JP2017006540A - Heartbeat interval specification program, heartbeat interval specification apparatus, and heartbeat interval specification method - Google Patents
Heartbeat interval specification program, heartbeat interval specification apparatus, and heartbeat interval specification method Download PDFInfo
- Publication number
- JP2017006540A JP2017006540A JP2015127674A JP2015127674A JP2017006540A JP 2017006540 A JP2017006540 A JP 2017006540A JP 2015127674 A JP2015127674 A JP 2015127674A JP 2015127674 A JP2015127674 A JP 2015127674A JP 2017006540 A JP2017006540 A JP 2017006540A
- Authority
- JP
- Japan
- Prior art keywords
- heartbeat
- feature point
- sensor signal
- filtering
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
本発明は、心拍間隔特定プログラム、心拍間隔特定装置、及び心拍間隔特定方法に関する。 The present invention relates to a heartbeat interval specifying program, a heartbeat interval specifying device, and a heartbeat interval specifying method.
マイクロ波ドップラーセンサを用いて心拍情報を出力する技術が知られている（例えば、特許文献１参照）。 A technique for outputting heartbeat information using a microwave Doppler sensor is known (see, for example, Patent Document 1).
ところで、マイクロ波ドップラーセンサのような非接触センサは、マイクロ波などの検出波を被験者の心臓に向けて送信し、その反射波に基づいてセンサ信号を出力する。センサ信号には、心拍以外の他の動きで生じる振動成分が含まれる。従って、センサ信号は、心拍の周波数のバンド幅でフィルタ処理される。この結果、フィルタ処理された信号から、心拍に係る特徴点を抽出できる。 By the way, a non-contact sensor such as a microwave Doppler sensor transmits a detection wave such as a microwave toward the subject's heart and outputs a sensor signal based on the reflected wave. The sensor signal includes a vibration component generated by a motion other than the heartbeat. Thus, the sensor signal is filtered by the bandwidth of the heart rate frequency. As a result, it is possible to extract feature points related to the heartbeat from the filtered signal.
しかしながら、このようにしてセンサ信号をフィルタ処理すると、得られる信号は、完全な周期波形（正弦波）になるのではなく、フィルタ処理前の心臓の鼓動で生じた特徴点の時間情報が鈍った状態で残る。従って、フィルタ処理で得られた信号から心拍に係る特徴点の時間情報を抽出する場合、個々の心拍間隔を精度良く算出することが難しい。 However, when the sensor signal is filtered in this way, the obtained signal does not become a complete periodic waveform (sine wave), but the time information of the feature points generated by the heartbeat before filtering is dull. Remain in state. Therefore, when extracting time information of feature points related to a heartbeat from a signal obtained by the filter processing, it is difficult to accurately calculate individual heartbeat intervals.
そこで、１つの側面では、本発明は、個々の心拍間隔を精度良く算出できる心拍間隔特定プログラム、心拍間隔特定装置、及び心拍間隔特定方法の提供を目的とする。 Therefore, in one aspect, an object of the present invention is to provide a heartbeat interval specifying program, a heartbeat interval specifying device, and a heartbeat interval specifying method capable of accurately calculating individual heart beat intervals.
一局面によれば、被験者の心臓に向けて送信した検出波の反射波に基づき生成されるセンサ信号を取得し、
取得した前記センサ信号に基づいて、心拍の周波数を特定し、
特定した前記心拍の周波数に基づいて、前記センサ信号をフィルタ処理し、
前記フィルタ処理により得られる信号をフィルタリング信号としたとき、前記フィルタリング信号における前記心拍に係る特徴点に基づいて、前記センサ信号における複数の特徴点のうちから、前記心拍に係る特徴点を特定し、
特定した前記心拍に係る特徴点に基づいて、心拍の間隔を算出する、
処理をコンピューターに実行させる、心拍間隔特定プログラムが提供される。
According to one aspect, a sensor signal generated based on a reflected wave of a detection wave transmitted toward the subject's heart is acquired,
Based on the acquired sensor signal, the frequency of the heartbeat is specified,
Filtering the sensor signal based on the identified frequency of the heartbeat;
When the signal obtained by the filtering process is a filtering signal, the feature point related to the heartbeat is identified from the plurality of feature points in the sensor signal based on the feature point related to the heartbeat in the filtering signal,
Calculating a heartbeat interval based on the identified feature points relating to the heartbeat;
A heartbeat interval specifying program is provided for causing a computer to execute processing.
個々の心拍間隔を精度良く算出できる心拍間隔特定プログラム、心拍間隔特定装置、及び心拍間隔特定方法が得られる。 A heartbeat interval specifying program, a heartbeat interval specifying device, and a heartbeat interval specifying method capable of accurately calculating individual heart beat intervals can be obtained.
以下、添付図面を参照しながら各実施例について詳細に説明する。 Hereinafter, embodiments will be described in detail with reference to the accompanying drawings.
以下の実施例において、心拍間隔特定装置１０は、非接触センサからの情報を用いて、心拍の間隔を算出する。なお以降の説明において、心拍を推定される対象となる人を指して、被験者と記載する場合がある。
In the following embodiments, the heartbeat
［実施例１］
図１は、非接触センサの一例を示す図である。非接触センサ７０は、例えば被験者５の衣服等に取り付けられる。或いは、被験者５の動きが少ない場合、非接触センサ７０は、被験者５から独立した態様で固定位置に設けられてもよい。非接触センサ７０は、電波送受信部２５を含み、電波送受信部２５は、電波送信部１及び電波受信部２を含む。電波送受信部２５の詳細は、図３を参照して後述する。
[Example 1]
FIG. 1 is a diagram illustrating an example of a non-contact sensor. The
電波送信部１は、被験者５の人体に電波を照射する。電波の帯域は、任意である。電波の一例として極超短波（UHF：Ultra High Frequency）やマイクロ波（SHF：Super High Frequency）が挙げられる。またさらに、電波は例えば2.4G帯であってよい。電波受信部２は、被験者５からの電波の反射波を受信する。
The radio
図２は、心拍間隔特定装置のハードウェア構成の一例を示すブロック図である。 FIG. 2 is a block diagram illustrating an example of a hardware configuration of the heartbeat interval specifying device.
心拍間隔特定装置１０は、図２に示すように、バス１９で接続されたＣＰＵ（Central Processing Unit）１１、ＲＡＭ（Random Access Memory）１２、ＲＯＭ（Read Only Memory）１３、記録媒体インターフェイス１４、及び表示制御部１５を含む。また、心拍間隔特定装置１０は、入出力制御部１６、及び通信インターフェイス１７を有する。記録媒体インターフェイス１４には、ＳＤ（Secure Digital）カード（または、メモリカード）２１などの記録媒体が接続可能である。表示制御部１５には、表示装置２２が接続されている。入出力制御部１６には、入出力デバイス２４が接続されている。入出力デバイス２４は、タッチパネル、スピーカなどであってよい。表示装置２２及び入出力デバイス２４の機能は、タッチパネルで実現されてもよい。尚、記録媒体インターフェイス１４及びＳＤカード２１、入出力制御部１６及び入出力デバイス２４、表示装置２２及び表示制御部１５、及び／又は、無線送受信部２６は、適宜、省略されてもよい。
As shown in FIG. 2, the heartbeat
通信インターフェイス１７には、電波送受信部２５、及び無線送受信部２６が接続されている。電波送受信部２５は、図１に示した電波送信部１及び電波受信部２を有する。無線送受信部２６は、携帯電話における無線通信網を利用して無線通信可能な送受信部を含む。無線送受信部２６は、近距離無線通信（ＮＦＣ：Near Field Communication）部、ブルーツース（Bluetooth、登録商標）通信部、Ｗｉ−Ｆｉ（Wireless-Fidelity）送受信部、赤外線送受信部などを含んでもよい。
A radio transmission /
ＣＰＵ１１は、心拍間隔特定装置１０全体の動作を制御する機能を有する。ＲＡＭ１２及びＲＯＭ１３は、ＣＰＵ１１が実行するプログラムや各種データを格納する記憶部を形成する。プログラムは、ＣＰＵ１１に心拍間隔特定処理を実行させて心拍間隔特定装置として機能させるプログラムを含む。記憶部には、ＳＤカード２１が含まれても良い。プログラムを格納する記憶部は、コンピュータ読取可能な記憶媒体の一例である。
The
表示装置２２は、表示制御部１５の制御下で、心拍間隔特定処理の結果などを表示する機能を有する。
The
尚、心拍間隔特定装置１０は、非接触センサ７０と一体に（１つの筐体内に）形成されてもよい。或いは、心拍間隔特定装置１０は、非接触センサ７０とは別体に設けられてもよい。
The heartbeat
図３は、電波送受信部２５の一例を示すブロック図である。
FIG. 3 is a block diagram illustrating an example of the radio wave transmission /
電波送受信部２５は、制御部２５１、発振回路２５２、アンテナ２５３Ｔ，２５３Ｒ、検波回路２５４、電源回路２５５、及びオペアンプ（Operational Amplifier）２５６，２５８を有する。発振回路２５２で生成された送信波（電波）は、アンテナ２５３Ｔ及び検波回路２５４に分波され、アンテナ２５３Ｔから送信された送信波は被験者５に照射される。被験者５に照射された送信波は反射され、被験者５からの送信波の反射波はアンテナ２５３Ｒで受信される。アンテナ２５３Ｒで受信した一点鎖線で示す反射波は、ノードＮにおいて実線で示す送信波と干渉し合い、検波回路２５４からは一点鎖線で示す合成波（ＤＣ成分）が出力される。オペアンプ２５６は、合成波を増幅したセンサ出力を通信インターフェイス１７を介して出力する。オペアンプ２５６からのセンサ出力は、センサ信号とも称される。
The radio wave transmission /
電源回路２５５は、制御部２５１、発振回路２５２、検波回路２５４、及びオペアンプ２５６に電源電圧を供給する電池を含む。電池は、例えば充電可能な電池である。なお、電源回路２５５は、電波送受信部２５に対して外部接続されていても良いことは言うまでもない。また、アンテナ２５３Ｔ，２５３Ｒは、送受信アンテナとして一体化されてもよい。
The
尚、図３の例では、電波送信部１は少なくとも発振回路２５２及びアンテナ２５３Ｔを含み、電波受信部２は少なくともアンテナ２５３Ｒ、検波回路２５４及びオペアンプ２５６を含む。
In the example of FIG. 3, the radio
図４は、心拍間隔特定装置１０の機能構成の一例を示すブロック図である。
FIG. 4 is a block diagram illustrating an example of a functional configuration of the heartbeat
図４に示す例では、心拍間隔特定装置１０は、センサ信号取得部１００と、心拍成分検出部１０１と、心拍特徴点特定部１０２と、心拍間隔算出部１０３と、出力部１０４とを含む。心拍間隔特定装置１０の各部１００〜１０４は、図２に示すＣＰＵ１１がＲＯＭ１３に記憶された１つ以上のプログラムを実行することで実現できる。
In the example illustrated in FIG. 4, the heartbeat
センサ信号取得部１００は、非接触センサ７０からセンサ信号（図３参照）を取得（受信）する。
The sensor
心拍成分検出部１０１は、周波数解析部３１と、フィルタ処理部３２とを含む。
The heartbeat
周波数解析部３１は、センサ信号に基づいて、心拍の周波数を特定する。具体的には、周波数解析部３１は、電波受信部２から得られるセンサ信号を周波数解析することでパワースペクトルを取得する。図５は、センサ信号の一例を示す。図５では、横軸が時間を表し、縦軸が振幅を表す。周波数解析は、例えばＦＦＴ（Fast Fourier Transform）であり、例えば図６に示す解析結果が得られる。図６は、図５のセンサ信号を周波数解析した解析結果の一例を示す図である。図６では、横軸が周波数を表し、縦軸が強度（パワー）を表す。
The frequency analysis unit 31 identifies the frequency of the heartbeat based on the sensor signal. Specifically, the frequency analysis unit 31 acquires a power spectrum by performing frequency analysis on the sensor signal obtained from the radio
周波数解析部３１は、図６に示す解析結果から振幅値が所定閾値Ｔｈ１以上のピークが発生する周波数を、心拍の周波数として特定する。尚、図６には、心拍（被験者５の心臓の鼓動に伴う体の表面または心臓を含む臓器の変位）にピークＰ１が図示されている。 The frequency analysis unit 31 specifies the frequency at which a peak with an amplitude value equal to or greater than the predetermined threshold Th1 occurs from the analysis result illustrated in FIG. In FIG. 6, a peak P 1 is shown in the heartbeat (the body surface accompanying the heartbeat of the subject 5 or the displacement of the organ including the heart).
