JP4952162B2 - Data processing apparatus, data processing method, and data processing program - Google Patents

Data processing apparatus, data processing method, and data processing program Download PDF

Info

Publication number
JP4952162B2
JP4952162B2 JP2006252356A JP2006252356A JP4952162B2 JP 4952162 B2 JP4952162 B2 JP 4952162B2 JP 2006252356 A JP2006252356 A JP 2006252356A JP 2006252356 A JP2006252356 A JP 2006252356A JP 4952162 B2 JP4952162 B2 JP 4952162B2
Authority
JP
Japan
Prior art keywords
measurement signal
data
basic
signal
extraction
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.)
Expired - Fee Related
Application number
JP2006252356A
Other languages
Japanese (ja)
Other versions
JP2008073077A (en
Inventor
淳 納本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Chemical Corp
Original Assignee
Mitsubishi Chemical Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Chemical Corp filed Critical Mitsubishi Chemical Corp
Priority to JP2006252356A priority Critical patent/JP4952162B2/en
Priority to PCT/JP2007/067832 priority patent/WO2008035611A1/en
Publication of JP2008073077A publication Critical patent/JP2008073077A/en
Application granted granted Critical
Publication of JP4952162B2 publication Critical patent/JP4952162B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

本発明は、機械，動植物や微生物等の生命体の状態や天候や地震等の自然現象といった、種々の対象体の状態を分析するためのデータ処理装置，データ処理方法及びデータ処理プログラムに関するものである。   The present invention relates to a data processing apparatus, a data processing method, and a data processing program for analyzing various states of an object such as a state of a living body such as a machine, animals, plants and microorganisms, or a natural phenomenon such as weather or an earthquake. is there.

従来、対象体の状態に応じて変動するパラメータを時系列の測定信号として測定し、その測定信号の中から特徴的な信号を抽出することで、対象体の状態を分析するデータ処理技術が多数開発されている。
例えば、特許文献１には、被験者の脈波波形を測定信号として採取するとともに、その測定信号の中に内包されている秩序（すなわち、測定信号の変動を支配する決定論的な構造）を抽出するための演算を行い、被験者の状態を診断する技術が開示されている。この技術では、測定信号のカオスアトラクター及びリアプノフ指数を演算することで、測定信号に内在する秩序を論理的に抽出することができ、被験者に対する客観的な診断が可能になるとされている。 Conventionally, there are many data processing techniques for analyzing the state of an object by measuring parameters that change according to the state of the object as time-series measurement signals and extracting characteristic signals from the measurement signals. Has been developed.
For example, Patent Document 1 extracts a subject's pulse wave waveform as a measurement signal and extracts an order contained in the measurement signal (that is, a deterministic structure that governs fluctuation of the measurement signal). A technique for performing an operation for diagnosing the condition of a subject is disclosed. In this technique, by calculating the chaos attractor and Lyapunov exponent of the measurement signal, it is possible to logically extract the order inherent in the measurement signal, and to enable an objective diagnosis for the subject.

また、特許文献２には、被験者から検出される生体信号のデータを解析することによって被験者の健康状態を診断する技術が開示されている。この技術におけるデータの解析手法としては、カオス解析のほか、デトレンド変動解析（ＤＦＡ）や周波数変換，ウェーブレット解析，マルチフラクタル解析等が挙げられている。
ところで、これらのような従来の技術では一般的に、測定信号に対しその特徴を把握しやすくするための前処理としての種々の信号処理を施した後、実質的なデータ処理が実施されるようになっている。この前処理には、例えば測定信号に混入しているノイズを取り除くためのノイズ低減処理（ノイズ除去処理）や、測定信号のうち所定の周波数成分を取り出すフィルタ処理（フィルタリング），直交変換処理，フーリエ変換処理，エンベロープ処理等がある。 Patent Document 2 discloses a technique for diagnosing the health condition of a subject by analyzing data of a biological signal detected from the subject. Data analysis methods in this technology include detrend fluctuation analysis (DFA), frequency conversion, wavelet analysis, multifractal analysis, etc. in addition to chaos analysis.
By the way, in the conventional techniques such as these, in general, after performing various signal processings as preprocessing for making it easy to grasp the characteristics of the measurement signal, substantial data processing is performed. It has become. This preprocessing includes, for example, noise reduction processing (noise removal processing) for removing noise mixed in the measurement signal, filter processing (filtering) for extracting a predetermined frequency component from the measurement signal, orthogonal transformation processing, Fourier Conversion processing, envelope processing, etc.

