用于收集和分发监控用动物数据的基于无人驾驶飞行器的系统

技术领域

在至少一个方面中，本发明涉及通过一个或多个无人驾驶飞行器收集和分发动物数据。

背景技术

信息在互联网上的可用性方面的持续进步已经大大改变了开展业务的方式。在这种信息爆炸的同时，传感器技术以及生物传感器技术也取得了进步。特别是，现在可以使用测量心电图信号、血流、体温、排汗水平或呼吸率的微型生物传感器。不存在对从这些生物传感器收集的信息进行收集和组织以将这种信息货币化的集中式服务提供商。此外，在个体位于指定位置、从一个位置移动到另一个位置或参与到需要在动态的和移动的环境中进行监控的活动中(例如，运动和一般健身)的同时访问和监控这些传感器会出现与可访问性有关的未知问题。

因此，需要在需要监控的活动期间从个体或个体群体收集和组织传感器数据的系统。

发明内容

在至少一个方面中，提供了一种基于无人驾驶飞行器的数据收集和分发系统。该基于无人驾驶飞行器的数据收集和分发系统包括能够进行电子传输的动物数据源。动物数据源包括至少一个传感器。从至少一个目标个体收集动物数据。该系统还包括从动物数据源接收动物数据作为第一组接收动物数据的无人驾驶飞行器以及能够进行操作以接收第一组接收动物数据的至少一部分的计算设备。在特征上，无人驾驶飞行器包括收发器，其能够进行操作以从动物数据源接收一个或多个信号并向动物数据源发送一个或多个控制信号。

在至少另一个方面中，提供了一种基于无人驾驶飞行器的数据收集和分发系统。该基于无人驾驶飞行器的数据收集和分发系统包括能够进行电子传输的一个或多个动物数据源。一个或多个动物数据源包括至少一个传感器。从至少一个目标个体收集动物数据。该系统还包括从一个或多个动物数据源接收动物数据作为第一组接收动物数据的一个或多个无人驾驶飞行器以及能够进行操作以接收第一组接收动物数据的至少一部分的一个或多个计算设备。在特征上，无人驾驶飞行器包括收发器，其能够进行操作以从一个或多个动物数据源接收一个或多个信号并向一个或多个动物数据源发送一个或多个控制信号。

有利地，本文阐述的方法和系统在运动/健身、一般健康和保健监控、军事行动和训练、风险缓解行业(例如，保险)等中具有应用。

附图说明

为了进一步理解本公开的性质、目的和优点，将参照结合以下附图阅读的以下详细说明，附图中相同的附图标记表示相同的元件并且其中：

图1是使用一个或多个传感器从目标个体获取传感器数据的基于无人驾驶飞行器的收集和分发系统的示意图。

图2是使用一个或多个传感器从多个目标个体获取传感器数据的基于无人驾驶飞行器的收集和分发系统的示意图。

图3是具有集成的计算设备的无人驾驶飞行器的示意图。

图4A、图4B和图4C是用于操作基于无人驾驶飞行器的收集和分发系统的用户界面的图示。

具体实施方式

现在将详细参照本发明的当前优选的实施方式和方法，它们构成了发明人目前已知的本发明的最佳实现形式。附图不一定按比例绘制。然而，应当理解，所公开的实施方式仅仅是能够以不同的和替代的形式体现的本发明的示例。因此，本文公开的具体细节不应被解释为限制性的，而仅仅是本发明的任何方面的代表性基础和/或教导本领域技术人员以各种方式采用本发明的代表性基础。

还应理解，本发明不限于以下描述的特定的实施方式和方法，因为特定的部件和/或条件当然可以发生变化。此外，本文使用的术语仅出于描述本发明的特定实施方式的目的，并非是以任何方式进行限制。

还必须注意，在说明书和所附权利要求中使用时，单数形式“一种”、“该”和“所述”包括复数的引用，除非上下文另有明确指示。例如，单数形式的部件的引用旨在包括多个部件。

术语“包括”与“包含”、“具有”、“含有”或“特征在于”同义。这些术语是包括性的和开放式的，不排除额外的、未列举的元件或方法步骤。

短语“由……组成”不包括权利要求中未指定的任何元件、步骤或成分。当该短语出现在权利要求主体的从句中而不是紧接在前序部分之后时，其仅限制该从句中阐述的元件；不从权利要求中整体排除其他的元件。

短语“基本上由……组成”将权利要求的范围限制为特定的材料或步骤以及不会实质上影响要求保护的主题的(多个)基本和新颖特征的材料或步骤。

关于术语“包括”、“由……组成”和“基本上由……组成”，在本文中使用这三个术语中的一个时，当前公开和要求保护的主题可以包括对另外两个术语中的任一个的使用。

术语“一个或多个”是指“至少一个”，并且术语“至少一个”是指“一个或多个”。另外，术语“多个”是指“多重的”，并且术语“多重的”是指“多个”。术语“一个或多个”和“至少一个”包括“多个”和“多重的”作为子集。在一种改进中，“一个或多个”包括“两个以上的”。

贯穿本申请文件，在引用出版物时，这些出版物的公开内容在此通过引用整体并入本申请中，以更全面地描述本发明所属的技术的现状。

当计算设备被描述为执行动作或方法步骤时，应当理解的是该计算设备能够进行操作以通常通过执行一行或多行源代码来执行动作或方法步骤。可以将动作或方法步骤编码到非暂时性存储器上(例如，硬盘驱动器、光驱、闪存驱动器等)。

术语“计算设备”主要是指可以执行至少一个功能的任何设备，包括与另一个计算设备进行通信。在一种改进中，计算设备包括可以执行程序步骤的中央处理单元和用于存储数据和程序代码的存储器。

术语“服务器”是指适用于执行本文阐述的方法和功能的任何计算机或其他的计算设备(包括但不限于台式计算机、笔记本计算机、膝上型计算机、大型主机、移动电话、智能手表/眼镜、增强现实头戴设备、虚拟现实头戴设备等)、分布式系统、刀片服务器、网关、交换机、处理设备或它们的组合。

术语“连接至”是指通过“连接至”描述的电气部件进行电气或电子通信。在一种改进中，“连接至”是指通过“连接至”描述的电气部件彼此直接有线连接。在另一种改进中，“连接至”是指电气部件无线地或通过有线和无线连接的部件的组合进行通信。在另一种改进中，“连接至”是指一个或多个额外的电气部件插在通过“连接至”描述的电气部件之间，其中来自起始部件的电信号在被与其连接的部件接收之前进行了处理(例如，滤波、放大、调制、整流、衰减、相加、相减等)。

术语“电气通信”或“电子通信”是指电信号直接或间接地从起始电子设备发送到接收电子设备。间接的电气或电子通信可涉及电信号的处理，包括但不限于信号的滤波、信号的放大、信号的整流、信号的调制、信号的衰减、信号与另一个信号的相加、从另一个信号中减去该信号、从该信号中减去另一个信号等等。可以使用有线部件、无线连接的部件或它们的组合来实现电气或电子通信。

本文公开的过程、方法或算法可交付给控制器、计算机或其他的计算设备/通过它们来实施，它们可包括任何现有的可编程电子控制单元或专用电子控制单元。类似地，过程、方法或算法可以存储为可由控制器、计算机或计算设备执行的多种形式的数据和指令，包括但不限于永久存储在诸如ROM设备的不可写存储介质上的信息和可更改地存储在可写存储介质(例如软盘、磁带、CD、RAM设备、其他的磁性和光学介质)上的信息以及共享或专用的云计算资源。过程、方法或算法也可以在可执行软件对象中实现。替代地，过程、方法或算法可以全部或部分地使用合适的硬件部件来实现，例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、状态机、控制器或其他的硬件部件或设备或者硬件、软件和固件部件的组合。

术语“对象”和“个体”同义，是指人类或其他的动物，包括鸟类、爬行类、两栖类和鱼类，以及所有的哺乳动物，包括灵长类动物(特别是高等灵长类动物)、马、羊、狗、啮齿动物、猪、猫、兔和牛。例如，一个或多个对象可以是参加运动训练或比赛的人类、在赛道上比赛的马、玩视频游戏的人类、监控自身健康的人类、向第三方提供自身数据的人类、参与研究或临床试验的人类或参加健身课程的人类。在一种改进中，对象或个体可以是一台或多台机器(例如，机器人、自动驾驶车辆、机械臂)或机器的网络，其可通过与人类或其他动物共享至少一种生物学功能并且可以从它们之中得到一种或多种类型的生物学数据的一个或多个计算设备进行编程，这些数据可能本质上至少部分是人工的(例如，来自模拟生物大脑活动的人工智能衍生活动的数据)。

术语“动物数据”是指可从对象获得或由其直接或间接地生成的任何数据，其可被转换为可传输(例如，无线或有线传输)到服务器或其他计算设备的形式。动物数据包括可以从传感器或感测仪器/系统、特别是生物学传感器(生物传感器)获得的任何数据，包括任何的信号或读数。动物数据还包括与对象相关的任何描述性数据、与对象相关的听觉数据、可以手动输入的与对象相关的数据(例如，对象的病史、社会习惯、感觉)以及包括至少一部分真实的动物数据的数据。在一种改进中，术语“动物数据”包括动物数据的任何衍生物。在另一种改进中，动物数据包括至少一部分模拟数据。在又一种改进中，动物数据包括模拟数据。

术语“传感器数据”是指由传感器生成的未经处理的和/或经过处理的(例如，经过操作的)信号或读数。在一些情况下，术语“传感器数据”还可以包括与传感器或一个或多个信号或读数(例如，特征)关联的元数据。

术语“人工数据”是指人工创建的数据，其至少部分地从真实的动物数据或其一个或多个衍生物得出、以它们为基础或者使用它们来生成。其可以通过使用一种或多种人工智能技术或统计模型运行一种或多种模拟来创建，并且可以包括来自一个或多个非动物数据源的一个或多个信号或读数作为一个或多个输入内容。人工数据还可以包括与人类或另一种动物共享至少一种生物学功能的任何人工创建的数据(例如，人工创建的视觉数据、人工创建的运动数据)。其包括“合成数据”，其可以是适用于指定情况的任何生产数据，不是通过直接测量获得的。可以通过对原始数据进行统计建模然后使用这些模型生成可以再现原始数据的至少一种统计特性的新的数据值来创建合成数据。就当前公开和要求保护的主题而言，术语“模拟数据”和“合成数据”同义并且可与“人工数据”互换使用，并且对任何一个术语的引用不应被解释为限制性的，而是应解释为包含所有术语的所有可能的含义。

术语“见解(insight)”是指可以分配给目标个体的使用它们的动物数据的至少一部分来描述该目标个体的状况或状态的一种或多种描述内容。例子包括压力水平(例如，高压、低压)、能量水平、疲劳水平等的描述内容或其他表征。见解可以通过预先确定的一个或多个数字、代码、图形、图表、批次、颜色或其他的视觉表示、曲线、读数、数字表示、描述内容、文本、物理反应、听觉反应、视觉反应、动觉反应或文字描述来量化、表征或传达。在一种改进中，见解由多个见解组成。在另一种改进中，可以将见解分配给多个目标个体，及目标个体的一个或多个群体。在另一种改进中，见解可以包括来自非动物数据源的一个或多个信号或读数作为在其一个或多个计算、估算、推导、合并、模拟、提取、外推、修改、增强、创建、估计、推断、推论、确定、处理、通信等中的一个或多个输入内容。

术语“估算资产”是指从动物数据的至少一部分得出的一个或多个数字、多个数字、值、度量、读数、见解、图形或曲线。本文使用的传感器最初提供电子信号。估算资产至少部分地从一个或多个电子信号或其一个或多个衍生物中提取或得出。估算资产描述或量化一个或多个目标个体的可解释的特性。例如，心电图读数可以从模拟前端信号(来自传感器的电子信号)得出，心率数据(例如，每分钟的心率)可以从心电图或PPG传感器得出，体温数据可以从温度传感器得出，排汗数据可以从排汗传感器得出或提取，葡萄糖信息可以从生物流体传感器得出，DNA和RNA测序信息可以从获得基因组和遗传数据的传感器得出，大脑活动数据可以从神经传感器得出，水化数据可以从口内唾液或汗液分析传感器得出，位置数据可以从GPS或RFID传感器得出，生物力学数据可以从光学或平移传感器得出，呼吸率数据可以从呼吸传感器得出。在一种改进中，估算资产可以包括来自非动物数据源的一个或多个信号或读数，以作为在其一个或多个估算、推导、合并、模拟、提取、外推、修改、增强、创建、估计、推断、推论、确定、处理、通信等中的一个或多个输入内容。在另一种改进中，估算资产包括多个估算资产。

缩写：

“BLE”是指低功耗蓝牙。

“HALE”是指高空长航时。

“HAPS”是指高空伪卫星。其也可以被称为大气卫星。

“RPAS”是指遥控航空系统。

“UAV”是指无人驾驶飞行器。

“VTOL”是指垂直起降。

参照图1和图2，提供了一种使用一个或多个无人驾驶飞行器收集和分发动物数据的系统的示意图。基于UAV的传输系统10和10’包括至少一个能够进行电子传输的动物数据14的源12。目标个体16是用于从其中收集对应的动物数据14的对象。关于这点，动物数据是指从下文中更详细地阐述的传感器、特别是生物传感器获得的与对象身体相关的数据。因此，动物数据源12包括至少一个传感器18。在许多有利的应用中，对象是人类(例如，运动员、士兵、医疗保健患者、研究对象、健身课程的参与者)，并且动物数据是人类数据。动物数据14可以从目标个体16、多个目标个体16、多个目标个体16的目标群体或多个目标个体16的多个目标群体得到。动物数据14可以从每个目标个体16上的单个传感器18获得，或从每个目标个体16上的多个传感器18获得。在一些情况下，单个传感器18可以从多个目标个体16、多个目标个体16的目标群体或多个目标个体16的多个目标群体捕获动物数据14(例如，可以定位目标个体的目标群体并测量其行进距离的基于光学的摄像机传感器)。传感器18可提供单一类型的动物数据14或多种类型的动物数据14。在一种变型中，传感器18可在单个传感器内包括用于测量多个参数(例如，心率和加速度计数据)的多个传感元件。