フィルタ処理部３２は、周波数解析部３１により特定された心拍の周波数に基づいて、センサ信号をフィルタ処理する。即ち、フィルタ処理部３２は、センサ信号に対して、心拍として特定されたピークの周波数を中心にフィルタ処理を施す。フィルタ処理は、例えばバンドパスフィルタ（ＢＰＦ：Band-Pass Filter）処理であり、一拍毎に揺らいでいる心拍を抽出するために行われる。以下、センサ信号をフィルタ処理することで得られる信号を「フィルタリング信号」と称する。図７は、フィルタリング信号の一例を示す。図７に示すフィルタリング信号は、図５のセンサ信号をフィルタ処理することで得られる。図７では、横軸が時間を表し、縦軸が振幅を表す。
The
心拍特徴点特定部１０２は、フィルタリング信号における心拍に係る特徴点に基づいて、センサ信号における複数の特徴点のうちから、心拍に係る特徴点を特定する。心拍特徴点特定部１０２は、フィルタ遅延補正部４０と、フィルタリング信号特徴点検出部４１と、センサ信号特徴点検出部４２と、心拍特徴点探索部４３とを含む。
The heartbeat feature
フィルタ遅延補正部４０は、センサ信号に対するフィルタリング信号の遅延を補正する。遅延は、フィルタ処理部３２によるフィルタ処理に起因して生じる。この処理の具体例は図１０を参照して後述する。
The filter delay correction unit 40 corrects the delay of the filtering signal with respect to the sensor signal. The delay is caused by the filter processing by the
フィルタリング信号特徴点検出部４１は、フィルタリング信号における心拍に係る特徴点(以下、「フィルタリング信号特徴点」とも称する)を検出する。フィルタリング信号特徴点は、フィルタリング信号におけるピーク(図７のＰａ〜Ｐｄのような各ピーク)として現れる。フィルタリング信号特徴点検出部４１は、フィルタリング信号における各ピークを、心拍に係る各特徴点として検出する。フィルタリング信号特徴点検出部４１は、フィルタリング信号における各ピークの時間及び振幅を表す情報を、心拍に係る各特徴点に係る情報（フィルタリング信号特徴点情報）として生成する。 The filtering signal feature point detector 41 detects a feature point related to a heartbeat in the filtering signal (hereinafter also referred to as “filtering signal feature point”). The filtering signal feature point appears as a peak (each peak like Pa to Pd in FIG. 7) in the filtering signal. The filtering signal feature point detector 41 detects each peak in the filtering signal as each feature point related to the heartbeat. The filtering signal feature point detection unit 41 generates information representing the time and amplitude of each peak in the filtering signal as information (filtering signal feature point information) related to each feature point related to the heartbeat.
センサ信号特徴点検出部４２は、センサ信号における心拍に係る特徴点候補を検出する。センサ信号特徴点検出部４２は、フィルタリング信号特徴点毎に、対応する心拍に係る特徴点候補（以下、「センサ信号特徴点」と称する）を特定する。センサ信号特徴点検出部４２は、センサ信号特徴点の時間及び振幅を表す情報を、センサ信号特徴点情報として生成する。この処理の具体例は図１０を参照して後述する。
The sensor signal
心拍特徴点探索部４３は、フィルタリング信号特徴点検出部４１及びセンサ信号特徴点検出部４２の各検出結果に基づいて、センサ信号における複数の特徴点のうちから、心拍に係る特徴点（以下、「心拍特徴点」と称する）を探索する。心拍特徴点探索部４３は、フィルタリング信号特徴点と、センサ信号特徴点との間の、時間の差及び振幅の差のうちの少なくともいずれか一方に基づいて、心拍特徴点を特定する。この処理の具体例は図１０等を参照して後述する。
Based on the detection results of the filtering signal feature point detection unit 41 and the sensor signal feature
心拍間隔算出部１０３は、心拍特徴点特定部１０２により特定された心拍特徴点に基づいて、心拍の間隔を算出する。心拍の間隔は、心拍特徴点特定部１０２により特定された心拍に係る各特徴点の時間間隔として算出できる。
The heartbeat
出力部１０４は、心拍間隔算出部１０３により算出された心拍の間隔を表示装置２２上に出力する。心拍の間隔の出力（送信）先は、表示装置２２に限られず、例えば遠隔に位置する監視用コンピューター(図示せず)等であってもよい。図８は、心拍の間隔の出力例を示す。図８では、横軸が時間を表し、縦軸が心拍間隔[単位：秒]を表す。出力部１０４は、図８に示すような心拍間隔の波形に対して所定の周波数解析を行った結果を出力してもよい。所定の周波数解析は、例えばＦＦＴや、自己回帰モデル（AR model：Autoregressive model）などであってよい（図２４、及び図２５参照）。
The
図９は、心拍間隔特定装置１０により実行される処理の一例を示すフローチャートである。
FIG. 9 is a flowchart illustrating an example of processing executed by the heartbeat
ステップＳ９００では、センサ信号取得部１００は、非接触センサ７０からセンサ信号を受信する。例えば、センサ信号取得部１００は、所定時間前から現時点までの所定期間ΔＴのセンサ信号を受信する。
In step S <b> 900, the sensor
ステップＳ９０２では、心拍成分検出部１０１の周波数解析部３１は、センサ信号に対して周波数解析を行う。周波数解析部３１は、周波数解析の結果、心拍の周波数を特定する。周波数解析の方法は上述のとおりである。
In step S902, the frequency analysis unit 31 of the heart rate
ステップＳ９０４では、心拍成分検出部１０１のフィルタ処理部３２は、ステップＳ９０２で特定された心拍の周波数に基づいて、センサ信号をフィルタ処理する。この結果、フィルタリング信号が得られる。
In step S904, the
ステップＳ９０６では、心拍特徴点特定部１０２は、ステップＳ９００で得られたセンサ信号と、ステップＳ９０４で得られたフィルタリング信号とに基づいて、心拍特徴点特定処理を実行する。心拍特徴点特定処理の具体例は後述する。
In step S906, the heartbeat feature
ステップＳ９０８では、心拍間隔算出部１０３は、ステップＳ９０６で特定された心拍に係る各特徴点に基づいて、心拍の間隔を算出する。
In step S908, the heartbeat
ステップＳ９１０では、出力部１０４は、ステップＳ９０８で算出された心拍の間隔を出力する。
In step S910, the
図１０は、心拍特徴点特定部１０２により実行される心拍特徴点特定処理の一例を示すフローチャートである。図１０に示す処理は、図９のステップＳ９０６の処理として実行される。図１１は、フィルタ遅延補正処理の一例を示すフローチャートである。
FIG. 10 is a flowchart showing an example of the heartbeat feature point specifying process executed by the heartbeat feature
ステップＳ１００２では、フィルタ遅延補正部４０は、フィルタ遅延補正処理を行う。具体的には、図１１に示すように、フィルタ遅延補正部４０は、まず、フィルタ遅延時間を算出する(ステップＳ１１００)。ここで、線形位相FIR(Finite Impulse Response)フィルタの位相遅延および群遅延は周波数全体にわたり等しく一定である。フィルタ処理部３２においてn次線形位相FIRフィルタが用いられる場合、群遅延はn/2であり、フィルタ処理による出力信号（フィルタリング信号）は入力信号(センサ信号)に対してn/2サンプル遅れる。この場合、フィルタ遅延補正部４０は、フィルタ遅延時間としてn/2サンプルに対応する時間を算出する。次いで、フィルタ遅延補正部４０は、算出したフィルタ遅延時間に基づいて、フィルタリング信号の遅延補正を行う(ステップＳ１１０２)。
In step S1002, the filter delay correction unit 40 performs a filter delay correction process. Specifically, as shown in FIG. 11, the filter delay correction unit 40 first calculates a filter delay time (step S1100). Here, the phase delay and group delay of the linear phase FIR (Finite Impulse Response) filter are equally constant over the entire frequency. When an n-order linear phase FIR filter is used in the
ステップＳ１００４では、フィルタリング信号特徴点検出部４１は、フィルタリング信号特徴点を検出する。そして、上述のように、フィルタリング信号特徴点検出部４１は、各フィルタリング信号特徴点の時間及び振幅を表すフィルタリング信号特徴点情報を生成する。図１２は、フィルタリング信号特徴点情報の一例を示す図である。フィルタリング信号特徴点情報は、図１２に示すように、フィルタリング信号特徴点毎に付与される特徴点番号と、特徴点番号毎の時間(発生時間)と、特徴点番号毎の振幅値とを表す。図１２に示す例では、ｎ個のフィルタリング信号特徴点が検出された場合が示されている。以下では、フィルタリング信号特徴点の時間を、"Pfilter_time"と表し、フィルタリング信号特徴点の振幅値を"Pfilter_amp"と表す。また、Pfilter_time（ｉ）"は、特徴点番号が"ｉ"のフィルタリング信号特徴点の時間を表し、Pfilter_amp（ｉ）"は、特徴点番号が"ｉ"のフィルタリング信号特徴点の振幅値を表す。 In step S1004, the filtering signal feature point detector 41 detects the filtering signal feature point. Then, as described above, the filtering signal feature point detection unit 41 generates filtering signal feature point information representing the time and amplitude of each filtering signal feature point. FIG. 12 is a diagram illustrating an example of filtering signal feature point information. As shown in FIG. 12, the filtering signal feature point information represents a feature point number assigned to each filtering signal feature point, a time (occurrence time) for each feature point number, and an amplitude value for each feature point number. . In the example shown in FIG. 12, a case where n filtering signal feature points are detected is shown. In the following, the time of filtering the signal feature points, expressed as "P filter_time", the amplitude value of the filtered signal characteristic points representing the "P filter_amp". P filter_time (i) "represents the time of the filtering signal feature point whose feature point number is" i ", and P filter_amp (i)" is the amplitude value of the filtering signal feature point whose feature point number is "i". Represents.
ステップＳ１００６では、センサ信号特徴点検出部４２は、センサ信号特徴点を探索するための探索ウインドウを算出する。探索ウインドウ(探索範囲)は、探索対象ではない前後の心拍特徴点を誤検出しないように、例えば以下のよう決定される。即ち、探索ウインドウは、心拍の周波数と、サンプリングレートとに基づいて、探索対象ではない前後の心拍特徴点を、センサ信号特徴点として誤検出しないように、以下の式に従って設定される。
前後探索範囲（サンプル数）≦サンプリングレート÷心拍周期成分÷2
ここで、前後探索範囲とは、フィルタリング信号特徴点の時間を中心とした前後の探索範囲を表す。尚、サンプリングレートとは、センサ信号のサンプリングレートである。例えば、サンプリングレートが100Hzであり、心拍の周波数が1Hzであるとき、フィルタリング信号の特徴点前後50サンプル（=100÷1÷2）の範囲が、探索ウインドウ(探索範囲)として算出される。また、サンプリングレートが60Hzであり、心拍の周波数が2Hzであるとき、フィルタリング信号の特徴点前後15サンプル（=60÷2÷2）の範囲が、探索ウインドウ(探索範囲)として算出される。
In step S1006, the sensor signal
Search range before and after (number of samples) ≤ Sampling rate / Heartbeat cycle component / 2
Here, the search range before and after represents the search range before and after the time of the filtering signal feature point. The sampling rate is the sensor signal sampling rate. For example, when the sampling rate is 100 Hz and the heartbeat frequency is 1 Hz, a range of 50 samples (= 100 ÷ 1 ÷ 2) before and after the feature point of the filtering signal is calculated as a search window (search range). When the sampling rate is 60 Hz and the heartbeat frequency is 2 Hz, a range of 15 samples (= 60 ÷ 2 ÷ 2) before and after the feature point of the filtering signal is calculated as a search window (search range).