上述の特許文献１に記載の技術においても、脈波センサで検出された測定信号をＡ／Ｄ変換器に通してデジタル信号へと変換する際に、信号の演算処理速度を向上させることを目的として、Ａ／Ｄ変換器から出力される離散データを整数型に限定する前処理が実施されると記載されている。これらのような前処理を施すことによって、その後の演算処理においてあまり重要ではない情報を取り除くことができ、データ処理の速度や精度を高めることができるようになっている。
特公平６−９５４６号公報 特開２００１−２９９７６６号公報 Also in the technique described in Patent Document 1 described above, an object is to improve the signal processing speed when converting the measurement signal detected by the pulse wave sensor into a digital signal through the A / D converter. It is described that pre-processing for limiting discrete data output from the A / D converter to an integer type is performed. By performing such preprocessing, information that is not so important in the subsequent arithmetic processing can be removed, and the speed and accuracy of data processing can be increased.
Japanese Patent Publication No. 6-9546 JP 2001-299766 A

しかしながら、前処理の過程で取り除かれる情報には、単なるノイズや不要な情報だけでなく、その後の演算処理や演算結果に影響を与える重要な情報が含まれている場合がある。
例えば、前述の種々の前処理のうち、不可逆的な演算が含まれる前処理を実施した場合には、その処理内容に関わらず、測定信号中に含まれる何らかの情報が失われることになる。つまり、前処理に伴う特徴的な情報の抜け（情報の脱落）によって、その後の演算処理における演算精度が低下してしまい、演算結果が不正確となるおそれがある。 However, the information removed in the pre-processing process may include not only mere noise and unnecessary information but also important information that affects the subsequent calculation processing and calculation results.
For example, when the preprocessing including the irreversible calculation among the various preprocessing described above is performed, some information included in the measurement signal is lost regardless of the processing content. In other words, characteristic information omission (information omission) associated with preprocessing may reduce the calculation accuracy in subsequent calculation processing, and may result in inaccurate calculation results.

また、測定信号中の非線形構造を抽出するための非線形解析手法を用いる場合には、より本質的な課題が生じる。
すなわち、動植物や自然現象を測定対象とした通常の測定信号中には、不規則な挙動を示すカオスが存在している。カオスとは、その測定対象に内在する非線形の決定論的システムに起因する予測不能の複雑な振る舞いのことであって、ノイズ（決定論的なシステムに依らない不規則な挙動であり、処理対象となる情報以外の不要な情報）とは概念的に異なるものではあるものの、厳密にこれらを区別することは現状では極めて困難とされている。 Further, when a nonlinear analysis method for extracting a nonlinear structure in a measurement signal is used, a more essential problem occurs.
That is, chaos that shows irregular behavior exists in normal measurement signals for measuring animals and plants and natural phenomena. Chaos is an unpredictable complex behavior caused by a nonlinear deterministic system inherent in the measurement object, and is a noise (irregular behavior that does not depend on a deterministic system, Although it is conceptually different from the unnecessary information other than the information that becomes, it is extremely difficult to distinguish between them strictly.

そのため、例えば測定信号中から一般的なノイズを除去する処理を行ってしまえば、ノイズと共にカオスの情報が部分的に除去されてしまうことは免れ得ない。つまり、測定信号に前処理を施すことによって測定信号中の非線形構造も部分的に取り除かれてしまい、却ってその構造を把握しにくくなってしまう。線形解析手法においてノイズとして切り捨てられていた部分の情報が重要な意味を持つ非線形解析手法では、前処理によって解析結果に与えられる影響が、線形解析手法におけるそれとは比較にならない程大きいのである。   For this reason, for example, if processing for removing general noise from the measurement signal is performed, it is inevitable that chaos information is partially removed together with noise. In other words, by applying preprocessing to the measurement signal, the nonlinear structure in the measurement signal is also partially removed, making it difficult to grasp the structure. In the nonlinear analysis method in which the information of the portion that has been discarded as noise in the linear analysis method is important, the influence given to the analysis result by the preprocessing is so large that it cannot be compared with that in the linear analysis method.

