一种可穿戴无线人体特征信息采集及传输模块、监控系统

1.一种便携式的可穿戴无线人体特征信息采集及传输模块，其特征在于，使用时被装配在人体心脏位置的外侧皮肤处，并适于长时间佩戴，该可穿戴无线人体特征信息采集及传输模块包括：
至少一个辅声学传感器，被装配在该可穿戴无线人体特征信息采集及传输模块的正面，用于检测人体周围的环境噪声，并将其转换成电信号，
至少一个微型声学共鸣腔，被装配在该可穿戴无线人体特征信息采集及传输模块的背面，用于增强人体特征信号的声学信号强度，
至少一个主声学传感器，被装配在所述微型声学共鸣腔上面，用于检测人体内部的声音并将其转换成电信号，
非易失性存储器，存储该可穿戴无线人体特征信息采集及传输模块所采集到的数据，局域无线网通讯模块，用于将所述采集到的数据通过无线局域网传输到智能终端，可充电电池，为该可穿戴无线人体特征信息采集及传输模块供电，以及
微处理器，统括控制该可穿戴无线人体特征信息采集及传输模块中的各电路及器件的运行；
该可穿戴无线人体特征信息采集及传输模块的直径小于30毫米，厚度小于8毫米。
2.如权利要求1所述的可穿戴无线人体特征信息采集及传输模块，其特征在于，所述微型声学共鸣腔有多个，且在每个所述微型声学共鸣腔上面装配有一个所述主声学传感器。
3.如权利要求1所述的可穿戴无线人体特征信息采集及传输模块，其特征在于，所述主声学传感器有多个，且被装配在一个共同的所述微型声学共鸣腔上面。
4.如权利要求1所述的可穿戴无线人体特征信息采集及传输模块，其特征在于，还包括：
移动传感器，用于检测因人体的心跳和呼吸引起的人体胸部皮肤的起伏及移动，该移动传感器还用于检测人体的运动状态；
所述微处理器利用所述移动传感器所采集的数据结合所述声学传感器所采集的数据，综合分析从而增强噪声免疫能力。
5.如权利要求1所述的可穿戴无线人体特征信息采集及传输模块，其特征在于，还包括：
两个不同波长的LED灯，通过结合所述智能终端的数字相机或光敏器件来测量人体血氧水平，具体为：通过所述智能终端控制两个不同波长的LED灯的开闭，由其数字相机或光敏器件检测穿过人体的LED灯光线强度；通过对两个不同波长的LED灯穿过人体的光线强度的对比和校正，来确定血液中的血氧水平。
6.如权利要求1所述的可穿戴无线人体特征信息采集及传输模块，其特征在于，该可穿戴无线人体特征信息采集及传输模块能够直接嵌入到所述智能终端中，并利用所述智能终端的电源进行充电，在使用时从所述智能终端中取出。
7.一种可穿戴无线人体特征信息采集及监控系统，其特征在于，包括：
至少一个如权利要求1、2、3、5、6的任一项所述的可穿戴无线人体特征信息采集及传输模块，用于采集人体心脏跳动频率及呼吸频率，
至少一台所述智能终端，用于与所述可穿戴无线人体信息采集及传输模块进行通讯，并控制所述可穿戴无线人体特征信息采集及传输模块的数据采集、存储及传输，至少一个开放式云端处理平台，通过与所述智能终端进行通讯，获取所述可穿戴无线人体特征信息采集及传输模块所采集的数据，并通过数据分析及特征提取算法对该数据进行处理，生成包含分析结果的报告，通知用户。
8.一种可穿戴无线人体特征信息采集及监控系统，其特征在于，包括：
至少一个如权利要求4所述的可穿戴无线人体特征信息采集及传输模块，用于采集人体心脏跳动频率及呼吸频率，
至少一台所述智能终端，用于与所述可穿戴无线人体特征信息采集及传输模块进行通讯，并控制所述可穿戴无线人体特征信息采集及传输模块的数据采集、存储及传输，至少一个开放式云端处理平台，通过与所述智能终端进行通讯，获取所述可穿戴无线人体特征信息采集及传输模块所采集的数据，并通过数据分析及特征提取算法对该可穿戴无线人体特征信息采集及传输模块所采集的数据进行处理，生成包含分析结果的报告，通知用户。
9.如权利要求8所述的可穿戴无线人体特征信息采集及监控系统，其特征在于，所述开放式云端处理平台根据所述移动传感器的数据确定用户是处于相对静止状态，还是处于剧烈运动状态，针对不同的身体状态而采用不同的数据分析及特征提取算法。
10.如权利要求7至9的任一项所述的可穿戴无线人体特征信息采集及监控系统，其特征在于，
所述数据分析及特征提取算法，包括如下步骤：
步骤S101：接收所述可穿戴无线人体特征信息采集及传输模块采集的数据，并剔除无效数据；
步骤S102：对于所述步骤S101接收数据中的有效数据，通过噪声滤波消除人体和环境噪声，然后进行采集数据的特征提取；
步骤S103：将所述特征提取的数据与用户的以往特征数据进行比对，确定现在的特征数据是朝着健康方向还是朝着疾病方向发展；
步骤S104：将特征分析中的异常数据与各种疾病的特征数据进行比对，确定其是否与某些疾病的特征一致或近似。
11.如权利要求10所述的可穿戴无线人体特征信息采集及监控系统，其特征在于，所述数据分析及特征提取算法还包括如下步骤：
步骤S111：将所述特征提取的数据与利用预先建立的该用户的计算用心脏模型预测出的人体特征数据进行比对，并通过调整计算用心脏模型的参数来使其计算出的特征数据与所述特征提取的数据匹配；
步骤S112：当经过参数调整，计算出的特征数据与所述特征提取的数据达到匹配时，总结所做的参数调整，确定调整的方向是朝着健康方向，还是朝着某种疾病方向，并生成报告通知用户；
步骤S113：当经过多次调整，两者始终无法匹配时，通知用户重新做医学检查以便建立新的计算用心脏模型。
12.如权利要求11所述的可穿戴无线人体特征信息采集及监控系统，其特征在于，所述计算用心脏模型是通过如下步骤建立的，并可通过定期重复该过程来进行修正：
步骤S121：通过获取心脏收缩和舒张以及其中间过程的连续细致的心脏、血管及相关肌肉的核磁共振影像及CT影像，获取心脏、血管及其相关肌肉的精细结构；
步骤S122：通过对心脏收缩和舒张及其中间过程的连续影像的分析，确定心脏、血管及其相关肌肉的弹性系数及心脏收缩和舒张的强度系数的模型参数；并通过血样采集和分析确定血液的粘稠度和可流动性参数；
步骤S123：基于所述步骤S121及步骤S122获取的参数建立起所述计算用心脏模型。