ステップＳ１００７では、センサ信号特徴点検出部４２は、ステップＳ１００６で検出された全てのフィルタリング信号特徴点のうちから、順に１つのフィルタリング信号特徴点を選択する。選択順は任意である。
In step S1007, the sensor signal feature
ステップＳ１００８では、センサ信号特徴点検出部４２は、ステップＳ１００６で算出した探索ウインドウに基づいて、ステップＳ１００７で選択したフィルタリング信号特徴点に対して、センサ信号特徴点を検出する。具体的には、センサ信号特徴点検出部４２は、探索ウインドウの中心をフィルタリング信号特徴点の時間に合わす。そして、センサ信号特徴点検出部４２は、センサ信号におけるフィルタリング信号特徴点の時間を中心とした探索範囲内のピーク（振幅値が所定閾値Ｔｈ２以上のピーク）をセンサ信号特徴点として検出する。そして、上述のように、センサ信号特徴点検出部４２は、センサ信号特徴点の時間及び振幅を表すセンサ信号特徴点情報として生成する。図１３は、ある１つのフィルタリング信号特徴点に対応して得られるセンサ信号特徴点情報の一例を示す図である。センサ信号特徴点情報は、図１３に示すように、センサ信号特徴点毎に付与される特徴点番号と、特徴点番号毎の時間(発生時間)と、特徴点番号毎の振幅値とを表す。図１３に示す例では、ｍ個のセンサ信号特徴点が検出された場合が示されている。以下では、センサ信号特徴点の時間を、"Praw_time"と表し、センサ信号特徴点の振幅値を"Praw_amp"と表す。また、Praw_time（ｉ）"は、特徴点番号が"ｉ"のセンサ信号特徴点の時間を表し、Praw_amp（ｉ）"は、特徴点番号が"ｉ"のセンサ信号特徴点の振幅値を表す。
In step S1008, the sensor signal
ステップＳ１０１０では、心拍特徴点探索部４３は、ステップＳ１００８で検出したセンサ信号特徴点の数が１よりも多いか否かを判定する。ステップＳ１００８で検出したセンサ信号特徴点の数が１よりも多い場合は、ステップＳ１０１４に進み、ステップＳ１００８で検出したセンサ信号特徴点の数が１である場合は、ステップＳ１０１２に進む。
In step S1010, the heartbeat feature
ステップＳ１０１２では、心拍特徴点探索部４３は、ステップＳ１００８で検出した１つのセンサ信号特徴点を、心拍特徴点として特定(決定)する。
In step S1012, the heartbeat feature
ステップＳ１０１４では、心拍特徴点探索部４３は、ステップＳ１００８で検出した複数のセンサ信号特徴点のうちから、心拍特徴点を特定する心拍特徴点判定処理を実行する。心拍特徴点探索部４３は、ステップＳ１００８で検出した複数のセンサ信号特徴点のそれぞれと、フィルタリング信号特徴点との間の時間の差及び振幅の差のうちの少なくともいずれか一方に基づいて、心拍特徴点を特定する。心拍特徴点判定処理の具体例は、図１４等を参照して後述する。
In step S1014, the heartbeat feature
ステップＳ１０１６では、心拍特徴点探索部４３は、全てのフィルタリング信号特徴点に対して、心拍特徴点を特定したか否かを判定する。全てのフィルタリング信号特徴点に対して、心拍特徴点を特定した場合は、終了し、それ以外の場合は、ステップＳ１００７に戻る。このようにして、全てのフィルタリング信号特徴点に対して、フィルタリング信号特徴点毎に、心拍特徴点が特定される。
In step S1016, the heartbeat feature
ところで、フィルタリング信号は、上述のように、フィルタ処理部３２によるフィルタ処理により得られる。従って、フィルタリング信号は、フィルタ処理前の心臓の鼓動で生じた特徴点（心拍特徴点）の時間情報が鈍った状態で残る。即ち、フィルタリング信号から得られる心拍に係る特徴点の時間は、実際の心臓の鼓動で生じた特徴点の時間に対して誤差を有することになる。以下、このようなフィルタ処理に起因した誤差を「時間誤差」と称する。このような時間誤差は、比較的長い期間内の平均的な心拍間隔を算出するときには実質的に問題とならないが、個々の心拍間隔を精度良く算出するときには問題となる。
By the way, the filtering signal is obtained by the filter processing by the
この点、本実施例によれば、上述のように、フィルタリング信号から得られる心拍に係る特徴点に基づいて、複数のセンサ信号特徴点のうちから、心拍特徴点を特定する。センサ信号は、フィルタリング信号とは異なり、上述のようなフィルタ処理に起因した時間情報の誤差はない。従って、本実施例によれば、個々の心拍間隔を精度良く算出することが可能となる。 In this regard, according to the present embodiment, as described above, the heartbeat feature point is identified from the plurality of sensor signal feature points based on the feature point relating to the heartbeat obtained from the filtering signal. Unlike the filtering signal, the sensor signal has no time information error due to the filtering process as described above. Therefore, according to the present embodiment, it is possible to accurately calculate individual heartbeat intervals.
また、センサ信号は、上述のように、心拍以外の他の動きで生じる振動成分が含まれるため、センサ信号のみから心拍特徴点を精度良く特定することは難しい。この点、本実施例によれば、上述のように、フィルタリング信号から得られる心拍に係る特徴点に基づいて、複数のセンサ信号特徴点のうちから、心拍特徴点を特定する。この特定には、複数のセンサ信号特徴点のうちの心拍特徴点が、フィルタリング信号から得られる心拍に係る特徴点に対して、時間及び振幅の少なくともいずれかが類似することを利用する。これは、センサ信号がフィルタ処理部３２によるフィルタ処理を受けた場合でも、該フィルタ処理に起因した時間情報のずれ（時間誤差）は僅かであるためである。また、フィルタ処理部３２によるフィルタ処理は心拍の周波数を中心として実行されるため、通過帯域成分の振幅値情報は残存するためである。従って、本実施例によれば、心拍特徴点を精度良く特定でき、その結果、個々の心拍間隔を精度良く算出することが可能となる。
Further, as described above, since the sensor signal includes a vibration component generated by a motion other than the heartbeat, it is difficult to accurately specify the heartbeat feature point only from the sensor signal. In this regard, according to the present embodiment, as described above, the heartbeat feature point is identified from the plurality of sensor signal feature points based on the feature point relating to the heartbeat obtained from the filtering signal. This specification uses the fact that at least one of time and amplitude is similar to the feature point related to the heartbeat obtained from the filtering signal, in the heartbeat feature point among the plurality of sensor signal feature points. This is because even when the sensor signal is subjected to the filter processing by the
次に、図１４以降を参照して、心拍特徴点判定処理のいくつかの例について説明する。
［心拍特徴点判定処理の第１の例］
図１４は、第１の例による心拍特徴点判定処理を示すフローチャートである。図１４に示す処理は、図１０に示すステップＳ１０１４の処理として実行される。ここでは、一例として、図１３に示すように、ｍ個のセンサ信号特徴点が検出された場合を想定する。心拍特徴点判定処理は、上述のように、フィルタリング信号特徴点毎に実行される。ここでは、特徴点番号ｋのフィルタリング信号特徴点に関する処理について説明する。
Next, several examples of the heartbeat feature point determination process will be described with reference to FIG.
[First Example of Heartbeat Feature Point Determination Process]
FIG. 14 is a flowchart showing the heartbeat feature point determination process according to the first example. The process shown in FIG. 14 is executed as the process of step S1014 shown in FIG. Here, as an example, it is assumed that m sensor signal feature points are detected as shown in FIG. As described above, the heartbeat feature point determination process is executed for each filtering signal feature point. Here, processing related to the filtering signal feature point of feature point number k will be described.
ステップＳ１４００では、心拍特徴点探索部４３は、センサ信号特徴点毎に、フィルタリング信号特徴点との時間差分を算出する。時間差分ΔTk(i)は、以下の通り算出できる。
ΔTk(i)＝abs(Pfilter_time(k)‐Praw_time(i))
abs（）は、(Pfilter_time(k)‐Praw_time(i))の絶対値を表す。Pfilter_time(k)は、上述のように、特徴点番号が"k"のフィルタリング信号特徴点の時間を表す。Praw_time(i)は、上述のように、特徴点番号が"ｉ"のセンサ信号特徴点の時間を表す。心拍特徴点探索部４３は、センサ信号特徴点毎に、ΔTk(i)（ｉ＝１〜ｍ）を算出する。
In step S1400, the heartbeat feature
ΔTk (i) = abs (P filter_time (k) -P raw_time (i))
abs () represents the absolute value of (P filter_time (k) −P raw_time (i)). P filter_time (k) represents the time of the filtering signal feature point whose feature point number is “k” as described above. P raw_time (i) represents the time of the sensor signal feature point whose feature point number is “i” as described above. The heartbeat feature
ステップＳ１４００では、心拍特徴点探索部４３は、ｍ個のセンサ信号特徴点のうちの、時間差分ΔTkが最も小さいセンサ信号特徴点を、心拍特徴点として特定する。例えば、ΔTk(ｘ)が最小値であるとき、心拍特徴点探索部４３は、特徴点番号ｘのセンサ信号特徴点を、心拍特徴点として特定する。そして、心拍特徴点探索部４３は、Praw_time(ｘ)を、心拍特徴点の時間PHR_time(k)として特定する。即ち、心拍特徴点探索部４３は、特徴点番号ｋのフィルタリング信号特徴点に対応する心拍特徴点の時間PHR_time(k)を、以下の通り決定する。
PHR_time(k)＝Praw_time(ｘ)
In step S1400, the heartbeat feature
P HR_time (k) = P raw_time (x)
心拍特徴点探索部４３は、このようにしてフィルタリング信号特徴点毎に特定した心拍特徴点の時間PHR_time(i)を表す情報（以下、「心拍特徴点情報」）を生成する。図１５は、心拍特徴点情報の一例を示す図である。心拍特徴点情報は、フィルタリング信号特徴点の特徴点番号毎に、時間(発生時間)PHR_timeを表す。
The heartbeat feature
図１６は、第１の例による心拍特徴点判定処理の説明図である。図１６には、特徴点番号ｋのフィルタリング信号特徴点PFKに係る部分におけるフィルタリング信号の波形CF及びセンサ信号の波形Crの各一例が示されている。図１６には、探索ウインドウ（図１０のステップＳ１００６参照）の範囲が、フィルタリング信号特徴点PFKの時間を中心として矢印ｚで示されている。図１６に示す例では、センサ信号の波形Crは、探索ウインドウ内に３つのセンサ信号特徴点Pｒ１〜Pｒ３を有する。 FIG. 16 is an explanatory diagram of a heartbeat feature point determination process according to the first example. 16, each an example of the waveform C r of waveform C F and the sensor signal of the filtered signal in a portion of the filtered signal feature point P FK feature point number k is shown. In FIG. 16, the range of the search window (see step S1006 in FIG. 10) is indicated by an arrow z around the time of the filtering signal feature point P FK . In the example shown in FIG. 16, waveform C r of the sensor signal has three sensor signals characteristic point P r1 to P r3 in the search window.
第１の例によれば、上述のように、心拍特徴点探索部４３は、複数のセンサ信号特徴点のうちから、フィルタリング信号から得られる心拍に係る特徴点に対して時間が最も近いセンサ信号特徴点を、心拍特徴点として特定する。従って、図１６に示す例では、センサ信号特徴点Pｒ１〜Pｒ３のうち、フィルタリング信号特徴点PFKに時間軸上で最も近いセンサ信号特徴点Pｒ２が心拍特徴点として特定される。これは、上述のように、センサ信号がフィルタ処理部３２によるフィルタ処理を受けた場合でも、該フィルタ処理に起因した時間誤差は僅かであるという知見に基づく。従って、第１の例によれば、複数のセンサ信号特徴点のうちから、心拍特徴点を精度良く特定でき、その結果、個々の心拍間隔を精度良く算出することが可能となる。
［心拍特徴点判定処理の第２の例］
図１７は、第２の例による心拍特徴点判定処理を示すフローチャートである。図１７に示す処理は、図１０に示すステップＳ１０１４の処理として実行される。ここでは、一例として、図１３に示すように、ｍ個のセンサ信号特徴点が検出された場合を想定する。心拍特徴点判定処理は、上述のように、フィルタリング信号特徴点毎に実行される。ここでは、特徴点番号ｋのフィルタリング信号特徴点に関する処理について説明する。
According to the first example, as described above, the heartbeat feature
[Second Example of Heartbeat Feature Point Determination Process]
FIG. 17 is a flowchart showing a heartbeat feature point determination process according to the second example. The process shown in FIG. 17 is executed as the process of step S1014 shown in FIG. Here, as an example, it is assumed that m sensor signal feature points are detected as shown in FIG. As described above, the heartbeat feature point determination process is executed for each filtering signal feature point. Here, processing related to the filtering signal feature point of feature point number k will be described.
ステップＳ１７００では、心拍特徴点探索部４３は、センサ信号特徴点毎に、フィルタリング信号特徴点に対する振幅値差分を算出する。振幅値差分ΔAmpk(i)は、以下の通り算出できる。
ΔAmpk(i)＝abs(Pfilter_amp(k)‐Praw_amp(i))
abs（）は、(Pfilter_amp(k)‐Praw_amp(i))の絶対値を表す。Pfilter_amp(k)は、上述のように、特徴点番号が"k"のフィルタリング信号特徴点の振幅値を表す。Praw_amp(i)は、上述のように、特徴点番号が"ｉ"のセンサ信号特徴点の振幅値を表す。心拍特徴点探索部４３は、センサ信号特徴点毎に、ΔAmpk(i)（ｉ＝１〜ｍ）を算出する。
In step S1700, the heartbeat feature
ΔAmpk (i) = abs (P filter_amp (k) −P raw_amp (i))
abs () represents the absolute value of (P filter_amp (k) −P raw_amp (i)). P filter_amp (k) represents the amplitude value of the filtering signal feature point whose feature point number is “k” as described above. P raw_amp (i) represents the amplitude value of the sensor signal feature point whose feature point number is “i” as described above. The heartbeat feature
ステップＳ１７０２では、心拍特徴点探索部４３は、ｍ個のセンサ信号特徴点のうちの、振幅値差分ΔAmpkが最も小さいセンサ信号特徴点を、心拍特徴点として特定する。例えば、振幅値差分ΔAmpk(ｘ)が最小値であるとき、心拍特徴点探索部４３は、特徴点番号ｘのセンサ信号特徴点を、心拍特徴点として特定する。そして、心拍特徴点探索部４３は、Praw_time(ｘ)を、心拍特徴点の時間PHR_time(k)として特定する。即ち、心拍特徴点探索部４３は、特徴点番号ｋのフィルタリング信号特徴点に対応する心拍特徴点の時間PHR_time(k)を、以下の通り決定する。
PHR_time(k)＝Praw_time(ｘ)
心拍特徴点探索部４３は、このようにしてフィルタリング信号特徴点毎に特定した心拍特徴点の時間PHR_time(i)を表す情報（心拍特徴点情報）を生成する（図１５参照）。
In step S1702, the heartbeat feature
P HR_time (k) = P raw_time (x)
The heartbeat feature
図１８は、第２の例による心拍特徴点判定処理の説明図である。図１８には、特徴点番号ｋのフィルタリング信号特徴点PFKに係る部分におけるフィルタリング信号の波形CF及びセンサ信号の波形Crの各一例が示されている。図１８には、探索ウインドウ（図１０のステップＳ１００６参照）の範囲が、フィルタリング信号特徴点PFKの時間を中心として矢印ｚで示されている。図１８に示す例では、センサ信号の波形Crは、探索ウインドウ内に４つのセンサ信号特徴点Pｒ１〜Pｒ４を有する。 FIG. 18 is an explanatory diagram of a heartbeat feature point determination process according to the second example. 18, each an example of the waveform C r of waveform C F and the sensor signal of the filtered signal in a portion of the filtered signal feature point P FK feature point number k is shown. In FIG. 18, the range of the search window (see step S1006 in FIG. 10) is indicated by an arrow z around the time of the filtering signal feature point P FK . In the example shown in FIG. 18, waveform C r of the sensor signal has four sensor signals characteristic point P r1 to P r4 in the search window.
第２の例によれば、上述のように、心拍特徴点探索部４３は、複数のセンサ信号特徴点のうちから、フィルタリング信号から得られる心拍に係る特徴点に対して振幅値が最も近いセンサ信号特徴点を、心拍特徴点として特定する。従って、図１８に示す例では、センサ信号特徴点Pｒ１〜Pｒ４のうち、フィルタリング信号特徴点PFKに振幅値が最も近いセンサ信号特徴点Pｒ２が心拍特徴点として特定される。これは、フィルタ処理部３２によるフィルタ処理後も通過帯域成分の振幅値情報は残存するという知見に基づく。従って、第２の例によれば、複数のセンサ信号特徴点のうちから、心拍特徴点を精度良く特定でき、その結果、個々の心拍間隔を精度良く算出することが可能となる。
［心拍特徴点判定処理の第３の例］
図１９は、第３の例による心拍特徴点判定処理を示すフローチャートである。図１９に示す処理は、図１０に示すステップＳ１０１４の処理として実行される。ここでは、一例として、図１３に示すように、ｍ個のセンサ信号特徴点が検出された場合を想定する。心拍特徴点判定処理は、上述のように、フィルタリング信号特徴点毎に実行される。ここでは、特徴点番号ｋのフィルタリング信号特徴点に関する処理について説明する。
According to the second example, as described above, the heartbeat feature
[Third example of heartbeat feature point determination processing]
FIG. 19 is a flowchart showing a heartbeat feature point determination process according to the third example. The process shown in FIG. 19 is executed as the process of step S1014 shown in FIG. Here, as an example, it is assumed that m sensor signal feature points are detected as shown in FIG. As described above, the heartbeat feature point determination process is executed for each filtering signal feature point. Here, processing related to the filtering signal feature point of feature point number k will be described.
ステップＳ１９００では、心拍特徴点探索部４３は、特徴点判定閾値を設定する。特徴点判定閾値は、例えば特徴点番号が"k"のフィルタリング信号特徴点の振幅値に基づいて設定される。本例では、特徴点判定閾値は、上限値Pthreshold_highと、下限値Pthreshold_lowとを含む。上限値Pthreshold_high、及び下限値Pthreshold_lowは、例えば以下のように設定される。
Pthreshold_low＝Pfilter_amp(k)×０．７
Pthreshold_high＝Pfilter_amp(k)×１．３
In step S1900, the heartbeat feature
P threshold_low = P filter_amp (k) × 0.7
P threshold_high = P filter_amp (k) × 1.3
ステップＳ１９０２では、心拍特徴点探索部４３は、ｍ個のセンサ信号特徴点の中から、予め規定された振幅判定条件を満たすセンサ信号特徴点を抽出する。振幅判定条件は、特徴点判定閾値に基づいて設定され、例えば以下の（１）及び（２）の双方を満たす場合に成立する。
（１）Pthreshold_low≦Praw_amp(i)
（２）Pthreshold_high≧Praw_amp(i)
即ち、心拍特徴点探索部４３は、ｍ個のセンサ信号特徴点の中から、振幅値が上限値Pthreshold_high以下且つ下限値Pthreshold_low以上となるセンサ信号特徴点を抽出する。図２０は、ｍ個のセンサ信号特徴点の中から、振幅判定条件を満たすセンサ信号特徴点の抽出結果の一例を示す。図２０には、ｍ個のセンサ信号特徴点の中から、ｙ個のセンサ信号特徴点が抽出された結果が示されている。以下では、振幅判定条件を満たすセンサ信号特徴点の時間を、"Praw_time２"と表し、振幅判定条件を満たすセンサ信号特徴点の振幅値を"Praw_amp２"と表す。また、Praw_time２（ｉ）"は、特徴点番号が"ｉ"のセンサ信号特徴点（振幅判定条件を満たすセンサ信号特徴点）の時間を表し、Praw_amp２（ｉ）"は、特徴点番号が"ｉ"のセンサ信号特徴点（振幅判定条件を満たすセンサ信号特徴点）の振幅値を表す。以下では、一例として、図２０に示すように、振幅判定条件を満たすｙ個のセンサ信号特徴点が抽出された場合を想定する。
In step S1902, the heartbeat feature
(1) P threshold_low ≦ P raw_amp (i)
(2) P threshold_high ≧ P raw_amp (i)
That is, pulse feature
ステップＳ１９０４では、心拍特徴点探索部４３は、振幅判定条件を満たすセンサ信号特徴点毎に、フィルタリング信号特徴点に対する時間差分を算出する。時間差分ΔTk(i)は、以下の通り算出できる。
ΔTk(i)＝abs(Pfilter_time(k)‐Praw_time２(i))
abs（）は、(Pfilter_time(k)‐Praw_time２(i))の絶対値を表す。Pfilter_time(k)は、上述のように、特徴点番号が"k"のフィルタリング信号特徴点の時間を表す。Praw_time２(i)は、上述のように、特徴点番号が"ｉ"のセンサ信号特徴点の時間を表す。心拍特徴点探索部４３は、振幅判定条件を満たすセンサ信号特徴点毎に、ΔTk(i)（ｉ＝１〜ｙ）を算出する。
In step S1904, the heartbeat feature
ΔTk (i) = abs (P filter_time (k) -P raw_time2 (i))
abs () represents the absolute value of (P filter_time (k) −P raw_time2 (i)). P filter_time (k) represents the time of the filtering signal feature point whose feature point number is “k” as described above. P raw_time2 (i) represents the time of the sensor signal feature point whose feature point number is “i” as described above. The heartbeat feature
ステップＳ１９０６では、心拍特徴点探索部４３は、振幅判定条件を満たすｙ個のセンサ信号特徴点のうちの、時間差分ΔTkが最も小さいセンサ信号特徴点を、心拍特徴点として特定する。例えば、ΔTk(ｘ)が最小値であるとき、心拍特徴点探索部４３は、特徴点番号ｘのセンサ信号特徴点を、心拍特徴点として特定する。そして、心拍特徴点探索部４３は、Praw_time２(ｘ)を、心拍特徴点の時間PHR_time(k)として特定する。即ち、心拍特徴点探索部４３は、特徴点番号ｋのフィルタリング信号特徴点に対応する心拍特徴点の時間PHR_time(k)を、以下の通り決定する。
PHR_time(k)＝Praw_time２(ｘ)
In step S1906, the heartbeat feature
P HR_time (k) = P raw_time2 (x)
図２１は、第３の例による心拍特徴点判定処理の説明図である。図２１には、特徴点番号ｋのフィルタリング信号特徴点PFKに係る部分におけるフィルタリング信号の波形CF及びセンサ信号の波形Crの各一例が示されている。図２１には、探索ウインドウ（図１０のステップＳ１００６参照）の範囲が、フィルタリング信号特徴点PFKの時間を中心として矢印ｚで示されている。また、図２１には、振幅判定条件に係る特徴点判定閾値（上限値Pthreshold_high、及び下限値Pthreshold_low）が示されている。図２１に示す例では、センサ信号の波形Crは、探索ウインドウ内に４つのセンサ信号特徴点Pｒ１〜Pｒ４を有する。 FIG. 21 is an explanatory diagram of the heartbeat feature point determination process according to the third example. 21, each an example of the waveform C r of waveform C F and the sensor signal of the filtered signal in a portion of the filtered signal feature point P FK feature point number k is shown. In FIG. 21, the range of the search window (see step S1006 in FIG. 10) is indicated by an arrow z around the time of the filtering signal feature point P FK . FIG. 21 also shows feature point determination threshold values (upper limit value P threshold_high and lower limit value P threshold_low ) related to the amplitude determination condition. In the example shown in FIG. 21, waveform C r of the sensor signal has four sensor signals characteristic point P r1 to P r4 in the search window.
