蓝牙BLE正进入发展黄金时期

本文介绍了蓝牙BLE技术在物联网中的广泛应用和重要地位,强调了BLE5.2版本的ST17H66芯片在功耗、速度、成本和组网能力上的优势。这款芯片特别适用于对功耗敏感的设备,如防丢器和电子标签,并广泛应用于智能家居、智能穿戴和消费电子等领域。伦茨科技的ST17H66蓝牙BLE5.2芯片以其低功耗和高性能特性,为物联网设备提供了解决方案。

蓝牙BLE正进入发展黄金时期
目前整个蓝牙市场都处在一个黄金时期。物联网需要将采集的数据从传感层向核心网络层传递,并最终在应用层实现智能化解决方案。目前核心网络层依然沿用传统方式,数据的回传采用传统的固定网络+蜂窝移动网络的核心网架构。但是,传感层的通信技术百花齐放,在短距接入和低功率广域网络(LPWAN)两大阵营均有很大突破,而前者主要包括蓝牙低功耗(BLE)、Zigbee、WiFi等。

目前,蓝牙技术在物联网设备中的应用超过了所有其他技术,成为了物联网的首选技术。到2021年将有130亿台蓝牙物联网设备投入使用。

而BLE的发展将对整个蓝牙市场产生决定性影响。据蓝牙技术联盟(SIA)的最新报告,BLE单模式设备的出货量预计将在未来五年内增长三倍以上。预计到2025年,96%的蓝牙设备将包含低功耗蓝牙。

这是因为BLE能完全打通物联网和智能传感设备之间的节点,而智能传感设备正是物联网生态发展的核心力量,通过连接起了亿万个智能传感设备,整个物联网就能获得真正的发展。并且,整个蓝牙技术一向关注上层应用,有统一标准,因此各种各样的底层硬件虽出自不同制造厂家,却可以互联互通,能够形成完善的生态环境,为自身及物联网产品市场都创造了良好环境。

在蓝牙家族中,BLE在功耗、速度、成本各方面都超过了经典蓝牙,在升级到5.1版本之后,更是可以在很多方面与Wi-Fi一战。比如,在传输速率上,BLE达到了2Mbps,可以做透传。Wi-Fi速率虽高,但控制应用方面的传输能力并不强。传输距离上,BLE目前在室内可达到50m的水平,比Wi-Fi在高发射功率下的水平还要好。组网能力方面,BLE的mesh组网理论上能达到65000,实测中可达到上千个节点。

基于如此出色的表现,BLE在智能工业、智能家居、电子产品等领域得到了全面发展,搭载该技术的蓝牙模块被广泛应用在智能家居、智能穿戴设备、消费电子、仪器仪表、智慧交通、智慧医疗、安防设备、汽车设备、远程遥控等领域。

ST17H66蓝牙BLE5.2芯片是伦茨科技最新推出的16脚蓝牙BLE芯片, 具有512KB Flash +(96KB ROM)+64KB SRAM,蓝牙协议栈固化,不再占用Flash空间。64KB的SRAM,分区使用,可以在待机时保存更多用户数据,可以设置大容量缓冲区,支持更加复杂的功能。符合SIG规范的自组网应用。包括多节点的控制,以及2主4从的同时工作。

ST17H66有10 x GPIO,-103dBm @BLE 125Kbps。单端天线输出,可以无匹配电路。支持天线矩阵切换,支持外挂LNA信号放大。

最大的优势是功耗降低。上一代产品蓝牙接收峰值电流>13mA; MCU的功耗0.5mA/MHz;低功耗模式下平均电流>40uA。新产品的蓝牙接收峰值电流8.6mA,MCU的功耗<90uA/MHz。低功耗模式下平均电流可降低到20uA30uA。BLE5的广播数据包更加灵活,最多可包含200Byte数据,BLE4只有32Byte。传输速率更快,BLE5可以达到2030KB/s;BLE4一般在45KB/s。

应用场景:

对功耗控制要求比较严格的应用,比如高档的防丢器,电子标签等。
对数据传输有一定要求的客户,比如用于云台自拍的透传模块,希望蓝牙OTA更加可靠的客户。
方便灵活的电子标签应用。如商品标签,资产防盗,生物追踪。

伦茨科技拥有自主研发数传应用芯片BLE 5.0和高速传输芯片BLE 5.2并具有全球知识产权 ,针对企业用户和个人消费者,提供智能音频类全套量产产品的解决方案,配套全方位APP软件平台定制开发。随着物联网基础设施逐渐布局,伦茨科技已在共享经济、人脸识别,美颜/美妆,直播云台、智慧医疗、个人洗护,人机交互等多个领域独具优势。

最新推出的ST17H66蓝牙BLE5.2芯片,支持蓝牙Mesh,支持一对多,多对多等控制模式,为企业提供“交钥匙”式解决方案,备有全面详细的参考设计,方便客户快速开发产品和面市,第一时间抢占物联网先机。

BLE5.2 ST17H66蓝牙芯片特征

在这里插入图片描述

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值