13.如权利要求7至9的任一项所述的可穿戴无线人体特征信息采集及监控系统，其特征在于，
所述开放式云端处理平台允许用户对自己的个人及数据隐私进行管理；
所述开放式云端处理平台允许第三方机构在经过算法验证的情况下将自己的分析和特征提取算法嵌入该平台以供用户选择使用；
所述第三方机构能够在所述开放式云端处理平台上按照所述用户的管理来访问其数据，并基于自己的分析和特征提取方法进行数据分析；
所述验证的具体过程如下：
步骤S131：所述第三方机构向所述开放式云端处理平台提出申请，并由开放式云端处理平台对第三方进行身份及资质验证，若验证通过，则执行步骤S132；
步骤S132：所述第三方机构基于所述开放式云端处理平台发来的测试数据，采用其分析及特征提取算法进行研究分析和数据挖掘，并向所述开放式云端处理平台提交其算法及测试结果；
步骤S133：所述开放式云端处理平台对所述第三方机构提交的算法及测试结果进行测评，若测评失败，则将结论及失败原因通知所述第三方机构，若测评成功，则将其算法加入到可供用户选择的试验性数据分析及特征提取算法的菜单中进行试运行，并将试运行情况通知第三方；
步骤S134：若试运行成功，则所述开放式云端处理平台将其分析及特征提取算法加入到可供用户选择的正式数据分析及特征提取算法的菜单中投入运行。
14.如权利要求13所述的可穿戴无线人体特征信息采集及监控系统，其特征在于，用户可从所述正式数据分析及特征提取算法的菜单中选择多家所述第三方机构提供的分析及特征提取算法进行其数据的分析。

一种可穿戴无线人体特征信息采集及传输模块、监控系统\n技术领域\n[0001] 本发明涉及一种利用可穿戴前端传感器采集人体特征信息，并通过智能设备将所采集的数据传送到开放式云端处理中心进行数据分析和特征提取，再将分析的结果传送回智能设备供用户浏览的可穿戴无线人体特征信息采集及传输模块、监控系统。\n背景技术\n[0002] 过去十年，医学研究取得了长足的进步。人类基因破解项目成功完成。首次成功破解两万多种人类基因。干细胞研究人员可以成功地将干细胞植入脊柱受损的病人和患神经系统疾病的病人体内，并使病人的病情有了显著改进。高清晰核磁共振和其他医学影像技术在稳步发展。越来越多的电子仪器，传感器，网络，数据分析，数据挖掘技术被广泛应用于医学临床。尽管有了上述进步，对于我们绝大多数人来说，还是停留在每年去医院做一俩次体检的水平。上述的重大科学技术进步很少用来监控我们的日常健康状况，更不用说针对每个人的日常身体特征数据进行分析和挖掘，并提出健康建议或疾病预警。很多人开玩笑说，他们对自己的汽车比对自己的身体更了解。事实上，一部近年生产的汽车上有近百种不同的传感器及车载计算机用来监控和记录汽车各个部分的工作情况，并将所发现的问题及时反映给车主或汽车维护人员。相比之下，用于监控我们日常健康的可穿戴人体特征传感器几乎是零。没有日常人体特征的采集，就更谈不上健康建议和疾病预警。\n[0003] 从另一方面看，近几年移动互联网和智能手机迅猛发展。这一发展从很多方面改变了我们的日常生活。智能手机的小型化，轻便化和多功能化促进了半导体工业，传感器工业和无线通讯行业的长足进步。这些工业进步将各种半导体芯片，各种传感器做得越来越小，越来越省电，功能越来越强大，而价格越来越便宜，使得越来越多的普通消费者可以在日常生活中广泛使用。同时，随着即时通讯和社交媒体的普及，越来越多的人利用云端中心来存储和交换信息及数据。\n[0004] 基于这些技术进步和移动互联网的广泛使用，我们研发并在本专利中公开了一个基于移动互联网和开放式云端处理的可穿戴人体特征信息采集及监控系统及其应用。该系统利用前端的可穿戴传感器采集人体特征信息并将其数字化，通过局域无线网传送到智能设备，如智能手机，智能设备通过移动或非移动互联网将数据传输到开放式云端处理中心进行分析和特征提取，并将结果自动传送给用户。上传的数据在云端处理中心分类，归档。\n所谓开放式云端处理中心是指数据分析和特征提取方法，数据统计及数据挖掘方法可以来自各种不同国家，不同研究机构的专家学者的有偿或无偿贡献，而非仅限于服务提供商一家的方法。在用户认可的情况下，所采集的数据和分析结果可以供专业医疗人员和医疗机构作为医学分析及诊断的参考。同时，基于海量人体特征信息进行数据统计及数据挖掘，从而发现各种疾病在不同阶段在人体特征信息中的特征模式，进而实现疾病的早期预警。\n[0005] 在过去的医学研究和发展过程中，研发人员发明和使用了许多人体特征传感器。\n例如美国专利8328429，Abreu等人发明了一种特殊的眼镜。这种眼镜内置多个传感器用来检测人脑的温度。但是这些装置都是设计用在医院诊室环境中，设备体积庞大笨重，操作和使用需要专业人士进行。数据处理和分析同样需要专业人士手工进行。近年来，研发人员开始利用微处理器和数据采集系统去采集和数字化人体特征信息，并把数据通过网络远程传输，供专业医学人士分析诊断。\n[0006] 综合前人的工作，主要存在如下缺陷：许多传感器，如心电图仪，需要把多个探头放置在人体的不同部位；有些仪器，如超声波成像仪，需要在人体上涂传导液。这些仪器适用于诊室环境下，由专业医学人士来操作。但对于普通用户的日常使用，这些设备就变得非常不便，甚至无法使用。另一个挑战是如何将这些传感器长时间放置在人身体上并且不给使用者带来不适。理想的设计是让普通用户佩戴以后，仍可以进行正常工作和从事各种活动。此外针对广大普通用户的传感器及其配套的数据采集和传输系统不但要价格便宜，而且要能让广大普通用户每一到两年就可以更换。另外，在远程服务器端，前期发明仅利用其存储数据。数据分析主要由专业人士手工分析解读。这种方法仅适用于专业医疗机构为有限的病人服务。但当有数以万计，甚至数以百万计的用户把自己的人体特征数据定期上传到服务器，依靠人工来分析显然是不现实的。整个数据采集，上传，分析和结果汇报都必须实现自动化。虽然也有数据分析自动化和专家系统，但这些系统都是封闭式结构。即只有系统的设计者可以更改或添加新的分析方法。但是一个公司或研究机构的智慧和能力毕竟是有限的。理想的做法是将数据分析平台开放给全球有经验和资质的专家学者。鼓励他们充分利用这些数据来开发更好的分析和预测方法。\n发明内容\n[0007] 本发明的目的在于提供一种方便用户使用，简化系统复杂度的一种可穿戴人体特征信息采集及监控系统。\n[0008] 为实现上述目的，本发明的技术方案是：一种可穿戴人体特征信息采集及监控系统，包括\n[0009] 至少一可穿戴无线人体特征数据采集及传输模块，用于采集人体心脏跳动频率及呼吸频率；\n[0010] 至少一台智能终端，用于与所述可穿戴无线人体特征数据采集及传输模块进行通讯，并控制所述可穿戴无线人体特征数据采集及传输模块的数据采集及存储；\n[0011] 至少一个开放式云端处理平台，用于与所述智能终端进行通讯，同时通过数据分析及特征提取算法对所述可穿戴无线人体特征数据采集及传输模块采集的数据进行处理，并自动生成包含分析结果报告，而后自动通知用户。\n[0012] 在本发明实施例中，所述可穿戴无线人体特征数据采集及传输模块通过贴片粘在人体心脏位置的外侧皮肤处，该模块包括，\n[0013] 至少一主声学传感器，用于采集人体心脏跳动及呼吸声，所述主声学传感器安置在一声学共鸣腔中；\n[0014] 一用于检测环境声学背景音的辅声学传感器；\n[0015] 一噪声消除及增益控制电路，用于消除或减少所述主声学传感器采集声音信号的环境噪声并增强人体特征信号的强度；\n[0016] 一移动传感器，用于检测因人体的心跳和呼吸引起的人体胸部皮肤的起伏及移动，该移动传感器还用于检测人体的运动姿态；\n[0017] 两个不同波长的LED灯，通过结合所述智能设备上的数字相机或光敏器件来测量人体血氧水平，具体为：通过所述智能设备上的数字相机或光敏器件，控制两个不同波长的LED灯的开闭，并检测穿过人体的LED灯光线强度；通过对两个不同波长的LED灯穿过人体的光线强度的对比和校正，可以确定血液中的血氧水平；\n[0018] 若干模数转换器，用于将所述声学传感器及移动传感器输出的模拟信号转换成数字信号；\n[0019] 一为整个系统供电的可充电电池；\n[0020] 一用于与所述智能终端连接的充电电路，以便于为所述可充电电池的充电；\n[0021] 一本地非易失性存储模块，用于存储结合时间戳的数字化后的人体特征数据；\n[0022] 一无线通讯模块，用于与所述智能终端进行通讯；\n[0023] 一微处理器，该微处理器与所述模数转换器、噪声消除及增益控制电路、本地非易失性存储模块、无线通讯模块和可充电电池连接；所述微处理器还通过一LED驱动模块控制所述两个不同波长的LED灯。\n[0024] 在本发明实施例中，所述声学共鸣腔为类听诊器探头的声学共鸣腔；若使用多个声学传感器，为每个声学传感器各配置一个所述声学共鸣腔，或将多个声学传感器安置在一个所述声学共鸣腔内。\n[0025] 在本发明实施例中，所述噪声消除及增益控制电路能够根据不同用户的皮肤状况、身体姿态、身体移动状况及环境噪声状况进行参数调节，从而达到消除或减少环境噪声，增强所采集的人体特征信号强度的作用。\n[0026] 在本发明实施例中，所述移动传感器所采集的数据能够结合所述声学传感器所采集到的数据，通过算法的计算来增强系统的噪声免疫能力，同时提供人体姿态的各种信息；\n所述各种信息包括人体是否静止、移动、剧烈运动、是否有强大的背景噪音以及传感器是否与人体有效接触的信息。\n[0027] 在本发明实施例中，所述可穿戴无线人体特征数据采集及传输模块能够直接嵌入到智能终端中，在使用时从智能终端中取出；或附带在智能终端的保护套上。\n[0028] 在本发明实施例中，所述数据分析及特征提取算法，包括如下步骤，[0029] 步骤S71：接收所述可穿戴无线人体特征数据采集及传输模块采集的数据，并剔除无效数据；\n[0030] 步骤S72：对于所述步骤S82接收数据中的有效数据，通过噪声滤波消除人体和环境噪声，然后进行采集数据的特征提取；\n[0031] 步骤S73：将所述特征提取的数据与用户历史数据及各种疾病特征进行比对分析；\n并利用计算用心脏模型来预测用户人体特征的波形，与实际所采集的波形进行比对，通过特征模型参数的调整使计算后的特征波形与所采集的波形匹配；根据匹配结果，生成总结报告并通知用户。\n[0032] 在本发明实施例中，所述生成总结报告并通知用户之前，用户可根据匹配结果，决定是否采用第三方疾病检测算法，若是，则通过第三方疾病检测算法进行数据分析及特征提取，重新生成总结报告并通知用户；若否，则直接将原总结报告告知用户。\n[0033] 在本发明实施例中，所述计算用心脏模型的建立，具体过程如下，[0034] 步骤S91：通过获取心脏收缩和舒张以及其中间过程的连续细致的心脏、血管及相关肌肉的核磁共振影像及CT影像，同时获取心脏、血管及其相关肌肉的精细结构；\n[0035] 步骤S92：通过对心脏收缩和舒张及其中间过程的连续影像的分析，确定心脏、血管及其相关肌肉的弹性系数及心脏收缩和舒张的强度系数的模型参数；并可通过血样采集和分析确定血液的粘稠度和可流动性参数；\n[0036] 步骤S93：基于所述步骤S91及步骤S92获取的参数为用户建立起计算用心脏模型；\n且用户可定期重复上述过程来修正自己的计算用心脏模型；\n[0037] 步骤S94：利用用户的计算用来预测用户的心跳及相关人体特征波形，并与可穿戴无线人体特征数据采集及传输模块所采集的波形进行比对，若两者不匹配，重新调整计算用的参数，并重新计算波形，再进行匹配，直到两者匹配一致为止；若经过多次调整，两者始终无法匹配，则通知用户重新做医学检查以便建立新的计算用心脏模型。\n[0038] 在本发明实施例中，所述第三方疾病检测算法的验证具体过程如下，[0039] 步骤S101：第三方向开放式云端处理平台提出申请，并由开放式云端处理平台对第三方进行验证，若验证通过，则执行步骤S102，若验证不通过，则重新提交申请；\n[0040] 步骤S102：开放式云端处理平台发送的测试数据至第三方，基于上述数据，第三方采用其疾病检测算法开始数据分析及特征提取，并提交算法及测试结果；\n[0041] 步骤S103：开放式云端处理平台判断第三方提交的疾病检测算法及测试结果是否通过审查及检测，若是，执行下一步骤；若否，通知第三方重新执行步骤S102；\n[0042] 步骤S104：第三方疾病检测算法投入试运行，并判断其是否通过审查和检测；若是，则第三方疾病检测算法投入正式运行；若否，通知第三方重新执行步骤S102。\n[0043] 相较于现有技术，本发明具有以下有益效果：本发明中的人体特征传感器摆脱笨重的听诊头，实现了微型化，可长时间穿戴，低成本。使得普通用户可以负担得起，并用它来随时监控自己的身体状况。本发明同过对海量人体特征的采集及特征提取，可以有效发现各种疾病在各个阶段的特征。通过和用户日常人体特征的对比实现对用户身体变化的及时提示。由于整个过程是自动完成，可以节省大量人力，同时避免了人为疏忽或知识经验欠缺所带来的错误。\n附图说明\n[0044] 图1为基于移动互联网和开放式云端处理的可穿戴人体特征信息采集及监控系统和应用的框图。\n[0045] 图2为本发明可穿戴无线人体特征数据采集及传输模块框图。\n[0046] 图3为本发明可穿戴无线人体特征数据采集及传输模块中安置声学共鸣腔，声学传感器和LED的三维效果图。\n[0047] 图4为本发明可穿戴无线人体特征数据采集及传输模块中另一种安置声学共鸣腔，声学传感器和LED的三维效果图。\n[0048] 图5为本发明在智能设备中嵌入可穿戴无线人体特征数据采集及传输模块的三维效果图。\n[0049] 图6为本发明利用可穿戴无线人体特征数据采集及传输模块的LED结合智能设备的数字相机或光敏器件测量人体血氧水平和进行设备校准的示意图。\n[0050] 图7为开放式云端处理平台的结构示意图。\n[0051] 图8为开放式云端处理平台所使用的数据分析及特征提取算法流程图。\n[0052] 图9为计算用心脏模型的生成，校准及使用流程图。\n[0053] 图10为开放式云端处理平台支持第三方数据分析的流程图。\n具体实施方式\n[0054] 下面结合附图，对本发明的技术方案进行具体说明。\n[0055] 本发明一种可穿戴人体特征信息采集及监控系统，包括\n[0056] 至少一可穿戴无线人体特征数据采集及传输模块，用于采集人体心脏跳动频率及呼吸频率，为了便于穿戴，其大小控制在直径小于30毫米，厚度小于8毫米；\n[0057] 至少一台智能终端，用于与所述可穿戴无线人体特征数据采集及传输模块进行通讯，并控制所述可穿戴无线人体特征数据采集及传输模块的数据采集及存储；\n[0058] 至少一个开放式云端处理平台，用于与所述智能终端进行通讯，同时通过数据分析及特征提取算法对所述可穿戴无线人体特征数据采集及传输模块采集的数据进行处理，并自动生成包含分析结果报告，而后自动通知用户。\n[0059] 所述可穿戴无线人体特征数据采集及传输模块通过贴片粘在人体心脏位置的外侧皮肤处，该模块包括，\n[0060] 至少一主声学传感器，用于采集人体心脏跳动及呼吸声，所述主声学传感器安置在一声学共鸣腔中；\n[0061] 一用于检测环境声学背景音的辅声学传感器；\n[0062] 一噪声消除及增益控制电路，用于消除或减少所述主声学传感器采集声音信号的环境噪声并增强人体特征信号的强度；\n[0063] 一移动传感器，用于检测因人体的心跳和呼吸引起的人体胸部皮肤的起伏及移动，该移动传感器还用于检测人体的运动姿态；\n[0064] 两个不同波长的LED灯，通过结合所述智能设备上的数字相机或光敏器件来测量人体血氧水平，具体为：通过所述智能设备上的数字相机或光敏器件，控制两个不同波长的LED灯的开闭，并检测穿过人体的LED灯光线强度；通过对两个不同波长的LED灯穿过人体的光线强度的对比和校正，可以确定血液中的血氧水平；\n[0065] 若干模数转换器，用于将所述声学传感器及移动传感器输出的模拟信号转换成数字信号；\n[0066] 一为整个系统供电的可充电电池；\n[0067] 一用于与所述智能终端连接的充电电路，以便于为所述可充电电池的充电；\n[0068] 一本地非易失性存储模块，用于存储结合时间戳的数字化后的人体特征数据；\n[0069] 一无线通讯模块，用于与所述智能终端进行通讯；\n[0070] 一微处理器，该微处理器与所述模数转换器、噪声消除及增益控制电路、本地非易失性存储模块、无线通讯模块和可充电电池连接；所述微处理器还通过一LED驱动模块控制所述两个不同波长的LED灯。\n[0071] 所述声学共鸣腔为类听诊器探头的声学共鸣腔；若使用多个声学传感器，为每个声学传感器各配置一个所述声学共鸣腔，或将多个声学传感器安置在一个所述声学共鸣腔内。\n[0072] 所述噪声消除及增益控制电路能够根据不同用户的皮肤状况、身体姿态、身体移动状况及环境噪声状况进行参数调节(该参数诸如增益，自适应滤波器系数等)，从而达到消除或减少环境噪声，增强所采集的人体特征信号强度的作用。\n[0073] 所述移动传感器所采集的数据能够结合所述声学传感器所采集到的数据，通过算法(自适应滤波等)的计算来增强系统的噪声免疫能力，同时提供人体姿态的各种信息；所述各种信息包括人体是否静止、移动、剧烈运动、是否有强大的背景噪音以及传感器是否与人体有效接触的信息。\n[0074] 所述可穿戴无线人体特征数据采集及传输模块能够直接嵌入到智能终端中，在使用时从智能终端中取出；或附带在智能终端的保护套上。\n[0075] 所述数据分析及特征提取算法，包括如下步骤，\n[0076] 步骤S71：接收所述可穿戴无线人体特征数据采集及传输模块采集的数据，并剔除无效数据；\n[0077] 步骤S72：对于所述步骤S82接收数据中的有效数据，通过噪声滤波消除人体和环境噪声，然后进行采集数据的特征提取；\n[0078] 步骤S73：将所述特征提取的数据与用户历史数据及各种疾病特征进行比对分析；\n并利用计算用心脏模型来预测用户人体特征的波形，与实际所采集的波形进行比对，通过特征模型参数的调整使计算后的特征波形与所采集的波形匹配；根据匹配结果，生成总结报告并通知用户。\n[0079] 所述生成总结报告并通知用户之前，用户可根据匹配结果，决定是否采用第三方疾病检测算法，若是，则通过第三方疾病检测算法进行数据分析及特征提取，重新生成总结报告并通知用户；若否，则直接将原总结报告告知用户。\n[0080] 所述计算用心脏模型的建立，具体过程如下，\n[0081] 步骤S91：通过获取心脏收缩和舒张以及其中间过程的连续细致的心脏、血管及相关肌肉的核磁共振影像及CT影像，同时获取心脏、血管及其相关肌肉的精细结构；\n[0082] 步骤S92：通过对心脏收缩和舒张及其中间过程的连续影像的分析，确定心脏、血管及其相关肌肉的弹性系数及心脏收缩和舒张的强度系数的模型参数；并可通过血样采集和分析确定血液的粘稠度和可流动性参数；\n[0083] 步骤S93：基于所述步骤S91及步骤S92获取的参数为用户建立起计算用心脏模型；\n且用户可定期重复上述过程来修正自己的计算用心脏模型；\n[0084] 步骤S94：利用用户的计算用来预测用户的心跳及相关人体特征波形，并与可穿戴无线人体特征数据采集及传输模块所采集的波形进行比对，若两者不匹配，重新调整计算用的参数，并重新计算波形，再进行匹配，直到两者匹配一致为止；若经过多次调整，两者始终无法匹配，则通知用户重新做医学检查以便建立新的计算用心脏模型。\n[0085] 所述第三方疾病检测算法的验证具体过程如下，\n[0086] 步骤S101：第三方向开放式云端处理平台提出申请，并由开放式云端处理平台对第三方进行验证，若验证通过，则执行步骤S102，若验证不通过，则重新提交申请；\n[0087] 步骤S102：开放式云端处理平台发送的测试数据至第三方，基于上述数据，第三方采用其疾病检测算法开始数据分析及特征提取，并提交算法及测试结果；\n[0088] 步骤S103：开放式云端处理平台判断第三方提交的疾病检测算法及测试结果是否通过审查及检测，若是，执行下一步骤；若否，通知第三方重新执行步骤S102；\n[0089] 步骤S104：第三方疾病检测算法投入试运行，并判断其是否通过审查和检测；若是，则第三方疾病检测算法投入正式运行；若否，通知第三方重新执行步骤S102。\n[0090] 以下为本发明的具体实施例。\n[0091] 图1描述了基于移动互联网和开放式云端处理的可穿戴人体特征信息采集及监控系统和应用的框图。整个系统包含了可穿戴无线人体特征数据采集及传输模块(100)，局域无线网络(102)，智能终端或嵌入式本地服务器(105,110,115)，移动或有线因特网(120)，开放式云端处理平台(130)，远程终端或万维网页供专业医疗人士或医疗机构查看用户的数据及分析记录(130)，远程终端或万维网页供第三方进行医学研究，数据统计，分析及数据挖掘并提交分析算法(150)。可穿戴无线人体特征数据采集及传输模块(100)，为了便于穿戴，其大小控制在直径小于30毫米，厚度小于8毫米；通过类似邦迪或ScarAway的有一定粘度而又不会粘伤人体皮肤的贴片将其固定在人体皮肤上。对于成年女性，特殊设计的胸罩也可以用来帮助固定可穿戴无线人体特征数据采集及传输模块(100)。对于从事剧烈运动的用户，特殊设计的有弹性的胸带可以用来帮助固定可穿戴无线人体特征数据采集及传输模块(100)。它通过内置的声学传感器或传感器阵列感知人体的声学信号。声学传感器可以是麦克风或其他类型的声电传感器。可穿戴无线人体特征数据采集及传输模块(100)同时内置一个移动及加速度传感器用来感知人体皮肤的移动，从而检测出人的呼吸及身体的运动状态。这个移动及加速度传感器可以采用智能手机中广泛使用的移动及加速度传感器或其他类似的传感器。可穿戴无线人体特征数据采集及传输模块(100)中的模数转换器将传感器的模拟输出转换成数字信号，这些数字信号或称为所采集的数据，可以存储到可穿戴无线人体特征数据采集及传输模块(100)的微型本地非易失性存储模块，如Micro SD卡，或其他存储装置中。可穿戴无线人体特征数据采集及传输模块(100)既可以利用局域无线网(102)，如蓝牙，Wifi，与智能设备(105)，如智能手机，智能手表，掌上电脑等，进行通讯；\n也可以利用局域无线网(102)，如蓝牙，Wifi，与笔记本电脑，台式电脑(110)或嵌入式本地服务器(115)进行通讯。智能设备(105)，电脑(110)或嵌入式本地服务器(115)可以用来设置和控制可穿戴无线人体特征数据采集及传输模块(100)，将采集的数据实时显示，显示可穿戴无线人体特征数据采集及传输模块(100)中存储的数据，并将这些数据通过移动或有线因特网(120)传送到开放式云端处理平台(130)。这种传输可以是用户预制的自动传输，也可以由用户手动传输。智能设备(105)，电脑(110)或嵌入式本地服务器(115)可以接收开放式云端处理平台(130)发来的分析报告，健康建议，或疾病预警，利用其上的应用软件或万维网浏览器浏览开放式云端处理平台(130)所存储的数据及分析报告。开放式云端处理平台(130)可以从一个或多个可穿戴无线人体特征数据采集及传输模块(100)获取数据。这些数据在开放式云端处理平台(130)自动存储，归档，自动进行分析及特征提取。所提取的特征会自动和所获得的用户以前的特征数据进行比对，也会和各种疾病的特征数据进行比对。另外，开放式云端处理平台(130)可以利用用户的计算用心脏模型来预测用户的人体特征波形，并自动将预测波形与实际采集的波形进行比对，同时调整模型的参数使二这匹配。\n参数的调整可能朝健康方向，也可能朝疾病方向。开放式云端处理平台(130)会自动生成分析报告，并自动发送给用户。用户也可以登录开放式云端处理平台(130)的万维网页浏览所采集的数据及分析结果。在用户许可的前提下，所采集的数据及分析结果可以被专业医疗人士或机构调用(140)，作为进一步医学检查或诊断的参考。同样是在用户许可的前提下，第三方医学研究，数据分析，数据统计和数据挖掘的专家(150)可以对数据做更深入的分析研究。其研究成果可以应用到开放式云端处理平台(130)。用户可以选择和定制不同的分析及特征提取算法，并通过开放式云端处理平台(130)向算法的研发方支付使用费用。\n[0092] 图1列举了本系统用来采集及分析人体心脏及呼吸的应用范例。本系统还可以用来采集分析人体血氧水平，进而对人体睡眠进行自动分析及监控。本系统也可以用来采集孕妇及胎儿的心跳及血氧数据并对其进行自动分析及监控。利用本系统的原理，稍加改动而变生的系统及应用都可视为对本专利的知识产权的侵犯。\n[0093] 图2描述了可穿戴无线人体特征数据采集及传输模块(100)的结构框图。以下简称前端模块。它包含了可供其连续使用48小时的可充电电池(255)。微处理器(235)的功能之一是监视电池的电压，在电力不足时，关闭前端模块。声学传感器(200)可以是一个简单的麦克风或其他声学传感器，也可以是多个麦克风或其他多个声学传感器构成的阵列。传感器阵列可以有更好的噪声免疫能力和更高的信噪比。人体内部的声音通过声学传感器感应成电信号。该信号输入到噪声消除及增益控制电路(205)。该电路可以抑制或消除环境噪声，提高所采集的信号强度。微处理器(235)的另一功能是控制这一电路。噪声消除及增益控制电路(205)的输出信号进入模数转换器(210)，将模拟信号变成数字信号，其结果直接输入微处理器(235)。移动传感器(215)可以是智能手机中广泛使用的位移和加速度传感器或类似的传感器。人体的心跳和呼吸会使人体的胸部皮肤产生起伏和移动。移动传感器可以检测出这种移动，并将其转换成电信号。该电信号经过模数转换(220)后，输入到微处理器(235)中。移动传感器还可以检测出人体的姿态，从而确定用户是静止，还是移动，还是剧烈运动。这些信息有助于开放式云端处理平台(130)进行更准确的数据分析及特征提取。两个不同波长的LED(225)结合智能设备上的数字相机或光敏器件(270)用来测量人体血氧水平。利用微处理器(235)的数字输入输出来控制两个LED的驱动电路(230)，从而打开或关闭两个LED。在测量血氧的过程中，用户可以使用带有数字相机或光敏器件的智能设备(260)，通过局域无线网(265)发送命令到微处理器(235)，从而打开或关闭两个LED。智能设备的数字相机或光敏传感器(260)用来检测穿过人体的LED光线强度。两个不同波长的LED穿过人体的光线强度是不同的。通过两个强度的对比和校正，可以确定血液中的血氧水平。同时，发出可见光的LED还可以用来显示前端模块的状态。微处理器(235)连接到非易失性存储器(240)，如MicroSD卡。所采集的数据结合时间戳一并存入前端模块的非易失性存储器(240)中。智能设备(105)，计算机(110)或嵌入式本地服务器(115)可以通过局域无线网来访问这些数据，并把这些数据上传到开放式云端处理平台(130)。微处理器(235)连接着一个局域无线网通讯模块(245)。智能设备(105)，计算机(110)或嵌入式本地服务器(115)可以通过局域无线网和微处理器(235)进行通讯，从而实现采集数据的上传。局域无线网可以是蓝牙，Wifi或其他类似的网络。微处理器(235)还连接着主机通讯和充电模块(250)以便利用主机为电池(255)充电，并向主机传送数据。主机可以是智能设备(105)，计算机(110)或嵌入式本地服务器(115)。而连接线可以采用USB或其他通讯线路。微处理器(235)利用移动传感器所采集的数据结合声学传感器所采集的数据，综合分析从而增强系统的噪声免疫能力，并有助于为开放式云端处理平台(130)提供更准确的数据。如人体是否在移动，移动的速度，环境噪声，噪声强度如何，传感器是否与人体有效接触等等。\n[0094] 特别要指出的是，传统听诊器或数字听诊器依赖笨重的听诊头来收集人体内声学信号。高端的听诊头甚至用贵重的钛合金来制作。本发明使用微型声学共鸣腔，摆脱了传统的笨重的听诊头。实现了传感器的微型化，可穿戴和低成本。图3显示了如何在可穿戴无线人体特征数据采集及传输模块(100)上装置声学共鸣腔，声学传感器和LED的三维效果图。\n图中一个声学传感器(301)装置在可穿戴无线人体特征数据采集及传输模块(100)的正面用来检测人体周围的环境噪声。一个微型声学共鸣腔(315)用来增强人体内部的声学信号强度。这个微型声学共鸣腔(315)放置在可穿戴无线人体特征数据采集及传输模块(100)的后部。声学传感器(310)装在微型声学共鸣腔(315)的顶端。图3中，可穿戴无线人体特征数据采集及传输模块(100)后端装了五个微型声学共鸣腔(315)和五个声学传感器(325)。装配多少个微型声学共鸣腔和声学传感器取决于传感器的灵敏度，使用环境的噪声强度和可穿戴无线人体特征数据采集及传输模块(100)的价格。对于低价格，使用环境较安静的可穿戴无线人体特征数据采集及传输模块(100)，使用一个微型声学共鸣腔和声学传感器即可。\n两个不同波长的LED(305)装在可穿戴无线人体特征数据采集及传输模块(100)的正面。两个LED结合智能设备上的数字相机或光敏传感器来检测人体的血氧水平。同时，发出可见光的LED还可以用来显示前端模块(100)的状态。\n[0095] 图4显示了另一种在可穿戴无线人体特征数据采集及传输模块(100)上装置声学共鸣腔，声学传感器和LED的三维效果图。在这种安装方法中，一个声学传感器(401)装置在可穿戴无线人体特征数据采集及传输模块(100)的正面用来检测人体周围的环境噪声。一个较大的声学共鸣腔(410)安装在可穿戴无线人体特征数据采集及传输模块(100)的背面用来增强人体内部声学信号的强度。声学传感器(415)安装在声学共鸣腔(410)上面。图4中显示有五个声学传感器(415)安装在声学共鸣腔(410)上面。两个不同波长的LED(405)装在可穿戴无线人体特征数据采集及传输模块(100)的正面。两个LED结合智能设备上的数字相机或光敏传感器来检测人体的血氧水平。同时，发出可见光的LED还可以用来显示前端模块(100)的状态。装配多少个声学传感器取决于传感器的灵敏度，使用环境的噪声强度和可穿戴无线人体特征数据采集及传输模块(100)的价格。对于低价格，使用环境较安静的可穿戴无线人体特征数据采集及传输模块(100)，使用一个声学传感器即可。\n[0096] 可穿戴无线人体特征数据采集及传输模块(100)可以长时间穿戴在人体上。为了便于长时间穿戴在人体上，要求可穿戴无线人体特征数据采集及传输模块(100)必须重量很轻，体积很小，厚度很薄。为了减轻其重量，减少其厚度，内部采用柔性印刷电路板替代传统的硬质印刷电路板。为了便于穿戴，其大小控制在直径小于30毫米，厚度小于8毫米。另一个要解决的问题是如何长时间穿戴在人体上而不产生人体皮肤的不适。解决方法之一是用类似邦迪或ScarAway的有一定粘度而又不会粘伤人体皮肤的贴片将其固定在人体皮肤上。\n对于成年女性，特殊设计的胸罩也可以用来帮助固定可穿戴无线人体特征数据采集及传输模块(100)。对于从事剧烈运动的用户，特殊设计的有弹性的胸带可以用来帮助固定。由于可穿戴无线人体特征数据采集及传输模块(100)很薄很轻，便于用户携带。用户可以将其放入钱包，手机或其他智能设备的保护套中。\n[0097] 图5显示了直接将可穿戴无线人体特征数据采集及传输模块(510)嵌入智能手机或其他智能设备的三维效果图。500是智能手机或其他智能设备的数字相机镜头。505是智能手机或其他智能设备的闪光灯。可穿戴无线人体特征数据采集及传输模块(510)可以安装在智能手机或其他智能设备的背面下方。当可穿戴无线人体特征数据采集及传输模块(510)嵌入在智能手机或其他智能设备中，可以利用智能手机或其他智能设备的电源为其充电。\n[0098] 图6显示了利用可穿戴无线人体特征数据采集及传输模块(610)和其上的两个不同波长的LED(615)结合智能设备(600)的数字相机或光敏器件(605)测量人体血氧水平和进行设备校准的示意图。用户将手指放在智能设备(600)的数字相机(605)和可穿戴无线人体特征数据采集及传输模块(610)及其上的两个不同波长的LED(615)中间。用户利用智能设备通过局域无线网，如蓝牙，Wifi，发送命令到可穿戴无线人体特征数据采集及传输模块(610)打开一个LED，通过智能设备上的数字相机拍摄一张图像。然后再利用智能设备通过局域无线网，如蓝牙，Wifi，发送另一命令到可穿戴无线人体特征数据采集及传输模块(610)打开另一个LED，通过智能设备上的数字相机再拍摄一张图像。由于两个LED的波长不同，光线穿过人的手指的光强是不一样的。通过两个图像的对比，结合出厂前对设备的校验值，可以测量出人体的血氧水平。为了获得准确的测量结果，出厂前需要对智能设备的数字相机及可穿戴无线人体特征数据采集及传输模块(610)上的两个LED进行校验。可以用多种方法进行校验，其中比较简单的一种方法是将一个厚度近似人的手指(625)的中性介质，如透明的玻璃或塑料块放在智能设备(600)和可穿戴无线人体特征数据采集及传输模块(610)中间(630)，依次打开两个LED，并获取两幅图像。将这两幅图像存入智能设备中作为校验基准。\n[0099] 智能设备，计算机和专用的嵌入式本地服务器可以用来设置好控制可穿戴无线人体特征数据采集及传输模块。也可以用来实时浏览所采集的数据，或浏览记录在可穿戴无线人体特征数据采集及传输模块上的数据。同时可以将记录在可穿戴无线人体特征数据采集及传输模块上的数据移存到智能设备，计算机和专用的嵌入式本地服务器，并将其通过移动或有线因特网上传到开放式云端处理平台进行存储，归档和分析。这一过程可以是用户预置后，全自动进行，也可以是用户浏览数据后手动进行。智能设备，计算机和专用的嵌入式本地服务器可以用来接受开放式云端处理平台传来的分析报告，健康提示。用户可以利用这些设备登录开放式云端处理平台的万维网页浏览现在和过去所采集的数据，分析报告，也可以提出问题，要求。\n[0100] 开放式云端处理平台允许用户对自己的个人及数据隐私进行管理。用户可以通过智能设备，计算机和专用的嵌入式本地服务器来管理自己的个人及数据隐私。列如决定那些医生或医疗机构可以访问自己的何种数据，决定是否允许及允许那些医学研究机构或数据统计，数据分析及数据挖掘机构访问自己的那些数据，决定这种访问是无偿的还是有偿的。比如，用户可以选择允许某个研究机构无偿使用自己的数据进行疾病特征提取算法的研究，但是用户有权在一定的期限内无偿使用该机构的研究成果。\n[0101] 图7显示了开放式云端处理平台的一种体系结构。开放式云端处理平台与以太网(700)相连。由万维网服务器集群(705)，数据库集群(720)，后端处理器集群(715)构成，这些集群通过高速数据网络(710)相连。智能设备，计算机和专用的嵌入式本地服务器通过移动或有线因特网(700)将可穿戴无线人体特征数据采集及传输模块所采集的数据传送到万维网服务器集群(705)，并将其存入数据库集群(720)中。后端处理器集群(715)从数据库集群(720)中读取数据，对其进行分析及特征提取，并将结果存会到数据库集群(720)中。万维网服务器集群会将分析，健康提示，疾病预警自动传送给用户。用户可以通过智能设备，计算机和专用的嵌入式本地服务器阅读分析报告，浏览历史数据，管理自己的历史数据。用户还可以订制自己希望的分析及特征提取方法。万维网服务器集群(705)负责随时监控活跃用户数量并将他们合理地分配给数据库集群(720)和后端处理器集群(715)中的各个服务器，从而使各个服务器的存储，计算及网络负荷得到均衡。特别要指出的是开放式云端处理平台并不仅限于这种架构，也可采用其他系统架构。\n[0102] 图8显示了开放式云端处理平台所使用的数据分析及特征提取算法流程图。开放式云端处理平台(800)收到可穿戴无线人体特征数据采集及传输模块所采集的数据，将其存储到数据库集群(720)中。一般说来，人体内的声音信号相对于外部环境噪声是很弱的信号。环境噪声可能是背景音乐，他人讲话，车辆噪声，设备噪声等等。通过可穿戴无线人体特征数据采集及传输模块所采集的数据很可能含有大量环境噪声。另外，可穿戴无线人体特征数据采集及传输模块由于放置位置不当，或未与身体有效接触，可能导致所信号非常微弱，甚至是无效信号。数据处理的下一步是确定所采集的数据中的无效数据，并将其剔除(805)。对于有效数据，通过噪声滤波(810)消除人体和环境噪声。然后进行特征提取(815)。\n对于心跳的波形，确定每一次心跳的区间，计算心率，确定是否有心率不齐，停跳等异常情况。异常的心跳数据区间会被记录下来。分析结果会被存储到数据库集群中(720)。可穿戴无线人体特征数据采集及传输模块上的移动传感器用来确定人体的姿态。开放式云端处理平台根据移动传感器的数据确定用户是否处于相对静止状态，还是在剧烈运动状态。针对不同的身体状态所采用的分析方法是不同的。列如，在静止状态，心率超过120次每分是不太正常的，但对于剧烈运动的人体，这种心率就是正常的。特征分析的结果将和用户的以往特征数据进行比对(820)，并确定现在的特征数据是朝着健康方向还是朝着疾病方向发展。\n这一分析结果也将存储到数据库集群(720)中。特征分析中的异常数据将用来和各种疾病的特征数据进行比对，以便确定是否与某些疾病的特征一致或近似(825)。这一分析结果也将存入数据库集群(720)中。计算用心脏模型可以用来预测用户的人体特征波形。所采集到的有效数据将与预测的数据进行比对(830)。如果二者不一致，后端数据处理服务器(715)会调整计算用心脏模型的参数，重新预测及比对使二者匹配。参数的调整可以朝着健康方向也可能朝着疾病方向。后端数据处理服务器(715)会把匹配的结果及参数调整的方向自动生成报告并存入数据库集群(720)中。如果经过多轮调整，始终无法达到匹配，后端数据处理服务器(715)会把匹配失败和失败的原因存入数据库集群(720)中。用户可以选择多家第三方提供的分析及特征提取算法(835)。后端数据处理服务器(715)会利用第三方提供的分析及特征提取算法来分析用户的数据(840)并将结果存入数据库集群(720)中。如果第三方提供的算法是有偿服务，后端数据处理服务器(715)会自动向用户收取使用费用并支付给第三方，并将这一过程记录到数据库集群(720)中。最后，后端数据处理服务器(715)会汇总各个阶段的分析及特征提取结果生成总结性报告(845)并通过万维网服务器集群(705)通知用户。通知用户的方式由用户来指定，可以通过电子邮件，短信，微信或其他方法。用户也可以登录开放式云端处理平台的万维网页来查询浏览所采集的数据及分析报告。\n[0103] 图9显示来如何建立计算用心脏模型和如何利用这一模型来预测用户人体特征波形的流程。现代医学研究显示人体的心脏非常类似一个靠弹性压缩和舒张来驱动的机械泵。周期性地将血液压人血管中。其有利证明就是临床上有病人依靠人造心脏长时间生存，也有病人移植他人甚至动物心脏而长时间生存的记录。既然人的心脏类似一个机械泵，我们完全可以为每个用户的心脏建立一个计算机模型来仿真心脏的机械运动。建立开始(900)通过获取心脏收缩和舒张及其中间过程的连续细致的心脏，血管及相关肌肉的核磁共振影像及CT影像(905)，我们可以获得心脏，血管及其相关肌肉的精细结构。通过对心脏收缩和舒张及其中间过程的连续影像的分析，我们可以确定心脏，血管及其相关肌肉的弹性系数及心脏收缩和舒张的强度系数等一系列模型参数。血样采集和分析可以确定血液的粘稠度和可流动性参数。基于上述各种参数我们可以为用户建立起计算用心脏模型(910)。\n用户可以定期重复上述过程来修正自己的计算用心脏模型。开放式云端处理平台的后端数据处理服务器(715)利用用户的可计算心脏模型来预测用户的心跳及其他人体特征波形，并和可穿戴无线人体特征数据采集及传输模块所采集的(915)进行比对，看两者是否匹配(920)。如果他们不匹配，后端数据处理服务器(715)会调整模型参数(925)，重新计算波形，再进行匹配。反复这一过程，直到匹配为止。如果经过多次调整，后端数据处理服务器(715)始终无法匹配用户的数据，后端数据处理服务器(715)会将这一结果记录到数据库集群(720)中。并通知用户重新做医学检查(930)以便建立新的计算用心脏模型。对于匹配的情况，后端数据处理服务器(715)会总结所做的调整，确定调整的方向是朝着健康方向，还是朝着某种疾病方向，并将这些情况记录到数据库集群(720)中。然后通过万维网服务器集群(705)利用电子邮件，短信，微信或其他方法通知用户(935)。用户也可以登录开放式云端处理平台的万维网页(705)来查询和浏览。\n[0104] 本专利的一个主要创新是开放式云端处理平台(130)。它允许第三方利用云端处理中心(130)的海量数据进行分析，统计和特征提取。研究成果可以传化成新的分析和特征提取方法并嵌入到云端处理中心(130)的分析平台中为广大用户服务。此外，开放式云端处理平台(130)允许用户或用户群向第三方提出针对某种疾病数据进行研究及特征分析的请求，从而引导第三方的研究朝着用户需要的方向发展。\n[0105] 图10显示了开放式云端处理平台支持第三方数据分析的流程图。第三方算法验证开始(1000)，第一步(1005)是向开放式云端处理平台(130)提出申请和提供第三方自身的身份及资质证明。身份及资质证明可以是学历证明，研究成果，论文，专利和获奖证明等。经认证委员会的认证和推荐(1010)，第三方需要签订一组法律文件(1015)，如数据和服务保密协议，非竞争协议，服务收费协议等(1015)。之后，第三方会收到放式云端处理中心发送的测试数据(1020)。数据可能来自放式云端处理中心(130)汇总的典型数据，也可能来自某个用户或用户群提供的典型数据。基于上述数据，第三方开始研究分析及数据挖掘，所提供的数据也可以用来检测第三方研究的分析算法(1025)。其后，第三方向放式云端处理中心(130)提交其算法和测试结果(1030)。由技术专家，服务商，用户或用户群组成的评估委员会对第三方的算法进行测评(1040)。如果测评失败，委员会会将结论及失败原因通知第三方以便其改进其算法(1060)。如果测试成功，开放式云端处理平台(130)会将其算法加入到可供用户选择的试验性数据分析及特征提取方法的菜单中试运行(1045)，并将运行情况随时通知第三方以便其不断改进其算法(1050)。试运行成功，第三方算法将被加入到可供用户选择的正式数据分析及特征提取方法的菜单中投入运行(1055)。\n[0106] 以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。