计算健康参数的制作方法
相关申请的交叉引用
本专利申请要求享有2014年12月4日提交，题为“locationimprovedaccuracy”的美国临时专利申请62/087741以及2014年12月4日提交，题为“weatheradjustmenttowearable”的美国临时专利申请62/087434的优先权和权益，在此通过引用将其公开并入本文。
本发明总体上涉及可穿戴技术，更具体而言，涉及使用位置和环境输入来计算健康参数。
背景技术：
可穿戴技术是新型电子系统，其能够通过可以由用户穿戴的各种不引人注目的传感器来提供数据采集。传感器收集例如关于环境、用户活动或用户健康状态的信息。然而，存在与所收集的数据的协调、计算、通信、保密、安全和呈现相关的巨大挑战。此外，存在与给定电池技术的当前状态情况下的电源管理相关的挑战。此外，需要对数据的分析以使由传感器收集的数据有用并与最终用户相关。在一些情况下，可以使用额外的信息资源来补充由传感器收集的数据。可穿戴技术带来的很多挑战需要硬件和软件中的新设计。
典型的可穿戴设备计算各种健康参数，例如卡路里消耗、水合作用和行进距离。此外，这些设备在各种场合中还基于所执行的活动(例如，行走、骑车和游泳)来计算健康参数。尽管这些设备对于用户而言具有这些可能性中的很多，但仍然有改进的空间。
技术实现要素：
本发明的第一方面包括一种用于健康计算的方法。这样的方法可以包括接收来自由用户穿戴的可穿戴设备的健康输入，其中，这样的健康输入包括来自一个或多个健康传感器的一个或多个测量结果，基于接收到的健康输入来计算健康参数，获得与所述可穿戴设备相关联的基于位置的信息，以及基于所述基于位置的信息来修改计算出的健康参数，。
利用基于位置的信息来修正计算出的健康参数具有几个优点，包括但不限于，计算更准确的健康参数，从计算消除了环境诱发的不准确，以及利用经修正的参数改善了决策。例如，如果人正在上坡上跑步，这实际上意味着他必须花费更大气力完成跑步，必须相应地调节总能量消耗。
在另一实施例中，该方法包括向网络服务器发送可穿戴设备的位置。
在另一实施例中，该方法包括从网络服务器接收与所述可穿戴设备的位置相关联的基于位置的信息。
在另一实施例中，该方法包括在可穿戴设备的存储器中存储经修改的健康参数。
在另一实施例中，该方法包括基于所述基于位置的信息将所述健康输入分类成活动，并基于所述健康输入的分类来修改计算出的健康参数。这是尤其有利的，因为计算健康参数取决于所检测的活动的类型。例如，骑行、跑步、行走，每个均具有不同的卡路里消耗计算。在本发明的当前实施例中，提供了涉及健康计算的几个优点，包括解释移动数据以更准确地对活动分类，并利用该分类以更准确地确定用户的健康相关参数。这些实施例可以利用生理、环境和地理位置数据以改善分类并消除假阳性。
在其他实施例中，基于位置的信息可以包括环境信息。环境信息可以包括位置、室外湿度、室外温度、室外紫外辐射、室外花粉浓度、室外风向、室外风速、室外地面粗糙度、室外道路条件、室外路径条件、当前季节、室内温度、室内湿度、健身器械阻力、健身器械难度水平和环境压力水平中的至少一种。
在另一实施例中，该方法包括接收来自可穿戴设备的环境输入，以及基于环境输入来修改计算出的健康参数。环境输入可以包括来自一个或多个环境传感器，关于周围环境值的一个或多个测量结果。
在另一实施例中，该方法包括生成以通知可穿戴设备的用户有关建议的警告。该警告可以是显示文本通知、显示图形通知、显示视频通知、播放音频通知和发起振动通知中的至少一种。在本发明的另一实施例中，该建议基于修改的健康参数。例如，如果人正在晴天在上坡上跑步，那么该建议可以基于计算出的健康参数。
在另一实施例中，该方法包括基于经修改的健康参数来生成警告。
在另一实施例中，对应于所述可穿戴设备的位置的基于位置的信息是对应于所述可穿戴设备位置的预定半径的存储在所述网络服务器处的多个基于位置的信息数据点的平均值。
在另一实施例中，该方法包括向第二可穿戴设备发送用于基于来自网络服务器存储器的基于位置的信息来修改计算出的健康参数的算法。
在另一实施例中，修改计算出的健康参数包括利用特别针对健康参数的类型的规则修改计算出的健康参数。
在另一实施例中，所述一个或多个健康传感器可以测量血氧含量、水合水平、血压、血糖水平、血葡萄糖水平、胰岛素水平、体温、心率、体重、睡眠质量、台阶数量、移动速度、移动加速度、维生素水平、呼吸率、心音、呼吸音、皮肤湿度、出汗水平、汗液成分或神经放电中的至少一个。
本发明的第二方面包括一种具有位置改善的精确度的用于个性化健康计算的系统。这样的系统可以包括可穿戴设备和网络服务器。所述可穿戴设备可以包括：一个或多个健康传感器，其提供关于健康输入的一个或多个测量结果；通信接口，其通过无线通信网络通信，以向网络服务器发送可穿戴设备的位置，并从网络服务器接收基于位置的信息，其中基于位置的信息对应于可穿戴设备的位置；处理器，其运行指令以基于基于位置的信息来修改健康输入；以及，存储器，其存储修改的健康输入。
根据本发明的第三方面，提供了一种包括上述计算机实施的方法的计算机程序产品。提供了一种计算机程序和一种非暂态计算机可读记录介质，所述计算机程序包括程序代码单元，在计算机上执行所述计算机程序时，用于令计算机执行本文公开的方法的步骤，所述非暂态计算机可读记录介质中存储计算机程序产品，在由处理器运行时，令本文公开的方法被执行。
在从属权利要求中定义了本公开的优选实施例。应当理解，所主张的系统和所主张的非暂态计算机可读存储介质可以与所主张的方法且在从属方法权利要求中定义的类似优选实施例和对应优点。
从下文描述、附图和权利要求，本发明的以上和其他特征和优点将变得更明显。基于本公开，本领域技术人员会理解，存在本发明的其他方面和优点。
附图说明
图1图示了计算机网络环境，其中，可穿戴设备、任选的用户设备和几个地理位置数据网络可以通过网络通信。
图2图示了计算机网络环境，其中，可穿戴设备、任选的用户设备、地理位置数据网络和健康网络可以通过网络通信。
图3图示了示范性表格，其交叉引用了在可穿戴设备处由身体传感器感测的健康输入数据与从天气或地理位置数据网络接收的天气/地理位置数据。
图4图示了针对基础软件和定位精度软件的示范性计算操作。
图5图示了针对基础软件和定位精度软件的另一示范性计算操作。
图6图示了根据本发明示范性实施例用于基础软件的结构。
图7图示了由图1和图2中的系统和图6中所示的基础软件执行，用于对移动数据分类的示范性转换算法。
图8图示了示范性路径图，图示了由图1和图2中的系统和图6中所示的基础软件执行，用于对图7中所示的移动数据分类的方法。
图9图示了可以用于实现本文所述各种特征和过程的示范性计算设备架构。
图10a图示了示范性可穿戴设备，其包括来自身体传感器的输入、来自环境/天气传感器的输入以及包括改进的天气数据的输出。
图10b图示了示范性可穿戴设备，其包括来自身体传感器的输入，即通过其从地理位置数据网络接收通信的输入，并输出调节后的健康参数。
图10c图示了示范性可穿戴设备，其包括来自身体传感器的输入，来自地理位置数据网络的数据，来自环境/天气传感器的输入，并输出调节后的健康参数。
图10d图示了示范性可穿戴设备，其包括图10c的所有元件，但还包括从健康网络接收信息并输出建议的通信接口。
图11a图示了用于使用网络数据的示范性方法。
图11b图示了示范性转换数据库。
图11c是流程图，图示了用于在转换过程中使用网络数据的示范性方法。
图12是方框图，图示了用于转换后参数的示范性方法。
图13图示了示范性矩阵，图示了各个参数的组合以及哪些基于位置的数据可以影响该特定数据的计算。
图14图示了示范性路径图，图示了用于计算如本文公开图11a中所示修改参数的方法。