第３の例によれば、上述のように、心拍特徴点探索部４３は、先ず、複数のセンサ信号特徴点のうちから、振幅判定条件を満たすセンサ信号特徴点を抽出する。従って、図２１に示す例では、センサ信号特徴点Pｒ１〜Pｒ４のうち、振幅値が上限値Pthreshold_high以下且つ下限値Pthreshold_low以上となるセンサ信号特徴点Pｒ１、Pｒ２、及びPｒ４が抽出される。即ち、センサ信号特徴点Pｒ３は、振幅値が下限値Pthreshold_low未満であるために候補から外される。これは、フィルタ処理部３２によるフィルタ処理後も通過帯域成分の振幅値情報は残存するという知見に基づく。そして、心拍特徴点探索部４３は、振幅判定条件を満たすセンサ信号特徴点のうちから、フィルタリング信号から得られる心拍に係る特徴点に対して時間が最も近いセンサ信号特徴点を、心拍特徴点として特定する。従って、図２１に示す例では、センサ信号特徴点Pｒ１、Pｒ２、及びPｒ４のうち、フィルタリング信号特徴点PFKに時間軸上で最も近いセンサ信号特徴点Pｒ２が心拍特徴点として特定される。これは、上述のように、センサ信号がフィルタ処理部３２によるフィルタ処理を受けた場合でも、該フィルタ処理に起因した時間誤差は僅かであるという知見に基づく。
According to the third example, as described above, the heartbeat feature
このように、第３の例によれば、心拍特徴点の特定には、複数のセンサ信号特徴点のうちの心拍特徴点が、フィルタリング信号から得られる心拍に係る特徴点に対して、時間及び振幅の双方で類似することを利用する。これにより、複数のセンサ信号特徴点のうちから、心拍特徴点を精度良く特定でき、その結果、個々の心拍間隔を精度良く算出することが可能となる。また、第３の例によれば、時間及び振幅の双方の類似性を利用することで、被験者５の動きがある場合でも、個々の心拍間隔を精度良く算出することが可能となる。この効果については、実施例２に関連して後述する。 As described above, according to the third example, for the specification of the heartbeat feature point, the heartbeat feature point of the plurality of sensor signal feature points is compared with the feature point related to the heartbeat obtained from the filtering signal with respect to time and Take advantage of similarities in both amplitudes. Thereby, a heartbeat feature point can be specified with high accuracy from among a plurality of sensor signal feature points, and as a result, individual heartbeat intervals can be calculated with high accuracy. Further, according to the third example, by using the similarity of both time and amplitude, it is possible to calculate the individual heartbeat intervals with high accuracy even when the subject 5 moves. This effect will be described later in connection with the second embodiment.
尚、上述した第３の例では、心拍特徴点探索部４３は、振幅判定条件を課した後、振幅判定条件を満たすセンサ信号特徴点のうちから、フィルタリング信号特徴点の時間との時間差分が最小となるセンサ信号特徴点を心拍特徴点として特定する。しかしながら、他の方法が用いられてもよい。例えば、心拍特徴点探索部４３は、まず、フィルタリング信号特徴点の時間との時間差分が所定閾値Ｔｈ３以下であるセンサ信号特徴点だけを抽出する。そして、心拍特徴点探索部４３は、抽出したセンサ信号特徴点のうちから、フィルタリング信号特徴点の振幅値との振幅値差分が最小となるセンサ信号特徴点を心拍特徴点として特定してもよい。
In the third example described above, the heartbeat feature
次に、図２２乃至図２５を参照して、本実施例の効果について説明する。 Next, the effect of the present embodiment will be described with reference to FIGS.
図２２は、本実施例により算出された心拍間隔と参照方法により測定された心拍間隔のそれぞれの波形を示す図である。図２２では、本実施例により算出された心拍間隔の波形がCｅｍで示され、参照方法により測定された心拍間隔の波形がCｒｅｆで示されている。図２３は、比較例により算出された心拍間隔と参照方法により測定された心拍間隔のそれぞれの波形を示す図である。図２３では、比較例により算出された心拍間隔の波形がCｃｏｍで示されている。 FIG. 22 is a diagram illustrating waveforms of the heart beat interval calculated by the present embodiment and the heart beat interval measured by the reference method. In FIG. 22, the waveform of the heartbeat interval calculated according to the present embodiment is indicated by Cem , and the waveform of the heartbeat interval measured by the reference method is indicated by Cref . FIG. 23 is a diagram illustrating waveforms of the heartbeat interval calculated by the comparative example and the heartbeat interval measured by the reference method. In FIG. 23, the waveform of the heartbeat interval calculated by the comparative example is indicated by Ccom .
ここで、参照方法は、接触式センサ（例えば心電計）を用いる方法である。従って、参照方法により測定された心拍間隔の波形Cｒｅｆは、精度が最も高い波形であり、以下では、参照波形Cｒｅｆと称する。また、比較例では、フィルタリング信号特徴点の時間に基づいて心拍間隔を算出する方法が用いられる。 Here, the reference method is a method using a contact sensor (for example, an electrocardiograph). Therefore, the waveform C ref of the heartbeat interval measured by the reference method is a waveform with the highest accuracy, and is hereinafter referred to as a reference waveform C ref . In the comparative example, a method of calculating the heartbeat interval based on the time of the filtering signal feature point is used.
比較例では、図２２に示すように、参照波形Cｒｅｆに対する誤差が大きく出ている。これは、上述のような時間誤差に起因する。これに対して、本実施例によれば、図２２及び図２３との対比から分かるように、比較例に比べて参照波形Cｒｅｆに対する誤差が小さいことが分かる。 In the comparative example, as shown in FIG. 22, there is a large error with respect to the reference waveform Cref . This is due to the time error as described above. In contrast, according to this embodiment, as can be seen from comparison with FIG. 22 and FIG. 23, it can be seen a small error with respect to a reference waveform C ref as compared with the comparative example.
図２４は、心拍間隔の周波数解析結果の比較図であり、周波数解析はＦＦＴである。図２５は、心拍間隔の周波数解析結果の比較図であり、周波数解析はＡＲモデルである。尚、これらの解析結果は、心拍変動（揺らぎ）成分を表す解析結果となる。 FIG. 24 is a comparison diagram of frequency analysis results of heartbeat intervals, and the frequency analysis is FFT. FIG. 25 is a comparison diagram of frequency analysis results of heartbeat intervals, and the frequency analysis is an AR model. These analysis results are analysis results representing the heart rate fluctuation (fluctuation) component.
図２４及び図２５においては、図２２及び図２３と同様に、本実施例により算出された心拍間隔の波形に基づく周波数解析結果がCｅｍで示され、参照方法により測定された心拍間隔の波形に基づく周波数解析結果がCｒｅｆで示されている。また、比較例により算出された心拍間隔の波形に基づく周波数解析結果がCｃｏｍで示されている。以下では、参照方法により測定された心拍間隔の波形に基づく周波数解析結果を、「参照周波数解析結果」と称する。 In FIGS. 24 and 25, similarly to FIGS. 22 and 23, the frequency analysis result based on the waveform of the heartbeat interval calculated by the present embodiment is indicated by Cem , and the waveform of the heartbeat interval measured by the reference method is shown. The frequency analysis result based on is shown by C ref . Further, the frequency analysis result based on the waveform of the heartbeat interval calculated by the comparative example is indicated by Ccom . Hereinafter, the frequency analysis result based on the waveform of the heartbeat interval measured by the reference method is referred to as “reference frequency analysis result”.
比較例では、図２４にて部位Ｘで示すように、ＲＳＡ（Respiratory Sinus Arrhythmia）ピークが参照周波数解析結果の同ＲＳＡピークの周波数と異なる。また、比較例では、図２５にて部位Ｙで示すように、ＲＳＡピークの周辺でも、異なる周波数成分が大きく出ている。これに対して、本実施例によれば、図２４にて部位Ｘで示すように、ＲＳＡピークが参照周波数解析結果の同ＲＳＡピークの周波数と精度良く一致している。また、本実施例によれば、図２４に示すように、比較例とは異なり、ＲＳＡピーク周辺で異なる周波数成分が大きく出ることもない。尚、ＲＳＡピークとは、呼吸によって心拍がどのように変化しているかを表す指標値となり、副交感神経活動を表す指標値となる。 In the comparative example, as indicated by the part X in FIG. 24, the RSA (Respiratory Sinus Arrhythmia) peak is different from the frequency of the RSA peak of the reference frequency analysis result. Further, in the comparative example, as indicated by a part Y in FIG. 25, different frequency components are greatly generated around the RSA peak. On the other hand, according to the present embodiment, as indicated by the part X in FIG. 24, the RSA peak coincides with the frequency of the RSA peak of the reference frequency analysis result with high accuracy. Also, according to the present embodiment, as shown in FIG. 24, unlike the comparative example, different frequency components do not appear greatly around the RSA peak. The RSA peak is an index value indicating how the heartbeat is changed by respiration, and is an index value indicating parasympathetic nerve activity.
また、比較例では、図２５に示すように、波形が参照周波数解析結果と乖離し、比較例で得られた波形に基づく面積比率(LF/HF)は、参照周波数解析結果に基づく面積比率と大きく乖離する。尚、ＬＦとはLow Frequencyの略であり、低周波数側の所定範囲内の波形の積分値で表される。また、ＨＦとはHigh Frequencyの略であり、高周波数側の所定範囲内の波形の積分値で表される。面積比率(LF/HF)は、ＲＳＡピークと同様、副交感神経活動を表す指標値となる。 In the comparative example, as shown in FIG. 25, the waveform deviates from the reference frequency analysis result, and the area ratio (LF / HF) based on the waveform obtained in the comparative example is the same as the area ratio based on the reference frequency analysis result. A big difference. Note that LF is an abbreviation for Low Frequency, and is represented by an integral value of a waveform within a predetermined range on the low frequency side. HF is an abbreviation for High Frequency, and is represented by an integral value of a waveform within a predetermined range on the high frequency side. The area ratio (LF / HF) is an index value representing the parasympathetic nerve activity, like the RSA peak.
このように本実施例によれば、個々の心拍間隔を精度良く算出できるので、副交感神経活動を表す指標値を精度良く得ることができる。従って、本実施例による心拍間隔特定装置１０は、自律神経状態（ストレス、眠気等）の推定等に効果的に利用できる。
As described above, according to the present embodiment, each heartbeat interval can be calculated with high accuracy, so that an index value representing parasympathetic nerve activity can be obtained with high accuracy. Therefore, the heartbeat
［実施例２］
図２６は、実施例２による心拍間隔特定装置のハードウェア構成の一例を示すブロック図である。
[Example 2]
FIG. 26 is a block diagram illustrating an example of a hardware configuration of the heartbeat interval identifying device according to the second embodiment.
心拍間隔特定装置１０Ａのハードウェア構成は、上述した実施例１による心拍間隔特定装置１０のハードウェア構成に対して、動きセンサ９０が追加された点が異なる。他の構成は、上述した実施例１と同様であり、図２と同一の参照符号を付して説明を省略する。
The hardware configuration of the heartbeat
動きセンサ９０は、被験者５の身体の動きを検出する動きセンサ９０は、単数であってもよいし、複数のセンサの集合であってもよい。また、動きセンサ９０は、例えばバンドなどにより被験者５に対して相対移動不能に人に取り付けられてもよいし、被験者５に携帯されてもよいし、被験者５から離れた位置に配置されてもよい。被験者５に取り付けられる類のセンサとして、例えばジャイロセンサ、加速度センサなどがある。被験者５から離れた位置に配置される類のセンサとして、例えば画像センサ（カメラ）や距離画像センサなどがある。以下では、一例として、特に言及されない限り、動きセンサ９０は、加速度センサであるとする。尚、動きセンサ９０は、非接触センサ７０と一体に形成されてもよい。
The
図２７は、心拍間隔特定装置１０Ａの機能構成の一例を示すブロック図である。
FIG. 27 is a block diagram illustrating an example of a functional configuration of the heartbeat
心拍間隔特定装置１０Ａは、上述した実施例１による心拍間隔特定装置１０に対して、動き検出部１０５が追加され、且つ、心拍特徴点特定部１０２が心拍特徴点特定部１０２Ａで置換された点が異なる。他の構成は、上述した実施例１の心拍間隔特定装置１０と同様であり、図４と同一の参照符号を付して説明を省略する。動き検出部１０５は、ＣＰＵ１１がＲＯＭ１３に記憶された１つ以上のプログラムを実行することで実現できる。
The heartbeat
動き検出部１０５は、動きセンサ９０からの検出信号に基づいて、被験者５の予め規定された所定動きを検出する。所定動きは、上述したセンサ信号特徴点（及びフィルタリング信号特徴点）の振幅値に有意な影響を与える動きであり、例えば歩く動き、走る動き、起立する動きなどである。動き検出部１０５は、動きセンサ９０からの検出信号に基づいて、被験者５の体の動きが多い状態（例えば単位時間当たりの動きの検出回数が所定閾値Ｔｈ４以上の状態）を検出してもよい。
The
心拍特徴点特定部１０２Ａは、上述した実施例１による心拍間隔特定装置１０の心拍特徴点特定部１０２に対して、心拍特徴点探索部４３が心拍特徴点探索部４３Ａで置換された点が異なり、他の構成は同一である。
The heartbeat feature
心拍特徴点探索部４３Ａは、動き検出部１０５による検出結果に基づいて心拍特徴点探索方法を変更する。心拍特徴点探索部４３Ａの動作例は以下で説明する。
The heartbeat feature
図２８は、心拍間隔特定装置１０Ａにより実行される処理の一例を示すフローチャートである。図２８に示す処理は、上述した実施例１による図９に示す処理に対して、ステップＳ２８００が追加され、且つ、ステップＳ９０６がステップＳ２８０２で置換される点が異なる。他の処理は同一であるので、同一のステップ番号を付して説明を省略する。
FIG. 28 is a flowchart illustrating an example of processing executed by the heartbeat
ステップＳ２８００では、動き検出部１０５は、動きセンサ９０からの検出信号に基づいて、被験者５の体の動きを表す情報（以下、「動き情報」と称する）を生成する。この処理の具体例は、図２９を参照して後述する。
In step S <b> 2800, the
ステップＳ２８０２では、心拍特徴点特定部１０２Ａは、ステップＳ９００で得られたセンサ信号と、ステップＳ９０４で得られたフィルタリング信号と、ステップＳ２８００で得られた動き情報とに基づいて、心拍特徴点特定処理を実行する。心拍特徴点特定処理の具体例は、図３１を参照して後述する。
In step S2802, the heartbeat feature
図２９は、動き検出部１０５による動き検出処理の一例を示すフローチャートである。図２９に示す処理は、図２８に示すステップＳ２８００の処理として実行される。
FIG. 29 is a flowchart illustrating an example of motion detection processing by the
ステップＳ２９００では、動き検出部１０５は、動きセンサ９０から所定期間ΔＴの検出信号（時系列データ）を取得する。動きセンサ９０の検出信号に係る所定期間ΔＴは、非接触センサ７０のセンサ信号に係る所定期間ΔＴ（ステップＳ９００参照）と同一である。即ち、動きセンサ９０の検出信号に係る所定期間ΔＴと、非接触センサ７０のセンサ信号に係る所定期間ΔＴとは、開始時間及び長さが同一である。
In step S2900, the
ステップＳ２９０２では、動き検出部１０５は、動きセンサ９０からの検出信号に基づいて、被験者５が所定動きをしている期間を特定する。所定動きは上述のとおりである。所定動きの検出方法は、任意であり、所定動きは、例えば加速度信号（動きセンサ９０からの検出信号）の波形の特徴から特定できる。
In step S2902, the
ステップＳ２９０４では、動き検出部１０５は、動き検出部１０５による検出結果を表す情報（動き情報）を生成する。動き情報は、所定動きが検出された期間を表す。図３０は、動き情報の一例を示す図である。図３０に示す動き情報は、ｔ０〜ｔ３の期間の動きセンサ９０の検出信号に基づいて、ｔ０〜ｔ１の期間、及びｔ２〜ｔ３の期間で所定動きが検出されたことを表す。以下では、動き検出部１０５により所定動きが検出された期間を「所定動き検出期間」と称する。
In step S <b> 2904, the
図３１は、心拍特徴点特定部１０２Ａにより実行される心拍特徴点特定処理の一例を示すフローチャートである。図３１に示す処理は、図２８に示すステップＳ２８０２の処理として実行される。図３１に示す処理は、上述した実施例１による図１０に示す処理に対して、ステップＳ３１００が追加され、且つ、ステップＳ１０１４がステップＳ３１０２で置換される点が異なる。他の処理は同一であるので、同一のステップ番号を付して説明を省略する。
FIG. 31 is a flowchart illustrating an example of a heartbeat feature point specifying process executed by the heartbeat feature
ステップＳ３１００では、心拍特徴点探索部４３Ａは、ステップＳ２８００で得られた動き情報（図３０参照）を取得する。 In step S3100, the heartbeat feature point search unit 43A acquires the motion information (see FIG. 30) obtained in step S2800.
ステップＳ３１０２では、心拍特徴点探索部４３Ａは、動き情報を用いて心拍特徴点判定処理を実行する。心拍特徴点判定処理の具体例は、図３２を参照して後述する。 In step S3102, the heartbeat feature point search unit 43A executes a heartbeat feature point determination process using the motion information. A specific example of the heartbeat feature point determination process will be described later with reference to FIG.
図３２は、心拍特徴点探索部４３Ａが実行する心拍特徴点判定処理の一例を示すフローチャートである。心拍特徴点判定処理は、上述のように、フィルタリング信号特徴点毎に実行される。ここでは、特徴点番号ｋのフィルタリング信号特徴点に関する処理について説明する。 FIG. 32 is a flowchart illustrating an example of a heartbeat feature point determination process executed by the heartbeat feature point search unit 43A. As described above, the heartbeat feature point determination process is executed for each filtering signal feature point. Here, processing related to the filtering signal feature point of feature point number k will be described.
ステップＳ３２００では、心拍特徴点探索部４３Ａは、ステップＳ２８００で得られた動き情報（図３０参照）に基づいて、特徴点番号ｋのフィルタリング信号特徴点の時間Pfilter_time(k)が、所定動き検出期間内であるか否かを判定する。例えば、図３０に示す例の場合、心拍特徴点探索部４３Ａは、フィルタリング信号特徴点の時間Pfilter_time(k)がｔ０〜ｔ１の期間内、又はｔ２〜ｔ３の期間内であるか否かを判定する。判定結果が"ＹＥＳ"の場合はステップＳ３２０２に進み、それ以外の場合はステップＳ３２０４に進む。 In step S3200, the heartbeat feature point search unit 43A uses the motion information (see FIG. 30) obtained in step S2800 to determine the time P filter_time (k) of the filtering signal feature point of the feature point number k as the predetermined motion detection. It is determined whether it is within the period. For example, in the example shown in FIG. 30, the heartbeat feature point search unit 43A determines whether the time P filter_time (k) of the filtering signal feature point is within the period from t0 to t1 or within the period from t2 to t3. judge. If the determination result is “YES”, the process proceeds to step S3202, and otherwise, the process proceeds to step S3204.
ステップＳ３２０２では、心拍特徴点探索部４３Ａは、上述した第３の例による心拍特徴点判定処理（図１９等参照）を実行することで、特徴点番号ｋのフィルタリング信号特徴点に対応する心拍特徴点の時間PHR_time(k)を決定する。 In step S3202, the heartbeat feature point search unit 43A executes the heartbeat feature point determination process (see FIG. 19 and the like) according to the above-described third example, so that the heartbeat feature corresponding to the filtering signal feature point of the feature point number k is obtained. The point time P HR_time (k) is determined.
ステップＳ３２０４では、上述した第１又は第２の例による心拍特徴点判定処理（図１４、図１７等参照）を実行することで、特徴点番号ｋのフィルタリング信号特徴点に対応する心拍特徴点の時間PHR_time(k)を決定する。 In step S3204, the heartbeat feature point determination process (see FIG. 14, FIG. 17, etc.) according to the first or second example described above is executed, so that the heartbeat feature point corresponding to the filtering signal feature point of feature point number k is obtained. The time P HR_time (k) is determined.
以上説明した実施例２によれば、上述した実施例１による効果に加えて、以下の効果が奏される。 According to the second embodiment described above, the following effects are achieved in addition to the effects of the first embodiment described above.
実施例２によれば、上述のように、心拍特徴点探索部４３Ａは、フィルタリング信号特徴点の時間が所定動き検出期間内であるか否かに応じて、第３の例による心拍特徴点判定処理、及び、第１又は第２の例による心拍特徴点判定処理のいずれかを選択する。具体的には、心拍特徴点探索部４３Ａは、フィルタリング信号特徴点の時間が所定動き検出期間内である場合は、第３の例による心拍特徴点判定処理を選択する。心拍特徴点探索部４３Ａは、フィルタリング信号特徴点の時間が所定動き検出期間内でない場合は、第１又は第２の例による心拍特徴点判定処理を選択する。 According to the second embodiment, as described above, the heartbeat feature point search unit 43A determines the heartbeat feature point according to the third example depending on whether or not the time of the filtering signal feature point is within the predetermined motion detection period. One of the processing and the heartbeat feature point determination processing according to the first or second example is selected. Specifically, the heartbeat feature point search unit 43A selects the heartbeat feature point determination process according to the third example when the time of the filtering signal feature point is within the predetermined motion detection period. If the time of the filtering signal feature point is not within the predetermined motion detection period, the heartbeat feature point search unit 43A selects the heartbeat feature point determination process according to the first or second example.
ここで、被験者５が、上述したセンサ信号特徴点（及びフィルタリング信号特徴点、以下同じ）の振幅値に有意な影響を与える動きをしたとき、センサ信号特徴点には、その動きに応じた振幅のピーク（特徴点）が現れる。従って、第１の例による心拍特徴点判定処理（時間差分に基づいて心拍特徴点を判定する方法）では、被験者５の動きに起因したノイズが多い場合に、心臓の鼓動ではないセンサ信号特徴点を心拍特徴点として誤検出してしまう可能性が高くなる。また、第２の例による心拍特徴点判定処理（振幅値差分に基づいて心拍特徴点を判定する方法）では、同じ大きさの振幅値を生む別の動き（体の動き等によるノイズ）が生じた場合に、同様の誤検出が生じる可能性が高くなる。
Here, when the
この点、実施例２によれば、かかる誤検出の可能性を低減できる。即ち、実施例２によれば、フィルタリング信号特徴点の時間が所定動き検出期間内である場合は、第３の例による心拍特徴点判定処理が実行される。第３の例による心拍特徴点判定処理は、上述のように、振幅判定条件を満たすセンサ信号特徴点のうちから、フィルタリング信号から得られる心拍に係る特徴点に対して時間が最も近いセンサ信号特徴点を、心拍特徴点として特定する。従って、実施例２によれば、被験者５の動きに起因したノイズが多い場合であっても、ノイズに起因したセンサ信号特徴点の大部分を、振幅判定条件を課すことで除外できる。また、実施例２によれば、心臓の鼓動に起因したセンサ信号特徴点と同じ大きさの振幅値を生む別の動きが、心臓の鼓動に起因したセンサ信号特徴点の時間から離れて発生した場合には、かかるノイズに起因したセンサ信号特徴点を除外できる。このようにして、実施例２によれば、被験者５の動きに対するロバスト性を高めることができる。また、実施例２によれば、フィルタリング信号特徴点の時間が所定動き検出期間内でない場合は、第１又は第２の例による心拍特徴点判定処理を選択するので、処理負荷を効率的に低減できる。これは、第１又は第２の例による心拍特徴点判定処理の方が、判定に用いるパラメータが少ない分だけ、第３の例による心拍特徴点判定処理よりも処理負荷が小さいためである。 In this regard, according to the second embodiment, the possibility of such erroneous detection can be reduced. That is, according to the second embodiment, when the time of the filtering signal feature point is within the predetermined motion detection period, the heartbeat feature point determination process according to the third example is executed. As described above, the heartbeat feature point determination process according to the third example is the sensor signal feature whose time is closest to the feature point related to the heartbeat obtained from the filtering signal among the sensor signal feature points satisfying the amplitude determination condition. The point is identified as a heartbeat feature point. Therefore, according to the second embodiment, even when there is a lot of noise due to the movement of the subject 5, most of the sensor signal feature points due to the noise can be excluded by imposing an amplitude determination condition. In addition, according to the second embodiment, another movement that generates an amplitude value having the same magnitude as the sensor signal feature point caused by the heartbeat occurred away from the time of the sensor signal feature point caused by the heartbeat. In some cases, sensor signal feature points due to such noise can be excluded. Thus, according to Example 2, the robustness with respect to the motion of the subject 5 can be enhanced. Further, according to the second embodiment, when the time of the filtering signal feature point is not within the predetermined motion detection period, the heartbeat feature point determination process according to the first or second example is selected, so that the processing load is efficiently reduced. it can. This is because the processing load of the heartbeat feature point determination process according to the first or second example is smaller than the heartbeat feature point determination process according to the third example by the amount of parameters used for the determination.
以上、各実施例について詳述したが、特定の実施例に限定されるものではなく、特許請求の範囲に記載された範囲内において、種々の変形及び変更が可能である。また、前述した実施例の構成要素を全部又は複数を組み合わせることも可能である。 Although each embodiment has been described in detail above, it is not limited to a specific embodiment, and various modifications and changes can be made within the scope described in the claims. It is also possible to combine all or a plurality of the components of the above-described embodiments.
例えば、上述した実施例１及び２では、フィルタ遅延補正部４０は、センサ信号に対するフィルタリング信号の遅延を補正するために、フィルタリング信号を補正しているが、逆であってもよい。即ち、フィルタ遅延補正部４０は、センサ信号に対するフィルタリング信号の遅延を補正するために、センサ信号を補正してもよい。 For example, in the first and second embodiments described above, the filter delay correction unit 40 corrects the filtering signal in order to correct the delay of the filtering signal with respect to the sensor signal, but the reverse may be possible. That is, the filter delay correcting unit 40 may correct the sensor signal in order to correct the delay of the filtering signal with respect to the sensor signal.
なお、以上の実施例に関し、さらに以下の付記を開示する。
（付記１）
被験者の心臓に向けて送信した検出波の反射波に基づき生成されるセンサ信号を取得し、
取得した前記センサ信号に基づいて、心拍の周波数を特定し、
特定した前記心拍の周波数に基づいて、前記センサ信号をフィルタ処理し、
前記フィルタ処理により得られる信号をフィルタリング信号としたとき、前記フィルタリング信号における前記心拍に係る特徴点に基づいて、前記センサ信号における複数の特徴点のうちから、前記心拍に係る特徴点を特定し、
特定した前記心拍に係る特徴点に基づいて、心拍の間隔を算出する、
処理をコンピューターに実行させる、心拍間隔特定プログラム。
（付記２）
前記心拍に係る特徴点を特定することは、前記フィルタリング信号における前記心拍に係る特徴点と、前記センサ信号における複数の特徴点のそれぞれとの間の、時間軸上の差及び振幅値の差のうちの少なくともいずれか一方を算出することを含む、付記１に記載の心拍間隔特定プログラム。
（付記３）
前記心拍に係る特徴点を特定することは、前記センサ信号における複数の特徴点のうちの、前記フィルタリング信号における前記心拍に係る特徴点との時間軸上の差が最小となる特徴点を、前記心拍に係る特徴点として特定することを含む、付記２に記載の心拍間隔特定プログラム。
（付記４）
前記心拍に係る特徴点を特定することは、前記センサ信号における複数の特徴点のうちの、前記フィルタリング信号における前記心拍に係る特徴点との振幅値の差が最小となる特徴点を、前記心拍に係る特徴点として特定することを含む、付記２に記載の心拍間隔特定プログラム。
（付記５）
前記心拍に係る特徴点を特定することは、前記センサ信号における複数の特徴点のうちから、前記フィルタリング信号における前記心拍に係る特徴点との振幅値の差が所定閾値以下となる特徴点を抽出し、抽出した特徴点のうちの、前記フィルタリング信号における前記心拍に係る特徴点との時間軸上の差が最小となる特徴点を、前記心拍に係る特徴点として特定することを含む、付記２に記載の心拍間隔特定プログラム。
（付記６）
前記フィルタ処理に用いるフィルタの遅延特性に基づいて、前記センサ信号に対する前記フィルタリング信号の遅延を補正する処理をコンピューターに更に実行させ、
前記時間軸上の差は、前記センサ信号に対する前記フィルタリング信号の前記遅延が補正された後における差である、付記２又は３に記載の心拍間隔特定プログラム。
（付記７）
前記フィルタリング信号における前記心拍に係る特徴点を複数特定し、
前記心拍に係る特徴点を特定することを、前記フィルタリング信号における前記心拍に係る特徴点のそれぞれに対して実行する、
処理をコンピューターに更に実行させる、付記１〜６のうちのいずれか１項に記載の心拍間隔特定プログラム。
（付記８）
前記フィルタリング信号における前記心拍に係る特徴点に基づいて、前記センサ信号における複数の特徴点を探索する探索範囲を決定する処理をコンピューターに更に実行させる、付記１〜６のうちのいずれか１項に記載の心拍間隔特定プログラム。
（付記９）
前記探索範囲を、前記センサ信号のサンプリングレートと、前記心拍の周波数とに基づいて決定する処理をコンピューターに更に実行させる、付記８に記載の心拍間隔特定プログラム。
（付記１０）
予め規定された前記被験者の身体の動きを検出し、
前記身体の動きの検出結果に基づいて、前記心拍に係る特徴点を特定する際に用いる方法を変更する、
処理をコンピューターに更に実行させる、付記１〜９のうちのいずれか１項に記載の心拍間隔特定プログラム。
（付記１１）
前記身体の動きを検出した場合、前記センサ信号における複数の特徴点のうちから、前記フィルタリング信号における前記心拍に係る特徴点との振幅値の差が所定閾値以下となる特徴点を抽出し、抽出した特徴点のうちの、前記フィルタリング信号における前記心拍に係る特徴点との時間軸上の差が最小となる特徴点を、前記心拍に係る特徴点として特定し、
前記身体の動きを検出しない場合、前記センサ信号における複数の特徴点のうちの、前記フィルタリング信号における前記心拍に係る特徴点との時間軸上の差が最小となる特徴点を、前記心拍に係る特徴点として特定する、付記１０に記載の心拍間隔特定プログラム。
（付記１２）
前記身体の動きを検出した場合、前記センサ信号における複数の特徴点のうちから、前記フィルタリング信号における前記心拍に係る特徴点との振幅値の差が所定閾値以下となる特徴点を抽出し、抽出した特徴点のうちの、前記フィルタリング信号における前記心拍に係る特徴点との時間軸上の差が最小となる特徴点を、前記心拍に係る特徴点として特定し、
前記身体の動きを検出しない場合、前記センサ信号における複数の特徴点のうちの、前記フィルタリング信号における前記心拍に係る特徴点との振幅値の差が最小となる特徴点を、前記心拍に係る特徴点として特定する、付記１０に記載の心拍間隔特定プログラム。
（付記１３）
被験者の心臓に向けて送信した検出波の反射波に基づき生成されるセンサ信号を取得するセンサ信号取得部と、
前記センサ信号に基づいて、心拍の周波数を特定する周波数解析部と、
前記周波数解析部により特定された前記心拍の周波数に基づいて、前記センサ信号をフィルタ処理するフィルタ処理部と、
前記フィルタ処理により得られる信号をフィルタリング信号としたとき、前記フィルタリング信号における前記心拍に係る特徴点に基づいて、前記センサ信号における複数の特徴点のうちから、前記心拍に係る特徴点を特定する心拍特徴点特定部と、
前記心拍特徴点特定部により特定された前記心拍に係る特徴点に基づいて、心拍の間隔を算出する心拍間隔算出部とを含む、心拍間隔特定装置。
（付記１４）
被験者の心臓に向けて送信した検出波の反射波に基づき生成されるセンサ信号を取得し、
取得した前記センサ信号に基づいて、心拍の周波数を特定し、
特定した前記心拍の周波数に基づいて、前記センサ信号をフィルタ処理し、
前記フィルタ処理により得られる信号をフィルタリング信号としたとき、前記フィルタリング信号における前記心拍に係る特徴点に基づいて、前記センサ信号における複数の特徴点のうちから、前記心拍に係る特徴点を特定し、
特定した前記心拍に係る特徴点に基づいて、心拍の間隔を算出することを含む、コンピューターにより実行される心拍間隔特定方法。
In addition, the following additional remarks are disclosed regarding the above Example.
(Appendix 1)
Obtain a sensor signal generated based on the reflected wave of the detection wave transmitted toward the subject's heart,
Based on the acquired sensor signal, the frequency of the heartbeat is specified,
Filtering the sensor signal based on the identified frequency of the heartbeat;
When the signal obtained by the filtering process is a filtering signal, the feature point related to the heartbeat is identified from the plurality of feature points in the sensor signal based on the feature point related to the heartbeat in the filtering signal,
Calculating a heartbeat interval based on the identified feature points relating to the heartbeat;
Heart rate interval identification program that causes a computer to execute processing.
(Appendix 2)
Specifying the feature point related to the heartbeat is the difference between the feature point related to the heartbeat in the filtering signal and the difference in amplitude value between the plurality of feature points in the sensor signal. The heart rate interval identification program according to
(Appendix 3)
Specifying the feature point related to the heartbeat is a feature point in which a difference on the time axis with the feature point related to the heartbeat in the filtering signal among the plurality of feature points in the sensor signal is minimized. The heartbeat interval specifying program according to
(Appendix 4)
Specifying the feature point related to the heartbeat is to select a feature point having a minimum difference in amplitude value from the feature point related to the heartbeat in the filtering signal among the plurality of feature points in the sensor signal. The heartbeat interval specifying program according to
(Appendix 5)
The feature point related to the heartbeat is extracted from a plurality of feature points in the sensor signal by extracting a feature point whose amplitude value difference from the feature point related to the heartbeat in the filtering signal is a predetermined threshold value or less. And adding the feature point having the smallest difference on the time axis from the feature point related to the heartbeat in the filtering signal among the extracted feature points as the feature point related to the heartbeat. Heart rate interval identification program described in.
(Appendix 6)
Based on the delay characteristics of the filter used for the filter processing, the computer further executes processing for correcting the delay of the filtering signal with respect to the sensor signal,
4. The heartbeat interval specifying program according to
(Appendix 7)
Identifying a plurality of feature points related to the heartbeat in the filtering signal;
Identifying the feature point related to the heartbeat for each of the feature points related to the heartbeat in the filtering signal;
The heartbeat interval specifying program according to any one of
(Appendix 8)
Any one of
(Appendix 9)
9. The heartbeat interval specifying program according to appendix 8, further causing a computer to execute a process of determining the search range based on a sampling rate of the sensor signal and a frequency of the heartbeat.
(Appendix 10)
Detecting the body movement of the subject defined in advance,
Based on the detection result of the body movement, the method used to specify the feature point related to the heartbeat is changed,
The heartbeat interval specifying program according to any one of
(Appendix 11)
When the movement of the body is detected, a feature point in which a difference in amplitude value from the feature point related to the heartbeat in the filtering signal is equal to or less than a predetermined threshold is extracted from a plurality of feature points in the sensor signal. Among the feature points, the feature point having the smallest difference on the time axis with the feature point related to the heartbeat in the filtering signal is specified as the feature point related to the heartbeat,
When the body movement is not detected, a feature point having a minimum time axis difference from a feature point related to the heartbeat in the filtering signal among a plurality of feature points in the sensor signal is related to the heartbeat. The heartbeat interval specifying program according to
(Appendix 12)
When the movement of the body is detected, a feature point in which a difference in amplitude value from the feature point related to the heartbeat in the filtering signal is equal to or less than a predetermined threshold is extracted from a plurality of feature points in the sensor signal. Among the feature points, the feature point having the smallest difference on the time axis with the feature point related to the heartbeat in the filtering signal is specified as the feature point related to the heartbeat,
If the body movement is not detected, a feature point related to the heartbeat is selected from among a plurality of feature points in the sensor signal that has a minimum difference in amplitude value from the feature point related to the heartbeat in the filtering signal. The heartbeat interval specifying program according to
(Appendix 13)
A sensor signal acquisition unit for acquiring a sensor signal generated based on the reflected wave of the detection wave transmitted toward the subject's heart;
A frequency analysis unit for identifying a heartbeat frequency based on the sensor signal;
A filter processing unit that filters the sensor signal based on the frequency of the heartbeat identified by the frequency analysis unit;
When a signal obtained by the filtering process is a filtering signal, a heartbeat that identifies a feature point related to the heartbeat from a plurality of feature points in the sensor signal based on the feature point related to the heartbeat in the filtering signal A feature point identification unit;
A heartbeat interval specifying device, comprising: a heartbeat interval calculating unit that calculates a heartbeat interval based on the feature points related to the heartbeat specified by the heartbeat feature point specifying unit.
(Appendix 14)
Obtain a sensor signal generated based on the reflected wave of the detection wave transmitted toward the subject's heart,
Based on the acquired sensor signal, the frequency of the heartbeat is specified,
Filtering the sensor signal based on the identified frequency of the heartbeat;
When the signal obtained by the filtering process is a filtering signal, the feature point related to the heartbeat is identified from the plurality of feature points in the sensor signal based on the feature point related to the heartbeat in the filtering signal,
A heartbeat interval identification method executed by a computer, comprising calculating a heartbeat interval based on the identified feature points related to the heartbeat.
１０，１０Ａ 心拍間隔特定装置
３１ 周波数解析部
３２ フィルタ処理部
４０ フィルタ遅延補正部
４１ フィルタリング信号特徴点検出部
４２ センサ信号特徴点検出部
４３，４３Ａ 心拍特徴点探索部
７０ 非接触センサ
１００ センサ信号取得部
１０１ 心拍成分検出部
１０２，１０２Ａ 心拍特徴点特定部
１０３ 心拍間隔算出部
１０４ 出力部
１０５ 動き検出部
10, 10A Heart rate interval identification device
31 Frequency analysis part
32 Filter processing section
40 Filter Delay Correction Unit 41 Filtering Signal Feature
DESCRIPTION OF
105 Motion detection unit
Claims (9)
取得した前記センサ信号に基づいて、心拍の周波数を特定し、
特定した前記心拍の周波数に基づいて、前記センサ信号をフィルタ処理し、
前記フィルタ処理により得られる信号をフィルタリング信号としたとき、前記フィルタリング信号における前記心拍に係る特徴点に基づいて、前記センサ信号における複数の特徴点のうちから、前記心拍に係る特徴点を特定し、
特定した前記心拍に係る特徴点に基づいて、心拍の間隔を算出する、
処理をコンピューターに実行させる、心拍間隔特定プログラム。 Obtain a sensor signal generated based on the reflected wave of the detection wave transmitted toward the subject's heart,
Based on the acquired sensor signal, the frequency of the heartbeat is specified,
Filtering the sensor signal based on the identified frequency of the heartbeat;
When the signal obtained by the filtering process is a filtering signal, the feature point related to the heartbeat is identified from the plurality of feature points in the sensor signal based on the feature point related to the heartbeat in the filtering signal,
Calculating a heartbeat interval based on the identified feature points relating to the heartbeat;
Heart rate interval identification program that causes a computer to execute processing.
前記時間軸上の差は、前記センサ信号に対する前記フィルタリング信号の前記遅延が補正された後における差である、請求項２又は３に記載の心拍間隔特定プログラム。 Based on the delay characteristics of the filter used for the filter processing, the computer further executes processing for correcting the delay of the filtering signal with respect to the sensor signal,
The heartbeat interval specifying program according to claim 2 or 3, wherein the difference on the time axis is a difference after the delay of the filtering signal with respect to the sensor signal is corrected.
前記身体の動きの検出結果に基づいて、前記心拍に係る特徴点を特定する際に用いる方法を変更する、
処理をコンピューターに更に実行させる、請求項１〜６のうちのいずれか１項に記載の心拍間隔特定プログラム。 Detecting the body movement of the subject defined in advance,
Based on the detection result of the body movement, the method used to specify the feature point related to the heartbeat is changed,
The heartbeat interval specifying program according to claim 1, further causing the computer to execute processing.
前記センサ信号に基づいて、心拍の周波数を特定する周波数解析部と、
前記周波数解析部により特定された前記心拍の周波数に基づいて、前記センサ信号をフィルタ処理するフィルタ処理部と、
前記フィルタ処理により得られる信号をフィルタリング信号としたとき、前記フィルタリング信号における前記心拍に係る特徴点に基づいて、前記センサ信号における複数の特徴点のうちから、前記心拍に係る特徴点を特定する心拍特徴点特定部と、
前記心拍特徴点特定部により特定された前記心拍に係る特徴点に基づいて、心拍の間隔を算出する心拍間隔算出部とを含む、心拍間隔特定装置。 A sensor signal acquisition unit for acquiring a sensor signal generated based on the reflected wave of the detection wave transmitted toward the subject's heart;
A frequency analysis unit for identifying a heartbeat frequency based on the sensor signal;
A filter processing unit that filters the sensor signal based on the frequency of the heartbeat identified by the frequency analysis unit;
When a signal obtained by the filtering process is a filtering signal, a heartbeat that identifies a feature point related to the heartbeat from a plurality of feature points in the sensor signal based on the feature point related to the heartbeat in the filtering signal A feature point identification unit;
A heartbeat interval specifying device, comprising: a heartbeat interval calculating unit that calculates a heartbeat interval based on the feature points related to the heartbeat specified by the heartbeat feature point specifying unit.
取得した前記センサ信号に基づいて、心拍の周波数を特定し、
特定した前記心拍の周波数に基づいて、前記センサ信号をフィルタ処理し、
前記フィルタ処理により得られる信号をフィルタリング信号としたとき、前記フィルタリング信号における前記心拍に係る特徴点に基づいて、前記センサ信号における複数の特徴点のうちから、前記心拍に係る特徴点を特定し、
特定した前記心拍に係る特徴点に基づいて、心拍の間隔を算出することを含む、コンピューターにより実行される心拍間隔特定方法。 Obtain a sensor signal generated based on the reflected wave of the detection wave transmitted toward the subject's heart,
Based on the acquired sensor signal, the frequency of the heartbeat is specified,
Filtering the sensor signal based on the identified frequency of the heartbeat;
When the signal obtained by the filtering process is a filtering signal, the feature point related to the heartbeat is identified from the plurality of feature points in the sensor signal based on the feature point related to the heartbeat in the filtering signal,
A heartbeat interval identification method executed by a computer, comprising calculating a heartbeat interval based on the identified feature points related to the heartbeat.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015127674A JP6519344B2 (en) | 2015-06-25 | 2015-06-25 | Heartbeat interval specifying program, heart beat interval specifying device, and heart beat interval specifying method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015127674A JP6519344B2 (en) | 2015-06-25 | 2015-06-25 | Heartbeat interval specifying program, heart beat interval specifying device, and heart beat interval specifying method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017006540A true JP2017006540A (en) | 2017-01-12 |
| JP6519344B2 JP6519344B2 (en) | 2019-05-29 |
Family
ID=57760671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015127674A Active JP6519344B2 (en) | 2015-06-25 | 2015-06-25 | Heartbeat interval specifying program, heart beat interval specifying device, and heart beat interval specifying method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6519344B2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140040585A (en) * | 2012-09-26 | 2014-04-03 | 삼성전자주식회사 | Image forming system, scanning apparatus having function of copy job and method for performing copy job thereof |
| JP2019166143A (en) * | 2018-03-23 | 2019-10-03 | 富士ゼロックス株式会社 | Biological information measurement apparatus and biological information measurement program |
| JP2019201698A (en) * | 2018-05-21 | 2019-11-28 | 株式会社Ｓｏｋｅｎ | Living body detection device |
| WO2023058580A1 (en) * | 2021-10-04 | 2023-04-13 | ニッシンボウ シンガポール ピーティーイー リミテッド | Heartbeat and respiration detection device and heartbeat and respiration detection program |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004329735A (en) * | 2003-05-12 | 2004-11-25 | Pioneer Electronic Corp | Biological information detector |
| JP2007054471A (en) * | 2005-08-26 | 2007-03-08 | Nippon Koden Corp | Pulse rate measuring apparatus and pulse rate measuring method |
| JP2010142456A (en) * | 2008-12-19 | 2010-07-01 | Panasonic Corp | Heartbeat detecting apparatus |
| US20140058254A1 (en) * | 2012-08-22 | 2014-02-27 | Fujitsu Limited | Heart rate estimating apparatus and method |
-
2015
- 2015-06-25 JP JP2015127674A patent/JP6519344B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004329735A (en) * | 2003-05-12 | 2004-11-25 | Pioneer Electronic Corp | Biological information detector |
| JP2007054471A (en) * | 2005-08-26 | 2007-03-08 | Nippon Koden Corp | Pulse rate measuring apparatus and pulse rate measuring method |
| JP2010142456A (en) * | 2008-12-19 | 2010-07-01 | Panasonic Corp | Heartbeat detecting apparatus |
| US20140058254A1 (en) * | 2012-08-22 | 2014-02-27 | Fujitsu Limited | Heart rate estimating apparatus and method |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140040585A (en) * | 2012-09-26 | 2014-04-03 | 삼성전자주식회사 | Image forming system, scanning apparatus having function of copy job and method for performing copy job thereof |
| JP2019166143A (en) * | 2018-03-23 | 2019-10-03 | 富士ゼロックス株式会社 | Biological information measurement apparatus and biological information measurement program |
| JP7127323B2 (en) | 2018-03-23 | 2022-08-30 | 富士フイルムビジネスイノベーション株式会社 | Biological information measuring device and biological information measuring program |
| JP2019201698A (en) * | 2018-05-21 | 2019-11-28 | 株式会社Ｓｏｋｅｎ | Living body detection device |
| JP7057216B2 (en) | 2018-05-21 | 2022-04-19 | 株式会社Soken | Biological detector |
| WO2023058580A1 (en) * | 2021-10-04 | 2023-04-13 | ニッシンボウ シンガポール ピーティーイー リミテッド | Heartbeat and respiration detection device and heartbeat and respiration detection program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6519344B2 (en) | 2019-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10667713B2 (en) | R-R interval measurement using multi-rate ECG processing | |
| US9782087B2 (en) | Heart rate estimating apparatus and method | |
| US10172519B2 (en) | Biosignal transmitter, biosignal receiver, and method of transmitting and receiving biosignal | |
| JP6519344B2 (en) | Heartbeat interval specifying program, heart beat interval specifying device, and heart beat interval specifying method | |
| US20160025847A1 (en) | State recognizing device, state recognizing method, and recording medium | |
| EP3094248A1 (en) | Method and device for the detection of respiratory rate | |
| JP6056389B2 (en) | Heart rate estimation device, heart rate estimation method and program | |
| EP3409194B1 (en) | Respiration rate detection apparatus, respiration rate detection method, and program storage medium | |
| CN112494001B (en) | PPG signal quality evaluation method and device, wearable device and storage medium | |
| US20230091163A1 (en) | Heart activity monitoring during physical exercise | |
| CN104027109A (en) | Atrial fibrillation analyzer and program | |
| KR102007011B1 (en) | Device and method for detecting electrocardiogram signal from important point | |
| CN113693582A (en) | Vital sign information monitoring method and device, storage medium and processor | |
| CN107405086B (en) | Measurement device, measurement method, and program | |
| JP2015096831A (en) | Information processing device, information processing method, and program | |
| JP2015217060A (en) | Heartbeat detection method and heartbeat detector | |
| JP2018051162A (en) | Biological signal detection system and biological signal detection method | |
| KR101992763B1 (en) | Device and method of abnormal electrocardiographic signals information output | |
| CN115137329A (en) | Heart rate detection method and wearable device | |
| CN117064361B (en) | Pulse wave-based heart rate variability analysis method and device | |
| WO2020195899A1 (en) | Biological information detection device | |
| JP2012205856A (en) | Signal processing apparatus, signal processing method, program, and information processing apparatus | |
| CN117918812A (en) | Non-contact human vital sign sensing method and system based on radar |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180306 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181214 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190115 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190307 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190326 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190408 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6519344 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |