CN104605939A - 生理信息处理方法及信息处理装置 - Google Patents
生理信息处理方法及信息处理装置 Download PDFInfo
- Publication number
- CN104605939A CN104605939A CN201510060702.3A CN201510060702A CN104605939A CN 104605939 A CN104605939 A CN 104605939A CN 201510060702 A CN201510060702 A CN 201510060702A CN 104605939 A CN104605939 A CN 104605939A
- Authority
- CN
- China
- Prior art keywords
- information
- data processing
- data
- processing policy
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种生理信息处理方法及信息处理装置。所述生理信息处理方法包括：接收依据生理传感器的采集数据形成的第一生理信息；依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；依据所述处理结果生成数据处理策略；发送所述数据处理策略；其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
Description
技术领域
本发明涉及通信领域的数据处理技术，尤其涉及一种生理信息处理方法及信息处理装置。
背景技术
生理传感器为用于检测生命体的生理信息的传感设备，具体如包括人体携带或动物携带的传感器。根据生理传感器被生命体携带的方式不同，又可分为佩戴的传感器以及体内植入的传感器。
在具体应用时，通常利用所述生理传感器进行生理信息的采集，再由生理传感器采集的数据上传到数据处理的信息处理装置，由数据处理的信息处理装置对采集数据进行分析，从而获得采集对象当前的身体状况信息。
通常包括所述生理传感器及所述数据处理的信息处理装置的网络可包括：生理传感器网络(Body Sensor Networks，BSN)、可穿戴传感器网络(Wearable Sensor Networks，WSN)或体域网(Body Area Networks，BAN)。这些网络在进行所述生理信息处理时，主要存在采集数据量大、信息传输能量多、缺乏隐私性保护等特点。
生理传感器通常为由电池进行供电的，若采集的数据量大，采集的频次高，生理传感器在很短的时间内就会将电池的电能耗尽，故为了减少生理传感器的能耗，现有技术中提出了自触发的特征数据采集方法；具体为由生理传感器对于未来发生的事件的时间进行具体的预测，进而设置自触发策略，生理传感器再根据所述自触发策略进行生理信息的采集。但是这种的方法，仅局限于生理传感器采集，在数据发送、接收以及监听的过程中，生理传感器需要消耗电能对未来发生事件的时间进行预测，需要额外的计算量，同时自触发策略无法减少通信过程中信息传输和控制数据传输过程中的能耗；且由于生理传感器仅依据其自身采集的数据形成所述自触发数据处理策略，通常会导致形成的自触发数据处理策略使得生理传感器没有精确的获得需要采集的数据的问题。
发明内容
有鉴于此，本发明实施例期望提供一种生理信息处理方法及信息处理装置，以解决现有技术中生理传感器的功耗大及采集的数据不够精确的问题。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例第一方面提供一种生理信息处理方法，所述方法包括：
接收依据生理传感器的采集数据形成的第一生理信息；
依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
依据所述处理结果生成数据处理策略；
发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
优选地，所述依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果，包括：
依据矩阵恢复技术对所述第一生理信息进行数据恢复处理，获得包括第二生理信息的处理结果；
其中，所述第二生理信息的数据量多于所述第一生理信息的数据量。
优选地，所述依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果，包括：
依据第n+1时刻的所述第一生理信息，确定第n+1时刻的第n+1生理状况信息；
所述依据所述处理结果生成数据处理策略，包括：
比较第n+1时刻的第n+1生理状况信息与所述第n生理状况信息，获得比较结果；
依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略；
其中，所述n为不小于1的整数；所述第n+1数据处理策略为第n+1时的数据处理策略；所述第n+2时刻晚于所述第n+1时刻，所述第n+1时刻晚于所述第n时刻。
优选地，所述依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略，包括：
当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，缩小所述第n+1数据处理策略对应的数据处理周期以形成所述第n+2数据处理策略；
当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息不大于所述第一阈值时，将所述第n+1数据处理策略作为所述第n+2数据处理策略。
优选地，所述第n+1数据处理策略用于控制n1个所述生理传感器的数据处理；
所述依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略，包括：
当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，形成用于控制n2个所述生理传感器的数据处理的第n+2数据处理策略；
其中，所述n2和所述n1均为不小于1的整数，且所述n2大于所述n1。
优选地，所述发送所述数据处理策略，包括：
当所述第n+2数据处理策略不同于所述第n+1数据处理策略时，发送所述第n+2数据处理策略。
优选地，所述接收依据生理传感器的采集数据形成的第一生理信息，包括：
接收所述生理传感器采集并经过安全处理的所述第一生理信息。
本发明实施例第二方面提供一种信息处理装置，包括：
第一接收单元，用于接收依据生理传感器的采集数据形成的第一生理信息；
处理单元，用于依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
生成单元，用于依据所述处理结果生成数据处理策略；
第一发送单元，用于发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
优选地，所述处理单元，具体用于依据矩阵恢复技术对所述第一生理信息进行数据恢复处理，获得包括第二生理信息的处理结果；
其中，所述第二生理信息的数据量多于所述第一生理信息的数据量。
优选地，所述处理单元，具体用于依据第n+1时刻的所述第一生理信息，确定第n+1时刻的第n+1生理状况信息；
所述生成单元，具体用于比较第n+1时刻的第n+1生理状况信息与所述第n生理状况信息，获得比较结果；及依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略；
其中，所述n为不小于1的整数；所述第n+1数据处理策略为第n+1时的数据处理策略；所述第n+2时刻晚于所述第n+1时刻，所述第n+1时刻晚于所述第n时刻。
优选地，所述生成单元，具体用于当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，缩小所述第n+1数据处理策略对应的数据处理周期以形成所述第n+2数据处理策略；及当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息不大于所述第一阈值时，将所述第n+1数据处理策略作为所述第n+2数据处理策略。
优选地，所述第n+1数据处理策略用于控制n1个所述生理传感器的数据处理；
所述生成单元，具体用于当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，形成用于控制n2个所述生理传感器的数据处理的第n+2数据处理策略；
其中，所述n2和所述n1均为不小于1的整数，且所述n2大于所述n1。
优选地，所述第一发送单元，具体用于当所述第n+2数据处理策略不同于所述第n+1数据处理策略时，发送所述第n+2数据处理策略。
优选地，所述第一接收单元，具体用于接收所述生理传感器采集并经过安全处理的所述第一生理信息。
本发明实施例所述的生理信息处理方法及信息处理装置，改变了现有技术中生理传感器根据自身采集的数据形成控制其自触发采样的数据处理策略的技术方式，取而代之由信息处理装置接收一个或多个生理传感器采集的数据，由信息处理装置来进行数据处理形成所述数据处理策略，显然生理传感器不用进行数据处理，故而降低了生理传感器的功耗，延长了生理传感器的待机时长。此外所述信息处理装置将接收汇总多个生理传感器或多种生理传感器的采集得到的生理传感信息，来确定所述数据处理策略，显然形成的数据处理策略的原始数据更多了，采用这种方法形成的数据处理策略控制所述生理传感器的数据采集和发送，将能获得采集对象更加精确的生理状况信息，同时这些生理信息在对采集对象的生理状况的确认时，更有参考意义。
附图说明
图1为本发明实施例所述的生理信息处理方法的流程示意图之一；
图2为本发明实施例所述的生理信息处理方法的流程示意图之二；
图3为本发明实施例所述的生理信息处理方法的流程示意图之三；
图4为本发明实施例所述的生理信息处理方法的流程示意图之四；
图5为本发明实施例所述的信息处理装置的结构示意图之一；
图6为本发明实施例所述的信息处理装置的结构示意图之二；
图7为本发明实施例所述的控制装置的结构示意图；
图8为本发明示例所述的生理信息处理系统的结构示意图；
图9为本发明示例所述的小波去噪处理方法流程示意图。
具体实施方式
以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。
方法实施例一：
如图1所示，本实施例提供一种生理信息处理方法，所述法包括：
步骤S110：接收依据生理传感器的采集数据形成的第一生理信息；
步骤S120：依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
步骤S130：依据所述处理结果生成数据处理策略；
步骤S140：发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
执行本实施例所述步骤S110至步骤S140为位于网络侧的信息处理装置，具体如，云平台中的云信息处理装置或与所述生理传感器通过网络连接的具有数据处理功能的信息处理装置。所述信息处理装置可以为包括一台或多台服务器构成的信息处理装置，具体如医疗诊断平台或云平台等。所述信息处理装置还可能包括安全网关等数据，所述安全网关可以用于对接入所述信息处理装置的请求或发送给所述信息处理装置的生理信息进行信息安全过滤，从而提高所述信息处理装置的安全性。
步骤S110中所接收的数据可以是直接从所述生理传感器接收的数据，也可以是从与所述生理传感器连接的中转设备接收的数据。
在步骤S120中将对所述第一生理信息进行处理，获得处理结果。所述处理结果可用于确定采集对象(即被采集的生命体)的生体状况是否良好；或生体状况信息相对于前一时刻的生体状况信息是否有发生变化等信息。
在步骤S130中依据所述处理结果生成数据处理策略，具体当前采集对象的生体状况信息；若采集对象当前的生体状况良好，采集获得的所述第一生理数据相对于之前采集的历史数据也没有太大的变化，这时可能可以保持或延长所述生理传感器进行生理采集的周期以及发送周期。
所述数据处理策略可包括控制所述生理传感器进行数据采集以及采集数据发送的周期。
在本发明实施例中所述控制所述生理传感器进行数据采集和/或发送的策略，使由信息处理装置依据生理传感器的采集数据生成的，通常一个信息处理装置将获同时处理多个生理传感器的采集数据，且信息处理装置通常会存储大量的历史数据；信息处理装置的数据处理能力也叫生理传感器的处理能力强，故信息处理装置能够通过数据的综合处理，生成更为适宜当前采集对象的生体状况的数据处理策略，从而生理传感器能够精确的获得当前需要采集的生理信息。
其次，所述生理传感器不用在自行进行数据处理，形成类似现有技术中自触发采样策略，从而节省了所述生理传感器的能耗，延长了所述生理传感器的待机时长。
