在私有企业网络中收集的个人数据的数据来源、本地化和分析

背景技术

高速无线连接的发展(例如，根据第五代5G标准)、机器学习(ML)技术不断增强的分析能力和大量传感器的可用性正在融合以产生诸如医疗保健和人为表现的垂直市场的快速变化。用于监测个体(及其环境)的第一波连接传感器使用未授权频率频带(诸如蓝牙或Wi-Fi)中基于竞争的服务将数据发送到网络。这种方法有几个缺点。例如，许多传感器与由个体拥有或操作的智能电话相捆绑，这将传感器的使用限制在个体已具有智能电话的背景下，并降低了系统的可靠性和安全性。又例如，相对于诸如第四代(4G)长期演进(LTE)或5G之类的蜂窝技术，传统的基于竞争的服务支持更低的带宽、更低的可靠性和更低的服务质量(QoS)。将传感器直接连接到蜂窝网络需要将数据传输到超出收集数据的企业控制范围的核心网，这增加了数据的隐私或安全性受到损害的风险。

发明内容

为了提供对所公开主题的一些方面的基本理解，下文呈现了所公开主题的简化概要。该概要不是所公开主题的详尽概述。其并非旨在识别所公开主题的关键或必要元素或勾勒所公开主题的范围。它的唯一目的是以简化的形式呈现一些概念，作为稍后讨论的更详细描述的序言。

在一些实施例中，提供了边缘云网络。边缘云网络包括：支持与多个传感器的无线通信的至少一个基站，存储使用多个传感器收集的数据的核心网；以及机器学习(ML)分析服务器，ML分析服务器被配置为分析使用多个传感器收集的数据，其中边缘云网络实现传感器数据来源，以确保边缘云网络内的数据的完整性和本地化。

在一些实施例中，至少一个基站支持在以下至少一项中的无线通信：授权频谱、共享公民宽带无线电服务(CBRS)频谱、未授权频谱和机会性可用授权频谱。

在一些实施例中，多个传感器包括：被配置为监测至少一个人的特性的第一子集和被配置为监测在至少一个人附近的环境因素的第二子集。

在一些实施例中，多个传感器的第一子集被配置为监测生物标志物，该生物标志物包括眨眼计数、心电图、脉搏体积描记术、体温和血压中的至少一项，并且多个传感器的第二子集是被配置为监测光水平、环境噪声水平和环境温度中的至少一项。

在一些实施例中，ML分析服务器被配置为标识生物标志物之间的相关性并且跟踪相关的生物标志物。

在一些实施例中，ML分析服务器被配置为将至少一个人的被监测特性与至少一个人附近的被监测环境因素相关。

在一些实施例中，ML分析服务器被配置为基于至少一个人的被监测特征或被监测环境因素，生成指示用于施用药物、执行康复活动、进餐和睡眠中的至少一个的计划的反馈，并且其中所生成的反馈被提供给至少一个人。

在一些实施例中，多个传感器包括被配置为监测至少一个人的运动或行为的相机。

在一些实施例中，多个传感器被配置为使用结构测量、电神经生理测量以及与新陈代谢、神经体液生理学和循环相关生理学相关的测量中的至少一个对至少一个人的身体器官执行同时成像。

在一些实施例中，ML分析服务器被配置为对由多个传感器在身体器官的同时成像期间收集的数据执行实时分析，并且ML分析服务器被配置为基于实时分析生成用于至少一个远程用户的反馈。

在一些实施例中，远程用户基于反馈来重新配置多个传感器。

在一些实施例中，边缘云网络被配置为向区域云提供以下至少一项：盲生物标志物数据和环境数据、掩蔽生物标志物数据和环境数据或匿名的生物标志物数据和环境数据。

在一些实施例中，提供了一种在边缘云网络中实现的方法。该方法包括：建立传感器数据来源，以确保由边缘云网络内的多个传感器收集的数据的完整性和本地化；使用多个传感器收集与至少一个人相关联的数据；将数据传送到边缘云网络内的至少一个基站；在边缘云网络中实现的核心网处存储使用多个传感器收集的数据；并使用在边缘云网络中实现的机器学习(ML)分析服务器分析使用多个传感器收集的数据。

在一些实施例中，将数据传送到至少一个基站包括经由以下至少一项来传送数据：授权频谱、共享公民宽带无线电服务(CBRS)频谱、未授权频谱和机会性可用授权频谱。

该方法的一些实施例包括使用多个传感器的第一子集来监测至少一个人的特性，以及使用多个传感器的第二子集来监测在至少一个人附近的环境因素。

在一些实施例中，监测至少一个人的特性包括监测包括生物标志物，该生物标志物包括眨眼计数、心电图、脉搏体积描记术、体温和血压中的至少一项，并且其中监测环境因素包括：监测光水平、环境噪声水平和环境温度中的至少一项。

该方法的一些实施例包括使用ML分析服务器标识生物标志物之间的相关性，以及使用ML分析服务器跟踪相关的生物标志物。

该方法的一些实施例包括使用ML分析服务器将至少一个人的被监测特性与至少一个人附近的被监测环境因素相关。

该方法的一些实施例包括基于至少一个人的被监测特性或被监测环境因素，生成指示用于施用药物、执行康复活动、进餐和睡眠中的至少一个的计划的反馈；并且将所生成的反馈提供至少一个人。

在一些实施例中，收集数据包括使用相机监测至少一个人的运动或行为。

该方法的一些实施例包括使用多个传感器，使用结构测量、电神经生理测量以及与新陈代谢、神经体液生理学和循环相关生理学相关的测量中的至少一个来对至少一个人的身体器官执行同时成像。

该方法的一些实施例包括使用ML分析服务器，对由多个传感器在身体器官的同时成像期间收集的数据执行实时分析，并使用ML分析服务器基于实时分析生成用于至少一个远程用户的反馈。

该方法的一些实施例包括：响应于反馈，基于从至少一个远程用户接收的信息来重新配置多个传感器。

该方法的一些实施例包括向区域云提供盲生物标志物数据和环境数据、掩蔽生物标志物数据和环境数据或匿名的生物标志物数据和环境数据中的至少一项。

在一些实施例中，提供了一种装置，其包括至少一个处理器和至少一个包括计算机程序代码的存储器。至少一个存储器和计算机程序代码被配置为与至少一个处理器一起使装置至少执行：建立传感器数据来源，以确保由边缘云网络内的多个传感器收集的数据的完整性和本地化；使用多个传感器收集与至少一个人相关联的数据；将数据传送到边缘云网络内的至少一个基站；在边缘云网络中实现的核心网处存储使用多个传感器收集的数据；并使用在边缘云网络中实现的机器学习(ML)分析服务器分析使用多个传感器收集的数据。