图15图示了示范性路径图，图示了用于计算如本文公开图9中所示修改参数的方法。
图16图示了可穿戴设备的示范性历史数据库和/或用户设备的示范性历史数据库。
图17是定位精度软件传感器对可穿戴设备的调节的示范性方法的流程图。
图18a图示了健康网络的示范性健康数据库。
图18b是流程图，图示了针对可穿戴设备的定位精度软件处的示范性传感器测量调节的示范性操作。
图19图示了可穿戴设备的定位精度软件处传感器测量调节的示范性方法。
具体实施方式
图1图示了根据本发明的一种系统，其中可穿戴设备120、任选的用户设备150和若干个数据网络(160，170，180和190)可以通过网络100通信。
当前可用的可穿戴设备的范例包括apple手表、fitbit、jawboneup和garminforerunner。在示范性可穿戴设备120之内，包括若干元件，其全部被连接到中央总线146。元件包括：时钟134、一个或多个身体传感器(1-n)130、任选的图形用户接口(gui)138、有线和/或无线通信端口126(例如，usb端口模块、firewire端口模块、lightning端口模块、thunderbolt端口模块、wi-fi连接模块、3g/4g/lte蜂窝连接模块、bluetooth连接模块、bluetooth低能量连接模块、bluetooth智能连接模块、近场通信模块和无线电波通信模块)、处理器122、电源124(例如，可再充电或不可再充电电池)、基础软件136、定位精度软件142、历史数据库140、存储器128、转换数据库144和全球定位系统(gps)模块132。
时钟134可以是用于记录时间以及过去的时间的系统时钟(例如，秒表)。可以与时钟134一起或替代使用通信设备(例如，通信端口126)以从外部源(例如，蜂窝电话塔、ntp服务器等)获得精确的时间。
一个或多个身体传感器130可以用于提供与用户相关联的任意数量的健康输入(例如，血氧含量、水合作用、血压、血糖、血葡萄糖、胰岛素、体温(例如，体温计)、心率、体重、睡眠、步数(例如，计步器)、速度或加速度(例如，加速度计)、维生素水平、呼吸率、心音(例如，麦克风)、呼吸声音(例如，麦克风)、移动速度、皮肤湿度、汗液检测、汗液成分、神经激发(例如，电磁传感器)或类似健康测量)。身体传感器130还可以用于其他测量(例如，走的步数)，其继而用于计算相关的健康参数(例如，行进的距离、燃烧的卡路里)。
gui138能够方便用户在可穿戴设备120的显示器(例如，图2中所示的查看器220)上生成设置并查看数据(例如，燃烧的卡路里量)。在可穿戴设备120不包括gui138的实施例中，可以在有绳用户设备150中提供另一接口，其中，用户设备150被设计为向可穿戴设备120提供其他计算和/或接口功能。
通信模块126可以由可穿戴设备120用于通过网络与其他设备和网络通信。通信模块可以是无线、蜂窝、近场通信(nfc)、bluetooth等。
可以在图1中看到的基础软件136是用于基于从一个或多个身体传感器130获得的传感器数据来计算各种健康参数(例如，燃烧的卡路里或行进的距离)的软件。然而，由基础软件136初始计算的这些健康参数尚未由对应于用户位置的任何外部数据(例如，从图1的数据网络160、170、180和190以及从图2的数据网络270)修改。
如针对图1中的可穿戴设备120所提供的，定位精度软件142基于用户的当前位置(例如，可穿戴设备120的位置)获取外部数据(例如，从图1的数据网络160、170、180和190或从图2的数据网络270)并修改来自基础软件136的输出以导出更准确的健康参数。
历史数据库140是用于传感器数据的存储器。定位精度软件142可以从历史数据库140检索传感器数据，以产生考虑了地理位置数据(例如，天气数据)的经修改或“转换的”健康参数。
转换数据库144可以包含预定的算法转换数据，其可以用于计算考虑来自身体传感器130的数据和地理位置数据(例如，天气、地面)二者的经修改的或“转换的”健康参数(例如，参见图8的步骤800)。
gps模块132用于确定用户的精确地理位置(例如，可穿戴设备的位置)供可穿戴设备120使用和/或提供到外部数据源(例如，来自图1的数据网络160、170、180、190或来自图2的数据网络270)。
应当指出，在一些实施例中，可穿戴设备120能够通过网络100(例如，连接102)以及直接与用户设备150(例如，连接104)通信(例如，经由线路、bluetooth连接或wi-fi直接连接)。用户设备150可以是智能电话、平板计算机、台式计算机、膝上型计算机、游戏控制台、智能电视、家庭娱乐系统、第二可穿戴设备或用户可以用于和可穿戴设备120交互的任何其他设备。用户设备150自身包括通信端口152(例如，usb端口模块、firewire端口模块、lightning端口模块、thunderbolt端口模块、wi-fi端口模块、3g/4g/lte蜂窝连接模块、bluetooth连接模块、bluetooth低能量连接模块、bluetooth智能连接模块、近场通信模块、无线电波通信模块等)。
用户设备150还可以包括gui156，尤其是在可穿戴设备120没有其自己的gui138的情况下。用户设备150还执行定位精度软件154。该软件方便用户设备150在用户设备150上而不是可穿戴设备120上运行对应的定位精度算法，并可以被视为类似于可穿戴设备120中包括的定位精度软件142。
类似于可穿戴设备120，用户设备150也可以被连接到网络100(例如，连接106)，并通过该连接被连接到多个数据网络(例如，图1的数据网络160、170、180和190或图2的数据网络270)(例如，图1的连接108、110、112或114和图2的连接202和204)。如图1所示，示范性网络包括内部数据网络160(例如，与nestlearningthermostat或applehomekit框架相关)、地理位置数据网络170、地理位置地面数据网络180和其他网络190。具体而言，可以将图示的网络用于为可穿戴设备120和/或用户设备150提供位置特异性数据，其可以用于修改计算以提供更准确的健康参数。例如，能够使用内部数据网络160提供环境输入，例如用于可穿戴设备120和/或用户设备150的室内温度和湿度数据。相比之下，地理位置数据网络170能够为特定地理位置提供天气条件。利用地理位置地面数据网络180，可穿戴设备120和/或用户设备150能够获得用户所在区域中的环境输入，例如环境温度、风速与风向。此外，地理位置地面数据网络180中的信息可以包括关于实际地面的细节(例如，地面物质、倾斜、土壤类型、岩床类型)。最后，系统中可用的其他网络可以包括任何其他位置特异性数据，其可用于使用定位精度算法来修改健康参数(例如，关于放置的位置、路径、湿度)。其他网络190(例如，保健提供者)可以提供其他位置特异性数据，其可能影响用户的传感器测量(例如，测得的血压)或健康参数计算(例如，燃烧的卡路里)。例如，一个其他网络190可以提供基于位置的压力水平数据。例如，位于拥挤城市环境的地铁系统的用户可能比位于平静乡下安静湖边的用户处在更高压力水平环境中。处在更高压力水平环境中的用户可能仅仅因为处在拥挤或潜在危险区域(例如，用户可能需要定期检查汽车或列车是否到来，以便他/她不会被击中)就燃烧更多卡路里。
由于数据网络(例如，数据网络160、170、180和190)可能不包含针对可穿戴设备120可能去的每个可能位置的位置特异性数据，在这样的情况下，数据网络(例如，数据网络160、170、180和190)可以提供对应于最近地理位置的数据，或请求位置附近预定半径之内最近地理位置的平均值。