此外，本实施例所述的数据处理策略，不仅能用于控制所述生理传感器的数据采集，同时还可用于控制所述生理传感器的数据发送，再次能够减少生理传感器的能耗，能进一步延长所述生理传感器的待机时长。
综合上述，本实施例所述的生理信息处理方法，将由信息处理装置根据已采集形成的第一生理数据，形成下一时刻的数据处理策略，并通过发送给所述生理传感器来控制生理传感器内部的数据处理，从而以尽可能的减少生理传感器的能耗的同时，保证生理传感器能够及时精确的采集到对采集对象进行生理特征监控的所需数据。
方法实施例二：
如图1所示，本实施例提供一种生理信息处理方法，所述法包括：
步骤S110：接收依据生理传感器的采集数据形成的第一生理信息；
步骤S120：依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
步骤S130：依据所述处理结果生成数据处理策略；
步骤S140：发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
所步骤S120可包括:
依据矩阵恢复技术对所述第一生理信息进行数据恢复处理，获得包括第二生理信息的处理结果；
其中，所述第二生理信息的数据量多于所述第一生理信息的数据量。
所述第一生理信息包括所述生理传感器在不同时刻点采集的数据；本实施例所述的矩阵恢复技术利用保被采集的生理信息在时间上的连续性，在相邻两个采集时刻的中间时刻，通过数据模拟或仿真等数据处理方式，在相邻两个采集时刻的中间时刻插入仿真或模拟数据，从而得到包括实际采集得到的第一生理数据和经过反震或模拟等数据处理生成的数据组成第二生理信息。
通常所述第一生理信息可以以矩阵的形式进行表示，通过所述矩阵恢复技术后形成一个数据个数更多的新矩阵，这个新矩阵即为所述第二生理信息的一种信息之一。
显然采用矩阵恢复技术获得了数据量更多的第二生理信息，在步骤S130中最终将根据对第二生理信息的处理形成所述数据处理策略，显然本实施例中没有直接控制所述生理传感器采集等于所述第二生理信息的数据量，从而减少了生理传感器的数据采集量、数据传输量，从而能够降低生理传感器的功耗。
再比如，所述生理传感器以第一周期对采集对象的第一生理特征进行采集，通过所述矩阵恢复技术处理之后，形成的第二生理信息中的数据，是以第二周期来离散表征所述采集对象的第一生理特征的。所述第二周期对应的时长小于所述第一周期对应的时长。
具体如，当前所述生理传感器为采集人体心跳数的传感器。所述生理传感器可以每隔5分钟采集一次；具体如在第一次上报时，所述第一生理数据包括三个采集周期的三个采集数据，分别是65/min、71/min、80/min；通过所述矩阵恢复技术处理后，将形成对应5个时刻的5个数据，分别是65/min、68/min、71/min、75/min、80/min。显然这5个数据中包括2个通过仿真或模拟形成的插入在采集数据之间的数据。通过对3个采集数据的处理，发现当前用户的心跳数是逐步增加的，根据相邻两个采集时刻形成的采集数据的连续性，确定出在65/min与71/min之间插入一个大于65/min且小于71/min的数据。
以上仅是对矩阵恢复技术的一个简单示例，在具体实现时，考虑的参量还有很多，不局限于上述示例；所述矩阵恢复技术具体如何实现从第一生理信息到第二生理信息的恢复可参见现有技术，在此就不做过多的详细展开了。
总之，本实施例中通过矩阵恢复技术的使用可以减少生理传感器采集和发送的数据量，显然能够节省生理传感器的功耗，与此同时采用矩阵恢复技术，这种能够精确恢复数据的真实现状的技术来进行数据恢复，还能够保持获取的生理信息的精确性。
方法实施例三：
如图1所示，本实施例提供一种生理信息处理方法，所述法包括：
步骤S110：接收依据生理传感器的采集数据形成的第一生理信息；
步骤S120：依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
步骤S130：依据所述处理结果生成数据处理策略；
步骤S140：发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
所述步骤S120可包括：
依据第n+1时刻的所述第一生理信息，确定第n+1时刻的第n+1生理状况信息；
如图2所示，所述步骤S130可包括：
步骤S131：比较第n+1时刻的第n+1生理状况信息与所述第n生理状况信息，获得比较结果；
步骤S132：依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略；
其中，所述n为不小于1的整数；所述第n+1数据处理策略为第n+1时的数据处理策略；所述第n+2时刻晚于所述第n+1时刻，所述第n+1时刻晚于所述第n时刻。
本实施例通过前两个时刻生理状况信息的比较，确定下一时刻的数据处理策略，这里的数据处理策略包括生理传感器的数据采集策略和采集数据发送策略。具体如，当第一时刻确定采集对象的心跳为70次/min，第二时刻确定采集对象的心跳为80次/min，若通常情况下，连续心跳数在前后5次浮动是正常的；那么显然第一时刻和第二时刻的心跳次数差超过了正常的浮动范围。此时，在确定第三时刻的数据处理策略时，可能得缩短所述生理传感器数据采集和发送的周期，以便确定当前采集对象的生理状况。
进一步地，所述步骤S132包括：
步骤S1321：当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，缩小所述第n+1数据处理策略对应的数据处理周期以形成所述第n+2数据处理策略；
步骤S1322：当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息不大于所述第一阈值时，将所述第n+1数据处理策略作为所述第n+2数据处理策略。
所述数据处理周期包括数据采集周期和数据发送周期。在本实施例中进一步的确定了，当所述第n+1时刻的生理状况信息与第n时刻的生理状况信息的差异大于第一阈值时，认为采集对象的生理状况出现较大浮动的波动，如出现异常波动，此时需要加大数据采集量，缩小数据采集和发送周期，故获得关于采集对象更多的生理信息，以方便确准采集对象的生理状况，具体是否出现身体的异常。
本实施例中在确定第n+2时刻的数据处理策略时，直接依据第n+1时刻相对于第n时刻的生理状况信息的变化来确定。所述的变化包括正向变化和负向变化，具体如采集的用户的心跳数；这种变化包括用户心跳数加剧，也包括心跳数下降这两种状况。
在确定第n+2时刻的数据处理策略时，依据第n+1时刻相对于第n时刻生理状况信息的变化，适当在第n+1时刻的数据处理策略的基础上进行数据处理策略的调整，而非重新的生成一整套的数据处理策略，这样能够简化数据处理策略的生成，同时充分的利用了采集对象生理状况在时间上的连续性和渐变性，这样形成的数据处理策略显然是十分适用采集对象的生理状况信息的采集的。
在依据第n+1时刻的数据处理策略形成所述第n+2时刻的数据处理时，可以按照预设步长来调整所述数据处理策略中数据处理的周期，或按照预设函数关系来调整所述数据处理周期。按照预设函数关系数调整数据处理周期，不仅将根据第n+1时刻相对于第n时刻的生理状况信息的变化来调整所述数据处理周期，还将根据所述变化对应的变化量来确定数据处理周期的调整量。
在具体实现时，所述信息处理装置内存储有初始化数据采集策略，所述初始化数据采集策略规定有初始化数据处理周期，这个初始化数据处理周期是采集对象生理状况正常时的常用采集策略，采集的数据量和数据发送的频率能够满足对采集对象身体状况的正常监控。
显然在具体形成用于控制所述生理传感器进行数据采集和发送的数据处理策略时，不仅限于上述方式，以下还提供一种可替代方式：
所述数据处理策略包括第一数据处理策略和第二数据处理策略；其中，所述第一数据处理策略对应的数据处理周期大于所述第二数据处理策略对应的数据处理周期；所述步骤S132可包括：当所述比较结果表征第n+1时刻相对于第n时刻的生理数据的差异量位于第一预设区间内时，将所述第一数据处理策略作为所述第n+2数据处理策略；当所述比较结果表征第n+1时刻相对于第n时刻的生理数据的差异量位于第二预设区间内时，将所述第一数据处理策略作为所述第n+2数据处理策略；其中，所述第一预设区间对应的绝对值区间小于所述第二预设区间对应的绝对值区间。
采用这种方法，数据处理信息处理装置将事先形成两种策略，然后根据第n+1时刻和第n时刻的生理状况信息来确定采用哪一种数据处理策略。此时，第n+2时刻的数据处理策略仅与第n+2时刻和第n+1时刻的生理状况信息相关，而与第n+1时刻的数据处理策略无关。
所述第一预设区间和第二预设区间都对应的是一个区间值，在以人体心跳数为例，第一预设区间可能对应的为0到±5次/min；第二预设区间对应的为±6到±10次/min。显然第一预设区间对应的绝对值区间为0到5次/min；第二预设区间对应的绝对值区间为6到10次/min，显然第二预设区间对应的绝对值大于所述第一预设区间对应的绝对值。所述+5次/min表示第n+1时刻相对于第n时刻的心跳数每分钟增加了5次，所述-5次/min表示第n+1时刻相对于第n时刻的心跳数每分钟减少了5次；显然第一预设区间内每一个数值对应的绝对值均小于所述第二预设区间对应的绝对值。
当所述第n+1时刻相对于第n时刻的生理状况变化大时，采用数据处理周期较小的第二数据处理策略来控制所述生理传感器的数据处理。
在上述两种第n+2时刻数据处理策略的生成过程中，在举例说明时为了简化说明，都是已单一生理状况特征量进行说明的(如以心跳数来进行说明)，在具体实现时，所述的生理状况信息是采集对象一个或多个生理状况特征的综合结果，具体如结合心跳数、血压量等来共同确定所述第n+2时刻的数据处理策略。
在现有技术中，由生理传感器来确定其自身的自触发策略，通常一个功能单一或专一的生理传感器可能仅能采集一种生理状况特征，具体如心跳检测传感器可能仅能采集心跳数；血压传感器可能检测血压值。显然心跳检测传感器在不与血压传感器进行信息交互的基础上，是无法获知血压值，显然仅根据心跳数的变化，可能无法得到最适宜的数据处理周期，而作为数据信息处理装置或生理传感器数据汇总中心的信息处理装置，则将会分别从不同的生理传感器上接收数据，综合这些生理数据得到的数据处理策略显然比依据单个生理状况信息获得数据处理周期，既能够达到降低生理传感器功耗的目的，同时还能保证采集数据的精确性和实用性。
方法实施例四：
如图1所示，本实施例提供一种生理信息处理方法，所述法包括：
步骤S110：接收依据生理传感器的采集数据形成的第一生理信息；
步骤S120：依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
步骤S130：依据所述处理结果生成数据处理策略；
步骤S140：发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
所述步骤S120可包括：
依据第n+1时刻的所述第一生理信息，确定第n+1时刻的第n+1生理状况信息；
如图2所示，所述步骤S130可包括：
步骤S131：比较第n+1时刻的第n+1生理状况信息与所述第n生理状况信息，获得比较结果；
步骤S132：依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略；
其中，所述n为不小于1的整数；所述第n+1数据处理策略为第n+1时的数据处理策略；所述第n+2时刻晚于所述第n+1时刻，所述第n+1时刻晚于所述第n时刻。
所述第n+1数据处理策略用于控制n1个所述生理传感器的数据处理；
所述步骤S132还包括：
当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，形成用于控制n2个所述生理传感器的数据处理的第n+2数据处理策略；
其中，所述n2和所述n1均为不小于1的整数，且所述n2大于所述n1。
采集对象携带的生理传感器可能包括多个，生理传感器根据其采集的生理状况特征的不同也可以分为多种。
具体如采集对象携带的生理传感器可能包括心跳检测传感器、血压传感器和体温传感器；在具体实现时，发现采集对象的心跳数出现较大启发，可能需要知道当前的需要，此时，可以在所述数据处理策略中增加适当的血压传感器和体温传感器，控制所述血压传感器采集对象的血压和体温传感器检测采集对象的体温，配合心跳数来确定采集对象的身体状况。
当然采集对象身体各部位的体温也会有差异，在采集对象的生理状况出现较大波动时，可能需要知道采集对象各部位的体温差异，显然可以从第n+1时刻口腔温度检测，增加到口腔温度检测和腋下温度检测同时进行；则此时可以通过所述数据处理策略来整体控制采集对象携带的各个生理传感器的协同工作。
本发明实施例中所述的采集对象包括人体、动物等有生命特征的采集对象。
