1.一种多模态移动健康实时监测系统，其特征在于，所述系统包括采集模块、信号处理模块、无线发送模块、无线接收模块和上位机。采集模块负责生理信号的拾取，信号处理模块负责电压信号的检测转换；无线发送模块负责人体健康数据的无线发送，无线接收模块负责人体健康数据的无线接收；上位机主要负责人体健康数据的存储、显示和分析，其中分析以机器智能分析为主，人工分析为辅。

2.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，所述信号采集至少三种信号，如此可以多方位检测人体健康。

3.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，所述信号处理模块中，心电信号检测包括前置放大电路、带通滤波电路、程控滤波电路和电平抬升电路。前置放大电路放大增益为250，带通滤波电路截止频率为10～500Hz，程控滤波电路用于去除空间50Hz电磁干扰。脑电信号检测使用标准脑电图帽采集八通道的模拟信号，利用24位高精度模拟前端ADS1299得到高分辨率的脑电数字信号。体温信号检测使用传感器DS18B20。血氧心率使用Pluse Sensor模块。

4.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，其中所述信号处理模块信号加权重和相关向量回归。所述加权重，将持续超出正常范围最大的指标加最大的权重值，超出正常范围最小的指标加最小的重，以此类推。所谓相关向量回归：设观测样本集为 xi为输入向量，yi为目标输出，则 其中(ω0，ω1，...，ωn)为各个指标的权值，k(x，xi)为核函数，假设模型的残差符合高斯分布就可以得到数据的极大似然估计： 其中 噪声服从N(0，σ2)的正态分布，Φ是由k(x，xi)组成的N(N+1)矩阵； 且最大化(*)式，可得到权值ω的最大似然估计。当

噪声服从正态分布时,最大似然估计等同于最小二乘估计。然后使用贝叶斯理论最大化式(*)式即可求得最优权值ω。处理器处理如上操作再将数据发送到上位机。

5.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，所述信号处理模块采用内置高精度模/数转换的高速处理器；所述无线发送和无线接收模块采用射频数据收发器。

6.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，所述整体系统均可穿戴于人体，便于移动携带。

7.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，所述上位机处理数据以人工为辅机器分析为主。

8.多模态移动健康实时监测系统，其特征在于，检测人体健康包括以下步骤：

Step1:首先用户穿戴所述系统；

Step2:在用户携带所述系统过程中，无线发送和无线接收模块实时通信，将人体健康特征数据发送至上位机；

Step3:上位机在接收到数据后及时存储并机器智能分析；

Step4:上位机生成人体健康监测报告。