作为范例实施例，可以使用这种系统提供跑步期间燃烧的卡路里的量的更准确计算。通常，用户在其身体上穿戴或拥有可穿戴设备120。一个或多个身体传感器130获得关于用户的健康输入数据(例如，脉搏、呼吸率)。健康输入数据的每个传感器测量结果都具有关联的时钟时间戳。基础软件136利用健康输入数据、时间戳和跑步距离等计算针对这次跑步燃烧的卡路里的初始量。使用gps模块132，可穿戴设备120能够识别在跑步期间用户在哪里。通过使用通信系统，可穿戴设备能够接入一个或多个网络(例如，图1的数据网络160、170、180和190以及图2的数据网络270)以检索与跑步位置相关的位置特异性数据。在定位精度软件142中使用位置特异性数据以提供所燃烧卡路里的更准确计算(例如，通过加工关于用户跑步所在的温度/天气、用户跑步的海拔和倾斜等的数据，其每者都可能对燃烧的卡路里的量有影响)。
在一些实施例中，可穿戴设备120自身可以包含位置特异性数据，其可以用于如本文公开那样调节计算出的健康参数。例如，可穿戴设备120可以包含下载的地图、地面信息、天气预报等。
图2图示了根据本发明的另一种系统，其中可穿戴设备120、任选的用户设备270、地理位置数据网络170和健康网络270可以通过网络100通信。网络环境包括通信路径102、104、106、101和204，其中通信路径102、106、101和204经过网络100。通信路径104是在可穿戴设备120直接与任选的用户设备270通信时可以使用的直接通信路径。这些通信路径中的每种都可以是现有技术中已知的无线或有线通信路径，包括但不限于bluetooth、wi-fi、wi-fidirect、蜂窝、以太网等。
图2中绘示的可穿戴设备120的实施例可以包括图1实施例的可穿戴设备120的部件和软件元件，还可以包括其他部件和软件元件。例如，图2中所示的示范性可穿戴设备120可以包括除一个或多个身体传感器(1-n)130之外的一个或多个天气传感器(1-n)230，其提供一个或多个环境输入。它还可以包括操作系统(os)软件226、查看器220、天气软件228和规则数据库222。
任选的用户设备150可以包括图1的用户设备150实施例的部件和软件元件，还可以包括基础可穿戴设备软件250、定位精度软件154(优选为应用(app))、历史数据库256和地理位置数据数据库254。
健康网络270服务器可以包括健康数据库272、健康软件274和应用程序接口(api)276。健康网络270的api276可以与一组第三方280通信。第三方可以是医生282、在线医疗/健康参考，如webmd284、用户286和其他第三方288，例如护理人员或广告商。
关于图1和图2的数据网络，内部数据网络160、地理位置数据网络170和地理位置地面数据网络180专注于提供关于由可穿戴设备120的gps模块132给出的位置的环境输入。另一方面，健康网络270可以用于提供数据，但也可以在健康数据库272中备份健康输入数据(例如，利用可穿戴设备120的历史数据库140或用户设备150的历史数据库256来同步健康数据库272)。健康网络270还可以包括健康软件274，其基于其健康测量和/或地理位置/环境数据向可穿戴设备120提供建议(例如，“小心——您的血压高”、“慢下来休息——非常热，您似乎脱水了”、“再稍微远一点——您几乎达成您的卡路里目标了！”)。在一些实施例中，建议功能也可以由内部数据网络160(例如，由于室内温度高或存在一氧化碳而建议停止锻炼)、地理位置数据网络170(例如，由于高温而建议休息)和地理位置地面数据网络180(例如，由于有悬崖或湿滑土壤而建议小心)提供。
可以使用来自gps模块132的gps位置识别可穿戴设备120的用户的位置(例如，可穿戴设备的位置)，其中在准备健康建议以向可穿戴设备120发送时，可以由健康网络270使用该位置。任选的用户设备150可以被用作可穿戴设备120的代理。在发生这种情况时，用户设备150可以从可穿戴设备120接收信息，并且用户设备150可以通过网络100与健康网络270、与内部数据网络160、与地理位置数据网络170、与地理位置地面数据网络180或与其他网络190通信。用户设备150还可以在显示器上(例如，通过图1的gui156)显示从健康网络270接收的建议或来自图1的网络的计算，并向可穿戴设备120发送接收的天气和/或地理位置数据。
用户设备150充当针对可穿戴设备的代理的一个优点，通信通常更快和/或更有效率，因为用户设备150可能常常比典型的可穿戴设备120具有更大处理和通信能力。例如，可穿戴设备120可能不能通过蜂窝网络通信(例如，可穿戴设备120可能被限于有线和/或bluetooth通信)，而用户设备150通常能够通过蜂窝网络(例如，edge、3g、4g或“lte”长期演进网络)和wi-fi/bluetooth网络通信。用户设备150充当可穿戴设备120的代理的另一个优点可以是改善可穿戴设备120的总体电池寿命。
在一些实施例中，可穿戴设备120自身可以包含位置特异性数据，其可以用于如本文公开那样调节计算出的健康参数。例如，可穿戴设备120可以包含下载的地图、地面信息、天气预报等。
图3图示了示范性表格，其交叉引用了在可穿戴设备120处由身体传感器130感测的健康数据与从地理位置数据网络170接收的地理和天气数据。该表格列出了几种示范性身体传感器类型300，并针对几种示范性环境输入340列出了这些。可穿戴设备120上的示范性身体传感器300包括用于监测血压305、情绪310、体温315、干燥度320、血糖325和卡路里330的示范性传感器。示范性环境输入340包括温度和大气压345、季节350、哮喘风险水平355、花粉浓度水平360和室外温度365。
表中标识的十字由圆标识，其中水平和垂直线在表格中交叉。第一十字指示血压305可能受到温度和大气压345的影响。第二十字指示季节350可能影响人的情绪310，并且第三十字指示高体温315可能会加重哮喘风险水平355。其他十字指示干燥320和高花粉水平360可能加重过敏症状，温度和大气压345可能影响血糖水平325，并且室外温度365可能影响随时间燃烧的卡路里的数量330(例如，高温跑步可以导致卡路里更快地燃烧)。
在一些实施例中可以使用这一示范性表格中标识的十字向用户提供建议(例如，“今天不要跑步——花粉计数高，非常危险！”)，并且能够用于修改健康参数计算。例如，可穿戴设备120的定位精度软件142(或用户设备150的定位精度软件154)可以基于用户在高温下锻炼而增大计算出的卡路里计数(例如，参见受温度365影响的卡路里330)。
图4是针对基础软件136和定位精度软件142的示范性计算操作的流程图。基础软件136能够接受来自可穿戴设备120的若干输入，其能够由可穿戴设备120自身提供或由用户提供。如图2所示，基础软件136从可穿戴设备120上发现的一个或多个身体传感器130获取输入(步骤400)，还通过gps模块132获取与用户地理位置相关的输入(步骤405)。多个传感器数据包括健康输入数据(例如，心率、血压、血氧含量)。
利用输入的健康传感器数据(参见步骤400)，基础软件136然后计算针对健康参数的值(例如，跑步距离、燃烧的卡路里)(步骤410)。这些健康参数值与在步骤405中获得的对应gps位置一起存储于历史文件或历史数据库140和256中(步骤415)。
基础软件136与定位精度软件142组合，然后与图1和/或图2中所示的一个或多个数据网络通信，以通过尝试形成与一个或多个网络的链路来获得位置特异性数据(例如，来自内部数据网络160的内部数据、来自地理位置数据网络170的天气数据、来自健康网络270的健康输入数据、来自地理位置地面数据网络180的地面数据)(步骤420)。链路类型可以是例如通过应用编程接口(例如，健康网络270的api276)发起的链路的标准类型。
确定通往数据网络的链路是否可用(步骤435)。如果此时不可能有通往数据网络的链路，可穿戴设备120显示由基础软件136的基础算法计算的初始健康参数(步骤440)。然而，如果可能有通往外部网络的链路，则下载位置特异性数据(例如，天气数据、环境输入)(步骤445)。一旦下载，就可以由定位精度软件142使用位置特异性数据来修改(或“转换”)步骤410的初始参数计算(例如，基于天气条件提供更准确的“燃烧卡路里”值)(步骤450)。定位精度软件142也可以修改(或“转换”)来自身体传感器130的历史传感器测量(例如，存储于可穿戴设备120的历史数据库140或用户设备150的历史数据库256中)的初始计算(参见步骤410)(步骤450)。定位精度软件142然后可以输出经修改(或“转换”)的参数值替代或补充在步骤410中计算的“原始”参数值(步骤455)。在一些实施例中，在可穿戴设备120处(例如，在查看器220处)或在用户设备150处(例如，使用gui156)显示步骤455的输出。在一些实施例中，在历史数据库140/256中或向数据网络(例如向健康网络270的健康数据库272)存储步骤455的输出。在一些实施例中，也在历史数据库140或256中存储步骤455的输出。还使用来自转换数据库的适当信息以方便由定位精度计算进行修改。之后，向用户提供新的经修改的健康参数以供查看。
图5是针对基础软件136和定位精度软件142的另一示范性计算操作的流程图。与图4中描述的方法相反，图5中所示的方法以不同方式使用来自身体传感器130的输入和来自gps模块132的输入。具体而言，关于用户健康输入数据的输入传感器测量数据被提供给可穿戴设备120(步骤500)，可穿戴设备120继而基于健康输入数据来确定和选择要使用的适当算法(步骤510)。使用的算法将取决于接收的传感器测量输入(例如，用于计算诸如燃烧卡路里的参数的算法可能取决于传感器是否测量脉搏、移动或另一种健康测量)。同时，在可穿戴设备120处还接收来自gps模块132的gps输入(步骤505)，并之后被提供给一个或多个数据网络(例如，图1的数据网络160、170、180和190以及图2的数据网络270)(步骤515)。可穿戴设备120然后从这些一个或多个外部网络接收位置特异性数据(例如，天气条件、环境条件、地面条件、室内条件)(步骤520)。
此时，组合两组数据(例如，步骤520来自数据网络的位置特异性数据和步骤510来自健康参数计算算法的输出)，并基于位置特异性数据来修改健康参数算法(步骤525)。通过使用经修改的健康参数算法，然后计算健康参数(步骤530)，并向可穿戴设备120(例如，向历史数据库140)、向用户设备150(例如，向历史数据库256)或向数据网络(例如，向健康网络270的健康数据库272)输出(步骤535)。
在一些实施例中，健康网络270还可以用于在可穿戴设备120之间共享基于地理位置的调节、传感器测量的转换算法和/或健康参数计算。亦即，可以将一个可穿戴设备120的转换数据库144的部分与其他(例如，能力较低的)可穿戴设备120共享。如果在不同设备之间，基于地理位置的调节或“转换”算法变化，则可以使用产生那些变化之间平均结果的算法并赋予其他(例如，能力较低的)可穿戴设备。
类似地，其他数据可以是“众包的”。例如，可穿戴设备可以与数据网络160、170、180和190共享来自其天气传感器230的数据，然后可以对数据求平均值，从而产生或贡献于数据网络160、170、180和190的数据集。
图6图示了可以用于分析移动数据的系统一部分的示范性实施例。在各实施例中，包括可穿戴设备120的一个或多个身体传感器130包括加速度计。加速度计可以连续捕捉可穿戴设备120，从而捕捉穿戴可穿戴设备120的用户的移动记录(也称为移动数据)。可以向基础软件136提供移动数据，作为用于计算健康相关参数的健康输入，如参考图4所述。在一些情况下，移动是“主动的”表示用户正在行走、跑步、游泳等，所捕捉的移动精确反映了用户的活动水平，用于确定与用户活动相关的各种健康参数。然而，在其他情况下，该移动是被动的，即用户在车中驾驶，在飞机上，在轮船上等，并且捕捉的移动不会精确反映用于确定与用户活动相关的各种健康参数的用户的活动水平。
为了对移动数据进行更精确地分类，基础软件136包括分割模块133和分类模块135。分割模块133被配置成分析并识别时间范围之内具有类似特性(例如具有类似幅度和/或频率)的移动数据。分类模块136可以将每段分类为匹配一种或多种主动或被动活动，例如行走、跑步、游泳、在飞机上飞行、在车中驾驶、在列车上行驶、慢跑、在飞机上驾驶等。
可以使用各种技术进行分类，包括但不限于，针对先前与特定活动相关联的所存储段来匹配各段；将一段与其他记录段比较；将表征一个或多个段的参数与将各种参数范围与各种活动相关联的规则进行比较；请求用户人工识别活动(由此生成存储的段或规则，供将来使用)等。
基础软件136的示范性实施例可以使用额外的传感器数据以进一步细化这些分类，包括但不限于，消除假阳性或更准确地表征在所捕捉移动数据中检测到的移动性质。根据可用的特定传感器，这些细化可以采取各种形式。一旦分类，则能够评估活动性质及其持续时间，以获得其对用户日常活动水平和/或健康的影响。
基础软件136的一种示范性实施例利用位置特异性数据来细化分割移动数据的分类。例如，如果位置特异性数据指示移动发生在水域中且用户速度大致为每小时5英里，则行走的初始分类可以被细化为游泳。这一表征还可以由例如温度传感器、心能测量器等确认，温度传感器指示移动设备的温度比天气数据的联网可访问源可能表示的显著更凉爽；心能测量器指示用户的心率比正常值更高等等。
在另一个范例中，如果用户速度与行走一致，例如4mph或更低，可以确认“行走”的初始分类。例如，可以通过查询地面数据源，获得与用户位置相关的地面数据，来进一步细化分类。特定的纬度/经度组合可以指示用户在体育馆中、在公路上、在河中等。如果用户位于公路上，那么可以将活动从“行走”重新分类到“驾驶”。如果用户的个人日历指示用户正在乘坐火车，且加速度计数据与行走一致，可以确认该活动为“行走”。
这一表征还可以由例如温度传感器、心能测量器等确认，温度传感器指示移动设备的温度比天气数据的联网可访问源可能表示的显著更凉爽；心能测量器指示用户的心率比正常值更高等等。
如果gps单元反而指示用户正在以例如5+mph在相容的方向上移动，而用户正在水域中，那么设备可以将用户的活动表征为驾船或乘船。如果gps单元反而指示用户正在以例如5+mph在变化的方向上移动，而用户正在水域中，那么设备可以将用户的活动表征为跑步(例如，在巡航船只的甲板上或在汽艇的边缘附近)。可以利用，例如指示移动设备处于接近由可接入网络的天气数据源指示的周围温度附近的温度下的温度传感器，指示环境温度在结冰点以下的温度传感器，访问表示用户正在乘船的用户个人数据等，进一步确认这些表征。在计算健康参数时，可以考虑游泳和跑步，而驾船不会。
类似地，如果网络可接入位置数据的源指示例如用户在体育馆中；gps传感器指示用户静止不动；但设备加速度计指示用户正在移动，那么移动设备可以得到结论：用户正在利用一件锻炼器械，并根据加速度计测量的移动特性，将该活动表征为行走或锻炼。
如果网络源指示，例如，用户在公路上，gps单元指示用户正在以50mph速度移动，加速度计指示用户正在移动，那么移动设备可以得到结论，即用户正在驾驶交通工具，并可以忽略用户的活动，例如，用于判断用户是否满足一定量体育锻炼或计算健康参数的目标。