本实施例所述的第n+2时刻数据处理策略，在具体实现时可以结合方法实施例三和方法实施例四的技术方案，实现信息处理装置对生理传感器进行生理信息采集和发送的统筹和协调控制，可以达到既减少生理传感器的功耗，同时能够精确的获知采集对象各种生理状况的目的。
方法实施例五：
如图1所示，本实施例提供一种生理信息处理方法，所述法包括：
步骤S110：接收依据生理传感器的采集数据形成的第一生理信息；
步骤S120：依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
步骤S130：依据所述处理结果生成数据处理策略；
步骤S140：发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
所述步骤S120可包括：
依据第n+1时刻的所述第一生理信息，确定第n+1时刻的第n+1生理状况信息；
如图2所示，所述步骤S130可包括：
步骤S131：比较第n+1时刻的第n+1生理状况信息与所述第n生理状况信息，获得比较结果；
步骤S132：依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略；
其中，所述n为不小于1的整数；所述第n+1数据处理策略为第n+1时的数据处理策略；所述第n+2时刻晚于所述第n+1时刻，所述第n+1时刻晚于所述第n时刻。
所述步骤S140可包括：
当所述第n+2数据处理策略不同于所述第n+1数据处理策略时，发送所述第n+2数据处理策略。
在方法实施例二至方法实施例四中至少部分方案提供的第n+2时刻的数据处理策略相对于第n+1时刻的数据处理策略是有先后关联性，此时可能出现的状况是，形成的第n+2时刻的数据处理策略相对于第n+1时刻的数据处理是相同的，此时为了生理传感器获取数据处理策略的信息交互次数，以进一步降低生理传感器的功耗以延长待机时长，当确定出第n+2时刻的数据处理策略不同于所述第n+1时刻的数据处理策略时，才发送第n+2时刻的数据处理策略，否则所述生理传感器将默认按照前一时刻的数据处理策略继续后续的数据处理。
在具体实现时，所述数据处理策略可能用于控制多个生理传感器的数据处理，而仅有其中的部分发送改变，在发送所述数据处理策略时，为了减少数据交互量和节省功耗，可以仅发送有发生改变部分的数据处理策略。
方法实施例六：
如图1所示，本实施例提供一种生理信息处理方法，所述法包括：
步骤S110：接收依据生理传感器的采集数据形成的第一生理信息；
步骤S120：依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
步骤S130：依据所述处理结果生成数据处理策略；
步骤S140：发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
所述步骤S110可包括：
接收所述生理传感器采集并经过安全处理的所述第一生理信息。
这些上传给信息处理装置的信息通常包括采集对象的标识信息、采集对象的当前位置信息或采集的时间信息的，而这些信息可能都涉及采集对象的一些隐私信息，为了这些信息的安全，在本实施例中，所述第一生理信息为经过时空匿名化处理的信息，这样在数据的传输过程中以及存储到信息处理装置之后，能够防止非法者盗取到时分精确的生理信息，从而获知被采集的精确的活动信息等隐私信息。
所述安全处理可包括加密处理，时空匿名化处理以及信息混淆处理等信息安全处理。
所述时空匿名化处理主要是处理生理传感器采集数据中以下三类数据：
第一类：与身份关联的信息，例如名字、身份等信息。
第二类：与位置关联的信息、采集对象如用户当前的位置信息和地址。
第三类：可用于推断出用户身份的信息，具体如用户的身高、体重、地址、年龄以及学历等信息。
在进行时空匿名化处理时，可以将具体的采集时刻和地址信息，进行时间泛化和地址泛化，具体如采集时刻为9:10，可以泛化为9:00至9:30；地址泛化，具体为海淀区中关村、可泛化为北京市等。
所述信息混淆处理，还包括在生理传感器采集的数据中加入混淆信息，这样非法者盗取了信息之后，由于混淆信息的加入，并不知道具体哪一个才是采集的实际信息。
所述加密处理包括各种类型的密钥加密处理，具体如对称加密处理和非对称加密处理等。
在具体实现时可以结合信息泛化、混淆信息加入处理和加密处理，更好的保证信息的安全性。
此外，为了更好的保护获取的生理信息的信息安全，所述信息处理装置还可以将存储的生理信息进行数据安全处理，具体如采用LDPPA-S数据处理策略，对获取的生理信息进行数据安全处理。
所述LDPPA-S为Location&Data Privacy Protection Algorithm on Server,LDPPA-S的缩写。所述信息处理装置基于LDPPA-S数据处理策略进行数据安全处理具体可包括：控制装置将用户匿名化后的信息发送到服务器端，由信息处理装置执行基于时空聚类的隐私保护算法，通过该算法，将系统中多个不同的用户分簇，用簇的信息来替代用户的敏感信息，例如地理位置，用户请求等。
综合上述任意本实施例提供了一种生理信息处理方法，在进行生理数据采集和发送时，由能够接收多个生理传感器发送的生理信息的信息处理装置，通过数据处理获得各个生理传感器的数据处理策略，显然首先生理传感器不用自行生成数据处理策略，能够降低其功耗，其次，信息处理装置将结合多种生理传感器采集的不同类型的生理特征信息，或同一类型位于采集对象不同部位的生理传感器采集的生理信息来确定所述数据处理策略，可以通过统筹和综合，指定的数据处理策略用于生理传感器数据的采集和发送，能够更好的对采集对象进行身体状况的监控。且为了实现信息安全在，在本发明实施例中，信息处理装置最终接收的生理信息均时经过了时空匿名化处理的，这样数据在传输过程中以及数据在存储过程中出现数据泄露，非法者都无法获知采集对象的精确隐私数据，从而提高了信息安全性。
方法实施例七：
如图3所示，本实施例提供一种生理信息处理方法，所述方法包括：
步骤S210：向数据处理信息处理装置发送依据生理传感器的采集数据形成第一生理信息；
步骤S220：接收所述信息处理装置依据所述第一生理信息形成数据处理策略；
步骤S230：依据所述数据处理策略向所述生理传感器发送数据处理控制信息；
所述数据处理控制信息用于控制所述生理传感器的数据处理。
本实施例所述的生理信息处理方法可应用于分别与生理传感器以及信息处理装置连接的控制装置中，具体如与生理传感器的手机、平板电脑或笔记本或台式电脑中。所述控制装置为生理传感器和信息处理装置之间的中间设备。
所述控制装置将从采集对象携带的至少一个生理传感器上接收采集数据，将所述采集数据形成第一生理信息发送到信息处理装置。这里形成所述第一生理信息可以仅是将各个生理传感器采集的数据进行汇总处理后形成的数据，也可以对数据还进行了数据转换，这种数据转换可包括安全处理等操作。
在步骤S210中将接收信息处理装置依据所述第一生理信息形成的数据处理策略；这些数据处理策略通常主要用于控制所述生理传感器的生理数据的采集和发送。由于采集对象可能携带多个生理传感器，每一个生理传感器的数据处理周期可能不同，在本实施例中所述控制装置可能把数据处理策略中对应控制每一个生理传感器的数据处理策略生成对应的控制信息发送到生理传感器，方便所述生理传感器基于所述控制信息实现自触发采样和数据发送。
具体如所述生理传感器包括心跳检测传感器和血压传感器，所述数据处理策略可能包括控制心跳检测传感器的第一部分和控制血压传感器的第二部分；其中第一部分规定心跳检测器每隔3分钟检测一次心跳数，每隔5个周期发送一次采集数据；第二部分规定血压传感器每隔3个周期发送一次采集数据。这是，控制装置会将所述数据处理策略拆分成两部分，将第一部分发送给心跳检测传感器；将所述第二部分发送给第二部分发送给血压传感器。这样心跳检测传感器和所述血压传感器将根据所述各自的控制信息执行自触发采样和采样数据的发送。
在具体的实现过程中，步骤220也可以是直接把信息处理装置形成的数据处理策略直接发送生理传感器。具体如，当所述数据处理策略仅用于控制心跳检测传感器时，显然可以直接把所述数据处理策略发送给所述心跳检测传感器。在具体实现时，所述数据处理策略也可以包括用于控制所述控制装置进行所述第一生理信息。
在具体的实现过程中，为了进一步延长所述生理传感器的待机时长，所述步骤S220中可以直接生成能够控制所述生理传感器进行数据采集和发送的底层指令，这样所述生理传感器在接收到所述指令之后，不用进行数据处理控制信息的解析就能直接用于控制所述生理传感器的数据处理。
本实施例中所述的数据处理策略的形成，可以参见方法实施例一至方法实施例六中所述的方法，具体如下一数据处理时刻为第n+2时刻，所述第n+2时刻的数据处理策略如图2中步骤S131和步骤S132中所示的，是根据第n+1时刻和第n时刻的生理信息确定的，具体如何确定在此就不再详细赘述了。
综合上述，本实施例提供了一种生理信息处理方法，本实施例所述生理信息处理方法，将由获取了第一生理信息的信息处理装置生成控制所述生理传感器进行数据采集和发送控制的数据处理策略，这样不用生理传感器自行进行数据处理形成自触发采样策略，从而节省了生理传感器的功耗，同时且信息处理装置可根据采集对象的多个生理传感器采集的生理信息的汇总形成的数据处理策略，根据这样形成的数据处理策略进行生理信息的采集和处理，能够获得采集对象更加精确的生理状况信息，从而对采集对象生理状况更好的监控。
方法实施例八:
如图3所示，本实施例提供一种生理信息处理方法，所述方法包括：
步骤S210：向数据处理信息处理装置发送依据生理传感器的采集数据形成第一生理信息；
步骤S220：接收所述信息处理装置依据所述第一生理信息形成数据处理策略；
步骤S230：依据所述数据处理策略向所述生理传感器发送数据处理控制信息；
所述数据处理控制信息用于控制所述生理传感器的数据处理。
所述步骤S210可包括：
步骤S211：接收所述生理传感器发送的采集数据；
步骤S212：对所述采集数据进行安全处理，形成所述第一生理信息；
步骤S213：将所述第一生理信息发送给信息处理装置。
在本实施例中接收生理传感器发送的采集数据，可能多个生理传感器的采集数据。
具体如图4所示，作为控制装置的手机，将分别接收生理传感器1发送的采集数据1、生理传感器2的采集数据2以及生理传感器3的采集数据3。所述生理传感器1至生理传感器3均为被同一个采集对象携带的生理传感器。所述生理传感器可以为采集对象佩戴的或植入所述采集对象体内的检测生理状况信息的传感器。此处的采集对象可以为人体或动物等具有生命体。
在图4中可知各个生理传感器与手机之间形成了星型网络，各个传感器均直接连接到所述控制装置上，可以直接向控制装置发送采集数据。
作为控制装置的手机在接收到采集数据之后，将依据采集数据形成第一生理信息；这里的第一生理信息可以是直接通过数据汇总形成的数据，也可以是经过数据转换的到的第一生理信息。在本实施例中所述步骤S101可为对各个采集数据进行时空匿名化处理形成所述第一生理信息。图4中步骤S102相当于本实施例中的所述步骤S213，即将转换形成的第一生理数据发送到信息处理装置。
在具体的应用场景中，所述控制装置可能直接与信息处理装置建立有数据连接，也可以是如图4中所示的，控制装置与信息处理装置之间通过互连网建立有网络连接，所述第一生理信息是通过互连网传输到信息处理装置。当所述第一生理信息通过互联网传输到信息处理装置时，可能会被其他非法用户窃取等操作，为了保持生理信息的安全，在本实施例中通过时空匿名化处理的第一生理信息有很强的防泄密性，即便数据被窃取，非法者也无法直接获得采集对象的身份以及身体状况等精确信息，从而提升了信息安全性。
方法实施例九:
如图3所示，本实施例提供一种生理信息处理方法，所述方法包括：
步骤S210：向数据处理信息处理装置发送依据生理传感器的采集数据形成第一生理信息；
步骤S220：接收所述信息处理装置依据所述第一生理信息形成数据处理策略；
步骤S230：依据所述数据处理策略向所述生理传感器发送数据处理控制信息；
所述数据处理控制信息用于控制所述生理传感器的数据处理。
所述步骤S210可包括：
步骤S211：接收所述生理传感器发送的采集数据；
步骤S212：对所述采集数据进行安全处理，形成所述第一生理信息；
步骤S213：将所述第一生理信息发送给信息处理装置。
所述步骤S212具体可包括以下其中之一：
将所述采集数据中的身份信息进行时空匿名化处理；
将所述采集数据中的位置信息进行时空匿名化处理；
将所述采集数据中与身份信息和时空信息关联的数值信息进行时空匿名化处理。
所述控制装置可以为各种类型的智能终端，具体如手机、平板电脑或笔记本电脑等电子设备，使用本地数据库记录BSN节点(所述BSN节点即为所述生理传感器)采集的生理信息(所述生理信息即为所述采集数据)，对于用户身份的敏感信息进行时空匿名化、数据相关信息匿名化处理：例如将用户的年龄20岁改为区间[20-25]岁，将信采集时刻9:10改为[9:00,9:30]、位置信息匿名化处理：将用户的精确位置信息用附近的地标建筑物来代替，如餐厅、电影院的地理位置。
图4中的步骤S103将依据第一生理信息形成数据处理策略，此处的步骤S103相当于方法实施例一至方法实施例六中的步骤S120至步骤S130。在形成数据处理策略之后，步骤S104中将数据处理策略发送给控制装置，该步骤S104相当于本实施例中所述的210。在图4中还包括步骤S105，步骤S105为依据数据处理策略形成数据处理控制信息，即相当于本实施例中的步骤S230。在图4中形成有控制信息1、控制信息2和控制信息3；这些控制信息分别发送给对应的生理传感器，用于生理传感器的自触发采样和采集数据的发送。
在具体实现时，所述信息处理装置对应可为医疗信息处理装置中一台或多台服务器，所述服务器可以用于根据第一生理信息诊断出采集对象当前身体状况是否异常的信息处理设备，所述信息处理装置可以为用于医疗诊断的云平台中的信息处理装置。
方法实施例十：
如图3所示，本实施例提供一种生理信息处理方法，所述方法包括：
步骤S210：向数据处理信息处理装置发送依据生理传感器的采集数据形成第一生理信息；
步骤S220：接收所述信息处理装置依据所述第一生理信息形成数据处理策略；
步骤S230：依据所述数据处理策略向所述生理传感器发送数据处理控制信息；
所述数据处理控制信息用于控制所述生理传感器的数据处理。
所述步骤S230可包括：解析所述数据处理策略，生成控制每一所述生理传感器数据处理的数据处理控制信息；及向所述生理传感器发送所述数据处理控制信息。
当所述数据处理策略包括多个生理处理器的数据处理控制信息时，需要由所述控制装置进行数据处理策略的拆分，当所述数据处理策略还包括用于所述控制装置的数据处理策略时，显然需要由所述控制装置将所述数据处理策略进行解析处理，将用于控制生理传感器的数据处理策略发送到对应的生理传感器。
设备实施一：
如图5所示，本实施例提供一种信息处理装置，所述信息处理装置包括：
第一接收单元110，用于接收依据生理传感器的采集数据形成的第一生理信息；
处理单元120，用于依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
生成单元130，用于依据所述处理结果生成数据处理策略；
第一发送单元140，用于发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
在本实施例中所述第一接收单元110和所述第一发送单元140的具体结构均可包括通信接口；所述通信接口可为有线通信接口或无线通信接口；所述有线通信接口可为电缆接口或光缆接口。所述无线通信接口可包括天线。所述第一接收单元110和所述第一发送单元140可集成对应一个同时具有收发功能的通信接口。具体地，所述通信接口可为连接到互连网的网络接口。
所述处理单元120和生成单元130的具体结构可包括处理器和存储介质；所述存储介质上存储有可执行代码。所述存储介质与所述处理器通过总线等用户设备内部的通信接口连接。所述处理器通过执行所述可执行代码可以实现处理单元120和生成单元130的功能。所述处理器可以中央处理器CPU、微处理器MCU、数字信号处理器DSP或可编程阵列PLC等具有信息处理功能的处理器或处理芯片。
所述处理单元120和所述生成单元130可分别对应不同的处理器，也可集成对应相同的处理器。当一个处理器同时对应于所述处理单元120和生成单元130时，所述处理器可以采用时分复用或并发线程来实现不同功能单元的功能。
在具体实现时，所述信息处理装置可以由多台服务器构成，在所述信息处理装置中除了服务器以外还可以包括数据库或网关等设备，
图6为本实施例所述的信息处理装置100的另一种结构，具体包括：网关、服务器和生理信息数据库。显然网关是用于互连网与控制装置200进行数据交互的通信接口，详单于本实施例中所述的第一接收单元110和第一发送单元140。通过网关的设置可以提高信息处理装置的信息安全和使用安全性，这样可以减少非法访问以及问题数据进入服务器和生理信息数据，
所述生理信息数据库可以存储了历史生理信息，历史确诊数据或历史处理策略等信息，这些信息非常重要，可能涉及用户的隐私信息，将这些信息从服务器中分离出来，存储在专门的数据库中，当服务器出现问题时，这些数据还能安全保存，当服务器出现被非法者侵入时，非法者未必能获得胜利信息数据库中的数据。
在图6中还包括采集对象，该采集对象为人体，控制装置200通过接收人体携带的生理传感器采集所述人体的各种生理信息。
所述第一生理信息和数据处理策略的相关介绍，可参见方法实施例一，在此就不再重复了，本实施例所述的信息处理装置可用于实现方法实施例一中任意所述的技术方案，显然能够降低生理传感器的功耗，提升生理传感器的待机时长，且由信息处理装置依据生理信息确定的数据处理策略用于生理信息的采集和处理，在对采集对象进行生理状况确认时，能够提供更能够映采集对象的生理状况信息。
设备实施例二：
如图5所示，本实施例提供一种信息处理装置，所述信息处理装置包括：
第一接收单元110，用于接收依据生理传感器的采集数据形成的第一生理信息；
处理单元120，用于依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
生成单元130，用于依据所述处理结果生成数据处理策略；
第一发送单元140，用于发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
所述处理单元120，具体用于依据矩阵恢复技术对所述第一生理信息进行数据恢复处理，获得包括第二生理信息的处理结果；
其中，所述第二生理信息的数据量多于所述第一生理信息的数据量。
在本实施例中为了减少生理传感器的采集和发送数据量，所述处理单元120将用于依据矩阵恢复技术对第一生理信息进行处理，得到第二生理信息，这样能够再次降低生理传感器的功耗，延长生理传感器的待机时长。
具体如何依据矩阵恢复技术实现将数据量较小的第一生理信息恢复到数据量较多的第二生理信息，可以参见对应的方法实施例，在此就不再重复了。
设备实施例三：
如图5所示，本实施例提供一种信息处理装置，所述信息处理装置包括：
第一接收单元110，用于接收依据生理传感器的采集数据形成的第一生理信息；
处理单元120，用于依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
生成单元130，用于依据所述处理结果生成数据处理策略；
第一发送单元140，用于发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
所述处理单元120，具体用于依据第n+1时刻的所述第一生理信息，确定第n+1时刻的第n+1生理状况信息；
所述生成单元130，具体用于比较第n+1时刻的第n+1生理状况信息与所述第n生理状况信息，获得比较结果；及依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略；
其中，所述n为不小于1的整数；所述第n+1数据处理策略为第n+1时的数据处理策略；所述第n+2时刻晚于所述第n+1时刻，所述第n+1时刻晚于所述第n时刻。
在本实施例中所述处理单元120和所述生成单元130的具体结构可以参见设备实施例一和设备实施例二。所述处理单元120和所述生成单元130在进行数据处理时，依据采集对象的很多生理状况信息在时间上的延续性和关联性，来确定第n+2时刻的数据处理策略。具体如当一个数据处理策略的有效生命周期为10分钟，若第n时刻为10：15，则所述第n+1时刻为10：25；所述第n+2时刻为10:35。
本实施例所述的信息处理装置可以用于实现方法实施例三中所述的生理系新车的处理方法，更好的利用了信息处理装置的软硬件资源，采用信息处理装置制定的数据处理策略控制生理传感器的数据采集和发送，能够方便信息处理装置根据当前采集对象的整体的生理状况来统筹和协调控制多个生理传感器的数据采集和发送，这样得到的数据对后续对采集对象的生理状况的确认更加具有实用性和精确性。
作为本实施例的进一步改进，所述生成单元130，具体用于当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，缩小所述第n+1数据处理策略对应的数据处理周期以形成所述第n+2数据处理策略；及当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息不大于所述第一阈值时，将所述第n+1数据处理策略作为所述第n+2数据处理策略。
本实施例中所述生成单元130将依据第n+2和第n+1时刻之间的时间关联性来确定第n+2时刻的数据处理策略，第n+2时刻的数据处理策略时在第n+1时刻的数据处理策略的基础上进行变更，这样能够减少生成单元130的数据处理量，简化所述信息处理装置的工作。
设备实施例四：
如图5所示，本实施例提供一种信息处理装置，所述信息处理装置包括：
第一接收单元110，用于接收依据生理传感器的采集数据形成的第一生理信息；
处理单元120，用于依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
生成单元130，用于依据所述处理结果生成数据处理策略；
第一发送单元140，用于发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
所述处理单元120，具体用于依据第n+1时刻的所述第一生理信息，确定第n+1时刻的第n+1生理状况信息；
所述生成单元130，具体用于比较第n+1时刻的第n+1生理状况信息与所述第n生理状况信息，获得比较结果；及依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略；
其中，所述n为不小于1的整数；所述第n+1数据处理策略为第n+1时的数据处理策略；所述第n+2时刻晚于所述第n+1时刻，所述第n+1时刻晚于所述第n时刻。
所述第n+1数据处理策略用于控制n1个所述生理传感器的数据处理；
所述生成单元130，还用于当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，形成用于控制n2个所述生理传感器的数据处理的第n+2数据处理策略；
其中，所述n2和所述n1均为不小于1的整数，且所述n2大于所述n1。
在上一实施例中所述生成单元130主要用于改变数据处理策略中的数据处理周期，具体如改变数据处理周期中的数据采集周期和数据发送周期，而本实施例中还用于控制改变检测采集对象生理信息的生理传感器的个数。
综合上述，本实施例提供的信息处理装置可以用于实现方法实施例四中所述生理信息处理方法中的任意技术方案，显然可以降低生理传感器的功耗。
设备实施例五：
如图5所示，本实施例提供一种信息处理装置，所述信息处理装置包括：
第一接收单元110，用于接收依据生理传感器的采集数据形成的第一生理信息；
处理单元120，用于依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
生成单元130，用于依据所述处理结果生成数据处理策略；
第一发送单元140，用于发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
所述第一发送单元140，具体用于当所述第n+2数据处理策略不同于所述第n+1数据处理策略时，发送所述第n+2数据处理策略。
在本实施例中所述第一发送单元140不是在形成了第n+2时刻的数据处理策略就直接发送，为了进一步降低信息处理装置、控制装置以及生理传感器的功耗，仅确认出所述第n+2数据处理策略不同于所述第n+1数据处理策略时，才发送所述第n+2数据处理策略，在具体实现时，在发送所述第n+2数据处理策略时，还可以仅发送第n+2数据处理策略中不同于所述第n+1数据处理策略中的数据；这样能够减少信息处理装置、控制装置以及生理传感器之间的数据交互量，进一步减少系统的功耗。
此外，本实施例所述的信息处理装置也可以直接与所述生理传感器建立数据连接，所述数据处理策略也可以由所述信息处理装置直接发送到所述生理传感器。
设备实施例六：
如图5所示，本实施例提供一种信息处理装置，所述信息处理装置包括：
第一接收单元110，用于接收依据生理传感器的采集数据形成的第一生理信息；
处理单元120，用于依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
生成单元130，用于依据所述处理结果生成数据处理策略；
第一发送单元140，用于发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
所述第一接收单元110，具体用于接收所述生理传感器采集并经过安全处理的所述第一生理信息。
为了防止所述第一生理信息在传输过程中被窃取，而后窃取者直接获得采集对象的生理信息，本实施例所述第一接收单元110接收的为经过是时空匿名化处理的数据，这样能够增强信息安全性。
在具体实现过程中，所述处理单元120也可用于对后续需要保存与采集对象生理状况相关的生理信息、生理状况信息进行安全处理，此处的安全处理同样可包括加密处理、时空匿名化处理或信息混淆处理等安全处理。
这样能够保证即便信息处理装置中的数据被盗取了，窃取者也不能立马就直接获得采集的身份信息、地理位置信息、生理信息或生理状况信息等信息；这样提高了信息的安全性。
设备实施例七：
如图7所示，本实施例提供一种控制装置，所述控制装置包括：
第二发送单元210，用于向数据处理信息处理装置发送依据生理传感器的采集数据形成第一生理信息；
第二接收单元220，接收所述信息处理装置依据所述第一生理信息形成数据处理策略；
第三发送单元230，用于依据所述数据处理策略向所述生理传感器发送数据处理控制信息；其中，所述数据处理控制信息用于控制所述生理传感器的数据处理。
所述第二发送单元210和所述第二接收单元220均可包括通信接口，该通信接口可以与信息处理装置建立连接，用于向信息处理装置发送所述第一生理信息。所述通信接口可为互连网接口，用于通过互连网与信息处理装置建立连接。所述通信接口可为有线接口或无线接口；所述有线接口可包括电缆接口或光缆接口；所述无线接口可包括发送天线。在具体实现时，所述第二发送单元210对应的是发送接口；所述第二接收单元220对应的是接收接口；所述第二发送单元210和第二接收单元220可集成对应于同一个具有收发功能的接口。
在本实施例中所述控制装置还包括第三发送单元230，所述第三发送单元230为与生理传感器建立有连接的通信接口，该通信接口能够用于控制装置向生理传感器发送所述数据处理控制信息。
在具体实现时，所述控制装置可能包括多个通信接口；这些通信接口的接口类型可能相同，也可能不相同。具体如，作为控制装置的手机包括蓝牙接口和WIFI接口。所述手机可能通过蓝牙接口与生理传感器建立连接，用于接收生理传感器的采集数据并向所述生理传感器发送所述数据处理控制信息。所述手机可能通过WIFI接口与信息处理装置通过互连网建立连接，所述手机将通过与信息处理装置之间的WIFI数据包的收发实现第一生理信息和数据处理策略的传输。
所述第二发送单元210和第二接收单元220还可以对应各代移动通信技术应用接口，所述移动通信技术应用接口可以采用通用分组无线业务GPRS、宽带码分多址WCDMA、分码多址CDMA2000、时分同步的码分多址技术TD-SCDMA等技术与信息处理装置进行信息交互，
所述第三接收单元通常可以对应短距离通信接口，具体如红外通信接口、蓝牙通信接口或WIFI通信接口。
通常所述控制装置在物理空间上与所述生理传感器的距离较与所述信息处理装置的物理空间的距离大。具体如当所述采集对象为人体，所述生理传感器可包括用户穿戴的智能脚环或植入体内的其他生理信息检测传感器；所述控装置可能即为用户随身携带的手机或平板电脑等电子设备，而所述信息处理装置可能为医院设立的医疗健康平台。
所述第一生理信息、数据处理策略以及数据处理控制信息的相关介绍可以参见对应的方法实施例，再本设备实施例中就不再重复了。
本实施例提供了一种控制装置，该控制装置分别通过生理传感器和信息处理装置能够进行数据交互，作为两者之间的数据中转和转化节点，能够达到降低生理传感器的功耗的目的，同时协助信息处理装置控制生理传感器按所述数据处理策略进行数据采集，以获得信息处理装置想要的数据。
值得注意的是，本实施例中所述的控制装置可以为单用户控制装置，也可以为多用户控制装置。所述单用户控制装置为该控制装置仅与一个采集对象携带的生理传感器相连，用于对一个采集对象的生理信息和数据处理策略进行处理和转化。所述多用户控制装置为一个控制装置可用于多个采集对象的生理信息和数据采集策略的处理。
设备实施例八：
如图7所示，本实施例提供一种控制装置，所述控制装置包括：
第二发送单元210，用于向数据处理信息处理装置发送依据生理传感器的采集数据形成第一生理信息；
第二接收单元220，接收所述信息处理装置依据所述第一生理信息形成数据处理策略；
第三发送单元230，用于依据所述数据处理策略向所述生理传感器发送数据处理控制信息；其中，所述数据处理控制信息用于控制所述生理传感器的数据处理。
所述第二发送单元210包括：接收模块，用于接收所述生理传感器发送的采集数据；安全处理模块，用于对所述采集数据进行安全处理，形成所述第一生理信息；发送模块，用于将所述第一生理信息发送给信息处理装置。
接收模块用于接收生理传感器接收的信息，对应的具体结构可为接收接口，具体如蓝牙接收接口、WIFI接收接口。
所述安全处理模块可对应处理器和存储介质，包括处理器和存储介质；所述存储介质上存储有可执行代码。所述存储介质与所述处理器通过总线等用户设备内部的通信接口连接。所述处理器的具体结构可间本申请的前述实施例，在此就不再重复了。所述发送模块可为与信息处理装置能够进行信息交互的接口，能够发送所述第一生理信息。
综合上述，本实施例提供了一种控制装置包括了会对采集数据进行安全化处理的安全处理模块，这样就提高了信息的安全性。此处的安全性处理可包括加密处理、时空匿名化处理以及信息混淆处理等。
作为本实施例的进一步改进，所述安全处理模块，具体用于将所述采集数据中的身份信息进行时空匿名化处理；和/或，将所述采集数据中的位置信息进行时空匿名化处理；和/或将所述采集数据中与身份信息和时空信息关联的数值信息进行时空匿名化处理。
具体如何进行时空匿名化处理可以参见对应的方法实施例，在此就不再重复了。本实施例在上一实施例的基础上，进一步限定了所述安全处理模块是如何实现生理信息安全化处理的，具有结构简单和实现简便的优点。
设备实施例九：
如图7所示，本实施例提供一种控制装置，所述控制装置包括：
第二发送单元210，用于向数据处理信息处理装置发送依据生理传感器的采集数据形成第一生理信息；
第二接收单元220，接收所述信息处理装置依据所述第一生理信息形成数据处理策略；
第三发送单元230，用于依据所述数据处理策略向所述生理传感器发送数据处理控制信息；其中，所述数据处理控制信息用于控制所述生理传感器的数据处理。
所述第三发送单元230，具体用于解析所述数据处理策略，生成控制每一所述生理传感器数据处理的数据处理控制信息；及向所述生理传感器发送所述数据处理控制信息。
本实施例所述的第三发送单元230包括对应的数据处理芯片，能够数据的解析处理，这样能够减少发送给单个生理传感器的数据，从而能够再次减少生理传感器的功耗，延长所述生理传感器的待机时长。
此处所述的数据处理控制信息，可以为所述生理传感器可直接识别应用的底层指令，具体如精简指令等，这样能够再次减少所述生理传感器的功耗。
以下结合上述任意实施例提供几个具体示例：
示例一：
如图4、图6和图8所示，本实施例提供一种生理信息处理系统，包括三实体部分，分别是生理传感器BSN、控制装置(如手机、PDA或平板电脑等智能终端)以及信息处理装置。
BSN主要用于负责实时采集人体生理数据。使用时，将BSN节点的信息采集探头附着在人体表面，采集人体生理信号(如GSR，EMG，等)或运动信号。此处的人体生理数据和人体生成信号均为上述实施例中生理传感器的采集数据中的一种。所述GSR为Galvanie Skin Response的缩写，对应的中文为皮肤肌电反应。所述EMG为electromyography的缩写，对应的中文为肌电图。
智能终端主要用于为收集BSN采集到的数据，对于信息进行匿名化处理，保护生理数据的隐私安全。此处的匿名化处理即为上述安全处理。
信息处理装置，主要用于执行对智能终端传输来的数据进行高层次匿名化和矩阵恢复操作，还原人体生理信息。同时，对于采集到的生理数据信息的精确性进行评估，生成下一步节点采样控制策略，将该策略发送给智能终端，由智能终端控制人体传感器网络节点的采集行为。此处的人体生理信息可理解为上述实施例中的生理状况信息或生理信息。此处的所述节点采样控制策略即为上述数据处理策略中的一种。
将所述生理信息系统进行逻辑划分，可以分为数据管理层、数据处理层以及数据采集层。所述数据采集层对应于所述生理传感器BSN，所述数据处理层对应于控制装置，即上述智能终端；所述数据管理层对应于上述信息处理装置。在图8中各个层中的模块都省略了“模块”这两个字。
本示例中所述的系统可以用于生命体的智能医疗和远程医疗。
第一、数据采集层：
包括节点部署、BSN组网和数据采集。
信息采集层的功能主要包括节点部署、BSN组网和信息采集三个部分。
此处节点为BSN，可以采用采用实验室现有设备人体传感器网络Shimmer实时采集人体生理信号。其中生理信号主要包括心电图ECG，EMG，GSR等。采用Shimmer的原因一方面是此类传感器节点具有可编程功能，可以针对不同的需求设计应用程序，以二进制文件的形式烧写到微处理器中。另一方面，该类节点还可以安装Tinyos操作系统，实现对于任务的管理与调度。除此之外，还可以开发基于安卓的人体监控系统的应用。此处的生理信号即为上述采集数据的一种。所述Shimmer是性能较为优越的一种生理传感器。
1、节点部署：使用绷带将Shimmer节点(Shimmer节点为BSN的一种)固定，将探头贴于体表，探头会采集人体生理信号，并将信息发送给Shimmer节点。各个生理传感器节点分布于身体的不同位置，为了保证可靠性，延长网络生存时间，将每类节点5-8个放于体表的不同位置，采集生理信号。最后将采集到的信息汇聚到智能终端。另外，为了节省节点能耗，延长网络生存时间，智能终端会周期性的给部分节点发送控制信息，Shimmer节点在收到控制信息后调整自身采样频率。
2、BSN组网与信息采集：
采用星形拓扑结构，以智能终端为BSN汇聚节点和控制中心。每个BSN节点被烧写上不同功能的二进制文件，执行不同的采集功能。烧写的二进制文件中需要对节点的采样行为进行定义，即节点可以根据智能终端发送的采样信息而动态调整自身采样周期和频率，以自触发的方式执行采集任务。节点采集到信息之后，将信息发送给智能终端，由智能终端对于信息进行处理。
第二数据处理层：
数据处理层的任务主要在智能终端进行，智能终端对于BSN节点采集到的信息进行处理。主要包括六个模块，主要功能如下：
数据预处理模块，用于人体传感器网络节点采集到的信号会受到周围环境的干扰，无法确保采集的信息能够在每一时刻都真实反映出人体的客观状态，因此必须执行除噪操作。在进行除噪时，采用小波去噪处理(如图9所示)。最终得到的信息能够实时记录人体在某一时刻的某一指标的准确值。在小波分析中，常用到近似和细节。近似表示信号的高尺度，低频率成分；而细节表示的是低尺度，高频成分，因此原始信号通过两个互补滤波器产生两个信号。图9是一阶滤波器的简要示意图。
所述小波去噪处理可包括将原始信号输入滤波器，分别通过低通和高通藏处理后得到信号近似A和信号细节D，将得到两倍于所述原始信号的数据量。此处的所述原始信号可为控制装置从BSN接收的采集信息的信号。小波去噪处理后得到的信号可为所述第一生理信息的原始信号。
数据融合：BSN作为无线传感器在人体的一种特殊应用，也具有以数据为中心的特点，因此需要在智能终端进行数据融合。智能终端对于一段时间内在多个相同节点采集到的信息进行融合，减少数据的存储量和传输量。将某些可融合数据(例如分布于人体不同部位用于测量诸如脉搏、血氧饱和度等信息的节点数据)执行数据融合，将多个数据信息汇聚成一条数据，可有效减少数据量的存储与传输。数据融合模块的第二个作用是判断节点是否存在故障，在采样过程中，通常情况下会使用两个以上的相同类型的节点进行生理信号的采集，一旦两组数据出现较大分歧，则此时智能终端会动态通知数据管理服务器这种异常情况，服务器对于采样方式进行调整，直到采集的信号趋于一致。数据管理服务器在收到异常情况后，根据采样方式的调整可以最终定位出故障节点。在后续的系统运行过程中，便不再使用故障节点，保证了系统的可靠性运行。
数据规格化处理与数据存储：Shimmer节点采集到的信息反映着不同的生理状况。虽然采用数据融合的方式能够有效减少计算量和存储量，但是考虑到不同生理指标的表示方法各异(例如运动传感器采集的信息记录的结果为某一时刻x,y,z方向的加速度、EMG、GSR传感器记录某一时刻生理指标的值)，因此各种不同生理指标的表述方法各不相同。为了能够统一化信息存储，因此采用规格化的方法，采用xml文件对于采集的信息进行存储，并使用Android系统SQLite数据库对于生理信息进行存储和管理。
隐私保护：
