docs(/docs/doc/framework/gan.md, lian.md, zhi.md, kong.md): repair some small misktakes on punctuation, blank space, or words

docs/doc/framework/gan.md

@@ -46,7 +46,7 @@ enum SensorQuantityType {
 };
 ```
 
-value成员记录与该SensorQuantity相关的值，包括结果的小数位数、采集历史的最大值和最小值、国家标准的最大值和最小值、最近一次采集的值。取值时需要注意处理小数点，用变量的值除以小数位数乘以10。如果某一个值不存在，则为SENSOR_QUANTITY_VALUE_ERROR。
+value成员记录与该SensorQuantity相关的值，包括结果的小数位数、采集历史的最大值和最小值、国家标准的最大值和最小值、最近一次采集的值。取值时需要注意处理小数点，用变量的值除以十的小数位数次幂。如果某一个值不存在，则为SENSOR_QUANTITY_VALUE_ERROR。
 
 ```c
 #define SENSOR_QUANTITY_VALUE_ERROR ((uint32)0xffffffff)
@@ -83,7 +83,7 @@ struct SensorDevice {
 };
 ```
 
-name成员记录传感器设备在系统中的名字，用于唯一标识一个SensorDevice结构
+name成员记录传感器设备在系统中的名字，用于唯一标识一个SensorDevice结构。
 
 info成员记录传感器设备的一些属性信息，包括传感器的采集能力ability、厂家名vendor name与产品型号model name，其中ability用一个位图表示该传感器设备可以测量的物理量：
 
@@ -202,7 +202,7 @@ int SensorQuantityClose(struct SensorQuantity *quant);
 int32 SensorQuantityRead(struct SensorQuantity *quant);
 ```
 
-在获取数据前需要先获取并打开要使用的物理量,打开后可以随时对传感器数据进行读取,使用完毕必须关闭传感器。完整的使用过程示例如下：
+在获取数据前需要先获取并打开要使用的物理量，打开后可以随时对传感器数据进行读取，使用完毕必须关闭传感器。完整的使用过程示例如下：
 
 ```c
 void Co2Zg09(void)

docs/doc/framework/kong.md

@@ -109,7 +109,7 @@ enum xs_plc_transport{
 ```
 
 :::tip
-注意两者间有对应关系而不是随意组合，如S7(STEP 7)只能采用TCP协议，而Modbus支持tcp/serial/raw socket/pcap replay,可以定义一个函数检查类型：
+注意两者间有对应关系而不是随意组合，如S7(STEP 7)只能采用TCP协议，而Modbus支持tcp/serial/raw socket/pcap replay，可以定义一个函数检查类型：
 xs_PlcProtocolCheck(struct xs_PlcDevice*);
 :::
 

docs/doc/framework/lian.md

@@ -47,7 +47,7 @@ struct xs_AdapterInfo{
 };
 ```
 
-ops成员包含统一的、类似文件系统的API，用于对网络适配器进行实际的数据读写。在使用一个网络适配器前后需要打开（open）/关闭（close）该网络适配器，send、receive分别用与从网络适配器接收数据与向网络适配器发送数据，ioctl用于配置Adapter属性：
+ops成员包含统一的、类似文件系统的API，用于对网络适配器进行实际的数据读写。在使用一个网络适配器前后需要打开（open）/关闭（close）该网络适配器，send、receive分别用于从网络适配器接收数据与向网络适配器发送数据，ioctl用于配置Adapter属性：
 
 ```c
 struct xs_AdapterOps {
@@ -101,7 +101,7 @@ struct xs_AdapterOps lora_example_ops = {
 };
 ```
 
-填充xs_AdapterLora,并将其注册。
+填充xs_AdapterLora，并将其注册。
 
 ```c
 int xs_AdapterRegister(struct xs_Adapter *sadapter);
@@ -178,4 +178,4 @@ int ret;
 2、去中心化  
 自组网内无中心节点，节点之间可进行自主路由协商，以此来实现跳转通信，相比传统中心化网络，有效分摊网络流量，进而分散节点运算压力。自组网具有良好的健壮性，任何一个节点发生崩溃，其所承载的传感器会自动寻找其他上传节点，不会造成大面积的掉线事故。  
 3、不依赖现有网络  
-节点之间通信，不依赖现有的网络基础设施，自组网内部实现网络自治，以此应对通信地点和时间的不确定性。
+节点之间通信，不依赖现有的网络基础设施，自组网内部实现网络自治，以此应对通信地点和时间的不确定性。

docs/doc/framework/zhi.md

@@ -2,9 +2,9 @@
 
 ## 基本框架
 
-传统嵌入式场景下，节点端主要负责数据采集和简单处理，复杂的任务放在边缘或者云端完成。而随着嵌入式芯片性能越来越强，在端侧承担更多的计算也成了目前的一个趋势，比如ST 推出的针对 STM 平台的神经网络加速库 STM32 Cube.AI。最近，部分厂商开始在嵌入式平台上引入神经网络加速模块，比如 ARM 即将发布的针对嵌入式场景的 Ethos-U55 神经网络处理器，以及 勘智 K210 平台嵌入了一颗卷积网络加速器 KPU，使得端侧算力进一步增强，从而使我们可以在端侧做更多的计算和任务，从而相比传统解决方案有更好的延时、更低的成本。
+传统嵌入式场景下，节点端主要负责数据采集和简单处理，复杂的任务放在边缘或者云端完成。而随着嵌入式芯片性能越来越强，在端侧承担更多的计算也成了目前的一个趋势，比如 ST 推出的针对 STM 平台的神经网络加速库 STM32 Cube.AI。最近，部分厂商开始在嵌入式平台上引入神经网络加速模块，比如 ARM 即将发布的针对嵌入式场景的 Ethos-U55 神经网络处理器，以及 勘智 K210 平台嵌入了一颗卷积网络加速器 KPU，使得端侧算力进一步增强，从而使我们可以在端侧做更多的计算和任务，从而相比传统解决方案有更好的延时、更低的成本。
 
-我们提供了端侧的智能框架，将部分 AI 计算下沉到端侧，可以在端侧完成部分 AI 计算，从而为工业场景下的图像、声音等数据采集和感知提供更丰富的解决方案。比如 对于工业环境下的机械仪表读数识别，我们在初始化时通过边缘或者云端完成仪表数字分析，后续运行中我们在节点端完成仪表指针识别并计算仪表读数，从而在运行中不需要和边缘或者云端通信就可以完成读数识别，提供了更低的延时。
+我们提供了端侧的智能框架，将部分 AI 计算下沉到端侧，可以在端侧完成部分 AI 计算，从而为工业场景下的图像、声音等数据采集和感知提供更丰富的解决方案。比如，对于工业环境下的机械仪表读数识别，我们在初始化时通过边缘或者云端完成仪表数字分析，后续运行中我们在节点端完成仪表指针识别并计算仪表读数，从而在运行中不需要和边缘或者云端通信就可以完成读数识别，提供了更低的延时。
 
 端侧智能框架基本结构如下：