尽管图1体现了单个目标个体16，但图2示出了包括多个源12

在一种改进中，一个或多个传感器18包括至少一个生物学传感器(生物传感器)。生物传感器收集生物信号，它们在本实施方式的上下文中是动物体内或源自动物的可以连续或间歇地测量、监控、观察、计算、估算或解释的任何信号或特性，包括电气信号和非电气信号、测量结果和人工生成的信息。生物传感器可以从一个或多个目标个体收集生物学数据(例如，包括读数和信号)，例如生理学数据、生物特征数据、化学数据、生物力学数据、位置数据、遗传数据、基因组数据或其他生物学数据。例如，一些生物传感器可以测量或提供可以转化为生物学数据或从其中得出的信息，例如眼球追踪数据(例如，瞳孔反应、运动、EOG相关数据)、血流数据和/或血量数据(例如，PPG数据、脉搏传导时间、脉搏到达时间)、生物流体数据(例如，从血液、尿液、唾液、汗液、脑脊液得出的分析结果)、身体成分数据、生化成分数据、生化结构数据、脉搏数据、氧合数据(例如，SpO2)、核心体温数据、皮肤电反应数据、皮肤温度数据、排汗数据(例如，速率、成分)、血压数据(例如，收缩压、舒张压、MAP)、葡萄糖数据(例如，体液平衡I/O)、水化数据(例如，体液平衡I/O)、基于心脏的数据(例如，心率(HR)、平均HR、HR范围、心率可变性、HRV时域、HRV频域、自主音、ECG相关数据，包括PR、QRS、QT、RR间隔)、神经系统数据和其他神经相关数据(例如，EEG相关数据)、遗传相关数据、基因组相关数据、骨骼数据、肌肉数据(例如，EMG相关数据，包括表面EMG、幅度)、呼吸数据(例如，呼吸率、呼吸模式、吸气/呼气比、潮气量、肺活量测定数据)、胸部电生物阻抗数据或它们的组合。一些生物传感器可以检测生物学数据，例如可以用于表征对象的运动的生物力学数据，例如可以包括角速度、关节路径、动态或运动学载荷、步态描述、步数或位置或各个方向上的加速度。一些生物传感器可以收集与一个或多个目标个体相关的生物学数据，例如位置和定位数据(例如，GPS、基于超宽带RFID的数据，例如速度、加速度或物理位置；姿势数据)、面部识别数据、音频数据、动觉数据(例如，从位于鞋底的传感器捕获的物理压力)或听觉数据。一些生物学传感器是基于图像或视频的，并且收集、提供和/或分析视频或其他视觉数据(例如，静止或运动的图像，包括视频、MRI、计算机断层扫描、超声波、X射线)，基于这些数据可以检测、测量、监控、观察、外推、计算或估算生物学数据(例如，生物力学运动、位置、基于X射线的骨折或基于对象的基于视频或图像的视觉分析的压力或疾病)。一些生物传感器可以从诸如血液(例如静脉、毛细血管)、唾液、尿液、汗液等生物学流体得出信息，包括甘油三酯水平、红细胞计数、白细胞计数、促肾上腺皮质激素水平、红细胞压积水平、血小板计数、ABO/Rh血型、血尿素氮水平、钙水平、二氧化碳水平、氯化物水平、肌酐水平、葡萄糖水平、血红蛋白A1c水平、乳酸水平、钠水平、钾水平、胆红素水平、碱性磷酸酶(ALP)水平、丙氨酸转氨酶(ALT)水平、天冬氨酸氨基转移酶(AST)水平、白蛋白水平、总蛋白水平、前列腺特异性抗原(PSA)水平、微量白蛋白尿水平、免疫球蛋白A水平、叶酸水平、皮质醇水平、淀粉酶水平、脂肪酶水平、胃泌素水平、碳酸氢盐水平、铁水平、镁水平、尿酸水平、叶酸水平、维生素B-12水平等等。除了与一个或多个目标个体相关的生物学数据，一些生物传感器还可以测量非生物学数据，例如环境温度数据、湿度数据、海拔数据、气压数据等。在一种改进中，一个或多个传感器提供的生物学数据包括至少部分地从生物传感器数据得出的一个或多个计算结果、估算结果、预测结果、概率、可能性、估计结果、评价结果、推论结果、确定结果、推导结论、观察结果或预报结果。在另一种改进中，一个或多个生物传感器能够提供两种以上的类型的数据，其中至少一种是生物学数据(例如，心率数据和VO2数据、肌肉活动数据和加速度计数据、VO2数据和海拔数据)。在另一种改进中，一个或多个传感器包含逻辑，由此提供的一个或多个读数是模拟数据(例如，通过一种或多种模拟生成的、提供与发生事件的概率或可能性相关的信息的人工数据；包括至少一部分模拟数据的见解或估算资产)。

在一种改进中，至少一个传感器18和/或至少一个传感器的一个或多个附件可以被附加到包括目标个体的身体、皮肤、眼球、重要器官、肌肉、头发、静脉、生物流体、血管、组织或骨骼系统的目标个体上、与其接触或发送与其相关或从其中得出的一个或多个电子通信信号，其嵌入到目标个体中，驻留或植入到目标个体中、被目标个体食入或进行集成以包含目标个体的至少一部分。例如，被附加在牙齿、一组牙齿或与一颗或多颗牙齿接触的装置上的唾液传感器、提取从对象的生物流体或头发得出的DNA信息的传感器、从对象的血液样本中提取生物流体信息的传感器(例如，便携式实验室机器)、可穿戴的传感器(例如，穿戴在对象的身体上)、手机中跟踪目标个体位置的传感器、被附加到或植入到目标对象大脑中的可以检测来自神经元的脑信号的传感器、被目标个体食入以跟踪一个或多个生物学功能的传感器、附接于与动物共享至少一个特征的机器(例如机器人)或和与动物共享至少一个特征的机器或与其集成的传感器(例如，具有与人类相似的执行一项或多项任务的能力的机械臂；具有与人类相似的信息处理能力的机器人)等。有利地，机器本身可以包括一个或多个传感器并且既可以被归类为传感器也可以被归类为对象。在另一种改进中，一个或多个传感器18作为直接地或通过一个或多个中介物或间质物体与目标个体进行接触或电子通信的布料、纺织品、衣物、材料、固定装置、物体或设备的集成部分或附着在它们上或嵌入到它们中。例子包括通过粘合剂附着在皮肤上的传感器、集成到手表或头戴设备中的传感器、集成或嵌入到衬衫或运动衫(例如职业运动队的运动衫)中的传感器、集成到方向盘中的传感器、集成到视频游戏控制器中的传感器、集成到与对象的手接触的篮球中的传感器、集成到曲棍球棒或与对象持有的中介物(例如，曲棍球棒)间歇接触的冰球中的传感器、集成或嵌入到健身器械(例如，跑步机、自行车、卧推机)的一个或多个手柄或把手中的传感器、集成到由目标个体控制的机器人(例如，机械臂)内的传感器、集成或嵌入到鞋中的可以通过中间的袜子和缠绕在目标个体脚踝上的绑带接触目标个体的传感器等等。在另一种改进中，一个或多个传感器可以编织、嵌入、集成或附加到地板或地面(例如，人造草皮、草地、篮球地板、足球场、制造/装配线地板)、座椅/椅子、头盔、床、直接或通过一个或多个中介物与对象接触的物体(例如，通过衣物填隙与座椅中的传感器接触的对象)等等。在另一种改进中，传感器和/或其一个或多个附件可以与源自对象身体的一个或多个粒子或物体(例如，来自器官的组织、来自对象的头发)接触，一个或多个传感器从其中得出或提供可转化为生物学数据的信息。在又一种改进中，一个或多个传感器可以是基于光学的(例如，基于摄像机的)并且提供可以用于对生物学数据进行检测、测量、监控、观察、提取、外推、推论、推断、估计、确定、计算或估算的输出内容。在又一种改进中，一个或多个传感器可以是基于光的并且使用红外技术(例如，温度传感器或热传感器)或其他基于光的技术来计算目标个体的温度或目标个体的不同部位的相对热量。在又一种改进中，一个或多个传感器18包括发射器、接收器或收发器。

生物传感器的具体例子包括但不限于Mc10 BioStamp nPoint(ECG+sEMG+XYZ坐标)、Vivalnk Vital Scout(ECG)；Humon Hex(肌氧含量)；Apple Watch(心率)；Polar H10胸带(心率和HRV)；23andMe检测技术(DNA/基因检测)；Nebula Genomics检测技术(基因组检测)；NEC NeoFace Watch(面部识别)；Sonitus technologies MolarMic(听觉)；SennoFit鞋垫(步态分析)；Omron HeartGuide可穿戴血压监测仪，型号：BP-8000M(血压)；波士顿动力Spot机器人(视觉数据)；Abbott freestyle Libre(葡萄糖)；Health CareOriginals ADAMM(呼吸率)；Epicore Biosystems(水化作用/汗液分析)；Kenzen EchoSmart Patch(水化/汗液分析)；IsoLynx运动员跟踪标签和无线智能节点(基于RFID的位置跟踪)；Catapult OptimEye S5(GPS定位跟踪)；SMRT Mouth(生物识别护齿套)；StrikeTec(用于搏击运动的生物力学运动传感器)；Scanalytics(智能地板传感器)；特斯拉Model X(认知数据)；Wellue O2 Ring(氧合数据)；Genalyte Maverick诊断系统(生物流体分析)；Microlife NC 150BT(体温)；以及洛克希德马丁FORTIS工业外骨骼产品(生物力学运动)。

仍然参照图1和图2，基于UAV的传输系统10和10’包括无人驾驶飞行器20，其与一个或多个传感器18直接或间接进行电子通信以从源12收集动物数据14。通常，通过从一个或多个传感器18接收一个或多个信号而进行电子通信，该一个或多个传感器从一个或多个目标个体16收集信息，这可以通过无线链路24无线地实现。一个或多个无人驾驶飞行器20可以用于收集、处理(例如、转换)和向一个或多个端点(例如，能够进行操作以直接或间接地访问或接收来自一个或多个无人驾驶飞行器的信息的服务器、计算设备等)分发与一个或多个目标个体16相关的信息。在一种改进中，无人驾驶飞行器20能够进行操作以将动物数据14的至少一部分发送到另一个计算设备。在一种变型中，计算设备是以下至少一个：本地站30、中间服务器44、第三方计算设备42、云服务器40、另一个无人驾驶飞行器20或其他计算设备(例如，计算设备26)。无人驾驶飞行器20可以是单个无人驾驶飞行器20或在一个网络或多个网络内独立地或一起运行的多个无人驾驶飞行器20

一个或多个无人驾驶飞行器20能够进行操作以通过通信链路24使用一种或多种无线通信方法与来自一个或多个目标个体16的一个或多个传感器18进行电子通信。在这方面，基于UAV的传输系统10和10’可以使用任何数量的通信协议和传统无线网络与一个或多个传感器18进行通信，包括但不限于低功耗蓝牙(BLE)、ZigBee、蜂窝网络、LoRa、超宽带、Ant+、WiFi等。本发明不限于一个或多个传感器18、无人驾驶飞行器20和/或用于发送和/或接收信号的任何其他计算设备的任何类型的技术或通信链路(例如，无线电信号)。在一种改进中，无人驾驶飞行器20能够进行操作以使用一种或多种无线通信协议与来自一个或多个目标个体的至少一个传感器18进行电子通信。有利地，传输子系统使一个或多个传感器18能够无线传输数据以进行实时或近实时通信。关于这点，近实时是指传输不会被故意延迟，除非为了使传感器和任何其他计算设备进行必要的处理。在一种变型中，一个或多个无人驾驶飞行器20可以同时使用一种或多种通信协议与来自一个或多个目标个体16的一个或多个传感器18通信。例如，(多个)目标个体16可以佩戴两个单独的传感器，它们使用不同的通信协议来传输信息(例如，BLE和Ant+)。在这种情况下，UAV20能够进行操作以通过使用一个或多个传感器中的每一个的主要通信方法同时与两个传感器通信。在另一个例子中，基于UAV的蜂窝网络可用于与来自目标个体群体的多个传感器进行通信。在一种改进中，多个无人驾驶飞行器20能够进行操作以从同一个或多个传感器18接收数据。在另一种改进中，一个或多个无人驾驶飞行器20通过与诸如云40的服务器进行通信而从一个或多个传感器18收集信息。云40服务器可以是互联网、公共云、私有云或混合云。在另一种改进中，一个或多个无人驾驶飞行器20通过云40与一个或多个传感器18、计算设备26和/或本地站30通信。在另一种改进中，一个或多个UVA 20可以在功能上至少部分地用作云40。在另一种改进中，无人驾驶飞行器20能够进行操作以同时与动物数据14的两个以上的源12(例如，多个传感器18或者传感器18和具有动物数据的云服务器40)进行电子通信。在另一种改进中，两个以上的无人驾驶飞行器20能够进行操作以与动物数据12的同一个源14进行电子通信。

仍然参照图1和图2，动物数据14的源12可以包括计算设备26，其作为将动物数据14发送到一个或多个无人驾驶飞行器20的媒介(例如，其收集动物数据并将其传输到一个或多个无人驾驶飞行器20)。在一些情况下，计算设备26对于目标个体或目标个体群体来说是本地的。例如，计算设备26可以是由目标个体16携带或其附近的智能手机、智能手表、平板电脑或计算机。然而，计算设备26可以是任何计算设备，包括没有显示器的设备(例如，带有一根或多根天线的无显示器的收发器)。在另一种变型中，计算设备26也可以是无人驾驶飞行器20的一部分。计算设备26可以包括收发器并且能够进行操作以与一个目标个体上的一个或多个传感器18或跨过多个目标个体进行电子通信。有利地，计算设备26能够进行操作以充当中间计算设备并且在数据被无线发送到一个或多个无人驾驶飞行器20之前从一个或多个目标对象16上的一个或多个传感器18收集一个或多个数据流。计算设备26能够进行操作以使用每个传感器的通信协议与该特定的传感器通信并使传感器数据的至少一部分聚合，使得一个或多个无人驾驶飞行器20可以与单个源(例如，计算设备26)通信以接收一个或多个数据流。在这方面，计算设备26可以充当数据收集中心并通过UAV所使用的任意数量的通信协议或无线通信链路(例如，无线电信号)与一个或多个无人驾驶飞行器20通信，包括但不限于BLE、蜂窝网络、LoRa、超宽带、Ant+、WiFi、ZigBee等。本发明不限于一个或多个无人驾驶飞行器20和一个或多个计算设备26用来发送和/或接收信号的任何类型的技术或通信链路。在一种改进中，计算设备26被配置为通过包含在向UAV发送数据之前对从一个或多个传感器18收集的数据采取一个或多个动作(例如，处理步骤)的逻辑来优化一个或多个UAV(例如，最小化传输开销)。例如，计算设备26可以在数据被发送到一个或多个无人驾驶飞行器20之前对数据进行收集、归一化、加时间戳、聚合、存储、操作、去噪、增强、组织、分析、汇总、复制、合成、匿名化或同步化。有利地，由计算设备26执行的一个或多个功能可以减少一个或多个UAV的与通信相关的约束(例如，功率、带宽)。例如，通过使计算设备26能够收集来自一个或多个传感器的数据信号、将来自多个传感器的数据信号聚合或汇总数据集，计算设备26可以减少一个或多个UAV所需的传输相关的能量(例如，代替与多个传感器通信，UAV仅需要与计算设备26通信；计算设备26能够进行操作以每秒从一个或多个传感器收集更多数据点并减少每秒发送到一个或多个UAV的数据量)以及减少一个或多个UAV所采取的动作的数量(例如，在接收后，一个或多个UAV可以对数据采取较少的处理步骤，例如较少的估算或分析)。在一种改进中，计算设备26可以是UAV20。在一种变型中，计算设备26可以作为地面上的计算设备(例如，基站)操作，其在一个或多个网络内具有配备有一个或多个天线的一个或多个收发器。在另一种改进中，计算设备26跟踪一种或多种类型的生物学数据(例如，定位或位置数据)。在另一种改进中，计算设备26是附加在目标对象的皮肤、头发、重要器官、肌肉、骨骼系统、眼球、对象的衣服、物体或其他装置上、与它们集成或接触的体外或体内的收发器。在另一种改进中，计算设备26可以使用对于每个传感器18相同的通信协议或对于多个传感器18不同的通信协议同时与多个传感器18进行通信。在另一种改进中，计算设备26可以同时与一个或多个传感器18、UAV20、本地站30、云40或它们的组合进行通信(例如，接收数据、发送命令、发送数据)。在另一种改进中，多个计算设备26可以同时与同一个或多个传感器18、UAV20、本地站30、云40或它们的组合进行通信(例如，接收数据、发送命令、发送数据)。在另一种改进中，单个UAV20可以与多个计算设备26

仍然参照图1和图2，为了最初在一个或多个传感器18与一个或多个UAV20之间建立电子通信链路，可以使用本地站30。本地站30的功能是通过控制应用程序来管理(例如，建立、监控、检修)一个或多个传感器18、一个或多个UAV20和作为UAV网络或多个UAV网络的一部分的任何一个或多个其他的计算设备或云之间的一个或多个通信。有利地，本地站30可以包括多个本地站30