此处的隐私保护为上述实施例中的安全处理的一种。人体传感器采集到的人体生理信号能够客观的反映出用户在某一时刻的真实身体状况，属于敏感信息，因此需要得到妥善的保护。在使用本系统的过程中，智能终端和数据处理服务器都有可能被攻击者控制(攻击者可以从智能终端或服务器的数据库获得任意一条信息)，如果不采取保护措施，则用户的隐私会遭到破坏。为了防止用户敏感信息的泄露，本系统在存储用户信息时，对于用户数据进行匿名化处理。匿名化的过程中，主要涉及到对于敏感信息的隐藏，敏感信息主要包括以下三类：
第一大类：与身份相关联的信息：例如用户名字、身份等信息。这些信息一旦暴露，则用户的生理状况就会被外界攻击者获得。因此，在智能终端向数据处理中心发送信息的过程中，需要将用户的身份信息进行隐藏。
第二大类：与位置相关联的信息：当传感器节点具有GPS模块功能时，所采集的信息中包含与用户位置相关联的信息时，此时用户的位置信息需要得到妥善的保护。原因是位置隐私的泄露会使得攻击者获得与用户相关的诸如爱好、信仰、身体状况等背景信息，甚至运用背景知识准确的将匿名用户与真实用户相关联，对用户的隐私造成威胁。
第三大类：Quasi-Identifier：在智能终端向数据处理服务器发送信息时，还有一类信息也需要得到妥善的保护。这一类信息虽然与用户身份没有直接关系，但是攻击者仍然可以通过分析，进而推断出用户的身份，这一类信息称之为Quasi-Identifier(例如年龄、身高、体重、住址等)。假设一个隐私保护系统能够保护用户个人身份信息和位置信息隐私，但不对这一类Quasi-Identifier进行保护，那么当系统应用环境中存在攻击者时，攻击者可以忽略与用户身份和位置相关的信息，根据背景知识以及用户的Quasi-Identifier来对于用户进行识别，破坏用户的个人隐私。例如一条数据信息中用户的身份和位置被隐去，但是却含有诸如用户的年龄、身高、体重等信息，攻击者通过分析这三方面的内容，仍然有可能确定某一条数据时来自目标攻击用户的。因此设计系统安全时，需要对于用户身份、位置和Quasi-Identifier进行有效的保护，防止攻击者发动背景知识攻击。
隐私保护一方面通过自触发采样技术与矩阵恢复技术减少数据量，另一方面，通过匿名化技术完成。本项目的隐私保护主要分为两个步骤：1)在智能终端实现对于用户的匿名化处理，2)在数据管理服务器进行二次匿名化处理，确保与用户身份、位置相关的信息都能够得到妥善的保护。
系统的匿名化实现主要依赖于以下三个方面：
自触发采样方法大大减小了数据量的传输，即减少了敏感信息在系统中的传输量，降低攻击者成功关联匿名用户和目标用户的概率。
智能终端位置隐私数据隐私保护算法(Location&Data Privacy ProtectionAlgorithm on Client,LDPPA-C)和信息处理装置隐私保护算法(Location&DataPrivacy Protection Algorithm on Server,LDPPA-S)。
以下分别介绍一下上述两种算法。
第一种智能终端采用LDPPA-C算法进行如下操作；
1.智能终端使用其本地数据库记录BSN节点采集的生理数据信息；
2.智能终端对于用户身份的敏感信息进行时空匿名化；
3.智能终端进行数值匿名化处理：例如将用户的年龄20岁改为区间[20-25]岁，将信息的采集时刻9:10改为[9:00,9:30；]
4.智能终端进行位置信息匿名化处理：将用户的精确位置信息用附近的地标建筑物来代替，如餐厅、电影院的地理位置。
智能终端将处理后的信息发送给数据处理服务器，此处的处理后的信息即为上述第一生理信息。
第二种信息处理装置采用LDPPA-C算法进行如下操作；
1.收集一段时间内来自不同用户智能终端的生理数据
2.对于用户位置信息，采用[3]中ECC算法实现位置隐私保护。执行位置隐私保护过程中，以LDPPA-C中生成的混淆信息作为背景知识数据，进而防止攻击者实施背景知识攻击
3.将匿名化数据存储在数据仓库中。这里数据仓库即可包括上述实施例中提到的生理信息数据库。
通过对于上述算法的使用，能够确保在系统执行的过程中，用户的身份、位置亦或是Quasi-Identifier方面的信息都得到了妥善的保护，确保了用户的敏感信息的安全性。
智能终端中的数据压缩模块主要用于各种数据的压缩；数据存储模块主要用于数据的存储。数据规格化处理主要用于数据规范化和格式化存储，这样能够保持信息的有序性。
人体生理状况评估模块：
用于预先在智能终端记录了所采集的生理指标的正常范围，当人体的某一指标超过阈值，智能手机会根据用户的生理指标对人体的状况进行实时评估，一旦出现状况，则智能手机会对用户发出警报，提醒用户尽快去医院检查。
第三：数据管理层；
数据管理层主要用于获取来自智能终端获得的生理信号，采用矩阵恢复的方法对于采集到的人体信号进行恢复，同时对于人体生理情况进行评估，动态生成下一次节点采样策略，并将该策略发送给智能终端。数据管理层主要涉及到以下六大方面内容：
数据恢复：矩阵恢复(Matrix Completion)技术是近年来提出的一种有效的降低数据采集能耗的方法，适用于时间-空间相关联的数据采集(例如温度采集)。本系统中将矩阵恢复技术应用到人体生理信号的恢复。我们将所有节点所采集到的信息组成的时空矩阵定义为M，我们使用SVT算法[4]生成采样矩阵S＝[S(t),S(t+1),…S(t+T-1)]。其中S(t)表示在t时刻节点采样值。本项目中，我们采用[4]中矩阵恢复技术对于矩阵中的元素进行恢复。
基于矩阵恢复的系统运行主要有三个阶段，分别为初始化前导采样阶段、正常运行阶段和自适应优化阶段。系统的执行过程如算法3所示：
(1)系统前导采样阶段
执行流程为：首先，服务器会对于人体的所有传感器节点设置前导采样策略，即所有的传感器节点都在一段时间内进行全节点采样，所获得人体生理信号作为背景知识，存储在数据仓库中。作为自触发节点决策的选择依据。
(2)正常运行阶段
执行流程为：服务器首先根据已经获得的背景知识动态生成一组传感器节点的采样策略s，将s发送给智能终端。智能终端收到s后将s广播给BSN。BSN中每个节点根据收到的采样策略动态更新自身自触发策略。BSN根据自触发采样频率控制自身采集行为，服务器获得智能终端传来的人体信号的子集，随后采用矩阵恢复技术。针对不同种类的人体生理信号进行恢复。随后对于恢复结果进行精确性评估和数据存储操作。
(3)自适应优化阶段
当系统执行了一段时间之后，动态调整矩阵恢复中使用到的参数，近一步提高自触发采样策略的信息的精确性。我们称这种基于矩阵恢复的BSN数据恢复方法为DRMCBSN(Data Recovering based on Matrix Completion for BodySensor Networks)。
以下详细介绍一下系统基于所述矩阵恢复算法/技术DRMCBSN的操作流程。
1：系统初始化。
2：前导采样阶段。
2.1：系统中每个传感器节点都执行实时采集操作。
2.2：智能终端执行数据融合操作和算法LDPPA-C后，将信息发送给数据处理服务器。
2.3：数据处理服务器执行LDPPA-S操作，将匿名化结果记录在数据仓库中。
3：采样信息生成与广播。
3.1：服务器生成BSN节点自触发采样策略s，将s发送给智能终端。
3.2：智能终端将s向BSN节点广播。
3.3：BSN节点根据所述自触发采样策略S更新自身存储的自触发采样策略。此处的自触发采样策略即可上述数据处理策略的至少一部分。
4：正常运行阶段。
4.1：每个BSN节点根据收到的触发策略s，当需要进行信息采集时，对节点本身的采集模块进行触发，采集一段时间内的人体生理信息
4.2：BSN节点将采集到的信息发送给智能终端
4.3：智能终端执行数据融合操作和算法LDPPA-C后，将信息发送给数据处理服务器，与此同时，智能终端根据本地数据库记录的信息对于人体状况进行初步判断，如果发生异常则进行预警。
4.4：信息处理装置使用矩阵恢复技术对于用户生理信息进行恢复，执行算法LDPPA-S实现匿名化操作，对于用户的身体状况进行综合性评估，将结果记录到数据仓库中。
5：自适应调整阶段
5:1当BSN节点执行s作为自适应触发采样的策略一段时间后，对于采集的结果进行误差性判断。
5.2：如果误差在可接受范围[0,L]内，则更换BSN节点，由其他BSN节点继续采用s作为采样策略执行，如果超过L，则需要对于s进行调整。
5.3：调整策略包括：1)延长部分节点的采样时间2)增加或减少某一类BSN节点的个数。
5.4：将调整后的用户采样策略s’通知智能终端。
其中，自适应调整阶段的步骤均是在信息处理装置中完成的。
以下对基于大数据管理平台，即为本发明实施例中所述的信息处理装置中的各个模块进行详细的介绍。所述大数据管理平台具体可如腾讯的大数据管理平台TOD。
数据仓库，用于运用数据库技术将采集到的信息进行存储，以数据仓库的形式存在。与一般意义的数据仓库不同，在本项目中的数据仓库记录的内容为使用算法LDPPA-S之后的匿名化的数据，主要包括以下信息:
1、通过矩阵恢复技术恢复得到的各种生理指标信息，这类信息用于为后续的自触发采样策略的选取提供背景知识。
2、系统参数集合，用数据仓库记录系统参数的组合以及对应的系统性能评估。这类信息用于为后续的自触发采样的自适应优化过程提供参数优化的依据。
MapReduce模块，用于以数据仓库作为生理信号的集合，MapReduce函数实现了两个功能。Map把一个函数应用于集合中的所有成员，然后返回一个基于这个处理的结果集。而Reduce是把从两个或更多个Map中，通过多个线程，进程或者独立系统并行执行处理的结果集进行分类和归纳。通过MapReduce可有效提高系统决策的效率，加快节点采样方案的生成与优化。
数据挖掘模块，用于对于数据仓库中的信息进行更加深入的信息挖掘，不同于以往的单一指标对应某种生理现象进行判断，将多种不同类型的生理信号进行组合，给出生理状况的判定标准，更加准确、客观的给出评价结论。
数据评估用于采用矩阵恢复技术之后，所获得的矩阵信息能够较为准确的反映出在过去的某一段时间内人体的生理指标的变化状况。此时数据管理平台会对人体的情况进行更加全面的评估，并对于未来人体状况进行预测，根据评估结果，给出节点的自触发策略。
系统决策，用于从误差的角度对于数据恢复结果进行判断，当误差小于阈值时，说明现有自触发采样策略能够满足系统数据的精确性需求，则此时无需调整采样策略，只需更换其他节点执行相同的任务即可。当系统的误差超过阈值后，需要重新调整采样策略。调整采样策略的方法包括：增加采样次数、缩短采样时间等方式。
第四：基于隐私保护的人体传感器网络平台
在本系统中，通过信息采集层、数据处理层和数据管理层三者之间的协同合作，能够降低生理信息采集能耗和传输能耗，保护生理信息的隐私安全。运用数据挖掘技术能够对于人体的生理状况进行更加客观的评价。本系统中数据管理层可以向上提供应用接口，可以以此为基础，进行远程医疗、智能医疗系统等方面的开发。主要原因有以下几点:
1.系统能耗低、使用时间长，更加符合人体传感器网络中节点对于计算量、存储量和能耗严格限制等方面带来的挑战和需求；
2.信息隐私能够得到良好的保护，即使服务器被攻击者控制，与用户相关的敏感信息仍然不会泄露，因此不会对用户的隐私造成破坏
3.运用数据挖掘方法获得的生理状况评价方法更加全面、客观、准确
综上所述，本系统可广泛用于智能医疗、远程医疗等BSN大数据的应用系统中
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种生理信息处理方法，其特征在于，所述方法包括：
接收依据生理传感器的采集数据形成的第一生理信息；
依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
依据所述处理结果生成数据处理策略；
发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
2.根据权利要求1所述的方法，其特征在于，
所述依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果，包括：
依据矩阵恢复技术对所述第一生理信息进行数据恢复处理，获得包括第二生理信息的处理结果；
其中，所述第二生理信息的数据量多于所述第一生理信息的数据量。
3.根据权利要求1或2所述的方法，其特征在于，
所述依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果，包括：
依据第n+1时刻的所述第一生理信息，确定第n+1时刻的第n+1生理状况信息；
所述依据所述处理结果生成数据处理策略，包括：
比较第n+1时刻的第n+1生理状况信息与所述第n生理状况信息，获得比较结果；
依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略；
其中，所述n为不小于1的整数；所述第n+1数据处理策略为第n+1时的数据处理策略；所述第n+2时刻晚于所述第n+1时刻，所述第n+1时刻晚于所述第n时刻。