在一些实施例中，提供了一种用于在边缘云网络中实现的方法。该方法包括：建立传感器数据来源，以确保由边缘云网络内的多个传感器收集的数据的完整性和本地化；并且使用多个传感器收集与至少一个人相关联的数据。该方法还包括使用在边缘云网络中实现的机器学习(ML)分析服务器分析使用多个传感器收集的数据。该方法还包括基于由ML分析服务器执行的分析，向至少一个人提供个性化医学治疗。

在一些实施例中，提供个性化医学治疗包括基于ML分析服务器执行的分析，使用经颅磁刺激(TMS)来提供非侵入性脑刺激。

在一些实施例中，提供个性化医学治疗包括检测至少一个人的昼夜节律的中断或改变并基于检测到的昼夜节律的中断或改变向该至少一个人提供治疗。

附图说明

通过参考附图可以更好地理解本公开，并且其众多特征和优点对于本领域技术人员来说是显而易见的。在不同的附图中使用相同的参考符号指示相似或相同的项目。

图1是根据一些实施例的支持在私有企业网络中收集的个人数据的数据来源、本地化和分析的通信系统的框图。

图2是根据一些实施例的网络功能虚拟化(NFV)架构的框图。

图3是根据一些实施例的利用多个频率频带来支持私有企业网络的通信的通信系统的框图。

图4是根据一些实施例的包括边缘云网络以支持数据来源、本地化和分析的通信系统的框图。

图5是根据一些实施例的用于收集与人相关联的生理和环境数据的通信系统的框图。

图6是根据一些实施例的用于在私有企业网络内的站点之间传送与人相关联的生理和环境数据的通信系统的框图。

图7是根据一些实施例的包括与多个边缘云通信的区域云的通信系统的框图。

图8是根据一些实施例的配置和操作在边缘云中实现以支持数据来源、隔离和分析的私有企业网络的方法的第一部分的流程图。

图9是根据一些实施例的配置和操作在边缘云中实现以支持数据来源、隔离和分析的私有企业网络的方法的第二部分的流程图。

图10是根据一些实施例的定义、跟踪和提供针对人生理生物标志物的实时反馈的方法的流程图。

图11包括根据一些实施例的针对不同的被监测人的昼夜节律分布的示例图。

具体实施方式

可用于蜂窝通信的最有价值的频谱是低于6吉赫(GHz)的频率，因为在这些频率上的传输不需要发射器和接收器之间的清晰视线。许多sub-6-GHz频谱已作为静态授权频谱拍卖给实施蜂窝通信系统(诸如LTE网络)的各种移动网络运营商(MNO)。3.1–4.2GHz频谱由诸如固定卫星系统(FSS)之类的现有运营商和诸如美国政府或军事实体之类的联邦现有运营商所占用。例如，3550-3700MHz频率频带(CBRS频带)以前被保留供包括美国海军和固定卫星服务(FSS)地球站在内的现有运营商独家使用。该频谱频带通常未被现有运营商充分利用，但是他们仍垄断了对该频带的接入。因此，诸如包裹配送公司、能源生产商、港口、矿山、医院和大学之类的组织和垂直行业无法接入sub-6-GHz频谱，并且因此无法建立私有企业网络来提供诸如LTE之类的蜂窝服务。

联邦通信委员会(FCC)已开始提供由联邦实体拥有的频谱频带，以用于与商业操作共享。例如，47联邦法规(CFR)第96部分中新发布的FCC规则允许在现有运营商和其他运营商之间共享3550-3700MHz公民宽带无线电服务(CBRS)。CBRS根据分层接入架构来操作，该架构区分现有运营商、已获得与47CFR§96.23等一致的优先接入许可证(PAL)的运营商、以及被授权实现与47CFR§96.33等一致的一个或多个公民宽带无线电服务设备(CBSD)的一般授权接入(GAA)运营商。现有运营商、PAL许可证持有者和GAA运营商需要从频谱接入系统(SAS)请求接入，该频谱接入系统为运营商分配频率频带，例如用于3550-3700MHz频带内的CBRS。SAS负责管理或控制CBRS频率频带中的不同类型的CBSD。在当前部署中，CBSD被分类为：

·A类——为室内部署所设计的CBSD，最大传输功率被限制为30dBm，

·B类-为户外部署所设计的CBSD，最大传输功率被限制为47dBm。

·CPE-被设计作为客户端设备使用的CBSD。

SAS将频率频带分配给与地理区域内的运营商相关联的CBSD，并且在一些情况下在预定的时间间隔期间分配。SAS使用执行现有检测的环境感测能力(ESC)来确定在对应的地理区域内是否存在现有运营商，例如使用雷达来检测港口中是否存在海军舰艇。

图1-图10公开了提供高带宽、可靠性和服务质量(QoS)同时还为企业所收集的用户数据提供增强的隐私和安全性的私有企业网络的实施例，其被实现在边缘云网络中，边缘云网络包括支持经由授权频谱(例如，在小于6GHz的频率范围内)、共享公民宽带无线电服务(CBRS)频谱、未授权频谱和通过从持有未充分利用的授权频谱并愿意转租部分频谱的公司分租频谱的方式而机会性可用的频谱中的至少一个来与多个传感器进行无线通信的一个或多个基站。边缘云网络还包括存储企业从多个传感器收集的数据的核心网和用于分析从多个传感器收集的数据的机器学习(ML)分析服务器。边缘云网络的一些实施例包括一个或多个接入点，这些接入点连接到基站并向多个传感器的子集提供无线连接性。在一些实施例中，多个传感器的第一子集监测一个或多个人的特性(例如，一个或多个生物标志物或用于生成生物标志物的信息)，并且多个传感器的第二子集监测环境因素，诸如光照水平、环境噪声水平、环境温度等等。生物标志物可以包括眨眼计数、心电图、脉搏体积描记术、体温、血压等等。多个传感器还可以包括用于监测一个或多个人的运动或行为的相机(camera)。传感器数据来源确保流向边缘云上的分析服务的生物标志物数据不会被恶意实体篡改，或者确保不一致/不准确的数据不会来自有故障或功能不全的传感器。