一些移动可以具有与行走类似的频率和/或速度，但对于身体而言更(或较不)强烈，导致更高(更低)心率和呼吸率，因此其他实施例可以通过类似方式利用其他健康输入(例如，心率、呼吸率和皮肤温度)和环境输入(室外温度、风速等)以表征或评估用户的活动或改善健康参数(例如，消耗的卡路里)的计算。
图7图示了用于由基础软件136和定位精度软件142执行的转换算法的示范性计算操作，以对移动数据进行分割和分类。基础软件136接收由加速度计(身体传感器)130生成的移动数据(步骤700)。可以直接从加速度计130接收或间接，例如，由用户输入移动数据。
分割模块133基于数据特性，例如移动数据的幅度和频率对移动数据进行分割(步骤710)。可以基于由基础软件136接收并与移动数据相关联的定时信息将移动数据分割成离散块。一旦对数据进行分割，然后就把每段分类为活动(步骤720)。接下来，基础软件136与额外的身体传感器130、定位精度软件142和gps132合作，基于从数据网络160、170、180和190接收的位置特异性数据细化分类(步骤730)。
在一些情况下，移动可以反映混合情形，例如，用户绕航行船只的甲板慢跑，用户在火车或飞机上的雅座中进行静力练习等。在这些情况下，来自各种传感器的数据，包括，但不限于gps、地面传感器(例如，与地面/地图数据库串联使用的gps位置数据)、温度计等，可以用于判断捕捉的移动是否涉及混合情形，数据可以用于进一步细化分类并用于确定与用户活动相关的各种健康参数。
在其他情况下，实测的移动可以反映假阳性情形，其中用户正在执行例如幅度或频率分布匹配另一活动的活动。例如，无趣地轻敲脚部的用户可以生成类似于在用户行走时生成的加速度计信号的加速度计信号。如果用户在表面上用其手指“敲鼓”，可以发生类似的某种情况。在用户是通过崎岖不平地面的交通工具乘客时，可能发生另一种假阳性。因此，可以使用利用位置数据细化分类来消除为了确定与用户活动相关的各种健康参数而考虑特定段。
在已经细化移动数据之后，然后将其输出，用于与健康相关的分析，包括计算与用户活动相关的健康参数(步骤740)。可穿戴设备120可以经由屏幕或显示器(数字或模拟的)显示参数和关于活动的信息。细化的移动数据和/或健康相关的参数可以存储于历史数据库(例如，历史数据库140)中，被发送到公共数据库，或被发送到用户的“云账户”，用户可以使用计算机、移动设备或其他能够连接到用户账户的设备访问“云账户”。
图8是路径图的例示，图示了由本文公开且如图1和图6中所述系统示范性执行图7中所述的过程。首先，在基础软件136处从加速度计130接收移动数据(步骤800)。在本范例中，数据对应于从t0到tn的时间范围。该时间范围不必是连续的，可以对应于几个不同的交叠或不交叠周期。基础软件136的分割模块133执行以根据本文所述的方法将移动数据分割成segment1、segment2和segment3(步骤810)。基础软件136、精度软件142、gps132和数据网络160、170、180和190交互以采集针对segment1、segment2和segment3的位置特异性数据。gps132向定位精度软件142发送位置数据(步骤820)，其包括与segment1、segment2和segment3相关的位置数据。基础软件136向定位精度软件142发送针对每段的定时信息(步骤830)。基于定时信息，定位精度软件142向一个或多个数据网络160、170、180和190发送针对各段的位置数据(步骤840)，基础软件136接收针对segment1、segment2和segment3的每个的位置特异性数据(步骤850)。基础软件136然后可以基于位置特异性数据细化移动数据的分类，可以使用细化的移动数据确定健康相关参数，例如行进的距离、卡路里消耗。
图9图示了可以用于实现本文所述各种特征和过程的示范性计算设备架构。例如，计算设备架构900可以实现于可穿戴设备120、用户设备150或图1或图2的任何网络服务器中。图9中所示的架构900包括存储器接口902、处理器904和外围设备接口906。存储器接口902、处理器904和外围设备接口906可以是独立部件，或者可以集成为一个或多个集成电路的一部分。各部件可以由一个或多个通信总线或信号线耦合。
图9中所示的处理器904意在包括数据处理器、图象处理器、中央处理单元或任何各种多核处理设备。可以将任何各种传感器、外部设备和外部子系统耦合到外围设备接口906，以方便示范性移动设备的架构900之内的任意数量的功能。例如，运动传感器910、光传感器912和接近传感器914可以耦合到外围设备接口906，以方便移动设备取向、照明和接近功能。例如，可以利用光传感器912方便调节触摸表面946的亮度。可以在加速度计或陀螺仪语境中示范的运动传感器910可以用于检测移动设备的移动和取向。然后可以根据检测到的取向呈现显示对象或媒体(例如，肖像或风景)。
其他传感器可以耦合到外围设备接口906，例如，温度传感器、生物测定传感器或其他感测设备，以方便对应的功能。位置处理器915(例如，全球定位收发器)可以耦合到外围设备接口906，以允许生成地理位置数据，由此方便地理定位。电子磁强计916，例如集成电路，可以连接到外围设备接口906，以提供与真正磁北方向相关的数据，由此移动设备可以利用指南针或方向功能。相机子系统920和光传感器922，例如电荷耦合器件(ccd)或互补金属氧化物半导体(cmos)光传感器可以方便相机功能，例如记录照片和视频剪辑。
可以通过一个或多个通信子系统924促成通信功能，通信子系统可以包括一个或多个无线通信子系统。无线通信子系统924可以包括802.x或bluetooth收发器，以及光收发器，例如红外收发器。有线通信子系统可以包括端口设备，例如通用串行总线(usb)端口或某种其他有线端口连接，其可用于建立通往其他计算设备的有线耦合，例如网络接入设备、个人计算机、打印机、显示器或能够接收或发送数据的其他处理设备。通信子系统924的具体设计和实施方式可以取决于设备意图操作于其上的通信网络或介质。例如，一种设备可以包括无线通信子系统，其被设计成在全球数字移动电话系统(gsm)网络、gprs网络、增强的数据gsm环境(edge)网络、802.x通信网络、码分多址(cdma)网络或bluetooth网络上工作。通信子系统924可以包括托管协议，使得设备可以被配置为用于其他无线设备的基站。通信子系统还可以允许设备利用一种或多种协议与主机设备同步，协议例如是tcp/ip、http或udp。
音频子系统926可以耦合到扬声器928和一个或多个麦克风930，以促成具有语音能力的功能。这些功能可以包括语音识别、语音复制或数字记录。音频子系统926也可以涵盖传统的电话功能。
i/o子系统940可以包括触摸控制器942和/或其他输入控制器944。触摸控制器942可以耦合到触摸表面946。触摸表面946和触摸控制器942可以利用若干种触摸敏感技术，包括，但不限于电容性、电阻性、红外或声表面波技术，探测接触和移动或其中断。可以类似地使用其他接近传感器阵列或元件，用于确定与触摸表面946的一个或多个接触点。在一种实施方式中，触摸表面946能够显示虚拟或软按钮和虚拟键盘，其可以被用户用作输入/输出设备。
其他输入控制器944可以耦合到其他输入/控制设备948，例如一个或多个按钮、往复式开关、拨轮、红外端口、usb端口和/或诸如指示笔的指针设备。一个或多个按钮(未图示)可以包括向上/向下按钮，用于扬声器928和/或麦克风930的音量控制。在一些实施方式中，设备900可以包括音频和/或视频回放或记录设备的功能并可以包括用于连接到其他设备的销钉接头。
存储器接口902可以耦合到存储器950。存储器950可以包括高速随机存取存储器或非易失性存储器，例如磁盘存储器设备、光存储器设备或闪速存储器。存储器950能够存储操作系统952，例如darwin、rtxc、linux、unix、osx、android、windows或嵌入式操作系统，例如vxworks。操作系统952可以包括用于操控基本系统服务并执行取决于硬件的任务的指令。在一些实施方式中，操作系统952可以包括内核。
存储器950还可以存储通信指令954，以促成与其他移动计算设备或服务器的通信。通信指令954也可以用于选择操作模式或通信介质，供设备基于地理位置使用，地理位置可以由gps/导航指令968获得。存储器950可以包括促成诸如界面生成的图形用户界面处理的图形用户界面指令956；促成与传感器相关的处理和功能的传感器处理指令958；促成电话相关过程和功能的电话指令960；促成电子消息相关过程和功能的电子消息指令962；促成网络浏览相关过程和功能的网络浏览指令964；促成媒体处理相关过程和功能的媒体处理指令966；促成gps和导航相关过程的gps/导航指令968；促成相机相关过程和功能的相机指令970；以及用于可以工作于移动计算设备上或结合移动计算设备工作的任何其他应用的指令972。存储器950还可以存储用于促成其他过程、特征和应用的其他软件指令，例如涉及导航、社交网络、基于位置的服务或地图显示的应用。
上述指令和应用的每个都可以对应于用于执行上述一个或多个功能的一组指令。这些指令不需要被实现为独立的软件程序、流程或模块。存储器950可以包括额外的或更少的指令。此外，可以在硬件和/或软件中，包括在一个或多个信号处理和/或专用集成电路中，实现移动设备的各种功能。
可以在计算机系统中实现特定特征，计算机系统包括后端部件，例如数据服务器，数据服务器包括中间件部件，例如应用服务器或internet服务器，或者包括前端部件，例如具有图形用户界面或因特网浏览器的客户端计算机，或上述任意组合。系统的部件可以通过任何形式或介质的数字数据通信，例如，通信网络来连接。通信网络的一些范例包括lan、wan以及形成因特网的计算机和网络。计算机系统可以包括客户端和服务器。客户端和服务器通常彼此远离，典型地通过网络交互。利用运行于相应计算机上并彼此具有客户端-服务器关系的计算机程序引起客户端和服务器的关系。
可以利用能够定义一个或多个参数的api实现所公开实施例的一个或多个特征或步骤，该一个或多个参数是在调用应用和其他软件代码之间传递的，其他软件代码例如是操作系统、库程序、提供服务、提供数据或执行操作或计算的功能。可以将api实现为程序代码中的一个或多个调用，其基于api规范文件中定义的调用约定通过参数表或其他结构发送或接收一个或多个参数。参数可以是常数、密钥、数据结构、物体、对象类、变量、数据类型、指针、数组、列表或另一种调用。可以在任何程序设计语言中实现api调用和参数。程序设计语言可以定义词汇和调用约定，程序员可以采用其访问支持api的功能。在一些实施方式中，api能够向应用报告运行该应用的设备的能力，例如输入能力、输出能力、处理能力、功率能力和通信能力。
图10a-d图示了如何可以改善可穿戴设备健康计算的一系列范例。
图10a图示了示范性可穿戴设备，其包括来自身体传感器1000的输入，可以通过其从地理位置数据网络170接收通信的输入，且该设备输出调节后的健康参数1020。身体传感器1000可以是可穿戴设备120的身体传感器130的一个或多个。调节后的可穿戴设备1020可以是图4或图5中所述过程之一或两者的输出。
图10b图示了示范性可穿戴设备，其包括来自身体传感器1000的输入，来自环境/天气传感器1010的输入，以及包括改进的天气数据1040的输出。
图10c图示了示范性可穿戴设备，其包括来自身体传感器1000的输入，来自地理位置数据网络170的数据，来自环境/天气传感器1010的输入，并输出调节后的健康参数1020。环境/天气传感器1010可以是可穿戴设备120的环境/天气传感器230的一个或多个。调节后的可穿戴数据1020可以是图4或图5中所述过程之一或两者的输出，但由来自环境/天气传感器1010的输入进一步修改，其可以类似于来自地理位置数据网络170的输入作为天气/环境地理位置数据的另一个源被处理。例如，在可穿戴设备位于低压系统移动经过的区域中时，可以调节测量海拔高度的压力传感器数据以补偿低压系统的存在。
图10d图示了示范性可穿戴设备，其包括图10c的所有元件，但还包括从健康网络270接收信息并输出建议1030的通信接口。在特定情况下，图10d的可穿戴设备可以在可穿戴设备120的查看器220上显示从健康网络270接收的建议。示范性建议可以通知可穿戴设备的用户上班时带伞或雨衣，因为天正在下雨，或由于高热和检测到脱水而停止跑步。在一些实施例中，建议1030可以投射到将来，例如，由于预测到将来下雨而建议用户带伞或雨衣，或因为下一个地面潜在危险而在跑步时小心(例如，高海拔、岩石、湿滑)。这样的将来计划还可能对传感器测量(例如，将来的崎岖地面可能使用户有压力并导致脉搏增高)和/或健康参数计算(例如，将来的崎岖地面可能使用户特别要注意稍后成功通过其导航，在过程中燃烧更多的卡路里)有影响。在某些实施例中，图10d示范性可穿戴设备120的用户可以向健康网络270服务器发送问题。这样的问题可以涉及在接下来几小时或几天内如何针对天气最好地保护用户健康。用户然后可以通过可穿戴设备120从健康网络270服务器获得响应。
在一些实施例中，建议1030可以考虑用户的历史数据(例如，来自历史数据库140和256)。例如，如果用户已经跑步几个星期了，建议1030可以建议暂停，以便减小可能个膝盖受伤。类似地，如果天气传感器230指示，用户过去一周中常常处在高花粉环境中，建议1030可以建议用户停在室内，以避免生病。
除了查看器220之外，可以使用多种方法警告用户有建议。这些可以包括显示文本通知，显示图形通知，显示视频通知，播放音频通知或发起振动通知。
图11a图示了用于使用网络数据的示范性方法。从步骤1100开始，利用由转换数据库144提供的若干数据库图表计算用于给定特定身体传感器输入和地理位置数据(例如，天气/环境/地面数据)的健康参数(例如，燃烧的卡路里)。例如，如在图11a的步骤1100中所示，一个范例转换数据库可以包括涉及一位130磅重的女性在具有特定百分比倾斜度的地面行走/跑步时燃烧的卡路里量的信息。这里可以包括具有各种其他数据条目的其他类型的数据库，以便提供手段修改和提供更准确的健康参数计算(例如，燃烧的卡路里)。
接下来，提供传感器测量历史(例如，来自可穿戴设备120的历史数据库140或用户设备150的同步历史数据库256)和地理位置数据(例如，来自数据网络160、170和180的天气/环境/地面数据)(步骤1110)。在这里，例如，可以提供关于用户跑步的信息。如在图11的步骤1110中所示，提供了用户跑步不同部分的倾斜百分数和长度。
在下一步中进行基于传感器测量和地理位置数据的计算(步骤1120)。具体而言，从转换数据库拉出，可以获得信息以将用户跑步的各段与燃烧的卡路里量相关联。图11b中图示了转换数据库144的示范性实施例。
接下来，提供转换的参数1134(例如，结合地理位置数据)和未转换的参数1132(例如，未结合地理位置数据)(步骤1130)。具体而言，使用转换的参数(上文在步骤1120中生成)比较可穿戴设备120可以仅基于其传感器数据提供的计算。也可以计算两个参数之间的对应差异1136和比例1138并存储在可穿戴设备120(例如，在历史数据库140)中，在用户设备150(例如，在历史数据库256)处，或在健康网络270(例如，在健康数据库272)处。
图11c是流程图，图示了用于在转换过程中使用网络数据的示范性过程。这个步骤包括获得转换数据(步骤1145)(参见图11a的步骤1100)，从针对锻炼区域的网络检索对应的传感器测量结果和地理位置数据(例如，坡度/倾斜数据)(步骤1150)(参见图11a的步骤1110)。然后，该步骤将用户的跑步与地理位置信息(例如，坡度/倾斜)匹配(步骤1155)(参见图11a的步骤1110和1120)。生成、比较(步骤1160)(参见图11a的步骤1130)并输出(步骤1165)(参见图11a的步骤1130)转换参数1132和非转换参数1134。然后可以计算并输出转换参数1132和非转换参数1134之间的比例1138(步骤1170)(参见图11a的列1138的步骤1130)。这一比例1138可以由操作员或其他系统使用以执行进一步转换或识别因为未能调节健康相关参数以解释环境度量而引起的误差大小。
图12是图示了用于计算转换后参数的示范性方法的方框图。在图12中可以看出，正在相对于作为选定锻炼的骑行提供风作为地理位置数据。
具体而言，该方法包括用于计算燃烧的卡路里的(非转换)量的基础公式(步骤1200)。一旦准备就绪，也可以提供地理位置数据(例如，自行车路径的第一支路为5mph顶风，自行车路径的第二支路为10mph的顺风)(步骤1210)。由此，可以通过将步骤1210的地理位置数据的参数调节(例如，卡路里调节)应用到从步骤1200的传感器测量结果计算的非转换参数来计算转换参数(步骤1220)。
在图12中可以看出，对于自行车骑行的一部分，用户可能是逆风骑行，因此燃烧对应于逆风骑行所花额外气力的更多100％的卡路里。不过，用户还顺风骑行，导致少燃烧75％的卡路里。这提供了修改以相对于基础公式使用。
图12中还提供了用于计算燃烧的卡路里量的备选方法，其中，可以将基础公式修改成修正公式1240，以反映地理位置数据1230，例如，用户的该速度是用户速度加或减计算中的风速(基于用户是顺风还是逆风骑行)。图13图示了示范性矩阵1300，图示了各个参数的组合以及哪些基于位置的数据可以影响该特定数据的计算。在第一范例中，卡路里可能受到例如图11a中所示地面的影响，其中百分数倾斜能够修改所燃烧卡路里的量。在第二范例中，卡路里还可能受到图12所示的天气(例如，风)影响。
应当指出，图13中所示的表格1300未穷举所有可能十字、参数或基于位置的数据。也可以提供更多、更少或不同的参数、基于位置的数据或十字。表格1300图示了地理位置数据和健康参数之间的可能交互。地理位置数据例如可以包括地面网络数据1305、天气数据1310、室内温度1315(例如，来自连接网络的恒温器，例如nest恒温器)、室内温度1320、体育馆机器阻力1325和道路/轨道条件1330。健康参数可以包括，例如次数/距离1335、卡路里1340、心率/血压1345、水合百分数1350、休息状态时间1355和呼吸1360。可以通过各种方式解释这些交互。例如，计数因子1335可以与倾斜度1305相关联(更短/更长的台阶)(交叉点1365)。水合因子1350可以与户外湿度1310或室内温度1320(更大湿度需要更少水合)相关联(交叉点1370)。粗糙/破碎的铁路1330可能需要更短的台阶1335(交叉点1375)。粗糙/破碎的铁路1330还可能需要更多工作和燃烧的卡路里1340(交叉点1380)。冷的室外温度1310和冷的室内温度1315可以增大心率1345(以保持身体温暖)(交叉点1385)。热的室外温度1310和热的室内温度1315可以影响心率1345(以冷却身体)(也是交叉点1385)。最后，海拔高度1305可以影响含氧量从而影响呼吸1360(交叉点1390)。
图14图示了示范性路径图，图示了本文公开的方法。在这里，可穿戴设备120首先从身体传感器130(或从历史数据库140)记录用户传感器测量数据(步骤1405)，并将其发往基础软件136以在锻炼期间计算非转换健康参数(例如，卡路里)，并向可穿戴设备120的定位精度软件142发送非转换的健康参数值(步骤1415)。同时，可穿戴设备120的gps模块132向可穿戴设备120的定位精度软件142发送可穿戴设备120的位置(步骤1410)。可穿戴设备然后向外部网络(例如，图1的数据网络160、170、180和190)发送gps位置数据(步骤1420)。
响应于gps数据，数据网络160、170、180和190向可穿戴设备120处的定位精度软件142发送基于位置的数据(例如，地理位置、天气、地面和环境数据)(步骤1425)。接下来，转换数据库144考虑到基于位置的地理位置数据向定位精度软件142提供比例(步骤1430)，使得软件能够计算修改或“转换”的健康参数(例如，卡路里)，并将其发回基础软件136(步骤1440)。从这里开始，可以将其存储在例如可穿戴设备120的历史数据库140中、用户设备150处的历史数据库256中或健康网络270处的健康数据库中。
应当指出，一些步骤，例如，向定位精度软件142提供gps位置，以及基础软件136计算初始输出的步骤，可以按照不同次序执行。
图15图示了示范性路径图，图示了用于计算如本文公开图12中所示修改参数的方法。在这里，可穿戴设备120首先向转换数据库144发送用于计算锻炼试验期间卡路里的基础算法(步骤1505)。接下来，将基础软件136基于身体传感器130计算的卡路里实际数量发送到转换数据库144(步骤1510)。接下来，定位精度软件142从基础算法计算实际卡路里与基础卡路里之比(步骤1515)。可穿戴设备120然后向定位精度软件142发送来自后续锻炼会话的健康输入数据和计算的卡路里(步骤1520)。此时可穿戴设备还向数据网络(例如，图1的数据网络160、170、180和190)发送来自gps模块132的gps数据(步骤1525)。
响应于gps数据，数据网络160、170、180和190向可穿戴设备120发送向定位精度软件142提供的基于位置的数据(例如，地理位置、天气、地面和环境数据)(步骤1430)。接下来，转换数据库144考虑到基于位置的地理位置数据向定位精度软件142提供比例(步骤1535)，使得定位精度软件142能够计算修改或“转换”的健康参数(例如，卡路里)，并将它们发往可穿戴设备120，在可穿戴设备处可以(例如，在查看器220上)显示它们(步骤1540)。
图16图示了可穿戴设备120的示范性历史数据库140和/或用户设备150的示范性历史数据库256。历史数据库120和256可以包括向各种其他项目交叉引用日期和/或时间(列1605)的信息。例如，示范性历史数据库120和256可以包括身体传感器130的身体传感器测量结果(例如，血压)(列1610)、来自天气传感器230的天气温度传感器的测量结果(列1615)、来自地理位置数据网络170的天气网络温度(列1620)、基于天气测量结果调节的血压(列1625)和健康摘要(列1630)。
表格中健康略图指明血压(“bp”)正常的日期(参见列1610和列1625中的血压和列1630中的健康摘要)包括6-1-10、6-2-10、7-3-10和12-2-10。在特定条目中，在感测温度在71°f和73°f之间时(参见列1615中的感测温度或列1620中由地理位置数据网络170提供的温度)，感测的血压(参见列1610中的血压)和调节的血压(参见列1625中的调节血压)可以相同，且在感测的温度在19°f附近时，感测的血压和调节的血压可以不同。这是因为算法可以调节温度冷时测量的血压读数。
血压被指示为高(偏离平均值)的日期为12-2-11。该表格指示在12-2-11，身体传感器感测的血压为111，感测的天气温度为19°f，天气网络报告的温度为20°f，调节的血压为101，健康摘要指示用户bp高。此外，皮肤表面附近的血管可能在冷天时细以保存热量，从而增大血压。
可以利用规则数据库222中的数据确定与用户bp正常或高相关的判断。表格中列出的温度测量结果可以从大约20°f变化到大约70°f，差异大约为50°f。在温度为19°f时，规则数据库222中的规则指示，应当在温度每下降十度时调节测量的血压一个计数。由于在日期12-2-10，实测血压是101，实测天气温度为19°f，因为70减19大约为50，所以应当将实测血压向下调节5个计数。由于101-5＝96，且由于血压读数96被规则数据库222视为正常，因此健康摘要可以标识bp为正常。
应当理解，历史数据库140和256也可以包括其他数据。最需要指出的是，历史数据库140和256可以存储关于基于地理位置数据(例如，天气、环境和地面数据)修改前后参数计算的数据(例如，图4或图5的输出)。
图17是定位精度软件142传感器对可穿戴设备120的调节的示范性方法的流程图。该方法可以由可穿戴设备120、联系到可穿戴设备120的用户设备150或与可穿戴设备120无线通信的用户设备150执行。在步骤1705中，可以输入来自gps模块132的gps数据；在步骤1710中，可以输入身体传感器数据(例如，来自身体传感器130)；在步骤1715中，可以任选地输入天气传感器数据(例如，来自天气传感器230)。在步骤1720，可以运行基础软件136。在步骤1725，可以由可穿戴设备120周期性(例如，每10分钟)生成健康参数。在步骤1730，可以判断是否有数据网络(例如，数据网络160、170、180和190)。如果是这样的话，该方法进行到步骤1735，其中可以下载本地地理位置数据(例如，指示室外温度为20℃)。在步骤1740中，历史数据库140和256可以按照日期加载历史数据。在步骤1745中，可以由处理器执行定位精度软件142以修改健康参数(例如，基于天气修改的血压)或修改计算出的健康参数(例如，修改的燃烧卡路里数)，在步骤1750中，可以在显示器上将执行结果作为消息输出。
在步骤1755，可以判断是否有健康网络270。如果是这样的话，该方法进行到步骤1760，其中可以向健康网络270服务器发送地理位置数据(例如，20℃的温度)，在步骤1765中，可以由可穿戴设备120从健康网络270服务器接收健康建议1030。然后在步骤1770中，可以向可穿戴设备120的用户呈现健康建议1030，供用户在查看器220上查看。在步骤1770之后，该方法可以返回到步骤1720。
在步骤1730中可以判定没有数据网络160、170、180和190时，或在步骤1755判定没有健康网络270时，该方法可以直接进行到步骤1775，在此从历史数据库140和256加载历史数据。图17还参考了上文在图16的描述中论述的用于调节血压的规则。
图18a图示了健康网络270的示范性健康数据库272。来自健康数据库272的信息可以包括从70°f向下到负10°f的温度(列1805)、指示用户bp高的健康摘要(列1810)，以及来自健康网络270的各种建议(1815)。图18a中的建议可以包括看医生的通知，在室内花更多时间，看医生，在室内花更多时间以降低bp，留在室内，看医生或其他建议动作。在一些实施例中，建议可以通过健康网络270的api276来自第三方280，使得医生282、在线医疗资源284(例如，webmd)、用户286和其他个体或组288能够辅助提供建议。具体而言，其他组288可以包括护理人员，使得年老或残疾患者可以接收定制的建议以采取特定药物处理或基于其活动采取特定药物处理。具体而言，其他组288还可以包括广告商，其可以为可穿戴设备提供建议，以补救用户面临的问题(例如，由身体传感器130或天气传感器230或来自数据网络160、170、180和190的地理位置数据测量)，例如，水化饮料、血压药物处理、压力药物处理、血糖源(例如，食物)、胰岛素源、哮喘吸气器、更好的锻炼设备(例如，跑鞋、重物、踝/膝/臂拉条)或其他药物处理、衣服、消耗品、或可能对用户有帮助的物体。在本发明的实施例中，健康数据库272的形式为表格。
图18b是流程图，图示了针对可穿戴设备120的定位精度软件142处的示范性传感器测量调节的示范性操作。在这些示范性操作期间，可以在步骤1820中判断用户是否在请求建议数据。如果是这样的话，api276可以在步骤1830中提取温度(图18a的列1805)和健康摘要(图18a的列1810)。然后，可以在步骤1835中判断温度和摘要是否匹配健康数据库272中的条目。如果是这样的话，可以在步骤1840中检索并发送健康建议1030，可以重新开始过程。如果判定健康数据库272中没有匹配，在步骤1840中可以不发送数据。然后，该方法可以返回在步骤1820中判断用户是否在请求建议数据。如果不是，该方法可以在步骤1825中结束。
图19图示了可穿戴设备120的定位精度软件142处传感器测量调节的示范性方法。在步骤1900中，可以为可穿戴设备120提供身体传感器130、天气传感器230、历史数据库140、规则数据库222、基础软件136、查看器220和通信端口126。
可以通过无线通信接口152将用户设备150联系到可穿戴设备120。在步骤1910中，用户设备150可以任选地具备匹配基础软件250、地理位置数据数据库254、历史数据库256和规则数据库。
一个或多个数据网络160、170、180和190然后可以在步骤1920中提供对应于可穿戴设备120的gps位置的环境/天气/地面数据。
接下来，可以在步骤1930中为健康网络270提供api276、健康软件274和健康数据库272。可以允许第三方280向健康数据库272中输入健康建议1030。建议1030可以对应于在数据网络160、170、180和190处测量和/或由可穿戴设备
在可穿戴设备120处的处理器122上执行的基础软件136可以例行地(例如，每10分钟)获取身体传感器数据130、天气传感器数据230以执行定位精度软件142。可以使用定位精度软件142，利用来自可穿戴设备120的gps模块132从数据网络160、170、180和190收集数据，每天向历史数据库140和256加载收集的数据，并运行调节参数和健康摘要的规则/转换算法。对健康摘要和健康参数的调节可以基于天气、环境、地面和其他地理位置数据。可以向健康网络270发送实际测量结果，例如实测血压或温度以及计算出的健康参数，例如卡路里量和健康摘要。此外，在步骤1950中可以在查看器220上显示从健康网络270接收的建议1030，供可穿戴设备120的用户在这一步骤中查看。
尽管图1-19历史的每个示范性操作和伴随的文本以特定次序叙述执行的步骤，但本发明未必需要以列举的次序工作。本领域技术人员会认识到很多变化，包括按照不同次序执行步骤。
上述软件部件，例如基础软件136、定位精度软件142、基础可穿戴设备软件250、健康软件274、天气软件228等，可以存储于对应设备，例如执行软件的可穿戴设备120的存储器或另一联网设备，例如用户设备150的存储器中。执行软件的设备的处理单元与存储器中存储的软件交互以执行软件。在一些实施例中，软件部件可以存储于处理单元自身的存储器中。
网络100的各种范例包括，但不限于因特网、内部网、外部网、有线网、无线网、广域网(wan)、局域网(lan)或其他适当网络等，或两种或多种这种网络的任意组合。
出于例示和描述的目的，已经给出本文中技术的以上详细描述。它并非意在穷举或将该技术限制到公开的精确形式。根据以上教导，很多修改和变化是可能的。选择描述的实施例以便最好地解释该技术的原理及其实际应用，由此使得本领域的其他技术人员能够最好地利用各实施例中的该技术并利用适合想到的特定用途的各种修改。该技术的范围意在由权利要求界定。
- 还没有人留言评论。精彩留言会获得点赞！