在一种改进中，本地站30能够进行操作以在一个或多个传感器18与一个或多个UAV20之间建立一条或多条通信链路。例如，本地站30可以被编程为通过UAV20发起与传感器18的通信。在一种变型中，一条或多条通信链路可以是在一个或多个传感器18与一个或多个UAV20之间建立的一个网络或多个网络的一部分。在另一种改进中，本地站30能够进行操作以在一个或多个传感器18、本地站30和UAV20之间建立一条或多条通信链路。例如，本地站30可以发起与传感器18的通信，发起与UAV20的通信，然后提供发起传感器18与UAV之间的通信20的一个或多个命令。在一种变型中，一条或多条通信链路可以是在一个或多个传感器18、本地站30和UAV20之间建立的一个或多个网络的一部分。在另一种改进中，本地站30能够进行操作以在一个或多个传感器18、计算设备26和UAV20之间建立一条或多条通信链路。例如，本地站30可以通过与计算设备26进行通信来发起与传感器18和UAV20的通信，这又可以发起与传感器18和UAV20的通信，然后发起传感器18与UAV20之间的通信。在一种变型中，计算设备26可以充当一个或多个传感器18的数据收集中心，并代表一个或多个传感器18与一个或多个UAV20通信。在另一种变型中，一条或多条通信链路可以是在一个或多个传感器18、计算设备26和UAV20之间建立的一个或多个网络的一部分。在另一种改进中，本地站30能够进行操作以在一个或多个传感器18、本地站30、计算设备26和UAV20之间建立一条或多条通信链路。例如，本地站30可以通过与计算设备26(其又被编程为与传感器18建立通信)进行通信来发起与传感器18的通信。本地站30还可以发起与UAV20的通信。在与传感器18(借助于计算设备26)和UAV20建立通信后，本地站30可以提供一个或多个命令来发起传感器18与UAV20之间的通信。在一种变型中，在计算设备26充当能够进行操作以与一个或多个UAV进行通信的一个或多个传感器18的数据收集中心的情况下，本地站30可以发起UAV20和计算设备26之间的通信。在另一种变型中，一条或多条通信链路可以是在一个或多个传感器18、计算设备26、本地站30和UAV20之间建立的一个网络或多个网络的一部分。在另一种改进中，本地站30能够进行操作以在一个或多个传感器18、本地站30、云40和UAV20之间建立一条或多条通信链路。例如，本地站30可以通过与一个或多个云40(其可以与作为网络的一部分的本地站30、一个或多个传感器18、一个或多个UAV20或它们的组合关联)进行通信来发起与传感器18和UAV20的通信。在与传感器18和UAV20建立通信后，本地站30可以提供一个或多个命令(例如，直接通信链路、经由云40建立的通信链路)以发起传感器18与UAV20之间的通信。在一种变型中，一条或多条通信链路可以是在一个或多个传感器18、云40、本地站30和UAV20之间建立的一个网络或多个网络的一部分。在另一种改进中，本地站30能够进行操作以在一个或多个传感器18、本地站30、计算设备26、云40和UAV20之间建立一条或多条通信链路。例如，本地站30可以通过与计算设备26(其又被编程为发起与传感器18的通信)进行通信来发起与传感器18的通信。本地站30还可以发起与UAV20的通信。可以通过云40建立一条或多条通信链路。在与传感器18和UAV20建立通信后，本地站30可以提供一个或多个命令以发起传感器18与UVA 20之间的通信。在一种变型中，一条或多条通信链路可以是在一个或多个传感器18、计算设备26、云40、本地站30和UAV20之间建立的一个网络或多个网络的一部分。在另一种改进中，计算设备26能够进行操作以代表本地站30采取一个或多个动作(例如，传达一个或多个功能、向一个或多个传感器发送命令、向一个或多个UAV发送命令)。在另一种改进中，计算设备26可以至少部分地作为本地站30运行。

在另一种改进中，可以使用多个本地站30来控制可以作为一个网络或多个网络的一部分的单个UAV或多个UAV。使用在一个或多个网络内一起操作的多个本地站可以使每个本地站能够共享本地传感器职责(或在网络内具有单独的、限定的职责)、共享或限定对一个或多个UAV的控制(例如，提供命令)、协调与一个或多个计算设备26的通信等。在另一种改进中，单个本地站30可以作为一个或多个网络内的一个或多个其他本地站30的本地母站进行操作。在另一种改进中，一个或多个本地站彼此独立地操作并与同样彼此独立地操作的不同的UAV通信，但提供一个或多个命令以将收集的传感器数据发送到同一端点(例如，在计算设备上运行的计算系统)。例如，多个UAV可以与不同的本地站通信，但与同一个云40通信。在另一种改进中，单个UAV20可以与多个本地站30通信。在另一种改进中，多个UAV20可以与同一个本地站30通信。在另一种改进中，本地站30可以同时与一个或多个传感器18、计算设备26、UAV20、云40或它们的组合通信(例如，接收数据、发送命令、发送数据)。在又一种改进中，多个本地站可以同时与同一个或多个传感器18、计算设备26、UAV20、云40或它们的组合进行通信(例如，接收数据、发送命令、发送数据)。

仍然参照图1和图2，在接收到动物数据14后(例如，直接或间接地从一个或多个传感器18接收)，一个或多个无人驾驶飞行器20使用至少一部分接收到的动物数据来采取一个或多个动作(例如，处理步骤)。一个或多个动作可以包括将元数据附加到收集的动物数据上。在一种改进中，无人驾驶飞行器将元数据附加到动物数据上。在特征上，元数据包括描述和提供与其他数据有关的信息的任何数据集，包括为其他数据提供上下文的数据(例如，在收集动物数据时目标个体参与的一项或多项活动、收集数据的条件、上下文信息)。元数据可以包括动物数据的一个或多个特征(例如，数据类型、时间戳、位置、来源)、动物数据的来源、传感器相关数据(包括传感器的类型、操作参数、模式)等。包括与动物数据源自的一个或多个目标个体相关的一项或多项属性、与传感器相关的一项或多项属性、与数据相关的一项或多项属性和/或与UAV相关的一项或多项属性的其他信息也可以被包含在内作为元数据的一部分或在收集了动物数据(例如，身高、年龄、体重、数据质量评价结果、UAV位置、UAV型号等)之后通过一个或多个无人驾驶飞行器20与动物数据关联。在一种改进中，元数据包括与至少一个目标个体、至少一个传感器、无人驾驶飞行器、动物数据或它们的组合相关的一个或多个特征。在一种变型中，一个或多个其他的计算设备也可以在从无人驾驶飞行器20(例如，本地站30、第三方系统42、中间服务器44、计算设备26)接收数据时或从传感器或计算设备26接收数据时附加元数据。

在一种改进中，一个或多个动作从以下组合中选择：使动物数据归一化；将时间戳与动物数据关联；使动物数据聚合；对动物数据应用标签；存储动物数据；操作动物数据；处理动物数据；对动物数据去噪；增强动物数据；组织动物数据；分析动物数据；使动物数据匿名化；使动物数据可视化；合成动物数据；汇总动物数据；同步动物数据；复制动物数据；显示动物数据；分发动物数据；使动物数据产品化；对动物数据执行簿记；或者它们的组合。在另一种改进中，一个或多个动作包括与另一个计算设备一起对同一组接收到的动物数据执行至少一个协调动作。

一个或多个无人驾驶飞行器20采取的一个或多个动作还可以包括采取一个或多个处理步骤来转换传感器数据。就本发明而言，对数据采取一个或多个动作的过程中的每个步骤可以被认为是转换。关于这点，一个或多个处理步骤可以包括一个或多个计算、估算、推导、合并、模拟、提取、外推、修改、增强、创建、估计、推断、推论、判断等。在一种变型中，传感器数据可以被转换为一个或多个估算资产或见解。例如，在计算诸如心率的估算资产的情况下，传感器18能够进行操作以测量来自目标个体16的电信号，将模拟测量结果转换(例如，转化)为数字读数，并传输该数字读数。无人驾驶飞行器20可以接收数字读数，并经由(i)识别ECG测量结果的重叠段内的R峰；(ii)基于相邻的R峰之间的时间计算样本值的数量；(iii)丢弃受假峰检测或错峰检测影响的样本；以及(iv)计算可以进行加权的剩余样本值的平均值基于数字读数的重叠段来通过一个或多个计算将数字读数转换成一个或多个心率值。

在可以使用一个或多个无人驾驶飞行器进行的与计算心率相关的一个或多个转换的一种改进中，至少一个生物传感器18能够进行操作以测量目标对象体内的电信号，将一个或多个模拟测量结果转化为一个或多个数字读数，并传输一个或多个数字读数。在这种情况下，无人驾驶飞行器可以被配置为接收一个或多个数字读数，并通过识别ECG测量结果的重叠段内的R峰、基于相邻的R峰之间的时间计算样本值的数量、丢弃受假峰检测或错峰检测影响的样本以及计算剩余样本值的平均值来基于一个或多个数字读数的重叠段计算心率值。无人驾驶飞行器能够进行操作以将剩余样本值的一个或多个平均值提供给一个或多个计算设备(例如，另一个UAV20、本地站30、第三方42、中间服务器44、计算设备26、云40)。在一种变型中，剩余样本值的一个或多个平均值可被发送到另外的一个或多个UAV20，继而将其发送到一个或多个计算设备。

在可以使用一个或多个无人驾驶飞行器进行的与计算心率相关的一个或多个转换的另一种改进中，至少一个生物学传感器18可以适于固定到目标对象的皮肤上，并被配置为测量皮肤中的电信号，将模拟测量结果转化为数字读数，并传输数字读数。在这种情况下，无人驾驶飞行器接收数字读数并使用作为无人驾驶飞行器的一部分并入的逻辑(例如，包含在UAV内或与UAV关联并与UAV通信的云内的逻辑)通过(i)识别ECG测量结果的一个或多个重叠段内的R峰；(ii)基于相邻的R峰之间的时间计算样本值的数量；(iii)在先前的心率值的第一阈值内选择样本；以及(iv)将当前心率值设置为可以进行加权的所选样本的平均值来基于ECG测量结果的一个或多个重叠段计算一个或多个心率值。每个样本值可以与相邻R峰之间的时间倒数成比例。响应于连续样本之间的差异的标准偏差大于第三阈值，作为无人驾驶飞行器的一部分并入的逻辑可以选择在先前心率值的第二阈值内的样本。响应于样本的数量小于第四阈值或响应于没有选择样本，无人驾驶飞行器上包含的逻辑可以将当前心率值设置为等于先前心率值。然后，无人驾驶飞行器可以将一个或多个当前心率值发送到一个或多个端点(例如，计算设备)。UAV上的逻辑和系统可以实时或近实时地操作，其中在计算相应的后续心率值之前无人驾驶飞行器提供每个当前心率值，并且在至少一个传感器18完成测量用于计算后续心率值的读数的至少一部分或全部之前无人驾驶飞行器计算每个当前心率值。包含在无人驾驶飞行器上的逻辑可以通过接收比重叠段更长的数字读数的初段、识别初段内的R峰、基于相邻R峰之间的时间计算样本值以及计算可以进行加权的样本的平均值来估算初始心率值。

在可以使用一个或多个无人驾驶飞行器进行的与计算心率相关的一个或多个转换的又一种改进中，至少一个生物学传感器18可以被配置为测量目标对象体内的一个或多个电信号，将模拟测量结果转换(例如，转化)为一个或多个数字读数，并传输数字读数。在这种情况下，无人驾驶飞行器可以被配置为从一个或多个传感器18接收一个或多个数字读数，并使用机载逻辑通过识别ECG测量结果的一个或多个重叠段内的R峰、基于相邻R峰之间的时间计算一个或多个样本值、在先前心率值的第一阈值内选择一个或多个样本以及将当前心率值设置为所选样本的平均值来基于一个或多个重叠段转换(例如，计算)一个或多个心率值。在一种变型中，在接收到一个或多个数字读数时，无人驾驶飞行器20将数据发送到云40。然后，数据可以在云40中进行转换并可以通过另外的一个或多个计算设备经由云40进行访问，或者数据被发送到相同的UAV20或另外的一个或多个UAV20以分发给一个或多个计算设备(例如，本地站30、中间服务器44、第三方42、其他的一个或多个UAV20、计算设备26)。在另一种变型中，在接收到一个或多个数字读数时，无人驾驶飞行器20将数据发送到本地站30、中间服务器44、第三方42、云40或计算设备26以进行转换。在另一种变型中，在接收到一个或多个数字读数时，无人驾驶飞行器20将数据发送到另外的一个或多个UAV20以进行转换。在该例子中，一个或多个UAV可以对数据执行一系列或协调的处理步骤以转换数据(例如，转换为估算资产)。一个或多个处理步骤中的每一个都可以在不同的UAV上执行。在又一种变型中，在接收到一个或多个数字读数时，无人驾驶飞行器20在向另外的一个或多个UAV20发送数据(例如，直接地、通过云40间接地)以进行进一步转换之前采取一个或多个动作。

在可以使用一个或多个无人驾驶飞行器进行的与计算心率相关的一个或多个转换的又一种改进中，通过无人驾驶飞行器20从至少一个生物学传感器18接收一个或多个读数，其中无人驾驶飞行器20能够进行操作以处理一个或多个读数。例如，无人驾驶飞行器从一个或多个传感器接收读数的第一段。然后通过无人驾驶飞行器识别ECG测量结果的第一段内的R峰。然后，无人驾驶飞行器基于相邻R峰之间的时间计算多个第一样本值。例如，常数可以除以相邻R峰之间的时间。选择仅包括在先前心率值的第一阈值内的样本值的多个第一样本值的第一子集。然后，无人驾驶飞行器基于样本值的第一子集的平均值计算更新的第一心率值。然后，无人驾驶飞行器可以将第一心率值发送到一个或多个计算设备以供显示(例如，第三方42、计算设备26、本地站30)。在之后的迭代中，无人驾驶飞行器20可从一个或多个传感器18接收数字读数的第二段。数字读数的第三段可通过将第二段附到第一段上来形成。然后，可以识别第三段内的R峰。可以基于相邻R峰之间的时间来计算多个第二样本值。然后，可以计算连续样本之间的多个差异值。响应于差异值的标准偏差超过第二阈值，可以选择仅包括在第一更新心率值的第三阈值内的样本值的多个第二样本值的第二子集。然后，无人驾驶飞行器可以基于样本值的可以进行加权的第二子集的平均值来计算更新的第二心率值。然后，无人驾驶飞行器可以将第二心率值发送到一个或多个计算设备以供显示。可以基于数字读数的初段计算初始心率值。在一种改进中，多个无人驾驶飞行器20可以在一个或多个网络内运行，以对相同的数据采取一个或多个动作，每个UAV在数据的转换中具有指定的角色。

在可以使用一个或多个无人驾驶飞行器进行的与生物学测量结果(例如，心率)相关的一个或多个转换的又一种改进中，通过一个或多个UAV进行转换在解决与信号质量相关的问题时发生。在来自一个或多个传感器18的原始数据具有极低信噪比的情况下，与一个或多个UAV关联的附加预滤波逻辑(例如，在UAV上，在与UAV通信的云中)可用于在计算生物学测量结果之前转换数据。在另一个方法中，预滤波过程检测任何离群值，并使用前瞻方法通过在生成的值的时间序列中对齐并符合预先创建的阈值/范围的值来替换一个或多个离群值。生成的这些符合预先创建的阈值/范围的值可以通过系统进行传递，以用于估算一个或多个生物学测量结果。

在可以使用一个或多个无人驾驶飞行器进行的与生物学测量结果相关的一个或多个转换的又一种改进中，在检测并替换从一个或多个生物传感器18生成的一个或多个离群值时，通过一个或多个UAV进行转换。无人驾驶飞行器20能够进行操作以接收由一个或多个生物学传感器直接或间接生成的一个或多个值。可以通过无人驾驶飞行器20(例如，在UAV上、在与UAV通信的云中)使用的逻辑来应用一个或多个统计测试，以确定每个值的可接受的上限和/或下限。反向填充方法可用于将一个或多个离群值替换为落入到当前样本窗口中建立的可接受范围内的下一个可用值。与用于测量心率和其他生物学数据的系统有关的额外细节在2019年1月14日提交的美国专利申请第16/246,923号和2020年1月14日提交的美国专利第PCT/US20/13461号中公开；它们的全部公开内容通过引用并入本文。本发明不限于用于转换动物数据、包括其一个或多个衍生物的方法或系统，本发明也不限于被转换的数据类型。在另一种改进中，转换数据的动作包括一个或多个处理步骤，该处理步骤从以下组合中选择：将动物数据归一化、将时间戳与动物数据关联、将动物数据聚合、对动物数据应用标签、将元数据添加到动物数据、存储动物数据、操作动物数据、对动物数据去噪、增强动物数据、组织动物数据、分析动物数据、使动物数据匿名化、处理动物数据、使动物数据可视化、合成动物数据、汇总动物数据、使动物数据同步、复制动物数据、显示动物数据、分发动物数据、使动物数据产品化、对动物数据执行簿记以及它们的组合。在又一种改进中，使用来自非动物数据的一个或多个信号或读数(例如，输入内容)进行一个或多个转换。在又一种改进中，一个或多个中间服务器44、第三方系统42、计算设备26、云40和/或本地站30能够进行操作以转换传感器数据。

仍然参照图1和图2，收集的动物数据由一个或多个无人驾驶飞行器20通过直接通信链路或云40针对一个或多个第三方计算设备42、中间服务器44、计算设备26、本地站30、另外的一个或多个UAV20或它们的组合进行提供(例如，传输、访问、发送、使可用)。在特征上，一个或多个UAV能够进行操作以实时或近实时地将任何收集和选择的数据(例如，动物数据、估算资产、任何衍生物等)提供给任意数量的计算设备，同时使未选择的任何数据能够存储在一个或多个UAV上和/或通过任何关联的云40存储供以后访问。应当理解，中间服务器44是可以接收带有或不带有元数据及附于其上的属性的动物数据的计算设备。此外，中间服务器44可以实现与本地站30在此描述的关于对数据采取一个或多个动作(例如，转换数据)相同的操作，以及与一个或多个UAV类似的操作(例如，将数据通过直接通信链路或间接通过诸如使数据可用于通过云40访问的机制提供给一个或多个第三方)。在一种改进中，中间服务器44作为云40操作。在另一种改进中，云40作为中间服务器44操作。第三方42是可以接收由一个或多个UAV直接或间接提供的数据的任何计算装置(例如，其包括在该计算设备上运行的系统)。一个或多个第三方计算设备42可以包括体育媒体系统(例如，用于显示收集的数据)、保险提供商系统、远程医疗系统、体育投注系统、分析系统、健康和保健监控系统(例如，包括监控病毒感染的系统)、健身系统、军事系统、医院系统、应急响应系统等。其还可以包括位于一个或多个目标个体上的系统(例如，诸如智能手表或VR头戴设备的具有显示器的另一个可穿戴设备)或对访问目标个体数据感兴趣的其他个体上的系统(例如，对访问来自他们的计算设备、例如他们的移动指挥系统上的一名或多名目标个体士兵的动物数据感兴趣的军事指挥官)。在一种改进中，可以由两个以上的计算设备对相同的传感器数据采取一个或多个动作(例如，处理步骤)以转换传感器数据。例如，UAV20可以在中间服务器44分析数据时使动物数据同步。在另一个例子中，UAV20可以将一个或多个标签应用于接收到的动物数据并将动物数据发送到另一个UAV(例如，在同一网络内)以分析接收到的数据。

从一个或多个无人驾驶飞行器20到一个或多个本地站30、第三方系统42、中间服务器44、计算设备26、另外的一个或多个UAV或它们的组合的电子通信可以直接进行(例如，直接通信链路)或间接进行(例如，通过云40)。例如，一个或多个无人驾驶飞行器20可以通过通信链路32与本地站30通信。替代地，一个或多个无人驾驶飞行器20可以通过云40与本地站30通信。有利地，基于UAV的传输系统10和10’可以使用任意数量的通信协议和传统无线网络来与一个或多个计算设备(例如，本地站30、第三方系统42、中间服务器44、云40、计算设备26)进行通信。在一种改进中，单个无人驾驶飞行器20可以与第三方42、中间服务器44、本地站30、云40、计算设备26、其他无人驾驶飞行器20或它们的组合中的一个或多个通信。在另一种改进中，多个无人驾驶飞行器20能够进行操作以与单个第三方系统42、中间服务器44、本地站30、云40、计算设备26、无人驾驶飞行器20或它们的组合进行通信。在另一种改进中，多个无人驾驶飞行器20能够进行操作以与一个或多个第三方系统42、中间服务器44、本地站30、云40、计算设备26、其他无人驾驶飞行器20或它们的组合进行通信。应当理解，本发明不受目标个体16、传感器18、无人驾驶飞行器20、通信链路24、通信链路32、本地站30、中间服务器44、第三方系统42、云40、计算设备26或其他计算设备的数量的限制。

在另一种改进中，无人驾驶飞行器20能够进行操作以与另外的一个或多个无人驾驶飞行器20通信。多个UAV之间的通信可以发生在一个或多个网络内。有利地，可以跨过单个网络或多个网络内的多个UAV共享动物数据和其他信息。另外，一个或多个本地传感器职责也可以在多个UAV之间共享(例如，多个UAV采取与相同的动物数据、相同的传感器、相同的本地站或相同的端点相关的不同动作)。在另一种改进中，可以创建UAV内通信网络，其中一个或多个无人驾驶飞行器20在单个网络内或彼此独立地起作用，其中一个或多个本地站与一个或多个无人驾驶飞行器20通信，并且两个以上的无人驾驶飞行器20彼此通信。在一种变型中，两个以上的无人驾驶飞行器在网络内运行，其中一个或多个本地站能够进行操作以与网络通信，并且两个以上的无人驾驶飞行器能够进行操作以彼此通信。在另一种改进中，可以创建UAV间通信网络，其中两组以上的无人驾驶飞行器20在单个网络或多个网络内起作用。在另一种改进中，一个或多个UAV与一个或多个第三方42、中间服务器44、本地服务器30、云40、计算设备26、无人驾驶飞行器20或它们的组合之间的通信可以同时进行。

在一种变型中，一个UAV20可以充当主服务器和数据收集点，其中一个或多个其他的UAV20充当单个网络或多个网络内的主UAV的扩展。在另一种变型中，一个或多个UAV仅与主UAV通信，该主UAV又代表给定网络内的所有UAV与一个或多个其他计算设备(例如，本地站、中间服务器、第三方)通信。与主/从配置类似，UAV网络可以包括控制其他的“子”UAV及它们的至少部分功能的“母”UAV。在该例子中，请求数据的本地站或系统可以仅与主UAV通信，其中主UAV向一个或多个其他的UAV提供与所需的一个或多个任务或动作相关的一个或多个指令。例如，在蜂窝网络中，一个或多个UAV可用作现有网络的扩展，其中一个或多个“子”UAV跟随主“母”UAV以提供与一个或多个传感器相关的通信支持(例如，在功能上类似于基站)。在这些场景中，UAV还能够进行操作以为非动物数据信号提供通信支持。在另一个例子中，“子”UAV可以将从一个或多个目标个体收集的所有相关传感器数据发送到“母”UAV，然后“母”UAV将相关传感器数据从单个UAV源传达到一个或多个计算设备。

在一种改进中，由至少一个本地站、至少一个传感器和至少一个无人驾驶飞行器组成的网络能够进行操作以监控与至少一个传感器、至少一个无人驾驶飞行器、网络内的电子通信、收集的动物数据、收集的动物数据的分发或它们的组合相关的一个或多个特征。在另一种改进中，网络包括一个或多个中间服务器、第三方计算设备、云服务器、其他计算设备或它们的组合。在另一种改进中，两个以上的无人驾驶飞行器在网络内运行，其中一个或多个本地站能够进行操作以与作为网络的一部分的两个以上的无人驾驶飞行器进行电子通信，并且两个以上的无人驾驶飞行器能够进行操作以彼此进行电子通信。在这种情况下，电子通信可以包括将动物数据从一个无人驾驶飞行器提供给另外的一个或多个无人驾驶飞行器。在另一种改进中，两个以上的无人驾驶飞行器响应于一个或多个命令执行一个或多个协调动作。一个或多个命令可以由本地站或其他计算设备预先编程或提供。在一种改进中，可以使用一种或多种人工智能技术生成一个或多个命令。命令可以包括两个以上的UAV对数据采取的一个或多个动作、正在发送的数据的位置、UAV之间的队形变化等。

在另一种改进中，一个或多个无人驾驶飞行器20对相同数据的至少一部分采取一个或多个协调动作。例如，UAV 1可以收集动物数据并附加元数据，UAV 2可以从UAV 1访问动物数据并对收集的动物数据及其相关元数据采取一个或多个处理步骤。在另一种变型中，一个UAV可以收集动物数据并将元数据附加到收集的动物数据上，并将收集的动物数据的至少一部分发送到另一个UAV以采取一个或多个动作(例如，一个或多个处理步骤)，同时存储收集到的动物数据的至少一部分，这些数据可以由UAV使用或稍后提供给一个或多个计算设备(例如，供下载、发送)。在另一种变型中，一个UAV可以收集动物数据并对收集的动物数据采取一个或多个动作(例如，附加元数据)，并将收集的动物数据的至少一部分发送到另一个UAV以对收集的动物数据的至少一部分采取另外的一个或多个动作(例如，分析数据、存储数据)，同时将收集的动物数据的至少一部分提供给(例如，发送给、使可用于)一个或多个第三方(例如，通过将其直接发送给第三方，通过云40使数据可用等)。

在一种变型中，无人驾驶飞行器20、本地站30、中间服务器44、云服务器40或计算设备(例如，计算设备26)中的至少一个能够进行操作以将一种或多种分类分配给动物数据，一种或多种分类包括以下中的至少一个：估算资产分类、见解分类、目标个体分类、传感器分类、无人驾驶飞行器分类、数据属性分类、数据时效性分类或数据上下文分类。可以创建分类(例如，分组、标签)以简化数据获取者的搜索过程，通过对数据进行归类以简化对相关数据的访问来为任何给定的数据提供者或数据集提供更多的曝露等等。分类可以基于目标个体相关特征、传感器相关特征、数据收集过程、实践、关联等。分类的例子包括估算资产分类(例如，由一个或多个传感器捕获的目标对象的属性，该属性可以被分配数值，例如心率、水化等)、目标个体类型(例如，年龄、体重、身高、病史)、见解分类(例如，“压力”、“能量水平”、一种或多种结果发生的可能性)、传感器分类(例如，传感器类型、传感器品牌、采样率、其他传感器设置)、UAV分类(例如，UAV类型、设置、特征)、数据属性分类(例如，原始数据或处理过的数据)、数据质量分类(例如，基于定义的标准的好数据与坏数据)、数据时效性分类(例如，在毫秒与小时内提供数据)、数据上下文分类(例如，NBA总决赛与NBA季前赛)、数据范围分类(例如，胆红素水平在0.2–1.2mg/dL之间)等等。分类的额外的细节及其与动物数据的关联性以及动物数据的货币化系统在2019年4月15日提交的美国专利第62/834,131号、2019年10月8日提交的美国专利第62/912,210号、以及2020年4月15日提交的美国专利第PCT/US20/28355号中公开；它们的全部公开内容通过引用并入本文。

在另一种变型中，如果UAV20不能与本地站30或第三方系统42、中间服务器44、计算设备26或云40进行电子通信，或者已收到指示不将收集的动物数据提供给(例如，传输/发送给、使可用于)任何计算设备，则无人驾驶飞行器20可以继续收集和存储动物数据(例如，在UAV本地、在云40中(如果可用)或它们的组合)。在这种情况下，在重新建立与本地站30、第三方系统42、中间服务器44、计算设备26或云40的连接时，或者当一个或多个UAV收到指示这样做时，可以传输收集的动物数据。在另一种变型中，一个或多个UAV可收到指示将收集的动物数据的至少一部分从一个或多个传感器发送到第三方、中间服务器或本地站，同时存储收集的动物数据(例如，在UAV本地上、在云40中或它们的组合)以供以后的可能使用。在又一种变型中，如果无人驾驶飞行器不与至少一个传感器进行电子通信，则无人驾驶飞行器能够进行操作以在以下一个或多个参数变化之后发起与至少一个传感器的电子通信(例如，重新连接)：时间、至少一个传感器的一个或多个特征(例如，位置、传感器参数)、至少一个目标个体的一个或多个特征(例如，位置、海拔、其与一个或多个其他计算设备(例如其云服务器)的连接)或一个或多个无人驾驶飞行器的一个或多个特征(例如，位置、海拔)。重新连接可以自动发生。位置可以包括UAV或其任何部件的物理位置或定向位置(例如，UAV上的传输部件像天线或波束图那样指向的方向)。应当理解，这些参数仅仅是示例性的而不是详尽的列表。根据场景，一个或多个其他的参数可能认为是比其他内容更具相关性。另外，一个或多个UAV与一个或多个传感器或一个或多个其他端点之间的自动重新连接可以通过从本地站发送的一个指令或一系列指令(例如，控制命令)或在UAV上编程的(例如，基于一种或多种人工智能技术的预编程或动态的)一个指令或一系列指令来实现(例如，将UAV编程为自动重新连接)。当重新建立与本地站或第三方系统或中间服务器的连接时，可以提供(例如，传输)收集的动物数据。

在一种改进中，本地站30能够进行操作以承担多个不同的角色。例如，本地站30能够进行操作以设置(例如，配置)一个或多个传感器18、向一个或多个传感器18和/或UAV20提供一个或多个命令(例如，用于对数据采取一个或多个动作的命令，例如分发数据)、转换由UAV20收集的传感器数据(例如，分析数据、使数据可视化)、监控一个或多个传感器18、UAV20和/或包括一个或多个传感器18和UAV20的一个或多个网络等等。例如，本地站30可以是远程医疗或健康监控应用程序，其中通过本地站30给一个或多个传感器18提供一个或多个命令并且该一个或多个命令与一个或多个UAV20配对，其中通过一个或多个UAV20将动物数据发送回本地站30以进行视觉显示。在一种改进中，本地站30能够进行操作以向一个或多个UAV提供一个或多个命令以进行数据分发。在另一种改进中，本地站30监控一个或多个UAV和/或至少一个传感器，其中发生的事件(1)警告一个或多个本地站30、中间服务器44、第三方42、UAV20(包括一个或多个其他的UAV20)、计算设备26或它们的组合和/或(2)提示本地站采取至少一个动作(例如，纠正动作)以促进将预期输出内容递送到一个或多个本地站30、中间服务器44、第三方42、计算设备26、UAV20或它们的组合。例如，系统能够监控一个或多个UAV并采取与错误条件和故障相关的一个或多个校正动作。如果传感器与UAV之间的连接较弱或UAV存在与能源相关的问题(例如，诸如电池退化的电源问题)，则本地站指示的校正动作可以是使用于从传感器传输到本地站30、云40、中间服务器44、第三方42或其他计算设备的故障UAV行进并更换的更换UAV。在一种变型中，本地站可以指示被更换的UAV与更换用UAV通信，以确保其接管该UAV的UAV相关的特定职责(例如，与(多个)特定传感器连接、作为在特定网络中的中继集线器等)并为新UAV提供对相关信息(例如，收集的动物数据、历史数据、算法、与数据端点的集成)的访问，以确保更换是无缝的。对相关信息的访问可以直接进行(例如，UAV与UAV之间的通信；UAV与本地站之间的通信)或通过与云40的通信进行。在另一个例子中，如果UAV确定至少一个传感器(例如，传感器连接故障，传感器是坏的)和UAV无法连接或重新连接的问题，则可以执行自动动作，由此部署备用UAV以与一个或多个传感器连接，和/或UAV向本地站发送采取与传感器相关的一个或多个动作的警报(例如，更换一个或多个传感器的警报)。在又一个例子中，UAV可以基于收集的动物数据检测健康或医疗状况，这可以向一个或本地站、中间设备或第三方触发警报或UAV的另一个动作(例如，发送收集的动物数据的至少一部分)。一个或多个本地站可以使用一种或多种人工智能技术(例如机器学习、深度学习)来计算、估算、推导、提取、外推、模拟、创建、修改、增强、估计、评价、推论、建立、确定、推断、观察、传达一个或多个动作。在另一种改进中，一个或多个UAV20被编程为动态地采取至少一个校正动作以促进将预期输出内容递送到一个或多个本地站、中间服务器或其他计算设备(例如，第三方系统、UAV等)。在另一种改进中，响应于接收到的动物数据(包括其一个或多个衍生物)，无人驾驶飞行器向计算设备(例如，本地站、中间服务器、第三方)提供一个或多个警报。本地站或无人驾驶飞行器基于一个或多个警报采取一个或多个动作。在另一种改进中，响应于从一个或多个UAV因至少有一部分收集到的动物数据采取的一个或多个动作得出的信息，无人驾驶飞行器向计算设备(例如，本地站、中间服务器、第三方)提供一个或多个警报。

在一种改进中，一种或多种人工智能技术可以直接或间接地(例如，通过它们关联的云)被本地站30、计算设备26和/或UAV20使用以动态地提供一个或多个命令，从而基于收集的动物数据(例如，包括其一个或多个衍生物)向一个或多个计算设备发送数据。例如，如果收集的动物数据显示一个或多个不规则读数，则可以将数据发送到医疗专业人员或医疗系统(例如，医院)以进行进一步检查。在另一种改进中，将动物数据提供给一个或多个端点(例如，第三方、目标个体使用的计算设备)以获得报酬。在这方面，一个或多个利益相关者47可以收到对动物数据的报酬(例如，付款和/或有价物的交易)。例如，如果保险公司通过一个或多个UAV直接或间接(例如，通过与一个或多个UAV通信的云，或通过与一个或多个UAV通信的云接收动物数据的第三方)接收动物数据，则可以向利益相关者提供报酬(例如，可以调整一个或多个目标个体利益相关者的保险费)。利益相关者可以是对收集的动物数据(包括其一个或多个衍生物)拥有商业权利的任何个体、个体团体、公司等。例如，目标个体可以是他们自己的动物数据的利益相关者，篮球队可以是他们的目标个体(即，球员)的目标群体(即，整个团队)的动物数据的利益相关者、已获得来自目标个体或目标个体群体的动物数据的权利的第三方公司等等。在一种改进中，报酬可以是非货币性质的，只要其对一方或双方有价值。例如，目标个体利益相关者可以同意向第三方实体(例如，分析公司)提供他们的动物数据，以交换获得与他们自己的身体相关的动物数据见解(例如，实时健康生命体征、预测性健康见解)。该交易可以由本地站30、中间服务器44或其他计算设备(例如，第三方监控系统)监控。在另一个例子中，目标个体可以同意通过一个或多个UAV直接或间接(例如，通过与一个或多个UAV通信的云)向医疗保健公司提供(并允许使用)他们的传感器数据，以便医疗保健公司监控目标个体的生命体征，并在一项或多项读数出现异常时采取一个或多个动作(例如，通知医生、派救护车到他们所在的位置)。

应当理解，一个或多个无人驾驶飞行器20能够进行操作以彼此进行电子通信、交换信息(例如，传感器信号信息、元数据)以及作为一个或多个网络的一部分执行一个或多个协调动作。在一种改进中，一个或多个无人驾驶飞行器20可用于支持一个或多个传感器18与一个或多个本地站30、计算设备26、中间服务器44、第三方42、云40或它们的组合之间的传感器通信(例如，扩展现有的传感器通信)和/或动物数据访问机会。例如，可以在网络内使用一个或多个UAV来支持从本地站30到位于一个或多个目标个体16上的一个或多个传感器18或从一个或多个传感器18到一个或多个计算设备(例如，第三方计算设备42、中间服务器44)的通信相关功能。如果一个或多个传感器被阻止与一个或多个计算设备通信(例如，传感器与系统之间的距离、视线问题、传感器的通信范围或能力有限)，则可以使用一个或多个UAV来扩展传感器与计算设备之间的通信和/或提供更可靠的电子通信链路。在另一种改进中，一个或多个UAV可用于支持现有网络(例如，基于UWB的通信网络、蜂窝系统)。例如，通过使用UAV的移动性以及其与任何给定目标个体建立更直接的视线的能力，现有网络(例如，地面网络)可以创建更广泛的覆盖范围并提高网络的整体性能(例如，包括延迟/等待问题、覆盖范围等)。在另一个例子中，一个或多个UAV或UAV网络可用于为蜂窝网络提供“暗区”的覆盖。

在一种改进中，至少一个传感器18与本地站30之间的一个或多个电子通信信号在一个或多个网络内从非无人驾驶飞行器计算设备转移(例如，“移交”)到一个或多个其他UAV，并且反过来也是一样。例如，如果传感器正通过计算设备的内部通信系统(例如，使用蓝牙的智能手机)与本地站30通信并且该计算设备停止了从传感器到本地网络的传输，则一个或多个UAV能够进行操作以检测传感器与计算设备之间的已丢失连接(例如，通过警报)并发起传感器与UAV之间的通信，使UAV能够充当传感器与本地站、中间服务器、第三方或其他计算设备之间的扩展。一旦传感器已从计算设备“移交”到一个或多个UAV，本地站就可使用与传感器、动物数据、目标个体、所需的一个或多个动作、所需的一个或多个输出和/或所需的一个或多个分发点相关的所有所需的特征更新一个或多个UAV。更新可以通过直接通信链路或间接地(例如，通过云40提供对数据的访问)进行。在一种变型中，UAV可以被编程为在传感器不能与UAV通信的情况下将传感器通信“移交”到一个或多个计算设备(例如，如果个体处于不能与UAV进行信号通信的区域中)。在另一种改进中，一个或多个人工智能技术可用于基于与一个或多个目标个体相关的包括他们的运动模式(例如，实际的和/或预测的)在内的数据、历史数据(例如，基于实际和/或预测运动的历史UAV信号通信数据)等来预测未来的信号通信问题(例如，未来的通信中断)。

在另一种改进中，在本地站与UAV、UAV与UAV或UAV与其他计算设备(例如，本地站)之间的一个或多个“移交”包括传送所收集的与目标个体、传感器和/或收集的动物数据相关的信息的至少一部分。为了在移交期间有效地为每个目标用户服务(例如，为了保持传感器与UAV系统之间的连接)，与一个或多个目标个体及它们对应的传感器数据相关的信息可能需要通过本地站、云在多个UAV上共享并使用，或从UAV到UAV共享。可以使用一种或多种人工智能技术来外推效率，以预测哪些数据可能需要共享(或可用)或存储、哪些信息可能需要在计算设备上进行复制以确保无缝移交、一个或多个目标个体的运动(例如，确保移交过程使用正确的UAV或UAV网络)、所需或请求的数据输出等。

在另一种改进中，一个或多个UAV采取一个或多个动作来增强一个或多个UAV与一个或多个其他传感器或计算设备(例如，本地站30、另外的一个或多个UAV20)之间的电子通信。例如，一个或多个UAV的移动性和空中特性使一个或多个UAV能够与一个或多个目标个体16建立视线，以保持与一个或多个传感器18以及其他的系统(例如，本地站30、计算设备26、第三方系统42、中间服务器44)的电子通信。在这方面，一个或多个UAV20可以使用一种或多种技术(例如，波束成形)来将一个或多个通信信号(例如，无线信号)集中到一个或多个传感器。在一种改进中，可以通过使用一种或多种人工智能技术来优化一个或多个UAV的波束图和方向以及放置/队形(例如，包括高度/海拔变化)，这些人工智能技术可以使用一个或多个动作(例如，改变UAV队形、增加/减少UAV数量、天线定位、使用的天线类型、天线阵列定位)来实现所需结果(例如，使总覆盖区域最大化、确保传感器与UAV之间的可靠通信)。在一种改进中，可以使用一种或多种人工智能技术动态地优化波束图和方向以及一个或多个UAV的放置/队形。

图1和图2中的无人驾驶飞行器20的例子是由遥控或自主机载计算机驾驶的飞行器，而没有物理机载人员存在(即，人的身体)。这种飞行器的例子包括高空长航时飞行器、高空伪卫星(HAPS)、大气卫星、高空气球、多旋翼无人机、飞艇、固定翼飞行器或其他低空系统。固定翼飞行器的更具体的例子包括高空长航时(HALE)飞行器、多旋翼飞行器和其他固定翼飞行器。与UAV互换使用的其他名称包括RPAS(遥控飞行器系统)和无人机。在诸如HALE/或HAPS飞行器的UAV的情况下，它们通常在高于大多数天气和商业空中交通的高度飞行(例如，美国上空的A类空域—18000英尺MSL至60000英尺MSL—或近轨道)，它们通常被设计为用于长时间飞行，一次3-4个月(或更长时间)不着陆。一些UAV能够在高空飞行数年或更长时间而无需着陆或加油(例如，太阳能飞行器)。例子包括对地同步气球卫星或其他基于飞机的大气卫星。UAV的另一个例子是多旋翼飞行器。多旋翼飞行器是流行的无人驾驶飞行器类型，具有两个以上的旋翼。旋翼使其可以像直升机一样工作。在UAV的又一个例子中，VTOL(垂直起降)飞行器可以进行垂直起降，具有在飞行中悬停的能力。VTOL无人驾驶飞行器最常见的是多旋翼设计。一些较新的VTOL是可以使用多个旋翼进行垂直起降但之后使用机翼和螺旋桨过渡到水平飞行的混合式多旋翼/固定翼飞行器。

无人驾驶飞行器的其他具体例子包括但不限于，空中客车公司的Zephyr S、空中客车公司的Zephyr T、波音公司的Odysseus、Raven Aerostar公司的STRATOSPHERICAIRSHIPS、Raven Aerostar公司的THUNDERHEAD BALLOON SYSTEMS、AeroVironment公司的HAWK30、AeroVironment公司的Global Observer、Atigan公司的A3、General Atomics公司的MQ-9Reaper、Ukrspecsystems公司的PC-1多旋翼无人机、Ukrspecsystems公司的PD-1VTOL、Ukrspecsystems公司的PD-1固定翼飞机、大疆公司的Mavic 2Enterprise无人机和大疆公司的Phantom 4Pro V2.0。

另外，无人驾驶飞行器可以“坐立”(例如，悬停)和/或滑翔的海拔可以变化。例如，无人驾驶飞行器可以是高空伪卫星，其在天气和商业空中交通之上的高度飞行。这些飞行器通常被设计为用于长时间飞行(例如，一次飞行3-4个月到更长时间而不着陆)。诸如HAPS的UAV也可以用作靠近地球表面飞行的其他的UAV(例如，无人驾驶飞行器)或另一个系统与太空轨道中运行的卫星之间的一条或多条通信链路。这在一种类型的UAV具有与其他UAV不同的能力(例如，计算能力)的情况下可以是有利的。另外，一个或多个UAV(例如HAPS)可用作卫星与地面站之间的中间中继步骤，支持传感器数据的传送并减少所需的地面和卫星基础设施。HAPS可以有效地补充目标区域有限且不断变化的一个或多个网络以及地面基础设施不存在或不可用的一个或多个网络。

图3描绘了可以在基于UAV的传输系统10和10’中使用的无人驾驶飞行器的变型的示意图。注意，本发明不受可在基于UAV的传输系统10和10’中使用的UAV类型的限制。无人驾驶飞行器20包括可以根据无人驾驶飞行器的特定设计或飞行方法而变化的空中推进系统48。在一种改进中，无人驾驶飞行器20包括一个或多个光学传感器50(例如，摄像机)，其可用于捕获一个或多个目标个体16、其他的一个或多个个体(例如，观众)和/或其附近区域的视觉信息(例如，一个或多个视频、照片、流媒体)。在一种变型中，一个或多个光学传感器50可以伴随有来自UAV及其一个或多个传感器的音频和/或其他数据。有利地，由一个或多个UAV收集的信息可以实时地或近实时地提供(例如，发送、访问、传输)(例如，在一个或多个UAV摄像机传感器用于发送体育直播的流媒体的情况下；在军事组织希望通过实时视频跟踪其士兵的位置的情况下；在UAV操作员需要实时或近实时的视频反馈来引导飞行员/为一个或多个UAV导航的情况下)，或者可以在稍后提供给一个或多个端点。光学传感器50也可以通过本地站30或另一个计算设备上的控制应用程序来控制。在一种改进中，无人驾驶飞行器20可以包括一个或多个其他的传感器52，其可以包括另外的一个或多个基于光学的传感器(例如，在基于视觉的不同功能需要多个光学传感器的情况下)、天气传感器(例如、风速、温度、湿度、气压)或与一个或多个目标个体16(直接或间接)相关的其他传感技术(例如，用于跟踪目标个体以跟踪并记录目标个体之间的物理距离以确保他们有效地保持社交距离的传感器，提供一个或多个警报以通知任何距离错误)。有利地，一个或多个传感器50和52本质上可以是模块化的，使得UAV能够在任何给定时间“切换”传感器。无人驾驶飞行器20包括与至少一个传感器18电子通信的数据采集单元54。在一些变型中，数据采集单元54包括与存储器模块60和输入/输出模块62进行电子通信的微处理器58。微处理器58能够进行操作以执行一个或多个数据处理步骤。在一种改进中，数据采集单元包括与一个或多个传感器18进行电子通信的收发器模块56。收发器模块56包括一个或多个天线，其可以是单个UAV上或跨过多个UAV的天线阵列的一部分。这种通信通常通过双向通信链路进行，其中用户可以启动和设置一个或多个传感器的参数并从一个或多个传感器接收数据信号。在一种变型中，数据采集单元包括收发器模块56，其能够进行操作以向至少一个传感器发送一个或多个命令并从至少一个传感器接收一个或多个数据信号或读数。在另一种变型中，通信可以是单向的(例如，一个或多个UAV可以仅被配置为从传感器接收信息而不被配置为向传感器发送命令或数据)。在一种改进中，一个或多个收发器模块56使一个或多个UAV能够与一个或多个传感器18和作为无线网状网络的一部分的另外的一个或多个计算设备(例如，本地站30、其他UAV20、计算设备26、云40)进行通信。在另一种改进中，数据采集单元54包括通信模块64，其允许通过一种或多种协议(例如，Ant+、BLE、LoRa、超宽带、WIFI、蜂窝等)进行通信。在一些变型中，通信模块64能够进行操作以实现多个同时的连接和通信协议。在另一种改进中，收发器模块56可以被配置为与一个或多个本地站30、第三方系统42、中间服务器44、计算设备26、云40或它们的组合进行通信。在另一种改进中，收发器模块56能够进行操作以接收来自动物数据源的一个或多个信号，并向动物数据源发送一个或多个控制信号(例如，注射更多胰岛素、关闭传感器、在给出命令时传输数据等)。通常，发送一个或多个控制信号的能力将是经由来自一个或多个本地站30的控制应用程序发送的命令。在一种改进中，一种或多种人工智能或统计建模技术用于创建、增强或修改一个或多个无人驾驶飞行器20采取的一个或多个动作。例如，一种或多种人工智能技术可用于基于收集的动物数据自主地创建和发送一个或多个控制信号。这可以发生在本地站30、一个或多个UAV20或另一个计算设备上。在另一种改进中，收发器模块56能够进行操作以与一个或多个非动物数据源通信(例如，发送一个或多个信号、接收一个或多个信号)。在另一种改进中，收发器模块56能够进行操作以提供(例如，发送)和接收与一个或多个目标个体相关的非动物数据(例如，来自一个或多个目标个体的非动物蜂窝数据)的至少一部分。

在一种改进中，响应于至少部分地从接收到的动物数据得出的一个或多个计算结果、估算结果、预测结果、概率、可能性、估计结果、评价结果、推论结果、确定结果、推导结论、观察结果或预报结果，一个或多个无人驾驶飞行器采取一个或多个动作。可以基于本地站30提供的一个或多个指令或根据一个或多个UAV提供的指令来采取一个或多个动作。在一些情况下，一个或多个计算结果、估算结果、预测结果、概率、可能性、估计结果、评价结果、推论结果、确定结果、推导结论、观察结果或预报结果可以包括非动物数据。在一种变型中，一个或多个动作包括向一个或多个计算设备提供一个或多个警报或者向一个或多个基于动物数据生成一个或多个警报的计算设备提供动物数据中的至少一种。在一些情况下，一种或多种人工智能或统计建模技术用于创建、增强或修改一个或多个无人驾驶飞行器所采取的一个或多个动作。在一种改进中，一个或多个无人驾驶飞行器或计算设备响应于一个或多个警报采取一个或多个动作。在一些情况下，一种或多种人工智能或统计建模技术用于创建、增强或修改一个或多个无人驾驶飞行器或计算设备所采取的一个或多个动作。

在另一种变型中，一个或多个无人驾驶飞行器20已经附接到至少一个传感器66上、附加到至少一个传感器66上、与至少一个传感器66集成或嵌入到至少一个传感器66内，该传感器66捕获一个或多个信号或读数(例如，风速、温度、湿度、UV％、动物识别、视频数据、通过光学跟踪的定位、海拔、其他视听信息)。传感器66也可以是用于一个或多个目标个体的跟踪系统(例如，位于传感器18或计算设备26(如果传感器18或计算设备26对于目标个体在本地并且能够进行操作以被一个或多个UAV跟踪)上的基于RFID的位置标签)。在一种改进中，一个或多个信号或读数的至少一部分由一个或多个无人驾驶飞行器提供给另一个计算设备。在另一种改进中，一个或多个信号或读数的至少一部分被一个或多个无人驾驶飞行器用于将收集的动物数据转换为一个或多个估算资产或见解。在一种变型中，使用从至少一个传感器66捕获的一个或多个信号或读数(可包括动物数据、非动物数据或它们的组合)，一个或多个UAV 20被编程为进行以下各项中的至少一种：(1)使用所捕获的传感器数据采取一个或多个动作(例如，使用来自传感器18和66的数据将捕获的数据转换为估算资产或见解)，以及(2)向本地站30、中间服务器44、第三方42、计算设备26、云40或它们的组合提供传感器数据的至少一部分。例如，UAV可以已经附接、固定或嵌有传感器，这些传感器使用面部识别软件来捕获一个或多个目标的情绪。UAV然后可以使用从目标个体上的一个或多个传感器18收集的数据将收集的面部识别数据与传感器18的动物数据(例如，可以提供心率可变性的ECG数据)关联起来以确定在任何给定时间的个体的“压力”水平。在另一个例子中，一个或多个UAV可用于通过以下方式来实现更有效的社交距离：跟踪目标个体的位置、采取与数据相关的一个或多个处理步骤来确定目标个体之间在任何给定时间的距离并向本地站30、计算设备26或目标个体本地的其他计算设备转发警报通知他们出现的任何与物理距离相关的问题(例如，一个目标个体已经移动到另一个目标个体的n英尺以内的空间)。在一种改进中，来自传感器66的信号或读数可以包括动物数据和非动物数据。在另一种改进中，传感器66是传感器52。在另一种改进中，传感器52是传感器66。

在一种改进中，一个或多个无人驾驶飞行器至少部分地基于动物数据(例如，一个或多个传感器的信号或读数)采取一个或多个动作(例如，收集数据)。在一些情况下，采取的一个或多个动作可以使用从非动物数据源收集的信息。例如，如果目标对象的呼吸率达到预定水平，则可以对一个或多个UAV上的一个或多个传感器进行编程，以开始通过一个或多个光学跟踪器来收集数据(例如，记录来自摄像机的视频)持续一段时间和/或直到目标对象的一个或多个生物学读数返回到预定水平或阈值。信息可以直接发送到第三方，也可以发送到可以访问信息的云。在一种变型中，可以基于一个或多个因素来改变或修改一个或多个预定水平，这些因素可以包括个体的活动(例如，对象是否参与了导致生物学读数增加的活动)等。在另一种改进中，一个或多个UAV上的一个或多个传感器可以收集可以是间歇性或周期性的数据，并且基于一个或多个生物学读数采取一个或多个动作。例如，如果目标对象的呼吸率达到预定水平，则一个或多个UAV可通过光学传感器(例如，光学摄像机/跟踪器)收集视觉信息，通过分析收集到的视觉信息确定呼吸率增加或减少的原因并基于确定结果采取进一步的一个或多个动作(例如，对捕获的视频的分析可以断定对象已经改变了活动，因此UAV不采取任何动作；对捕获的视频的分析可以断定对象正在发生医疗事件，因此UAV联系医疗帮助；对捕获的视频的分析可以断定UAV应该开始通过光学传感器记录目标个体)来采取一个或多个动作。在一种变型中，一种或多种人工智能技术可用于做出与一个或多个生物学读数以及从一个或多个UAV上的一个或多个传感器(例如光学跟踪器，例如光学摄像机)捕获的信息相关的结论或确定结果。

在另一种改进中，一个或多个UAV可以充当远程健康系统(例如，急救箱)并使用来自一个或多个目标个体16的动物数据的至少一部分来识别一个或多个问题(例如，传感器读数表明该人患有心力衰竭或心脏停搏)，并采取一个或多个动作。一个或多个UAV可包含或运输仪器(例如，除颤器)、药物或其他辅助设备(例如，更密切地监控目标个体的传感仪器)，其使一个或多个UAV能够行进到该一个或多个目标个体的位置，以便可以施予援助(例如，具有目标个体的人可以访问位于UAV上或由UAV带来的除颤器，以便对正在经历心力衰竭的目标个体施用除颤器)。如果UAV包含与UAV集成或作为UAV的一部分或由UAV承载的传感器和/或传感仪器，UAV能够进行操作以将UAV捕获的信息转发到网络内的一个或多个其他UAV或其他计算设备(例如，第三方42，可能是医院或EMT)。在一种变型中，可以使用多个UAV，每个UAV执行与动作相关的一个或多个任务(例如，一个UAV可以收集和分析传感器数据，并提供与心力衰竭相关的警报；另一个UAV可以向目标个体发送医疗仪器以施予援助)。

应当理解，由基于UAV的传输系统10和10’采取的一个或多个动作可以包括将获取的动物数据处理(例如，转换)成用于分发的形式，特别是可能(但不一定)处理成消费形式(例如，货币化)。在这方面，数据采集单元54从一个或多个传感器18收集动物数据。数据采集单元54能够进行操作以执行一个或多个数据处理步骤，例如但不限于对动物数据进行归一化、加时间戳、聚合、存储、操作、去噪、增强、组织、分析、匿名化、汇总、合成、簿记、同步和/或分发。通过使用基于UAV的系统，分发可以在从至少一个传感器到另一个计算设备(例如，本地站；第三方系统，例如用户手表、用户手机、健康和保健系统、媒体/体育系统)的较长距离上进行。

参照图1和图2，基于UAV的传输系统10或10’可以与一个或多个本地站30、第三方42、中间服务器44、计算设备26、云40或它们的组合实时或近实时地通信。这种实时或近实时的通信可以例如在诸如体育赛事的活动期间发生。在该例子中，一个或多个第三方42可以是体育赛事的媒体平台(例如，电视台)或观众使用的应用程序(例如，体育应用程序)。将会受益于实时或近实时的传感器通信的其他第三方42包括教练/教员用来监控身体活动的系统、监控飞行员的航空公司系统、监控交易者的对冲基金系统、监控工人的工业系统(例如，建筑工地、装配线)、医院门诊监控系统、士兵军事监控系统、保险公司监控其投保人的系统、监控用户的远程医疗或健康平台以及各种的其他用例。在一种改进中，基于UAV的传输系统10或10’可以作为UAV 20在其中收集和分发传感器数据的中间计算设备(例如，中间集线器)运行。在一种变型中，计算设备(例如，本地站)执行控制应用程序，该控制应用程序向一个或多个无人驾驶飞行器提供一个或多个命令，该一个或多个命令发起以下各项中的至少一项：(1)启动一个或多个传感器；(2)将收集的动物数据的至少一部分传输到一个或多个计算设备(例如，返回到控制应用程序、中间服务器或第三方；(3)选择要发送到一个或多个计算设备(例如，控制应用程序、中间服务器或第三方)的一个或多个数据流；(4)选择将动物数据发送到一个或多个计算设备(例如，返回到控制应用程序、中间服务器或第三方)的频率；(5)对收集的动物数据采取一个或多个动作，并将采取过动作的数据发送到一个或多个计算设备(例如，控制应用程序、中间服务器或第三方)；(6)改变或调整至少一个传感器内的一个或多个设置；(7)通过至少一个传感器采取一个或多个动作；(8)改变或调整一个或多个无人驾驶飞行器(例如，包括其一个或多个部件)的一个或多个特征(例如，位置、UAV传感器方向、天线方向)；(9)基于从动物数据得出的信息采取一个或多个动作(例如，通过UAV提供医疗支持)；(10)支持(例如，扩展)一个或多个本地站与一个或多个其他计算设备(例如，本地站、第三方系统、中间服务器、其他计算设备)之间的电子通信；或(11)存储传感器数据。对收集的动物数据的一个或多个动作可以包括一个或多个处理步骤(例如，将无人驾驶飞行器上收集的动物数据的至少一部分转换为至少一个估算资产或见解，其中收集的动物数据的至少一部分源自至少一个传感器，并将至少一个估算资产或见解发送到另一个计算设备，例如控制应用程序、中间服务器或第三方；将无人驾驶飞行器接收的两个以上的数据流聚合以创建一个或多个见解，这些见解可以发送回另一个计算设备，例如控制应用程序、中间服务器或第三方)。它还可以包括对数据采取的任何一个或多个动作(例如，将数据发送到另一个计算设备的动作)。

在一些变型中，控制应用程序能够进行操作以设置和/或控制UAV功能的至少一部分，以及管理(例如，支配)包括至少一个传感器、至少一个本地站和至少一个UAV的网络。根据无人驾驶飞行器或已建立的UAV网络，UAV或UAV网络可以通过单个控制应用程序或多个控制应用程序进行操作，其中一个或多个控制应用程序可以是远程的。在一种改进中，一旦在至少一个传感器与UAV或UAV网络之间建立通信，UAV或UAV网络可以充当以下四种角色中的一种或多种：(1)作为本地站的扩展以促进一个或多个传感器与本地站或一个或多个其他计算设备(例如，第三方计算设备)之间的通信；(2)作为与一个或多个传感器通信、接收传感器数据并采取一个或多个动作(例如，处理数据、存储数据、将数据远距离发送到本地站或第三方计算设备；发送命令；响应于从传感器数据得出的信息提供支持，例如在医疗紧急情况下的地面支持)的中间计算设备；(3)作为收集与一个或多个目标个体(直接或间接)相关的数据的一个或多个传感器；(4)作为一个或多个网络的管理员(例如，作为本地站)；或(5)它们的组合。一个或多个UAV对收集到的动物数据采取的一个或多个动作可以包括归一化、加时间戳、聚合、存储、处理、操作、增强、组织、分析、匿名化、汇总、合成、簿记、同步、分发或它们的组合，以及创建和传播命令。例如，一个或多个UAV能够进行操作以汇总以高频率采样的数据(例如，以每秒250-1000赫兹或更高的频率收集数据并汇总每秒1次要发送的数据)并发送汇总的数据以适应任何数量的用例或约束(例如，有限的带宽或整个约束)。可以通过UAV从控制应用程序向传感器发送和接收命令。这意味着控制应用程序能够进行操作以通过UAV通信来设置、控制、配置和操作所有连接的传感器。有利地，对于与UAV或UAV网络通信的任何数量的传感器，可以从控制应用程序向UAV发送和接收命令。在一种改进中，一个或多个命令可以由本地站和/或一个或多个UAV使用一种或多种人工智能技术动态创建。例如，如果一个或多个UAV识别出从目标个体的一个或多个传感器得出的动物数据的不规则性，则本地站和/或一个或多个UAV可以动态创建命令以将数据发送到第三方(例如，医院、医疗保健提供者、急救系统)，或采取另一个动作。在另一种改进中，一个或多个UAV可以充当中间服务器。

参照图4A、图4B和图4C，提供了用于操作基于UAV的传输系统10和10’的用户界面的图示。应当理解，对于图4A、图4B和图4C中描绘的每个控制元件，诸如选择框、下拉列表、按钮等的控制元件可以互换使用。图4A、图4B和图4C中的每个控制元件都被描述为“按钮”。用户通常经由用户界面70通过输入“用户名”和“密码”然后启动控制元件74来登录到控制应用程序。然后界面76被呈现给用户，从该界面76显示列表框78，从而显示能被选择以进行监控的目标个体的列表。用户可以选择一个或多个个体进行监控。在一种改进中，可操作选择目标个体的一个群体或多个群体(例如，整个篮球队；活动中的所有注册参与者)。控制元件80完成选择。然后，用户从与所选的目标个体(或目标个体的群体)关联的传感器列表框82中选择至少一个传感器。应当理解，传感器可以捕获多于一种类型的动物数据。例如，捕获ECG的传感器也可以在其中具有加速度计、陀螺仪和磁力计，以捕获X、Y、Z坐标。控制元件84完成选择。

参照图4C，在选择一个或多个目标个体和传感器之后，显示用户界面90。用户识别要操作一个或多个选定传感器中的哪一个。这通过在列表框92中突出显示选定的一个或多个目标个体和在列表框94中突出显示一个或多个传感器来完成。如果需要，一个或多个控制元件96使(一个或多个)传感器“接通”或发起一个或多个命令(例如，“准备好传感器”；“可用于无线连接”；“配对”)。在一种变型中，如果需要，控制元件96可以是多个控制元件96。在一种改进中，列表框92中的目标个体可以一起组合到一个或多个组中，使得用户可以选择用户分类而不是单个用户。根据传感器，如果用户是目标个体，则用户可以将一个或多个传感器放置在其形体(例如，身体)上，如果用户是目标个体，用户可以将一个或多个传感器放置在形体上，等等。根据传感器，与一个或多个传感器放置在形体(例如，身体)上相关的要求可以是可调参数。某些传感器可能不需要此步骤。然后用户为用户使用的每个传感器启动开始数据收集控制元件98以开始收集数据。

仍然参照图4C，一个或多个传感器与控制应用程序之间的数据收集可以在选择一个或多个UAV之前或之后发生。在一些情况下，可能需要一个或多个UAV来进行数据收集过程(例如，其中本地站30只能通过UAV 20与传感器18通信)。在其他情况下，一个或多个传感器18与一个或多个UAV 20或UAV 20的网络的配对可以在传感器已经开始传输到本地站30上的控制应用程序之后发生。在这种情况下，可能需要在本地站30与UAV 20之间通信时进行“移交”。在又一些情况下，数据收集可能直到控制应用程序成功地与一个或多个传感器和一个或多个UAV或UAV网络配对以确保一个或多个传感器与一个或多个UAV或UAV网络之间的通信的建立才开始，控制应用程序仅通过一个或多个UAV接收数据。然而，在一个或多个传感器、本地站和UAV之间进行数据收集的方式有多种，前面已经详细描述了这些方式。在一种改进中，控制元件98能够进行操作以开始启动的传感器的子集或全部的数据收集。在另一种改进中，控制元件96可以代替控制元件98，反之亦然。例如，控制应用程序可以被配置为与传感器通信，以在传感器与系统之间发生配对功能后自动发起从传感器到控制应用程序的数据传输(从而消除对“开始数据收集”控制元件的任何功能要求)。

在一种变型中，一旦传感器被启动(或在某些情况下在数据收集开始之后)，用户可以定位一个或多个传感器的范围内的所有UAV(或相关UAV的子集)，并且能够进行操作以通过控制应用程序与一个或多个传感器连接。替代地，用户可以定位在用户活动的参数内的所有UAV(例如，用户正在沿着特定路径进行100英里的自行车比赛)，并选择它想要配对的UAV。在另一种变型中，本地站能够进行操作以对网络内的所有UAV进行ping操作，以自动选择至少一个传感器连接的最佳UAV(或UAV网络)并与之连接。这可以基于一个或多个传感器和/或UAV的范围、基于活动的预定位置模式等。“最佳”可以根据用例以多种方式定义，包括信号强度、移动性、基于活动的带宽等。在另一种变型中，给定位置或范围内的一个或多个UAV可以自动检测至少一个传感器并确定(例如，通过一种或多种人工智能技术)至少一个传感器应该与哪个UAV或UAV网络配对。在另一种变型中，本地站能够进行操作以使用户能够选择一个或多个传感器可以连接的一个或多个UAV网络。在另一种变型中，本地站能够进行操作以自动选择一个或多个传感器可以连接的一个或多个UAV网络。在又一种变型中，UAV可以被配置为，如果与一个或多个传感器、目标个体或UAV相关的一个或多个参数改变(例如，一个或多个传感器或目标个体改变位置或出现影响传感器或UAV通信的另外一个或多个问题，例如信号强度或信号质量)，使至少一个传感器能够将从一个UAV到另一个UAV的通信进行切换或重定向。在又一种变型中，一个或多个人工智能可用于确定一个或多个传感器应配对的适当的UAV或UAV网络。

在一种改进中，本地站被编程为基于以下特征中的一个或多个自动选择一个或多个无人驾驶飞行器或包括一个或多个无人驾驶飞行器的网络以与至少一个传感器连接：无人驾驶飞行器位置、无人驾驶飞行器覆盖范围、无人驾驶飞行器有效载荷、无人驾驶飞行器带宽、网络位置、网络覆盖范围、网络有效载荷、网络带宽、目标个体位置、传感器位置、能量限制(例如，电池寿命)、信号强度、环境条件或信号质量(例如，包括数据包丢失)。在一种变型中，本地站或一个或多个无人驾驶飞行器基于至少部分地从一个或多个特征得出的信息(即，无人驾驶飞行器位置、无人驾驶飞行器覆盖范围、无人驾驶飞行器有效载荷、无人驾驶飞行器带宽、网络覆盖范围、网络有效载荷、网络带宽、目标个体位置、传感器位置、能量限制、信号强度、环境条件、信号质量或它们的组合)向至少一个传感器提供一个或多个命令以采取一个或多个动作(例如，与另一个计算设备(例如另一个UAV)连接、降低采样率)。一个或多个特征由本地站或一个或多个无人驾驶飞行器检测和监控，以便得到这种信息。在另一种改进中，可以将本地站编程为基于以下特征中的一个或多个自动选择一个或多个UAV网络以与至少一个传感器连接：网络位置、目标个体位置、数据使用情况、网络带宽、传感器位置、能量限制(例如，电池寿命)、信号强度、环境条件或信号质量。在另一种改进中，由至少一个本地站、至少一个传感器和至少一个无人驾驶飞行器组成的网络能够进行操作以监控与至少一个传感器、至少一个无人驾驶飞行器、网络内的电子通信(例如，传感器信号特征，例如信号强度或信号质量)、收集的动物数据、收集的动物数据的分布或它们的组合有关的一个或多个特征，并采取一个或多个动作来维持本地站、至少一个传感器、一个或多个UAV、一个或多个中间服务器、一个或多个第三方、一个或多个云和/或一个或多个其他计算设备(例如，计算设备26)之间的确定的通信水平或质量。例如，网络可以提供监控所有潜在数据传送点的信号连接强度和信号质量以及使本地站能够自动选择和改变网络内的最佳通信/数据传送点的能力，该传送点可能是另一个无人驾驶飞行器、中间服务器或其他计算设备。在一种变型中，网络可以基于维持或增加传感器信号强度和/或信号质量的期望以及包括带宽可用性、环境条件、能量限制(与一个或多个UAV有关)等在内的其他相关考虑，将从一个UAV到另一个UAV的传感器通信进行切换或重定向。在另一种改进中，至少一个本地站或无人驾驶飞行器(1)检测和监控与在至少一个传感器与一个或多个无人驾驶飞行器之间通过一个或多个数据通信点(例如，数据传送点)发送的一个或多个通信信号(例如，传感器信号或读数)相关的一个或多个特征(例如，信号质量、信号强度、UAV带宽)，以及(2)向至少一个传感器提供与另一个计算设备(例如，辅助传输源)配对(例如，连接)的一个或多个命令，该另一个计算设备可以是另一个UAV或其他非UAV传输系统。在一种变型中，本地站提供一个或多个命令，该命令使至少一个传感器能够基于一个或多个UAV提供给本地站或中间服务器的、与信号强度、信号质量、UAV节能(例如，电池寿命)或其他相关考虑相关的反馈将从一个UAV到另一个UAV的传感器通信进行切换或重定向。这种切换或重定向可以包括从一个UAV到另一个UAV进行交替。

在一些变型中，包括本地站、至少一个传感器和一个或多个无人驾驶飞行器的网络提供加密或压缩被存储或传输到至少一个传感器、本地站或无人驾驶飞行器或从它们传输的数据的能力。在其他变型中，包括本地站、至少一个传感器和一个或多个无人驾驶飞行器的网络能够进行操作以对向或由一个或多个传感器、本地站或无人驾驶飞行器提供(例如，发送)的动物数据的至少一部分进行编码(例如，加密、压缩、混淆)。在一种改进中，网络内的至少一个计算设备能够进行操作以对向或由至少一个传感器、本地站或一个或多个无人驾驶飞行器提供的动物数据的至少一部分进行编码。至少一个计算设备可以包括无人驾驶飞行器、本地站、云服务器、中间服务器或其他计算设备。

如上所述，用户可以将一个或多个传感器与控制应用程序内的单个UAV配对，或者将一个或多个传感器与多个UAV或UAV网络配对。一旦选择了合适的UAV或选择了UAV网络，用户就可以实现传感器与UAV或UAV网络之间的配对功能。该配对功能在传感器处于一个或多个UAV的范围内时可以立即发起，或者在传感器处于一个或多个UAV的范围内时发起。替代地，如果传感器能够进行操作以与多个传输系统(例如，广播网络)配对，则传感器可以首先传输到控制应用程序(例如，在本地站30上)，然后移交到UAV。

在一种改进中，多个UAV可以与单个传感器通信。例如，如果UAV1被分配到指定区域并且目标个体在该区域之外行进，则一旦目标个体在UAV1指定区域之外，另一个UAV2可以与该目标个体通信。在另一种改进中，多个传感器可以与单个UAV通信(例如，如果有多个目标个体使用单个UAV或单个目标个体佩戴多个传感器)。在另一种改进中，多个UAV可以同时使用并与相同的一个或多个传感器一起使用，多个UAV能够进行操作以相互通信。例如，在无线网状网络中，如果目标对象移出范围(例如，假设UAV负责覆盖特定区域并且不重新定位)或其他需求需要它(例如，带宽)，则UAV系统能够进行操作以从一个UAV切换到另一个UAV。

在另一种改进中，一个或多个无人驾驶飞行器20可以基于至少一个传感器或一个或多个目标个体的位置来调整它们的位置、高度和/或收发器定位。更具体地，一个或多个UAV可以检测至少一个传感器或一个或多个目标个体的一个或多个特征(例如位置、定位、信号强度)，并且一个或多个UAV可以基于至少一个传感器或一个或多个个体的位置调整它们的位置或收发器定位。例如，如果UAV正在跟踪一组目标个体，而这组目标个体移动到新位置，则UAV可以改变其位置、调整其海拔和/或调整其收发器定位以确保至少一个传感器与UAV之间的最佳数据传送和收集。在另一种改进中，一个或多个UAV可以基于一个或多个目标个体的一个或多个跟踪机制(例如，光学跟踪、传感器跟踪)来调整其位置、海拔和/或UAV定位。在一种变型中，一个或多个UAV可以基于传感器的位置来调整其位置、海拔和/或定位，传感器的位置可以由一个或多个通信链路确定。在另一种改进中，UAV可以将一个或多个传感器的通信从一个或多个目标个体移交到同一网络中的另外一个或多个UAV。在体育应用的变型中，一个或多个UAV可以悬停在体育场(例如，足球、棒球、足球)或赛马场上方，并充当所有目标个体(例如，运动员、马匹)及其在比赛场地上的关联的传感器的中间计算设备(例如，传输集线器)。在其他体育应用中，UAV可以跟踪和跟随自行车比赛(特别是目标参与者)、铁人三项、马拉松等，以从一个或多个目标个体收集数据并对数据采取一个或多个动作(例如，标记数据、操作数据、将数据发送到一个或多个端点)。在一种改进中，一个或多个UAV的海拔可以基于一个或多个目标个体的位置而改变或调整。例如，一个或多个目标个体的海拔变化可能导致一个或多个UAV调整其海拔。在一种改进中，一个或多个无人驾驶飞行器20可以基于一个或多个其他因素(例如，阻碍视线的物体、天气、空中交通等)调整它们的位置、海拔和/或收发器定位。在另一种改进中，一个或多个无人驾驶飞行器20调整其机载的一个或多个传感器(例如，改变缩放、焦点或其正在跟踪的位置的机载摄像机传感器)。调整可以手动进行(例如，远程)，也可以被编程为基于可以使用一种或多种统计建模或人工智能技术的一个或多个因素进行。

在一些变型中，一个或多个无人驾驶飞行器20可以使用一种或多种方案来生成和保存能量。方案可能专注于推进和/或是传感器和系统通信能量方案(例如，专注于使与数据处理或对数据采取的其他行动、信号采集、出站数据速率、UAV运动相关的能量消耗最小化的方案)。能量生成可以包括太阳能充电方案，以及一个或多个UAV与向一个或多个UAV提供能量的另一个设备接触或通信的方案。接触可以包括物理接触和通信接触(本质上可能不是物理接触)。在一种改进中，一个或多个无人驾驶飞行器可以附接到另一个对象(例如，体育场或竞技场中的装置、另外一个或多个UAV、另一个计算设备)上或与之接触。如果一个或多个UAV使用机制与另一个物体进行能量传送，这可能是有利的。UAV也可以通过电缆(例如以太网、光纤)连接至一个或多个静止物体(例如，为了更快的连接，或提供能量供应)。

在另一种改进中，基于UAV的传输系统10和10’使用一个或多个统计建模或人工智能技术(例如，机器学习方法)来分析动物数据集，以创建、修改或增强一个或多个预测结果、概率或可能性。鉴于基于机器学习的系统被设置为从收集的数据中学习，而不是需要明确的编程指令，因此它的搜索和识别可能被隐藏在一个或多个数据集中的模式的能力使基于机器学习的系统能够从收集的数据发现允许做出一个或多个预测结果的见解。这种预测结果可用于各种UAV和网络功能，包括UAV位置、队形、指向性图样、带宽管理、能量管理、本地站功能、传感器功能、UAV部署等。有利的是，由于基于机器学习的系统使用数据进行学习，因此当新数据进入系统时，它通常采用迭代方法改进模型预测和准确性，以及从系统进行的先前计算提供的反馈中改进模型预测结果和准确性(它还能够产生可靠和可重复的结果)。

在另一种改进中，一个或多个无人驾驶飞行器基于使用一种或多种人工智能技术创建、增强或修改的一个或多个命令采取一个或多个动作。一个或多个命令可以由本地站或UAV生成。在另一种改进中，基于一种或多种人工智能技术优化一个或多个无人驾驶飞行器功能。可以通过本地站和/或一个或多个UAV进行优化。例如，一个或多个本地站或UAV针对一个或多个动作或功能使用一种或多种人工智能技术(例如，机器学习、深度学习)或统计模型，包括优化一种或多种指向性图样、收发器位置(例如，天线位置)、视线(例如，定位一个或多个UAVS以最小化来自一个或多个传感器的关于一个或多个目标个体的数据包丢失)、波束宽度、一个或多个UAV的海拔(例如，高度)、一个或多个UAV的能耗(例如，电力、燃料)、UAV队形(例如，三维队形)以优化传感器和UAV之间的信号强度以及覆盖范围、映射、路线和运动(例如，最大化任何给定路线的效率以最小化能量消耗)，等等。使用一种或多种人工智能技术还可用于优化传输信号(例如，接收数据的频率、向用户发送数据的频率、数据质量)、减少网络拥塞、基于目标个体的位置最大化目标检测或一个或多个UAV与一个或多个传感器之间的连接的可能性等。在另一种改进中，基于一种或多种人工智能技术优化一个或多个本地站和/或传感器功能。

在另一种改进中，一个或多个UAV可以使用一种或多种统计建模或人工智能技术来动态地采取一个或多个动作。一个或多个动作可以包括调整一个或多个传感器设置(例如，数据被采样或传输到UAV的频率)、UAV收集数据的频率(例如，基于能量考虑)、UAV定位和队形(例如，基于一个或多个目标个体的位置、天气)等。在一种变型中，一个或多个UAV能够进行操作以使用一种或多种人工智能技术来评价一个或多个生物学传感器输出(例如，评价传感器与UAV之间的等待或信号强度)，以及进行一个或多个数据质量评估。基于评价或数据质量评估，一个或多个UAV可以动态调整其位置、队形、轨迹、视线、指向性图样、收发器位置(例如，包括其部件，例如一个或多个天线)等。

在另一种改进中，可以使用一种或多种统计模型或人工智能技术生成人工数据，根据该人工数据可以运行一种或多种模拟以提供使一个或多个UAV能够采取一个或多个动作的信息。基于从一个或多个目标个体接收到的传感器数据的至少一部分，一个或多个UAV能够进行操作以向本地站、中间服务器或第三方系统提供(例如，发送)数据以运行一种或多种模拟以生成模拟数据。在一种变型中，一个或多个UAV能够进行操作以运行一种或多种模拟以生成模拟数据。基于来自一种或多种模拟的输出，一个或多个UAV可以采取一个或多个动作。例如，从一个或多个目标个体收集的生物学传感器数据以及由一个或多个UAV收集的非动物数据可以触发一个或多个UAV(或本地站)运行与一个或多个目标个体相关的一种或多种模拟，可以从中计算、估算、推导、提取、外推、模拟、创建、修改、增强、估计、评价、推论、建立、确定、推断、观察、传达或作用产生出一个或多个预测结果、概率或可能性。从UAV收集的传感器数据的至少一部分或其一个或多个衍生物得出的模拟数据可以直接或间接地用于：(1)作为放置或接受一个或多个投注的市场；(2)创建、修改、增强、获取、供应或分销一种或多种产品；(3)评价、计算、推导、修改、增强或传达一项或多项预测结果、概率或可能性；(4)制定一项或多项战略；(5)采取一个或多个动作；(6)缓解或预防一种或多种风险；(7)作为在一种或多种模拟、计算或分析中使用的一个或多个读数；(8)作为一种或多种模拟的一部分，其输出直接或间接与一个或多个用户互动；(9)推荐一个或多个动作；(10)作为一种或多种消费媒介的一种或多种核心组分或补充；(11)一种或多种促销活动；或(12)它们的组合。例如，可以运行与一组目标个体的位置相关的一种或多种模拟以预测他们的预期位置，以便定位一个或多个UAV或UAV网络(例如，位置、队形、海拔)以确保最佳放置。在一种改进中，使用收集的传感器数据的模拟也可以用于预测目标用户的运动，这可以基于收集的传感器数据和一个或多个目标个体的一个或多个特征(例如，一个或多个目标个体从事的活动)。与具有使用一个或多个无人驾驶飞行器进行传感器监控的应用的动物数据预测系统相关的附加细节在2019年4月15日提交的美国专利第62/833,970号；2019年10月9日提交的美国专利第62/912,822号；和2020年4月15日提交的美国专利第PCT/US20/28313号中被公开，它们的全部公开内容通过引用并入本文。

在另一种改进中，使用接收到的动物数据的至少一部分来执行一种或多种模拟以生成模拟数据。在一种变型中，一个或多个无人驾驶飞行器或与一个或多个无人驾驶飞行器电子通信的一个或多个计算设备执行一种或多种模拟。在另一种变型中，一种或多种模拟使用非动物数据作为一个或多个输入来生成模拟数据。模拟数据的至少一部分(包括其一个或多个衍生物)被用于：(1)创建、增强或修改一个或多个见解或估算资产；(2)创建、修改、增强、获取、供应或分配一种或多种产品；(3)创建、评价、得出、修改或增强一个或多个预测结果、概率或可能性；(4)制定一项或多项战略；(5)推荐一个或多个动作；(6)缓解或预防一种或多种风险；(7)作为在一种或多种模拟、计算或分析中使用的一个或多个读数；(8)作为一种或多种模拟的一部分，其输出直接或间接与一个或多个用户互动；(9)作为一种或多种消费媒介的一种或多种核心组分或补充；(10)一种或多种促销活动；或(11)它们的组合。在一些情况下，一种或多种模拟使用一种或多种人工智能或统计建模技术来生成模拟数据。在另一种变型中，至少一个计算设备基于模拟数据采取一个或多个动作。在一种改进中，至少一个计算设备是本地站、中间服务器、第三方计算设备、云服务器、无人驾驶飞行器或其他计算设备。

在另一种改进中，可以运行结合收集的传感器数据的一种或多种模拟以预测目标个体或目标个体组的一个或多个动物数据读数(例如，位置、运动)并优化一个或多个UAV。一种或多种模拟可以包括收集的传感器数据、一个或多个目标个体的一个或多个特征(例如，一个或多个目标个体所从事的活动)、一种或多种类型的非动物数据(例如，天气、搜索结果或来自一个或多个移动设备的内容)等。例如，从一个或多个目标个体收集位置数据以通过一种或多种模拟来预测一个或多个运动可以实现一个或多个UAV的效率，包括优化UAV队形(例如，三维队形)以确保对一个或多个目标个体的最佳视线、UAV的映射、UAV的路线(例如，最大化任何给定路线的效率以最小化能量消耗)、在UAV和其他计算设备之间共享数据(例如，确定数据可能需要与其他UAV或计算设备共享或可用于其他UAV或计算设备、以及数据可能需要基于一个或多个目标个体的一个或多个预测运动进行存储、哪些信息可能需要在UAV上复制以确保基于预测运动的无缝移交，等等)、系统之间的电子通信(例如，基于目标个体的位置最大化目标检测或一个或多个UAV与一个或多个传感器之间的连接的可能性)、天线定位、用于与一个或多个传感器或系统通信的天线类型、天线阵列定位、基于预测的目标个体位置对指向性图样和方向的优化、基于预测的目标个体位置(例如，包括高度、海拔的预计变化)的一个或多个UAV的放置/队形，等等。一个或多个UAV对模拟数据所采取的一个或多个动作可能导致带宽优化(例如，更多可用带宽)、增加一个或多个UAV的能量保存(例如，使UAV能够将能量用于附加功能或增加飞行时间)、传感器与UAV之间更可靠的通信(例如，更强的信号强度、减少的数据包丢失)、覆盖区域的最大化，等等。这种模拟可以发生在一个或多个UAV、其关联的云服务器上或网络内(例如，通过与一个或多个UAV(例如，本地站、中间服务器)通信的另一个计算设备)。

在另一种改进中，一个或多个受训神经网络用于生成模拟数据(例如，模拟动物数据、基于接收到的动物数据的其他模拟数据)，一个或多个受训神经网络已经用接收到的动物数据或其至少一部分进行过训练。一般来说，神经网络在用真实的动物数据训练后会生成模拟的动物数据。可以从一个或多个目标个体的一个或多个传感器收集动物数据(例如，ECG信号、心率、生物流体读数)，通常作为观察的时间序列。序列预测机器学习算法可用于基于收集的数据预测可能的动物数据值。收集的动物数据值将在神经网络的训练阶段传递给一个或多个模型。用于对该非线性数据集建模的神经网络将基于一个或多个神经网络的既定原理进行自我训练。更具体地，可以用一个或多个动物数据集训练一个或多个神经网络，以了解目标个体的生物学功能以及一个或多个变量如何影响任何给定的生物学功能。可以进一步训练神经网络以基于一个或多个生物学功能和一种或多种变量的影响了解发生了什么结果，从而能够进行相关性和因果性分析。例如，在接受训练了解诸如以下的信息后，基于UAV的传输系统10或10’可以运行一种或多种模拟以确定一个或多个预测结果、概率或可能性：目标个体在包括当前情景在内的任何给定情景内的一个或多个生物学功能、可能影响目标个体在包括当前情景在内的任何给定情景内的一个或多个生物学功能的一个或多个变量、基于目标个体表现出的一个或多个生物学功能和/或存在的一个或多个变量在包括当前情景在内的任何给定情景内先前已经发生的一个或多个结果、与目标个体相似和不相似的个体在包括与当前情景相似的情景在内的任何给定情景中的一个或多个生物学功能、可能影响目标个体在包括与当前情景相似的情景在内的任何给定情景中的一个或多个生物学功能的一个或多个其他变量、可能影响与目标个体相似和不相似的其他个体在包括与当前情景相似的情景在内的任何给定情景中的一个或多个生物学功能的一个或多个变量、以及基于与目标个体相似和不相似的个体表现出的一个或多个生物学功能和/或一个或多个变量在包括与当前情景类似的场景在内的任何给定情景中先前已经发生的一个或多个结果。

一种或多种类型的神经网络可以包括但不限于：前馈、感知机、深度前馈、径向基网络、门控循环单元、自动编码器(AE)、变分AE、去噪AE、稀疏AE、马尔可夫链、霍普菲尔德网络、玻尔兹曼机、受限BM、深度信念网络、深度卷积网络、反卷积网络、深度卷积逆图形网络、液态机、极限学习机、回声状态网络、深度残差网络、Kohenen网络、支持向量机、神经图灵机、数据处理的组方法、概率、时间延迟、卷积、深度堆叠网络、广义回归神经网络、自组织图、学习向量量化、简单循环、储备池计算、回声状态、双向、分层、随机、普适性量表、模块化、机器委员会、联想、物理、即时训练、尖峰、监管反馈、神经认知机、复合分层深度模型、深度预测编码网络、多层内核机、动态、级联、神经模糊、组合模式产生、记忆网络、一次性联想记忆(One-shot Associative Memory)、分层时间记忆、全息图联想记忆、语义哈希、指针网络和编码器-解码器网络。

这种方法可应用于UAV收集或基于UAV的数据(例如，由本地站收集)以优化UAV和网络功能，包括UAV位置、队形、指向性图样、带宽管理、能量管理等。在一种变型中，可以用多个目标个体和来自每个目标个体的一个或多个数据集来训练一个或多个神经网络，以更准确地生成预测结果、概率或可能性。在另一种变型中，可以运行一种或多种模拟以首先基于每个目标个体的真实传感器数据生成人工数据(例如，人工传感器数据)(例如，基于先前的心率数据、温度、湿度和其他变量，预测他们未来的心率即每分钟的跳动次数在即将到来的情况下可能是什么样子)，然后在一个或多个进一步的模拟中使用生成的人工数据(例如，人工传感器数据)的至少一部分来确定任何给定结果的可能性和/或做出预测(例如，目标个体在跑步时中暑的可能性)。本发明不限于用于从真实动物数据生成人工动物数据的方法或神经网络类型。

在另一种改进中，可以基于收集的动物数据采取一个或多个动作。例如，一个或多个UAV可以检测或捕获基于一个或多个传感器检测基于生物学的信息的信息(例如，目标对象正在经历诸如心脏病发作或中风的医疗事件)，分析收集的传感器数据(例如，使用诸如机器学习方法的一种或多种人工智能技术在数据中查找模式以生成预测性或基于概率的信息)或通过访问数据的另一个计算设备(例如，通过云)提供数据以进行分析，并采取一个或多个动作(例如，向诸如医院系统的另一个系统发送警报，将此类警报通知给该系统；作为UAV对一种或多种信号或读数的分析结果，递送一种或多种药品或药物；从提供分析的计算设备接收分析的信息并向第三方发送警报)。该动作可以是警报，该警报可以包括一个或多个生物学读数(例如，读数的汇总、从中捕获生物学读数的目标个体的位置)和/或其他数据(例如，传达基于收集的信息发生医疗事件的可能性的预测性指示器)以及与一个或多个UAV相关的信息。在进一步的改进中，一个或多个UAV可以检测触发一个或多个UAV运行一种或多种模拟或触发另一个计算设备从一个或多个UAV接收或获取数据以运行一种或多种模拟的基于生物学的信息，从该信息得出一个或多个预测结果、概率或可能性(例如，收集的生物传感器数据提供指示数据中与特定医疗事件关联的异常的读数，因此系统运行一种或多种模拟以确定目标个体在n个时间段内经历医疗事件的可能性)，并采取一个或多个行动(例如，UAV可以递送急救箱或其他医疗设备以帮助解决医疗事件，或向另一个系统(例如，医院系统或医疗急救系统)发送警报，或向目标个体发送医疗事件即将发生的警报)。在另一种改进中，一个或多个UAV可以检测动物数据并且另外一个或多个UAV可以采取行动(例如，一个UAV检测生物学数据，另一个UAV运行一种或多种模拟，另一个UAV解释捕获的传感器数据和生成的人工信息以预计医疗事件发生的可能性，而另一个UAV递送一种或多种药物或处方)。在另一种改进中，一个或多个UAV可以检测动物数据，并且另外一个或多个计算设备可以采取行动(例如，UAV捕获传感器数据，将数据发送给第三方以运行模拟并基于输出而递送适当的药物或处方)。与用于生成模拟动物数据和模型的系统有关的其他细节在2019年9月6日提交的美国专利第62/897,064号和2020年5月20日提交的美国专利第63/027,491号中公开；其全部公开内容通过引用并入本文。

在另一种改进中，生成一个或多个人工数据值。例如，如果一个或多个UAV接收到不完整的数据(例如，传感器没有发送所有数据包、UAV没有接收到所有数据包、来自一个或多个传感器或来自UAV接收到的数据有值丢失、UAV接收到的数据集有噪声或UAV在数据中产生噪声)，本地站、一个或多个UAV、中间服务器、第三方系统或其他计算设备(例如，计算设备26)可以使用一种或多种技术来用人工数据填补缺失值或生成替换值。这种技术也可以通过与网络关联的云服务器发生。在许多情况下，一个或多个传感器产生提供给服务器的测量结果(例如，模拟测量结果，例如原始AFE数据)，其中服务器应用方法或技术来过滤数据并生成一个或多个值(例如，心脏速率值)。但是，在数据具有极低的信噪比或缺失值的情况下，可能需要预滤波器逻辑来生成人工数据值。在一个方面，提出了一种预滤波器方法，其中系统采取多个步骤来“修复”从传感器生成的数据，以确保生成的一个或多个数据值是清楚的并且符合预定范围。可以装在一个或多个UAV或其关联的云上的预滤波器逻辑从传感器获取数据，检测任何离群值或“坏”值，用预期或“好的”人工值替换这些值，并沿着作为其对一个或多个生物学数据值(例如，心率值)的估算结果的“好”人工值传递。术语“修复”是指创建一个或多个替代数据值(即“好”值)以替换可能超出预先设定阈值的值的能力，一个或多个“好”数据值在生成的值的时间序列中对齐并符合在预先确定的阈值内。这些步骤将在任何逻辑对接收到的生物学数据采取行动以计算一个或多个生物学数据值(例如，心率值)之前发生。

有利地，用于识别和替换一个或多个数据值的预滤波器逻辑和方法可以应用于收集的任何类型的传感器数据，包括由一个或多个UAV接收的原始输出和处理后的输出。出于说明目的，虽然诸如模拟测量结果(AFE)的原始数据可以转化为其他波形，例如表面肌电图(sEMG)信号，但将详细说明AFE到ECG和心率(HR)值的转化。如前所述，在从一个或多个传感器生成的AFE值的时间序列中的信噪比为零或接近零或数值较小的情况下，预滤波器逻辑变得很重要。在这种情况下，用于生成一个或多个心率值的先前描述的系统和方法可以忽略一个或多个这种值，这可能导致不生成心率值或生成的心率值可能落在预先建立的参数、模式和/或阈值之外。这种AFE值可能是由于对象采取了增加一个或多个其他生理参数(例如，肌肉活动)的动作，或者产生从引入的相同传感器得出的竞争信号或使连接恶化，或由于其他变量。这又可能会导致HR系列不一致。

为了解决这个问题，已经确立了一种方法，其中通过查看未来值而不是先前生成的值来创建一个或多个数据值中的一个或多个。更具体地，作为一个或多个UAV的一部分的逻辑(例如，在一个或多个UAV上、在与一个或多个UAV通信的云中)可以检测一个或多个离群信号值并用落在预期范围内的一个或多个信号值(例如，确立的上限和下限)替换离群值，因此具有使序列平滑的效果，同时减少每个值之间的方差。确立的预期范围可以考虑许多不同的变量，包括个体、传感器的类型、一个或多个传感器参数、一个或多个传感器特征、一个或多个环境因素、个体的一个或多个特征、个体的活动等。预期范围也可以由一种或多种人工智能或机器学习技术创建，该技术使用至少一部分先前收集的传感器数据和/或其一个或多个衍生物以及可能的一个或多个上述变量，来预测预期范围可能是什么。预期范围也可以在一段时间内发生变化，并且本质上是动态的，基于一个或多个变量(例如，人从事的活动或环境条件)进行调整。在一种变型中，可以至少部分地使用一种或多种人工智能技术来生成预期范围(例如，上限和下限)内的一个或多个人工信号值，这些值是从一个或多个传感器收集的至少一部分传感器数据和/或其一个或多个衍生物得出的。

为了实现基于未来值创建一个或多个值的期望结果，系统可以首先对传感器的“正常”或“预期”AFE值中的一个或多个进行采样，并应用统计测试和探索性数据分析来确定传感器生成的每个AFE值的可接受的上限和下限，其可能包括离群值检测技术，例如四分位距(IQR)、分布和百分位截止值、峰度等。然后可以通过使用先前收集的传感器数据的至少一部分来确定正常或预期的AFE值。被认为是正常或预期的AFE值也可能因传感器、传感器参数或其他参数/特征而变化，这些参数/特征可能会被考虑为确定正常或预期的因素(例如，对象、对象从事的活动)。

一旦识别出离群值，预滤波器逻辑然后使用反向填充方法来用在当前样本窗口落入正常范围内的下一个可用值填充一个或多个离群值(即，落在接受的下限和上限之外的AFE值)。这会产生没有不可处理的噪声的、更清晰、更可预测的时间序列值。在一种改进中，一个或多个值是通过使用人工智能技术(例如，机器学习、深度学习)产生的，其中模型已经经过训练以在已知过去的AFE值序列时预测下一个AFE值，和/或作为一个或多个离群值的替换以使值序列落入正常范围内。在一种变型中，用户可以使用启发式或基于数学公式的方法来描述类似于从传感器产生的AFE信号的波形。

对于心率值，系统可以增加由处理原始数据的预滤波器逻辑使用的数据量以包括n秒值的AFE数据。随着用于识别QRS复合波的间隔数量的增加，系统收集和使用的数据量的增加使系统能够创建HR生成值的更可预测的模式。这是因为HR是在一秒子间隔内计算的HR值的平均值。n秒是可以预先确定的或动态的可调参数。在一种改进中，人工智能技术可用于基于一个或多个先前收集的数据集来预测生成落入给定范围内的一个或多个值所需的n秒AFE数据。

虽然数据的预处理可能不会复制QRS复合波中可能的R峰，但将一个或多个噪声值引入正常或预期信号的范围内允许生成HR值的下游滤波器和系统在没有质量信号的情况下产生一个或多个落在预期范围内的HR值。与用于测量心率和其他生物学数据的系统有关的附加细节在2019年1月14日提交的美国专利申请第16/246,923号和2020年1月14日提交的美国专利第PCT/US20/13461号中被公开；它们的全部公开内容通过引用并入本文。

在一种改进中，包含在一个或多个UAV内的逻辑生成人工数据值以完成数据集。例如，正在收集任何给定生物学数据(例如，心率)的传感器可能发生阻止传感器收集、分析和/或分发数据到模拟的事件(例如，一个或多个传感器从对象身上脱落、因为它没电了而停止收集数据，等等)。在该例子中，一个或多个UAV(或其他计算设备，例如中间服务器)可以包括运行一种或多种模拟以创建一个或多个人工数据集以完成数据集的逻辑(例如，如果对象在进行40分钟的跑步，心率传感器在30分钟后没电了，模拟系统可以生成最后10分钟的心率数据，这可能会考虑到多个变量，包括之前收集的数据和数据集、速度、距离、环境条件等)。

尽管上面描述了示例性实施方式，但这些实施方式并不旨在描述本发明的所有可能形式。相反，说明书中使用的词语是描述性词语而不是限制性词语，并且应当理解在不脱离本发明的精神和范围的情况下可以进行各种改变。此外，可以组合各种实施实施方式的特征以形成本发明的另外的实施方式。