4.根据权利要求3所述的方法，其特征在于，
所述依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略，包括：
当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，缩小所述第n+1数据处理策略对应的数据处理周期以形成所述第n+2数据处理策略；
当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息不大于所述第一阈值时，将所述第n+1数据处理策略作为所述第n+2数据处理策略。
5.根据权利要求3所述的方法，其特征在于，
所述第n+1数据处理策略用于控制n1个所述生理传感器的数据处理；
所述依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略，包括：
当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，形成用于控制n2个所述生理传感器的数据处理的第n+2数据处理策略；
其中，所述n2和所述n1均为不小于1的整数，且所述n2大于所述n1。
6.根据权利要求3、4或5所述的方法，其特征在于，
所述发送所述数据处理策略，包括：
当所述第n+2数据处理策略不同于所述第n+1数据处理策略时，发送所述第n+2数据处理策略。
7.根据权利要求1所述的方法，其特征在于，
所述接收依据生理传感器的采集数据形成的第一生理信息，包括：
接收所述生理传感器采集并经过安全处理的所述第一生理信息。
8.一种信息处理装置，其特征在于，包括：
第一接收单元，用于接收依据生理传感器的采集数据形成的第一生理信息；
处理单元，用于依据预设信息处理策略对所述第一生理信息进行信息处理，形成处理结果；
生成单元，用于依据所述处理结果生成数据处理策略；
第一发送单元，用于发送所述数据处理策略；
其中，所述数据处理策略用于控制所述生理传感器的数据处理；所述数据处理包括数据采集和数据发送的至少其中之一。
9.根据权利要求8所述的信息处理装置，其特征在于，
所述处理单元，具体用于依据矩阵恢复技术对所述第一生理信息进行数据恢复处理，获得包括第二生理信息的处理结果；
其中，所述第二生理信息的数据量多于所述第一生理信息的数据量。
10.根据权利要求8或9所述的信息处理装置，其特征在于，
所述处理单元，具体用于依据第n+1时刻的所述第一生理信息，确定第n+1时刻的第n+1生理状况信息；
所述生成单元，具体用于比较第n+1时刻的第n+1生理状况信息与所述第n生理状况信息，获得比较结果；及依据所述比较结果及第n+1数据处理策略，确定第n+2时刻的第n+2数据处理策略；
其中，所述n为不小于1的整数；所述第n+1数据处理策略为第n+1时的数据处理策略；所述第n+2时刻晚于所述第n+1时刻，所述第n+1时刻晚于所述第n时刻。
11.根据权利要求10所述的信息处理装置，其特征在于，
所述生成单元，具体用于当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，缩小所述第n+1数据处理策略对应的数据处理周期以形成所述第n+2数据处理策略；及当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息不大于所述第一阈值时，将所述第n+1数据处理策略作为所述第n+2数据处理策略。
12.根据权利要求10所述的信息处理装置，其特征在于，
所述第n+1数据处理策略用于控制n1个所述生理传感器的数据处理；
所述生成单元，具体用于当所述比较结果表明所述第n+1时刻与第n时刻的生理状况差异信息大于第一阈值时，形成用于控制n2个所述生理传感器的数据处理的第n+2数据处理策略；
其中，所述n2和所述n1均为不小于1的整数，且所述n2大于所述n1。
13.根据权利要求10、11或12所述的信息处理装置，其特征在于，
所述第一发送单元，具体用于当所述第n+2数据处理策略不同于所述第n+1数据处理策略时，发送所述第n+2数据处理策略。
14.根据权利要求8所述的信息处理装置，其特征在于，
所述第一接收单元，具体用于接收所述生理传感器采集并经过安全处理的所述第一生理信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510060702.3A CN104605939B (zh) | 2015-02-05 | 2015-02-05 | 生理信息处理方法及信息处理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510060702.3A CN104605939B (zh) | 2015-02-05 | 2015-02-05 | 生理信息处理方法及信息处理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104605939A true CN104605939A (zh) | 2015-05-13 |
| CN104605939B CN104605939B (zh) | 2019-07-16 |
Family
ID=53140778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510060702.3A Active CN104605939B (zh) | 2015-02-05 | 2015-02-05 | 生理信息处理方法及信息处理装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104605939B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933654A (zh) * | 2015-05-29 | 2015-09-23 | 安徽师范大学 | 社区医疗物联网隐私保护方法 |
| CN105260620A (zh) * | 2015-11-09 | 2016-01-20 | 上海温尔信息科技有限公司 | 基于人体体温建模的健康评估方法及专家系统 |
| CN105630179A (zh) * | 2016-03-29 | 2016-06-01 | 北京小米移动软件有限公司 | 监控方法及装置 |
| CN106066928A (zh) * | 2016-05-24 | 2016-11-02 | 捷开通讯(深圳)有限公司 | 一种基于移动终端的健康数据提醒方法及移动终端 |
| WO2017000909A1 (zh) * | 2015-07-01 | 2017-01-05 | 安徽华米信息科技有限公司 | 可穿戴智能设备的数据统计 |
| CN106484803A (zh) * | 2016-09-22 | 2017-03-08 | 北京润科通用技术有限公司 | 一种数据分析方法及系统 |
| WO2017075856A1 (zh) * | 2015-11-05 | 2017-05-11 | 福州大学 | 基于小波分析远程心电监护与预警系统及方法 |
| CN108389627A (zh) * | 2018-02-23 | 2018-08-10 | 优成商业管理（沈阳）有限公司 | 生理信息处理方法、系统及用于生理信息处理的服务器 |
| CN108711204A (zh) * | 2018-05-18 | 2018-10-26 | 长安大学 | 一种综合人-车-路多源信息的行车异常检测系统及方法 |
| CN108966011A (zh) * | 2018-07-13 | 2018-12-07 | 北京七鑫易维信息技术有限公司 | 一种播放控制方法、装置、终端设备及存储介质 |
| CN108968941A (zh) * | 2018-05-25 | 2018-12-11 | 深圳市太空科技南方研究院 | 一种心律失常检测方法、装置及终端 |
| WO2019101222A3 (zh) * | 2018-09-26 | 2019-08-08 | 华为技术有限公司 | 更新数据采样间隔的方法、根据采样间隔采集数据的方法及其装置 |
| CN110285970A (zh) * | 2019-07-18 | 2019-09-27 | 东北大学 | 基于矩阵恢复的滚动轴承微弱故障增强方法 |
| CN112238829A (zh) * | 2019-07-16 | 2021-01-19 | 华为技术有限公司 | 通信方法和装置 |
| CN112671870A (zh) * | 2020-12-16 | 2021-04-16 | 珠海格力电器股份有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN113558584A (zh) * | 2021-06-22 | 2021-10-29 | 深圳市大数据研究院 | 一种基于信号质量评估的脉搏波预处理方法 |
| CN114070469A (zh) * | 2021-11-16 | 2022-02-18 | 四川新源生物电子科技有限公司 | 一种数据处理方法和系统 |
| US11594308B2 (en) * | 2015-06-17 | 2023-02-28 | Northeastern University | Method and system for adaptive scheduling of clinical assessments |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1951316A (zh) * | 2005-10-08 | 2007-04-25 | 周常安 | 生理信号提取和监测装置及系统 |
| CN101828913A (zh) * | 2010-04-16 | 2010-09-15 | 无锡市优特科科技有限公司 | 基于算法服务器的心电图远程诊断系统 |
| CN102137476A (zh) * | 2010-01-21 | 2011-07-27 | 广州市香港科大霍英东研究院 | 一种便携式无线监测终端低功耗实现方法 |
| CN102791195A (zh) * | 2010-03-18 | 2012-11-21 | 夏普株式会社 | 使用自适应加窗进行连续呼吸监测的方法和设备 |
| WO2013152803A1 (en) * | 2012-04-13 | 2013-10-17 | Brainlab Ag | Control of a medical imaging device via a navigation system |
| WO2013182224A1 (en) * | 2012-06-05 | 2013-12-12 | Brainlab Ag | Improving the accuracy of navigating a medical device |
| CN103505193A (zh) * | 2012-06-19 | 2014-01-15 | 北京超思电子技术股份有限公司 | 一种腕带式生理信息监测装置 |
| CN103885035A (zh) * | 2014-03-20 | 2014-06-25 | 西安电子科技大学 | 一种基于矩阵恢复的降采样阵列信号处理方法 |
| CN104055512A (zh) * | 2014-07-01 | 2014-09-24 | 深圳市岩尚科技有限公司 | 一种心电数据快速重采样方法 |
-
2015
- 2015-02-05 CN CN201510060702.3A patent/CN104605939B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1951316A (zh) * | 2005-10-08 | 2007-04-25 | 周常安 | 生理信号提取和监测装置及系统 |
| CN102137476A (zh) * | 2010-01-21 | 2011-07-27 | 广州市香港科大霍英东研究院 | 一种便携式无线监测终端低功耗实现方法 |
| CN102791195A (zh) * | 2010-03-18 | 2012-11-21 | 夏普株式会社 | 使用自适应加窗进行连续呼吸监测的方法和设备 |
| CN101828913A (zh) * | 2010-04-16 | 2010-09-15 | 无锡市优特科科技有限公司 | 基于算法服务器的心电图远程诊断系统 |
| WO2013152803A1 (en) * | 2012-04-13 | 2013-10-17 | Brainlab Ag | Control of a medical imaging device via a navigation system |