实现数据来源、隔离和分析的私有企业网络在医疗环境中特别有利，至少部分是因为维护患者隐私和机密性的重要性。现代医学研究的共识是，许多疾病都是综合征，包括若干亚组和各种临床结果，其取决于每个患者所特有的遗传、环境和行为因素。个性化医疗通过例如使用患者特定的药物处方、对营养、运动和睡眠卫生的建议、以及诸如神经刺激之类的其他非药物治疗来为个体量身定制药物和非药物治疗，从而考虑到不同患者的特质。将ML技术应用于为每位患者获取的传感器数据可以显著增强患者的治疗效果。例如，机器学习技术可以(在临床试验期间或临床试验阶段之外)被用来衡量新药治疗诸如焦虑症、血压、心肺疾病之类常见疾病以及诸如阿尔茨海默病或帕金森病之类的不太常见疾病的疗效。再举一例，机器学习技术可以被用来识别患者最关注(或最不关注)自我保健或治疗最有效的时间。然后可以根据个体患者的需求定制康复或治疗计划的时序。再例如，传感器可以被用来搜集人在不同工作环境中的表现数据，并且这些表现数据可以被用来设计环境以防止事故并改变人们的表现状态，以增强工作任务的成果。

实现ML分析服务器的私有企业网络可以安全地搜集存储在边缘云内的患者信息(诸如生物标志物和环境信息)，从而保护患者隐私。ML分析服务器定义和/或跟踪相关的生物标志物以识别状况，诸如对治疗或认知障碍的正面/负面反应。ML分析软件还将生物标志物与环境因素相关，环境因素诸如一天中的时间、光照水平、环境噪声水平、环境温度等等。在一些实施例中，ML分析服务器提供实时分析和指示补救措施的反馈，补救措施诸如推荐的膳食或药物以及用于膳食或药物的计划。实时分析可以包括在私有企业网络与人和传感器系统之间执行信息的后向和前向环路。反馈环路可以被用来控制由传感器所收集的数据的质量，优化系统的性能，或在私有企业网络内或与外部网络交换信息。例如，在使用结构测量、电神经生理测量以及与新陈代谢、神经体液生理学和循环相关生理学相关的测量对身体器官进行同时成像期间收集的数据可以被传送到私有企业网络中的核心网。然后，远程用户可以基于接收到的图像修改对成像传感器中的一个或多个进行配置的参数。

区域云使用一个或多个服务器为私有企业网络提供基于云的支持，服务器被配置为为私有企业网络提供运营和维护(O&M)管理、客户门户、网络分析、软件管理和中央安全性。区域云还包括频谱接入系统(SAS)，用于将频率频带分配给运营商、例如分配给3550-3700MHz频带内的CBRS的私有企业网络。区域云的一些实施例包括另一个ML分析服务器，用于分析从私有企业网络(以及与区域云相关联的其他私有企业网络或边缘云)接收的数据，诸如盲的、掩蔽的或匿名的生物标志物数据和环境数据。

图1是根据一些实施例的支持在私有企业网络中收集的个人数据的数据来源、本地化和分析的通信系统100的框图。通信系统100根据47联邦法规(CFR)第96部分中规定的FCC规则来操作，该规则允许在现有运营商和其他运营商之间共享3550-3700MHz公民宽带无线电服务(CBRS)。然而，通信系统100的一些实施例根据支持在现有设备和其他设备之间共享频率频带的其他规则、标准或协议来操作，使得该频率频带可用于在现有设备存在于某个地理区域中的情况下独占分配给该现有设备。在这种情况下，其他设备需要腾出与分配给现有设备的频率频带的另一部分重叠的频率频带的任何部分。例如，如果通信系统100(至少部分地)被部署在港口附近并且诸如航空母舰101之类的海军舰艇到达港口，则在港口附近的地理区域中在分配给航空母舰101的频率频带的一部分中提供无线连接性的设备需要腾出该频率频带的该部分，以便为航空母舰101提供对该地理区域内的频率频带的独占接入。通信系统100还支持授权频率频带(例如，根据长期演进(LTE)标准、第四代(4G)标准和第五代(5G)标准)和非授权频率频带(例如，根据蓝牙标准、Wi-Fi标准或IEEE所定义的其他标准)中的通信。

通信系统100包括为私有企业网络110提供基于云的支持的区域云105。区域云105的一些实施例包括一个或多个服务器，一个或多个服务器被配置为提供用于私有企业网络110的操作和维护(O&M)管理、客户门户、网络分析、软件管理和中央安全性。区域云105还包括SAS实例115，用于将频率频带分配给运营商、例如分配给3550-3700MHz频带内的CBRS的私有企业网络110。通信系统100还包括另一个区域云106，其包括SAS实例116。在所图示的实施例中，区域云105、106位于不同的地理位置，并且因此被用来提供地理冗余。例如，可以选择SAS实例115作为主SAS并且可以选择SAS实例116作为辅助地理冗余SAS。SAS 115、116通过SAS-SAS接口(为了清楚起见未在图1中示出)而彼此通信。如果在通信系统100中存在附加的SAS实例，则这些SAS实例通过对应的SAS-SAS接口而彼此通信。SAS 115、116可以服务于多个私有企业网络，尽管为了清楚起见，图1中示出了单个私有企业网络110。

区域云105、106经由用户界面入口而被配置到一个或多个外部计算机120，为了清楚起见，图1中仅示出了其中一个。例如，外部计算机120可以提供用于服务管理的客户用户界面入口、数字自动化云管理用户界面入口、以及被用来配置SAS 115、116的SAS用户界面入口。

私有企业网络110包括边缘云125，其与区域云105、106通信以支持私有企业网络110的即插即用部署。边缘云125的一些实施例支持自动配置和自助服务、工业协议、具有低延迟的本地连接、基于蜂窝(4G LTE或5G)的通信和本地安全性、高可用性以及用于私有企业网络110的其他可选应用。边缘云125的一些实施例实现边缘路由器128，其促进与区域云105、106的通信。例如，边缘路由器128可以下载被用来将边缘云125中的实体配置为在包括蜂窝演进分组核心(EPC)的边缘云125上作为微服务来运行的软件(或其他信息)，如本文所讨论的。

在所图示的实施例中，边缘云125实现域代理130，其向一组CBSD 131(为了清楚起见，在图1中仅示出一个)提供受管理的接入和策略控制，该组CBSD 131使用基站、路由器、微宏小区、微小区、室内/室外微微小区、毫微微小区或其他无线设备或无线接入设备来实现。如本文中所使用的，术语“基站”指的是在私有企业网络110中提供无线连接性的任何设备。基站的一些实施例作为CBSD来操作，例如作为A类CBSD(室内)、B类CBSD(室外)或客户端驻地设备(CPE)。CBSD 131因此在本文中被称为基站131。域代理130的一些实施例在区域云105、106之一中被实现。

域代理130在SAS 115、116和基站131之间进行调解(mediate)。为了利用共享频谱，基站131向SAS 115、116之一发送请求以请求分配频率频带的一部分。SAS 115、116中的另一个在与主SAS相关联的故障的情况下用作辅助SAS。请求包括标识频率频带部分的信息，诸如一个或多个信道、与请求基站的覆盖区域相对应的地理区域、以及在某些情况下包括指示所请求的频率频带部分何时将被用于通信的时间间隔。在所图示的实施例中，基站131的覆盖区域对应于私有企业网络110所包含的区域。域代理130的一些实施例通过将来自多个基站131的请求聚合成较少数目的消息来减少域代理130与SAS115、116之间的信号负载，该较少数目的消息从域代理130被发送到SAS 115、116。基站131响应于SAS 115、116将频率频带部分分配给基站131而向对应的用户设备135、136、137(在本文中统称为“用户设备135-137”)提供无线连接性。

由基站131发送的请求不一定包括相同的信息。来自基站131的请求的一些实施例包括指示频率频带的不同部分、不同地理区域或不同时间间隔的信息。例如，如果私有企业网络110被部署在商场或购物中心中并且基站131被用来在具有不同营业时间的不同商店内提供无线连接性，则基站131请求频率频带部分以使用在不同的时间间隔中。因此，域代理130在每个CBSD的基础上使用单独的(并且可能是不同的)策略来管理基站131。在一些实施例中，域代理130响应于从基站131之一接收到请求而访问基站131的策略。域代理130基于策略来确定从其中接收请求的请求基站是否被许可访问SAS实例115，例如通过将策略中的信息与请求的一个或多个必填字段中的信息进行比较。域代理130取决于请求基站是否被许可访问SAS 115、116而选择性地向SAS 115、116提供请求。如果被许可，则将请求发送到SAS 115、116或与其他请求聚合以发送到SAS 115、116。否则，请求被拒绝。

基站131支持与一个或多个传感器140的无线通信。如本文所讨论的，传感器140包括监测一个或多个人的特性的传感器、监测一个或多个人附近的环境的传感器、记录一个或多个人的运动或行为的相机等等。边缘云网络125还包括存储使用传感器140收集的数据的蜂窝技术EPC核心网(为了清楚起见未在图1中示出)。边缘云网络125还包括机器学习(ML)用于分析使用传感器140收集的数据的分析服务器(为了清楚起见未在图1中示出)。边缘云网络125实现传感器数据来源以确保边缘云网络125内的数据的完整性和本地化。

图2是根据一些实施例的网络功能虚拟化(NFV)架构200的框图。NFV架构200被用来实现图1中所示的通信系统100的一些实施例。NFV架构200包括硬件资源201，该硬件资源201包括诸如一个或多个处理器或其他处理单元之类的计算硬件202、诸如一个或多个存储器之类的存储硬件203，以及诸如一个或多个发射器、接收器或收发器之类的网络硬件204。虚拟化层205提供硬件资源201的抽象表示。虚拟化层205支持的抽象表示可以使用虚拟化基础设施管理器210来管理，虚拟化基础设施管理器210是NFV管理和编排(M&O)模块215的一部分。虚拟化基础设施管理器210的一些实施例被配置为收集和转发可能在NFV架构200中发生的性能测量和事件。例如，性能测量可以被转发到在NFV M&O 215中实现的编排器(ORCH)217。硬件资源201和虚拟化层205可以被用来实现包括虚拟计算221、虚拟存储装置222和虚拟网络223在内的虚拟资源220。

虚拟网络功能(VNF1、VNF2、VNF3)在NFV基础设施(例如，硬件资源201)上运行并利用虚拟资源220。例如，虚拟网络功能(VNF1、VNF2、VNF3)使用由虚拟计算资源221支持的虚拟机、由虚拟存储资源222支持的虚拟存储器、或由虚拟网络资源223支持的虚拟网络来实现。元素管理系统(EMS1、EMS2、EMS3)负责管理虚拟网络功能(VNF1、VNF2、VNF3)。例如，元素管理系统(EMS1、EMS2、EMS3)可以负责故障和性能管理。在一些实施例中，每个虚拟网络功能(VNF1、VNF2、VNF3)由对应的VNF管理器225控制，该VNF管理器225与虚拟化基础设施管理器210或编排器217交换信息并协调动作。

NFV架构200可以包括操作支持系统(OSS)/业务支持系统(BSS)230。OSS/BSS 230使用OSS功能性来处理包括故障管理在内的网络管理。OSS/BSS 230还使用BSS功能性来处理客户和产品管理。NFV架构200的一些实施例使用一组描述符235来存储由NFV架构200所支持的服务、虚拟网络功能或基础设施的描述。描述符235中的信息可以由NFV M&O 215来更新或修改。

NFV架构200可以被用来实现提供用户平面或控制平面功能的网络切片240。网络切片240是提供通信服务和网络能力的完整逻辑网络，其可以随切片而变化。用户设备可以同时接入多个网络切片240。用户设备的一些实施例向网络提供网络切片选择辅助信息(NSSAI)参数以帮助为用户设备选择切片实例。单个NSSAI可以导致选择几个网络切片240。NFV架构200还可以使用设备能力、订阅信息和本地运营商策略来做出选择。NSSAI是较小组件的集合，即单NSSAI(S-NSSAI)，其每个都包括一个切片服务类型(SST)和可能的切片微分器(SD)。切片服务类型是指在特征和服务方面的预期网络行为(例如，专门用于宽带或海量IoT)，而切片微分器可以帮助在相同类型的若干网络切片实例之中进行选择，例如将与不同服务相关的业务隔离到不同的网络切片240中。

图3是根据一些实施例的利用多个频率频带来支持私有企业网络305的通信的通信系统300的框图。私有企业网络305被用来实现图1中所示的私有企业网络110的一些实施例。图2中所示的NFV架构200的一些实施例被用来实现私有企业网络305。

私有企业网络305包括支持一组频率频带中的无线连接性的一个或多个基站(为了清楚起见未在图3中示出)。在所图示的实施例中，频率频带包括授权频谱310、诸如共享公民宽带无线电服务(CBRS)频谱之类的共享频谱315、未授权频谱320、以及机会性可用授权频谱325。授权频谱310可用于小于6GHz的频率范围中。共享频谱315可以在3.5GHz CBRS频谱内分配高达150MHz。未授权频谱320在5GHz可用。机会性可用授权频谱325通过从持有未充分利用的授权频谱并愿意将频谱的一部分转租给私有企业网络305的所有者或运营商的公司的频谱转租而对私有企业网络305可用。

图4是根据一些实施例的包括边缘云网络405以支持数据来源、本地化和分析的通信系统400的框图。边缘云网络405被用来实现图1中所示的边缘云125的一些实施例。图2中所示的NFV架构200的一些实施例被用来实现边缘云网络405。边缘云网络405连接到一个或多个区域云410，诸如图1中所示的区域云105、106。

边缘云网络405包括提供各种边缘云服务的服务器420、421、422的集合415(在本文中被统称为“服务器420-422”)。服务器420-422的集合415支持经由一个或多个基站425、426、427的无线连接性，这些基站在本文中被统称为“基站425-427”。尽管在图4中示出了三个服务器420-422和三个基站425-427，但是一些实施例包括更多或更少的服务器或基站。在一些实施例中，私有企业网络在服务器420-422中的一个或多个上被实例化并且经由基站425-427中的一个或多个来提供无线连接性。例如，图1中所示的私有企业网络110或图3中所示的私有企业网络305可以在边缘云网络405上被实例化。边缘云网络405还包括在服务器420-422中的一个或多个中被实例化的核心网430。在所图示的实施例中，核心网430从区域云410下载并被安装在服务器421中。例如，核心网430可以响应于实例化利用服务器420-422和基站425-427的私有企业网络而被下载和安装。

在一些实施例中，边缘云网络405收集与人相关联的数据，诸如个人医疗数据和环境数据。如本文所讨论的，使用经由基站425-427中的一个或多个来与边缘云网络405通信的各种传感器来收集个人数据。由于核心网430被安装在边缘云网络405中，因此不必将此数据传输到边缘云网络405之外，例如不必传输到区域云410。相反，个人数据435被存储在服务器422(或服务器420-422中的另一个或多个)中。因此，确保了个人数据435的数据本地化。此外，如本文所讨论的，还确保了个人数据435的可信数据来源。

ML分析模块440在服务器420(或服务器420-422中的另一个或多个)中被实例化。ML分析模块440访问个人数据435并执行各种分析和跟踪功能。ML分析模块440的一些实施例识别个人数据435中的生物标志物之间的相关性并跟踪个人数据435中的相关生物标志物。可以实时地执行相关生物标志物的跟踪。如本文所讨论的，个人数据435包括表示在监测人附近的环境因素的环境数据。ML分析模块440因此可以将与人相关联的被监测特性或生物标志物与该人附近的被监测环境因素相关联。ML分析模块440还基于被监测特性、生物标志物和环境因素来生成反馈。在一些实施例中，反馈被提供给人(或为人提供护理的医生)并且包括用于施用药物、校准治疗参数、执行康复活动、进食、睡觉和其他活动的计划。

图5是根据一些实施例的用于收集与人505相关联的生理和环境数据的通信系统500的框图。该通信系统对应于图1中所示的通信系统100的一些实施例和图4中所示的通信系统400。图2中所示的NFV架构200的一些实施例被用来实现通信系统500。通信系统500包括一个或多个服务器510，其连接到一个或多个基站515以用于向用户设备520提供无线连接性。尽管图5中所示的用户设备520被表示为智能电话，但是在其他实施例中实现包括平板电脑、个人计算机、膝上型电脑等等在内的其他类型的用户设备520。在所图示的实施例中，基站515还向一个或多个接入点525提供无线连接性，该一个或多个接入点525也在与基站515相同或不同频带中提供无线连接性。例如，基站515可以根据LTE或5G来操作，并且接入点525可以根据蓝牙、Wi-Fi、LTE、5G或其他标准或协议来操作。

通信系统500包括收集与人505相关联的生理数据的多个传感器530、531、532(在本文中被统称为“传感器530-532”)。在所图示的实施例中，传感器530-532被佩戴在人505的身体上的各种位置并收集不同类型的数据。由传感器530-552收集的生理数据的示例包括但不限于眨眼计数、心电图、脉搏体积描记术、体温、脉搏率和血压。在一些实施例中，传感器的子集不被患者佩戴。例如，智能空间传感器可能能够检测和报告在智能空间传感器附近的一个或多个人的人生理数据。通信系统500还包括在图5中由相机535所表示的一个或多个环境传感器。环境传感器535收集与人505相关联(或在人505附近)的环境数据。与人505相关联的环境数据的示例包括但不限于光照水平、环境噪声水平和环境温度。高准确度室内定位系统(HAIP)传感器允许系统提供在空间中的患者物理位置的数据流，以使得边缘云上的分析服务器可以生成高度相关的(空间和时间)生物标志物。

服务器510和传感器530-532、535建立可信数据来源关系以验证从传感器530-532、535接收到的数据的完整性。在一些实施例中，服务器实现证明服务器，该证明服务器监测实体在通信系统中的可信度，包括监测硬件、软件和/或固件的可信度。用于建立和维护可信数据来源关系的证明过程基于测量值，诸如在安装或配置被监测实体(诸如传感器530-532、535之一)时导出的参考报价。将参考报价与随后由通信系统500中的实体导出的报价进行比较，以验证可信数据来源关系。报价的示例包括可信平台模块(TPM)报价。在一些实施例中，数据源(诸如服务器510或传感器530-532、535之一)将源数据和报价组合或捆绑到源数据对象中，然后通过应用被指派给数据源的密钥来得出数字签名。数字签名使得能够对包括源数据和报价的源数据对象的真实性和/或完整性进行后续验证。然后在实体之间交换源数据对象，这些实体应用对应的密钥来验证接收到的源数据对象的真实性和/或完整性。

服务器510的一些实施例实例化核心网，诸如在私有企业网络内实现的演进分组核心(EPC)540。包括与人505相关联的生理数据和环境数据的个人数据545也被存储在服务器510中。服务器510还实现人工智能(AI)/机器学习(ML)模块550，其对个人数据545执行分析，如本文所讨论的。因此，在通信系统500内确保了个人数据545的数据本地化。

通信系统500的一些实施例被用来实现个性化医疗监测和治疗，诸如经颅磁刺激(TMS)，这是一种非侵入性脑刺激方法，其被认为是对抗抑郁药反应不佳的抑郁症类型最有效的治疗方法之一。在图示的实施例中，传感器530包括由一个或多个铜线圈制成的TMS装置，其位于大脑中的感兴趣部位的表面，以无创地产生从头皮表面到估计深度的短暂磁脉冲以产生在人大脑中的轴突去极化505。这种轴突去极化激活具有多重效应的皮质和皮质下网络。

通信系统500允许通过获得关于刺激对人505的身体的不同电生理系统的影响的快速实时反馈来使人505的身体的TMS治疗个性化。为了进一步微调TMS，传感器530-532和相机535搜集关于在人505中运行的各种生物生理系统的信息。在一些情况下，执行基本上连续的监测以虑及昼夜节律的影响、对诸如长时间的清醒、增加的睡眠压力之类的内部因素的适应、以及对诸如临时疾病(例如感染、创伤)之类的不同类型的压力事件的适应。人505的年龄对不同的生理系统也有深远而复杂的影响。体内系统也适应外部因素(诸如光、听觉、视觉、温度刺激)以及执行日常任务所产生的负荷量。不同系统之间的相互作用会影响人行为。不同生物系统中与疾病相关的电生理动力学变化也会影响TMS治疗的功效和结果。

传感器530-532和相机535搜集关于人体功能的各种不同类型的数据。在一些实施例中，所搜集的数据包括关于人505所经历的睡眠-觉醒周期的数据。几乎所有疾病都在一定程度上影响睡眠-觉醒周期。研究表明，白天警惕和睡眠-觉醒模式的中断在诸如阿尔茨海默病和帕金森病之类的疾病以及不同的精神障碍中很常见。睡眠-觉醒周期的中断在脑卒中后和创伤性脑损伤中也很常见。针对这些疾病的常规治疗没有虑及一天中的时间的影响，睡眠-觉醒周期会影响不同治疗类型的生物生理学。例如，服用药物或提供非医疗康复(诸如物理治疗)的医疗方案通常不会考虑个人在一天中的某个时间的警惕或疲劳程度。此外，睡眠-觉醒周期问题往往被忽略为药物不良反应的可能原因或药物或非医疗康复没有得到足够好的反应的根本原因。由传感器530-532、535搜集的数据545被存储在服务器510的存储器中。

AI/ML模块550使用基于ML的数据分析算法对所搜集的数据545进行分析，以定义和跟踪新的高度相关(空间、时间和人生理)的生物标志物。AI/ML模块550基于对所搜集的数据545的分析来提供实时生物反馈。在一些实施例中，将指示不同生物生理系统的动态和状态的生物反馈提供给被监测的个人或治疗个体的专家。生物反馈还可以控制供应给人505的治疗或疗法。例如，在TMS中，反馈被用来控制经由传感器530以不同频率施加到人505的电流。AI/ML模块550选择电流的幅度和频率来修复睡眠结构和睡眠-觉醒节律。研究已经描述了若干类型的生物反馈神经刺激方法。因此，AI/ML模块550经由包括人505、传感器530-532、535和AI/ML模块550在内的反馈回路来微调并且个性化神经刺激。反馈回路还提供有关神经刺激对电生理信号的影响的直接信息。

通信系统500的一些实施例被用来监测、诊断、治疗或评估睡眠-觉醒昼夜节律时钟中断(SCRD)的治疗。生物钟存在于所有生物体中，并且是调节人生物生理和认知表现的最重要的内部生物节律。人的生物钟系统由大脑中的“主时钟”来调节。生物钟系统还包括存在于人体所有细胞和器官中的生物钟基因。生物钟系统的节律与睡眠-觉醒周期的节律之间的不匹配会导致人的SCRD。越来越多的人工作不定时并且在违背其个人昼夜节律的情况下工作，而SCRD正在成为流行病和大流行病。此外，SCRD会增加各种疾病的风险，包括睡眠障碍、心脏病、高血压、中风、糖尿病、慢性和急性感染、诸如哮喘和类风湿性关节炎之类的自身免疫性疾病、多种癌症、记忆疾病以及包括焦虑、抑郁和躁郁症在内的精神疾病。由SCRD引发的慢性压力状态也会加速衰老，因此患有SCRD的人看起来和表现得都像一个更年长的人，例如，一个45岁的人可以像一个65岁的人一样出现和运作。人生物节律以及因此的SCRD也影响人对包括药物、康复、手术恢复等等在内的不同类型治疗的反应。

在所图示的实施例中，传感器530-532和535包括测量和监测各种生理生物信号的传感器，各种生理生物信号指示受到昼夜节律影响的器官功能或人生理的其他方面。传感器530-532和535被实现为个人可穿戴设备、在智能家具或智能空间中实现的非接触式传感器、或从多个源(物联网IoT)收集生理数据的其他设备。由传感器530-532、535监测的个体昼夜节律的指示符包括但不限于核心体温的时间变化、褪黑激素的分泌、皮质醇激素的分泌、眨眼的阶段性节律、以及与包括心血管、代谢、激素和胃肠系统在内的生理系统的功能相关联的性能的其他可测量生物标志物或指标。由传感器530-532、535收集的数据被用来创建具有适当准确度的身体功能的昼夜节律分布。测量可以是连续测量、常规点测量或它们的组合。传感器530-532、535可以包括具有医疗级认证的设备和面向消费者的跟踪器。

图11包括根据一些实施例的不同被监测的人的昼夜节律分布的示例的曲线图1101、1102、1103、1104。曲线图1101-1104包括作为一天中的时间的函数(从左到右增加)的被监测的人心率1105和核心体温1110的分布。虚线1115指示午夜。曲线图1101示出了正常或典型人受试者的心率1105和核心体温1110。在一些实施例中，测量诸如脉搏率变异性、血压、呼吸气流、皮肤血流、皮肤弹性等等之类的其他生物标志物的昼夜节律。心率1105和核心体温1110遵循基本上相同的昼夜节律分布，具有上午的峰值和午夜后不久的谷值。曲线图1102示出了相对于曲线图1101中所示的正常分布具有偏移的昼夜节律分布的人受试者的心率1105和核心体温1110，例如曲线图1102的受试者正在经历时差反应。曲线图1103示出了相对于曲线图1101中所示的正常曲线具有平坦和升高的昼夜节律分布的人受试者的心率1105和核心体温1110，例如曲线图1103的受试者正在经历已经改变昼夜节律分布的急性感染。曲线图1104示出了人受试者的(通常同步的)心率1105和核心体温1110之间的不同步。这种不同步可能是由疾病、药物的副作用或其他原因引起的。

通信系统500基于传感器530-532、535所监测的生物标志物来检测用户505的昼夜节律的中断或改变。向用户505提供治疗以解决检测到的他们的昼夜节律的中断或改变。在一些实施例中，服务器510存储代表被监测的生物标志物的数据545以供AI/ML模块550进行后续分析。AI/ML模块550确定例如与图11中所示的曲线图1101相对应的用户505的基线昼夜节律分布。AI/ML模块550然后学习被监测的生物标志物的波动或变化的模式，这些模式指示用户505的昼夜节律的中断或改变。AI/ML模块550可以检测到的波动或变化的示例被示出在图11中所示的曲线图1102-1104中。服务器510基于监测来提供反馈，反馈包括提供给用户505、照顾用户505的医生或医疗专业人、正在向用户505提供治疗的医疗设备、评估提供给用户505的治疗质量的系统等等的反馈。在一些实施例中，反馈被可视化为时钟表、一组数值、一个或多个图表、一个或多个身体图等等。

图6是根据一些实施例的用于在私有企业网络610内的站点之间传送与人605相关联的生理和环境数据的通信系统600的框图。通信系统600对应于图1中所示的通信系统100、图4所示的通信系统400、以及图5中所示的通信系统500的一些实施例。图2中所示的NFV架构200的一些实施例被用来实现通信系统600。

私有企业网络610包括位于同一私有企业网络610内的不同物理位置处的计算系统615、620。计算系统615连接到收集与人605相关联的生理和环境数据的一个或多个传感器621、622、623(在本文中被统称为“传感器621-623”)。计算系统615已与传感器621-623和计算系统620建立了可信数据来源关系。在计算系统615、620之间建立了高带宽连接625、630，并且允许计算系统615将传感器621-623收集的大量数据传输到计算系统620。个人数据由计算系统620存储，并且在一些实施例中，计算系统620使用ML分析模块来分析个人数据，如本文所讨论的。计算系统620使用高带宽连接625向计算系统615传输反馈，诸如被用来对传感器621-623中的一个或多个进行重新配置的反馈。使用计算系统615、620之间的高带宽连接625、630建立后向和前向环路，因此可以被用来控制由传感器621-623收集的数据的质量，优化系统性能，并在实现私有企业网络610的边缘云内部交换信息。

私有企业网络605的一些实施例实现融合成像以组合指示人605的器官结构和功能动态的信息。私有企业网络605因此支持对结构元素(例如，人605的器官)和感测系统性能(例如，人605)的传感器621-623之间的关系和交互的远程实时监测。例如，计算系统615、620和私有企业网络605组合使用不同技术和传感器621-623对不同身体器官进行成像的结果。传感器621-623收集的数据通过高带宽连接625从计算系统615流式传输到计算系统620，同时由计算系统620执行分析并且由传感器621-623继续扫描人605。由传感器621-623执行的成像或扫描的类型的示例包括但不限于：

a)结构：CT(计算机断层扫描)、CBCT(锥束计算机断层扫描)和MRI(磁共振成像)，

b)电神经生理学：EEG(脑电图)、ECG(心电图)、RIP(呼吸感应体积描记术)、

c)新陈代谢、神经体液和循环相关生理学：fMRI(功能性磁共振成像)、PET(正电子发射断层扫描)、超声、fNIRS(功能性近红外光谱)。

成像技术的可变组合由传感器621-623同时执行。数据流625的单独通道被用来将传感器621-623收集的数据传送到计算系统620。计算系统615的一些实施例在将数据传输到计算系统620之前融合所收集的数据。例如，计算系统615可以在医院、单独的实验室、门诊设置或家庭设置中被实现。融合后的数据然后在高带宽连接625的单独通道中被流式传输到计算系统620，并在查看计算系统620处再次融合在一起。循环回路(包括流625、630)使得远程观看者能够在计算系统620处根据在计算系统620处看到的内容来调整由传感器621-623执行的扫描。

包括传感器621-623的感测系统的一些实施例支持不同类型的感测数据通道，以及用于音频和视频的单独的双向或多向通道。私有企业网络610可以支持计算系统615、620或多通道系统之间的一对一通信，其中来自计算系统615的融合数据在包括计算系统620的多个远程位置处被查看。附加的视频和音频流允许与被扫描的人605和包括主要观看者B和次要观看者C…N在内的多个观看者进行实时通信，可以将其添加到系统中以支持正被传感器621-623搜集的数据的实时通信/讨论。在一些实施例中，传送传感器测量数据(例如，人605的生物标志物数据)、使用高准确度室内定位能力的位置信息、以及在网络拥塞或分组丢失的情况下具有不同优先级的音频/视频流的实时方面，以及在接收端正确组合和同步这些媒体和数据流的需求，是通过使用实时协议(RTP)传送这些流来提供的。与RTP相关的其他规范可以被用于指示流优先级、重传和会话设置。

图7是根据一些实施例的包括与多个边缘云710、711、712通信的区域云705的通信系统700的框图。通信系统600对应于图1所示的通信系统100和图4所示的通信系统400的一些实施例。图2中所示的NFV架构200的一些实施例被用来实现通信系统700。边缘云710-712实现对应的私有企业网络，诸如图3中所示的私有企业网络305、在图4中所示的边缘云网络415中实现的私有企业网络、和图6中所示的私有企业网络610。

如本文所讨论的，在边缘云710-712中实现的私有企业网络使用彼此之间以及与私有企业网络中的其他实体具有可信数据来源关系的传感器来执行数据收集操作。在私有企业网络中实现核心网，以确保私有企业网络中收集的数据的数据隔离。在一些实施例中，私有企业网络实现ML分析模块以对所收集的数据执行分析。边缘云710-712将数据715、716、717(在本文中被统称为“数据715-717”)传输到区域云705以供进一步分析。在一些实施例中，数据715-717包括盲的、掩蔽的或匿名的数据，以根据患者数据隐私法规保护与数据相关联的人的隐私。例如，数据715-717可以包括盲的或掩蔽的患者生物标志物数据和来自边缘云710-712上实现的ML分析模块的分析结果。数据715-717还可以包括时间戳以指示数据是何时被收集的。在一些实施例中，区域云705和边缘云710-712中的公共参考时钟被用来同步数据收集和分析。数据715-717还可以包括指示相对优先级的信息并且可以使用具有不同优先级的数据流来进行传输。

区域云705实现ML分析模块720，用于分析从边缘云710-712接收的数据715-717。在一些实施例中，ML分析模块720对数据715-717中包括的被掩蔽的生物标志物执行分析。使用从边缘云710-712中获取的数据715-717在区域云705上执行ML分析允许ML分析模块720在更大的数据集上开发人生物标志物数据的更广泛的洞察力和相关性，这允许ML分析模块720得出关于人表现、认知障碍等等的附加推论。

图8是根据一些实施例的配置和操作在边缘云中实现以支持数据来源、隔离和分析的私有企业网络的方法的第一部分800的流程图。该方法在图1中所示的通信系统100、图4中所示的通信系统400、图5中所示的通信系统500、图6中所示的通信系统600、以及图7中所示的通信系统700的一些实施例中被实现。

在框805处，例如，使用图2中所示的NFV架构200的一些实施例，部署边缘云网络。在框810处，边缘云网络中的边缘云路由器连接到区域云并下载(在框815处)边缘云网络的系统配置软件。在框820处，核心网被下载并被安装在边缘云网络中。在框825处，边缘云中的基站被配置。在一些实施例中，例如通过在边缘云上配置高准确度室内定位特征来配置与边缘云中的传感器或人相关联的定位特征。然后该方法流向节点1。

图9是根据一些实施例的配置和操作在边缘云中实现以支持数据来源、隔离和分析的私有企业网络的方法的第二部分900的流程图。如本文所讨论的，该方法在图1中所示的通信系统100、图4中所示的通信系统400、图5中所示的通信系统500、图6中所示的通信系统600、以及图7中所示的通信系统700的一些实施例中被实现。

该方法的第二部分900开始于节点1。在框905处，配置并启用安装在利用私有企业网络的客户驻地设备(CPE)或用户设备(UE)上的一个或多个SIM卡。在框910处，为在私有企业网络中实现的传感器(例如，医疗物联网(IoMT)传感器)配置和启用可信数据来源。在框915处，一个或多个基于ML的数据分析模块被配置和启动，例如作为部署在边缘路由器上的微服务。基于ML的数据分析模块开始在传感器收集的数据中生成和跟踪新的或现有的生物标志物。在框920处，在私有企业网络中配置和启用数据收集和分发。在一些实施例中，还在私有企业网络中配置和启用实时分析和反馈。

图10是根据一些实施例的定义、跟踪和提供针对人生理生物标志物的实时反馈的方法1000的流程图。如本文所讨论的，方法1000在图1中所示的通信系统100、图4中所示的通信系统400、图5中所示的通信系统500、图6中所示的通信系统600、以及图7中所示的通信系统700的一些实施例中被实现

在框1005处，私有企业网络中的传感器被配置为支持与私有企业网络中的其他实体的可信数据来源。在框1010处，ML数据分析模块被配置和部署在边缘云上的私有企业网络中。ML数据分析模块可以被部署在微服务中。

在框1015处，ML数据分析模块访问由私有企业网络中的传感器所获取的数据并基于传感器数据来定义一个或多个生物标志物。由ML数据分析模块定义的生物标志物示例包括但不限于睡眠质量、自主神经系统(ANS)生理学、中枢神经系统(CNS)生理学以及对提供给患者的线索的关注。生物标志物被用来检测人的特性，诸如认知障碍、行为变化等等。在一些实施例中，ML数据分析模块至少部分地基于包括在数据中的环境因素诸如环境声音、光和温度来定义生物标志物。

在框1020处，ML数据分析模块对由传感器所获取的数据执行实时分析。在框1025处，ML数据分析模块基于分析向例如人受试者、医生、研究人员等等提供实时反馈。在一些情况下，实时反馈被用来确定人受试者执行动作的时序，包括服用药物的适当时间，以避免可能因在错误时间服用药物而导致的不良事件。实时反馈还可以被用来安排其他动作，诸如执行康复活动、进食、睡觉和其他活动。

在一些实施例中，上述技术的某些方面可以由执行软件的处理系统的一个或多个处理器来实现。软件包括存储或以其他方式有形地体现在非暂时性计算机可读存储介质上的一组或多组可执行指令。软件可以包括指令和某些数据，当由一个或多个处理器执行时，这些指令和数据操纵一个或多个处理器以执行上述技术的一个或多个方面。非暂时性计算机可读存储介质可以包括例如磁盘或光盘存储设备、固态存储设备诸如闪存、高速缓存、随机存取存储器(RAM)或一个或多个其他非易失性存储设备或设备等等。存储在非暂时性计算机可读存储介质上的可执行指令可以是源代码、汇编语言代码、目标代码或者可由一个或多个处理器解释或以其他方式执行的其他指令格式。

计算机可读存储介质可以包括在使用期间可由计算机系统访问以向计算机系统提供指令和/或数据的任何存储介质或存储介质的组合。这样的存储介质可以包括但不限于光学介质(例如，压缩盘(CD)、数字多功能盘(DVD)、蓝光盘)、磁性介质(例如，软盘、磁带或磁性硬盘驱动器)、易失性存储器(例如，随机存取存储器(RAM)或高速缓存)、非易失性存储器(例如，只读存储器(ROM)或闪存)或基于微机电系统(MEMS)的存储介质。计算机可读存储介质可以被嵌入在计算系统中(例如，系统RAM或ROM)，固定地附接到计算系统(例如，磁性硬盘驱动器)，可移除地附接到计算系统(例如，光盘或基于通用串行总线(USB)的闪存)，或经由有线或无线网络(例如，网络可访问存储(NAS))耦合到计算机系统。

如本文中所使用的，术语“电路系统”可以指的是以下中的一个或多个或全部：

(a)仅硬件电路实现(诸如实现和仅模拟和/或数字电路系统)和

(b)硬件电路和软件的组合，诸如(如果适用的话)：

(i)(多个)模拟和/或数字硬件电路与软件/固件的组合，以及

(ii)具有软件的(多个)硬件处理器的任何部分(包括(多个)数字信号处理器、软件和(多个)存储器)，它们一起工作以使诸如移动电话或服务器之类的装置执行各种功能)，和

(c)需要软件(例如，固件)进行操作的(多个)硬件电路和/或(多个)处理器，诸如(多个)微处理器或(多个)微处理器的一部分，但在操作不需要它时该软件可能不存在。

电路系统的这种定义适用于该术语在本申请中的所有使用，包括在任何权利要求中的所有使用。作为另一个示例，如在本申请中所使用的，术语电路系统还涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的一部分及它(或它们)随附软件和/或固件的实现。举例而言并且在适用于特定权利要求元素的情况下，术语电路系统还涵盖用于移动设备的基带集成电路或处理器集成电路，或者服务器、蜂窝网络设备或其他计算或网络设备中的类似集成电路。

请注意，并非上述一般描述中描述的所有活动或元素都是必需的，特定活动或设备的一部分可能是不需要的，并且除了描述的那些之外，还可以执行一个或多个另外的活动，或者还可以包括一个或多个另外的元素。此外，列出活动的顺序不一定是执行它们的顺序。此外，已经参考特定实施例描述了这些概念。然而，本领域的普通技术人员将了解，在不背离如以下权利要求中阐述的本公开的范围的情况下可以进行各种修改和改变。因此，说明书和附图应被视为说明性而非限制性意义，并且所有此类修改旨在被包括在本公开的范围内。

上面已经针对特定实施例描述了益处、其他优点和对问题的解决方案。但是，益处、优点、对问题的解决方案以及可能导致任何益处、优点、或解决方案出现或变得更加明显的(多个)任何特征都不应被解释为任何或所有权利要求的关键、必需或基本特征。此外，以上公开的特定实施例仅是说明性的，因为对于受益于本文教导的本领域技术人员而言，可以以不同但等效的方式修改和实践所公开的主题。除了在下面的权利要求中描述的以外，不打算对本文所示的构造或设计的细节进行限制。因此很明显，上面公开的特定实施例可以被改变或修改，并且所有这些变型都被认为在所公开的主题的范围内。因此，本文所寻求的保护如以下权利要求所阐述。