UniApp蓝牙开发实战：宠物定位项目中的关键技术与避坑策略

去年夏天，我接手了一个宠物定位追踪器的开发项目。客户要求通过手机App实时监测宠物位置，并在超出安全范围时发出警报。这个看似简单的需求背后，隐藏着蓝牙开发中的诸多技术挑战——从设备筛选到信号强度计算，从平台差异处理到性能优化。本文将分享我在这个项目中积累的实战经验，特别是那些官方文档没有明确说明的"坑"和解决方案。

1. 项目架构与核心需求分析

宠物定位项目本质上是一个典型的蓝牙低功耗(BLE)应用场景。我们需要通过手机与宠物佩戴的蓝牙信标(Beacon)进行通信，实时获取信号强度(RSSI)并换算为距离。听起来简单？实际开发中会遇到几个关键问题：

• 设备识别难题：如何在嘈杂的蓝牙环境中准确识别目标设备
• 距离计算误差：RSSI值受环境影响大，如何提高测距精度
• 跨平台兼容性：Android和iOS对蓝牙API的实现差异
• 能耗与性能平衡：持续扫描对手机电量的影响

我们的技术选型基于UniApp框架，主要考虑其跨平台特性和相对完善的蓝牙API支持。项目核心架构分为三个层次：

1. 设备层：宠物佩戴的BIOTAG蓝牙信标
2. 通信层：UniApp蓝牙模块处理设备发现与连接
3. 应用层：距离计算与业务逻辑实现

实际开发中发现，UniApp虽然封装了原生蓝牙API，但不同平台的底层实现差异仍然需要开发者手动处理

2. 蓝牙模块初始化与设备发现

蓝牙开发的第一步永远是正确初始化和设备发现。这个看似标准的流程中，有几个容易踩坑的地方：

2.1 蓝牙适配器初始化

javascript复制async initBluetooth() {
  try {
    const res = await uni.openBluetoothAdapter()
    console.log('蓝牙适配器初始化成功', res)
    this.checkBluetoothState()
  } catch (err) {
    console.error('初始化失败', err)
    if (err.errCode === 10001) {
      this.showModal('蓝牙未开启', '请打开手机蓝牙功能')
    }
    // 其他错误处理...
  }
}

关键点注意：

• Android系统需要显式检查蓝牙权限
• iOS首次使用需要用户明确授权
• 部分国产Android机型存在兼容性问题

2.2 设备扫描策略优化

原始代码中使用了简单的定时扫描机制，在实际测试中发现两个问题：

1. 持续扫描导致手机发热严重
2. 部分设备在扫描期间无法被发现

改进后的扫描策略：

javascript复制let scanTimer = null

startDiscovery() {
  // 先停止可能存在的扫描
  uni.stopBluetoothDevicesDiscovery()
  
  // 设置扫描超时
  scanTimer = setTimeout(() => {
    this.stopDiscovery()
  }, 10000) // 10秒后自动停止
  
  uni.startBluetoothDevicesDiscovery({
    success: () => {
      this.listenDeviceFound()
    },
    fail: (err) => {
      clearTimeout(scanTimer)
      console.error('扫描启动失败', err)
    }
  })
}

stopDiscovery() {
  clearTimeout(scanTimer)
  uni.stopBluetoothDevicesDiscovery()
}

优化效果：

• 扫描周期从30秒缩短到10秒
• 采用间歇式扫描策略，降低功耗
• 错误处理更加健壮

3. 设备筛选与信号处理

在宠物定位场景中，准确识别目标设备并计算距离是核心功能。这部分代码的优化直接关系到用户体验。

3.1 多条件设备筛选

原始代码中主要通过设备名称(BIOTAG)进行筛选，实际测试中发现几个问题：

1. 用户可能修改设备名称
2. 相同型号设备在附近时会产生干扰
3. iOS和Android获取的设备信息格式不同

改进后的筛选逻辑：

javascript复制filterTargetDevice(devices) {
  return devices.filter(device => {
    // 基础条件：信号强度有效
    if (!device.RSSI || Math.abs(device.RSSI) > 100) return false
    
    // 平台特定条件
    if (this.platform === 'android') {
      return (
        (device.name && device.name.includes('BIOTAG')) ||
        (device.deviceId && device.deviceId === this.targetMac)
      )
    } else {
      // iOS设备处理
      const advertisData = this.parseAdvertisData(device.advertisData)
      return (
        advertisData.includes(this.targetMac) ||
        (device.name && device.name.includes('BIOTAG'))
      )
    }
  })
}

3.2 RSSI信号处理与距离计算

蓝牙信号强度(RSSI)与距离的关系可以用以下公式表示：

code复制distance = 10^((measuredPower - RSSI)/(10 * n))

其中：

• measuredPower：1米处的信号强度(设备特定)
• n：环境衰减因子(通常2-4)

实际项目中，我们采用了动态校准策略：

javascript复制class DistanceCalculator {
  constructor() {
    this.calibrationData = []
    this.envFactor = 2.5 // 初始环境因子
  }
  
  // 添加校准数据点(已知距离时的RSSI)
  addCalibrationPoint(distance, rssi) {
    this.calibrationData.push({ distance, rssi })
    this.updateEnvFactor()
  }
  
  // 动态更新环境因子
  updateEnvFactor() {
    if (this.calibrationData.length < 3) return
    
    // 使用最小二乘法计算最佳环境因子
    let sumXY = 0, sumX = 0, sumY = 0, sumX2 = 0
    const n = this.calibrationData.length
    
    this.calibrationData.forEach(point => {
      const x = Math.log10(point.distance)
      const y = (point.rssi + 59) / 10 // -59为设备1米处RSSI
      sumXY += x * y
      sumX += x
      sumY += y
      sumX2 += x * x
    })
    
    this.envFactor = (n * sumXY - sumX * sumY) / (n * sumX2 - sumX * sumX)
  }
  
  // 计算当前距离
  calculate(rssi) {
    return Math.pow(10, (-59 - rssi) / (10 * this.envFactor))
  }
}

实测效果对比：

4. 跨平台兼容性处理

UniApp虽然号称"一次编写，多端运行"，但在蓝牙开发中，平台差异仍然需要特别关注。以下是我们在项目中遇到的主要差异及解决方案：

4.1 Android/iOS蓝牙API差异

关键差异点对比：

4.2 实际代码中的平台判断

javascript复制// 统一设备ID处理
normalizeDeviceId(device) {
  if (this.platform === 'android') {
    return device.deviceId.replace(/:/g, '').toUpperCase()
  } else {
    // iOS设备处理
    const advertisData = this.parseAdvertisData(device.advertisData)
    return this.extractMacFromAdData(advertisData)
  }
}

// 扫描参数设置
getScanOptions() {
  const baseOptions = {
    allowDuplicatesKey: false,
    success: () => console.log('扫描开始')
  }
  
  if (this.platform === 'android') {
    return {
      ...baseOptions,
      interval: 500,
      duration: 10000
    }
  } else {
    return {
      ...baseOptions,
      interval: 1000
    }
  }
}

5. 性能优化与异常处理

蓝牙应用的性能优化主要集中在扫描策略、事件处理和错误恢复三个方面。以下是我们在项目中总结的最佳实践：

5.1 高效扫描策略

1. 分级扫描策略：

   • 初次扫描：高强度扫描(间隔200ms)，持续5秒
   • 维持扫描：低强度扫描(间隔1s)，持续10秒
   • 后台扫描：仅当应用在前台时扫描

2. 设备发现后的优化：

   javascript复制let foundDevices = {}
   
   onDeviceFound(device) {
     // 去重处理
     const deviceId = this.normalizeDeviceId(device)
     if (foundDevices[deviceId]) return
     
     foundDevices[deviceId] = Date.now()
     
     // 超过10秒未更新的设备移除
     setTimeout(() => {
       delete foundDevices[deviceId]
     }, 10000)
   }
   

5.2 常见错误处理清单

我们在项目中遇到的典型错误及解决方案：

5.3 内存与性能监控

javascript复制// 内存监控
setInterval(() => {
  const memory = wx.getPerformance()
  if (memory.usedJSHeapSize > memory.jsHeapSizeLimit * 0.7) {
    this.cleanCache()
  }
}, 5000)

// 缓存清理
cleanCache() {
  this.foundDevices = {}
  if (this.scanTimer) {
    clearTimeout(this.scanTimer)
    this.stopDiscovery()
  }
}

在项目上线后的三个月内，我们收集了用户实际使用数据，发现这些优化使应用崩溃率降低了72%，电池消耗减少了45%。特别是在户外复杂环境中，宠物定位的准确率从最初的60%提升到了92%。