| WO2013182224A1 (en) * | 2012-06-05 | 2013-12-12 | Brainlab Ag | Improving the accuracy of navigating a medical device |
| CN103505193A (zh) * | 2012-06-19 | 2014-01-15 | 北京超思电子技术股份有限公司 | 一种腕带式生理信息监测装置 |
| CN103885035A (zh) * | 2014-03-20 | 2014-06-25 | 西安电子科技大学 | 一种基于矩阵恢复的降采样阵列信号处理方法 |
| CN104055512A (zh) * | 2014-07-01 | 2014-09-24 | 深圳市岩尚科技有限公司 | 一种心电数据快速重采样方法 |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933654A (zh) * | 2015-05-29 | 2015-09-23 | 安徽师范大学 | 社区医疗物联网隐私保护方法 |
| CN104933654B (zh) * | 2015-05-29 | 2018-06-15 | 安徽师范大学 | 社区医疗物联网隐私保护方法 |
| US11594308B2 (en) * | 2015-06-17 | 2023-02-28 | Northeastern University | Method and system for adaptive scheduling of clinical assessments |
| US10853301B2 (en) | 2015-07-01 | 2020-12-01 | Anhui Huami Information Technology Co., Ltd. | Data statistics for wearable device |
| WO2017000909A1 (zh) * | 2015-07-01 | 2017-01-05 | 安徽华米信息科技有限公司 | 可穿戴智能设备的数据统计 |
| WO2017075856A1 (zh) * | 2015-11-05 | 2017-05-11 | 福州大学 | 基于小波分析远程心电监护与预警系统及方法 |
| CN105260620B (zh) * | 2015-11-09 | 2019-01-29 | 上海温尔信息科技有限公司 | 基于人体体温建模的健康评估方法及专家系统 |
| CN105260620A (zh) * | 2015-11-09 | 2016-01-20 | 上海温尔信息科技有限公司 | 基于人体体温建模的健康评估方法及专家系统 |
| CN105630179A (zh) * | 2016-03-29 | 2016-06-01 | 北京小米移动软件有限公司 | 监控方法及装置 |
| CN106066928A (zh) * | 2016-05-24 | 2016-11-02 | 捷开通讯(深圳)有限公司 | 一种基于移动终端的健康数据提醒方法及移动终端 |
| CN106484803B (zh) * | 2016-09-22 | 2019-07-09 | 北京润科通用技术有限公司 | 一种数据分析方法及系统 |
| CN106484803A (zh) * | 2016-09-22 | 2017-03-08 | 北京润科通用技术有限公司 | 一种数据分析方法及系统 |
| CN108389627A (zh) * | 2018-02-23 | 2018-08-10 | 优成商业管理（沈阳）有限公司 | 生理信息处理方法、系统及用于生理信息处理的服务器 |
| CN108711204B (zh) * | 2018-05-18 | 2020-07-31 | 长安大学 | 一种综合人-车-路多源信息的行车异常检测系统及方法 |
| CN108711204A (zh) * | 2018-05-18 | 2018-10-26 | 长安大学 | 一种综合人-车-路多源信息的行车异常检测系统及方法 |
| CN108968941A (zh) * | 2018-05-25 | 2018-12-11 | 深圳市太空科技南方研究院 | 一种心律失常检测方法、装置及终端 |
| CN108966011A (zh) * | 2018-07-13 | 2018-12-07 | 北京七鑫易维信息技术有限公司 | 一种播放控制方法、装置、终端设备及存储介质 |
| CN113242712A (zh) * | 2018-09-26 | 2021-08-10 | 华为技术有限公司 | 更新数据采样间隔的方法、根据采样间隔采集数据的方法及其装置 |
| CN113242712B (zh) * | 2018-09-26 | 2022-08-26 | 华为技术有限公司 | 更新数据采样间隔的方法、根据采样间隔采集数据的方法及其装置 |
| WO2019101222A3 (zh) * | 2018-09-26 | 2019-08-08 | 华为技术有限公司 | 更新数据采样间隔的方法、根据采样间隔采集数据的方法及其装置 |
| CN112238829A (zh) * | 2019-07-16 | 2021-01-19 | 华为技术有限公司 | 通信方法和装置 |
| CN110285970B (zh) * | 2019-07-18 | 2020-05-12 | 东北大学 | 基于矩阵恢复的滚动轴承微弱故障增强方法 |
| CN110285970A (zh) * | 2019-07-18 | 2019-09-27 | 东北大学 | 基于矩阵恢复的滚动轴承微弱故障增强方法 |
| CN112671870A (zh) * | 2020-12-16 | 2021-04-16 | 珠海格力电器股份有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN112671870B (zh) * | 2020-12-16 | 2023-12-12 | 珠海格力电器股份有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN113558584A (zh) * | 2021-06-22 | 2021-10-29 | 深圳市大数据研究院 | 一种基于信号质量评估的脉搏波预处理方法 |
| CN114070469A (zh) * | 2021-11-16 | 2022-02-18 | 四川新源生物电子科技有限公司 | 一种数据处理方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104605939B (zh) | 2019-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104605939A (zh) | 生理信息处理方法及信息处理装置 | |
| Abawajy et al. | Federated internet of things and cloud computing pervasive patient health monitoring system | |
| EP2696750B1 (en) | Remote data monitoring and collection system with multi-tiered analysis | |
| Ko et al. | Wireless sensor networks for healthcare | |
| Lim et al. | Security issues on wireless body area network for remote healthcare monitoring | |
| CN106980771A (zh) | 一种用于急性冠脉综合征病例信息采集的系统 | |
| CN103417195A (zh) | 基于物联网的生理参数管理监控系统及方法 | |
| Gowda et al. | Industrial quality healthcare services using Internet of Things and fog computing approach | |
| Wang | The architecture design of the wearable health monitoring system based on internet of things technology | |
| US20200382286A1 (en) | System and method for smart, secure, energy-efficient iot sensors | |
| Page et al. | Research directions in cloud-based decision support systems for health monitoring using Internet-of-Things driven data acquisition | |
| Qidwai et al. | Using casual reasoning for anomaly detection among ECG live data streams in ubiquitous healthcare monitoring systems | |
| Sarma Dhulipala et al. | Cardiac care assistance using self configured sensor network—a remote patient monitoring system | |
| Kang et al. | Intelligent personal health devices converged with internet of things networks | |
| Mahmoud et al. | A real-time framework for patient monitoring systems based on a wireless body area network | |
| CN110148464A (zh) | 一种居家老年人智能健康管理系统 | |
| Prakashan et al. | Transformation of health care system using internet of things in villages | |
| Ishtiaque et al. | IoT-based low-cost remote patient monitoring and management system with deep learning-based arrhythmia and pneumonia detection | |
| Sannino et al. | A mobile system for real-time context-aware monitoring of patients’ health and fainting | |
| Dobrescu et al. | Embedded wireless homecare monitoring system | |
| Bahanfar et al. | Reliable communication in wireless body area sensor network for health monitoring | |
| Zhou et al. | A New System Dedicated to Real-time Cardiac Arrhythmias Tele-assistance and Monitoring. | |
| CN112329812A (zh) | 慢阻肺急性加重自动预警方法和平台、及可读存储介质 | |
| Shih et al. | Towards supporting contextual privacy in body sensor networks for health monitoring service | |
| Patel et al. | Advanced Medical Nursing Care Unit for Emergency Healthcare Based on the Internet of Things |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |