼容性问题解析
问题背景
在RadioMaster TX16S等使用EdgeTX系统的遥控器中,用户升级到EdgeTX 2.10.2版本并使用mm-stm-serial-aetr-lbt-v1.3.4.0固件后,发现无法选择ASSAN协议,导致原有的ASSAN接收机无法正常工作。这是一个典型的协议兼容性问题,涉及到无线电法规和技术实现两个层面。
技术原因分析
-
LBT固件的限制:LBT(Listen Before Talk)是欧盟地区对2.4GHz无线电设备的法规要求。Multiprotocol模块的LBT版本固件会主动移除不符合欧盟法规的协议,其中就包括ASSAN协议。
-
协议实现差异:即使某些接收机(如ASSAN)标有CE认证标志,也不代表其通信协议实现了LBT机制。CE标志可能是"China Export"而非欧盟认证,特别是对于2015年前设计的协议。
-
固件版本选择:用户可选择三种类型的Multiprotocol固件:
- LBT版本:仅包含符合欧盟法规的协议
- FCC版本:包含所有协议(包括不符合欧盟法规的)
- 混合版本:旧版固件不区分区域限制
解决方案
对于需要使用ASSAN协议的用户,建议采取以下方案:
-
使用FCC/混合固件:刷写mm-stm-serial-aetr-air-v1.3.4.0固件(原称FCC固件),该版本包含所有协议,包括ASSAN。
-
法规合规性说明:
- 使用FCC固件不意味着设备会自动违反欧盟法规
- 实际合规性取决于具体使用的协议和接收机组合
- 对于FrSky等协议,仍可在FCC固件中选择LBT模式
-
技术替代方案:如果坚持使用LBT固件,可考虑更换接收机为支持欧盟认证协议的产品。
技术细节补充
-
历史兼容性:ASSAN协议设计早于2015年欧盟LBT要求,其实现方式不符合当前法规。
-
MPM实现机制:即使某些协议本身支持LBT(如MLink),如果Multiprotocol模块未实现对应的LBT机制,该协议也会被从LBT固件中移除。
-
显示机制:当选择外部模块为MULTI时,EdgeTX会显示所有已知协议列表,而内部模块则只显示固件实际支持的协议。
总结
EdgeTX系统配合Multiprotocol模块提供了灵活的协议支持方案。用户在选择固件版本时需要权衡协议可用性和地区法规要求。对于ASSAN协议用户,使用FCC/混合固件是最佳解决方案,既保持了设备功能,又通过协议选择确保了实际使用时的合规性。这一案例也提醒我们,在无线电设备选购和使用时,需要同时考虑技术兼容性和法规合规性两个维度。
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。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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