一方、上記のような前処理を全く行わなければ、特徴的な情報の抜けは生じないものの、不要な情報を含んだ全ての測定信号を演算処理することになるため、多大な処理労力と処理時間とが必要となる。
本発明はこのような課題に鑑み案出されたもので、簡素な構成で、データ処理速度及びデータ処理精度を向上させることができるデータ処理装置，データ処理方法及びプログラムを提供することを目的とする。また、測定信号中の非線形構造を抽出する演算処理において、簡素な構成で、短時間で正確な演算結果を得られるようにした、データ処理装置，データ処理方法及びデータ処理プログラムを提供することを目的とする。 On the other hand, if the pre-processing as described above is not performed at all, characteristic information will not be lost, but all measurement signals including unnecessary information will be processed. Time is required.
The present invention has been devised in view of such problems, and an object of the present invention is to provide a data processing device, a data processing method, and a program that can improve data processing speed and data processing accuracy with a simple configuration. To do. In addition, a data processing apparatus, a data processing method, and a data processing program are provided that can obtain an accurate calculation result in a short time with a simple configuration in an arithmetic process for extracting a nonlinear structure in a measurement signal. Objective.

上記目的を達成するために、請求項１記載の本発明のデータ処理装置は、対象体の状態に応じて変動するパラメータを測定信号として検出する測定信号検出手段（信号検出装置）と、該測定信号検出手段で検出された該測定信号に対し、該パラメータの変動を把握するための前処理としての信号処理を施して、基本測定信号を生成する信号処理手段（基本測定信号生成部）と、該信号処理手段で生成された該基本測定信号に基づいて、該パラメータの変動を特徴付ける測定信号を基本データとして抽出する基本データ抽出手段（基本データ抽出部）と、該基本データ抽出手段で抽出された該基本データによって規定される所定の領域を該測定信号の抽出範囲として設定する抽出範囲設定手段（抽出範囲設定部）と、該測定信号検出手段で検出された該測定信号のうち、該抽出範囲設定手段で設定された該抽出範囲に含まれる測定信号の中から、該対象体の状態を特徴付ける測定信号を特徴データとして抽出する特徴データ抽出手段（特徴データ抽出部）とを備え、該測定信号検出手段が、該測定信号として略周期的に変動するパラメータを検出し、該信号処理手段が、該測定信号を平滑化した波動を該基本測定信号として生成するとともに、該基本データ抽出手段が、該基本測定信号における変動ピークの検出時刻の測定信号を該基本データとして抽出することを特徴としている。ここで、「該測定信号を平滑化する」とは、測定信号データの波形を滑らかな波動（波形）にすることをいう。 In order to achieve the above object, a data processing device of the present invention according to claim 1 is a measurement signal detection means (signal detection device) for detecting, as a measurement signal, a parameter that varies according to the state of an object, and the measurement Signal processing means (basic measurement signal generation unit) for generating a basic measurement signal by performing signal processing as preprocessing for grasping the variation of the parameter for the measurement signal detected by the signal detection means; Based on the basic measurement signal generated by the signal processing means, basic data extraction means (basic data extraction unit) for extracting a measurement signal characterizing the variation of the parameter as basic data, and the basic data extraction means Further, an extraction range setting means (extraction range setting section) for setting a predetermined area defined by the basic data as an extraction range of the measurement signal, and detection by the measurement signal detection means Among the measured signals, feature data extraction means (features) for extracting, as feature data, measurement signals that characterize the state of the object from the measurement signals included in the extraction range set by the extraction range setting means A data extraction unit) , wherein the measurement signal detection unit detects a parameter that varies substantially periodically as the measurement signal, and the signal processing unit uses a wave obtained by smoothing the measurement signal as the basic measurement signal. At the same time, the basic data extracting means extracts the measurement signal at the detection time of the fluctuation peak in the basic measurement signal as the basic data . Here, “to smooth the measurement signal” means to make the waveform of the measurement signal data a smooth wave (waveform).

なお、該信号処理手段における該前処理とは、該パラメータの変動を見つけやすくするための不可逆的な（非可逆変化を伴う）演算処理全般のことを指しており、例えば該パラメータ中に含まれる不必要な情報（ノイズ）を除去するためのフィルタ処理やヒルベルト変換処理，エンベロープ処理，フーリエ変換処理，加算平均の手法を用いた信号処理，ウェーブレット解析処理，フラクタル解析処理等を含む。また、任意の信号加算や減算，比例処理，積分処理，微分処理等も含む。   Note that the preprocessing in the signal processing means refers to general irreversible (with irreversible change) arithmetic processing for making it easy to find fluctuations in the parameter, and is included in the parameter, for example. Includes filter processing, Hilbert transform processing, envelope processing, Fourier transform processing, signal processing using an averaging method, wavelet analysis processing, fractal analysis processing, and the like for removing unnecessary information (noise). In addition, arbitrary signal addition and subtraction, proportional processing, integration processing, differentiation processing, and the like are included.

また、請求項２記載の本発明のデータ処理装置は、請求項１記載の構成において、該測定信号検出手段が、動物のバイタルサインを該測定信号として検出することを特徴としている。
なお、ここでいうバイタルサインとは、動物（人を含む）の身体から検出される生命徴候としての物理量のことを意味している。例えば、歩行等の運動に伴う体動や呼吸数，心拍数，体温，皮膚表面温度，皮膚電位，脈波（脈拍数），脳波，血流量，唾液などの体液成分，呼吸気中や血中の酸素飽和度，血糖値，心電，電気伝導度，体重（着座面への圧力），まばたきの数や周期，発汗量，その他身体から発せられる電磁波の強度や化学物質濃度等が挙げられる。 According to a second aspect of the present invention, there is provided the data processing apparatus according to the first aspect, wherein the measurement signal detecting means detects a vital sign of an animal as the measurement signal.
The vital sign referred to here means a physical quantity as a vital sign detected from the body of an animal (including a person). For example, body movements associated with exercise such as walking, respiratory rate, heart rate, body temperature, skin surface temperature, skin potential, pulse wave (pulse rate), brain wave, blood flow, body fluid components such as saliva, respiratory air and blood Oxygen saturation, blood glucose level, electrocardiogram, electrical conductivity, body weight (pressure on the seating surface), number and cycle of blinks, amount of sweating, and other strengths of electromagnetic waves emitted from the body and chemical substance concentrations.

また、請求項３記載の本発明のデータ処理装置は、請求項１又は２記載の構成において、該信号処理手段が、線形解析手法を用いて該測定信号に対し該信号処理を施すことを特徴としている。
また、請求項４記載の本発明のデータ処理装置は、請求項１〜３の何れか１項に記載の構成において、該信号処理手段が、該測定信号検出手段で検出された該測定信号から、予め設定された所定の周波数成分を濾波するフィルタ処理手段（基本測定信号生成部）を有してなることを特徴としている。 According to a third aspect of the present invention, there is provided the data processing device according to the first or second aspect, wherein the signal processing means performs the signal processing on the measurement signal using a linear analysis technique. It is said.
According to a fourth aspect of the present invention, there is provided the data processing device according to the first aspect, wherein the signal processing means is based on the measurement signal detected by the measurement signal detection means. The filter processing means (basic measurement signal generation unit) for filtering a predetermined frequency component set in advance is characterized.

また、請求項５記載の本発明のデータ処理装置は、請求項１〜４の何れか１項に記載の構成において、該抽出範囲設定手段が、該基本データが抽出された時刻の近傍時間を該抽出範囲として設定することを特徴としている。
また、請求項６記載の本発明のデータ処理装置は、請求項１〜５の何れか１項に記載の構成において、該特徴データ抽出手段が、該抽出範囲に含まれる測定信号の最大値を該特徴データとして抽出することを特徴としている。 The data processing apparatus of the present invention of claim 5, wherein, in the structure according to any one of claims 1 to 4, the extraction range setting unit, while at the vicinity of the time when the basic data is extracted Is set as the extraction range.
According to a sixth aspect of the present invention, there is provided the data processing device according to the first aspect, wherein the feature data extracting means determines the maximum value of the measurement signal included in the extraction range. The feature data is extracted.

また、請求項７記載の本発明のデータ処理装置は、請求項１〜６の何れか１項に記載の構成において、該特徴データ抽出手段で抽出された該特徴データに基づき、該測定信号中の非線形構造を抽出し、該対象体の状態を解析する演算処理手段（第二データ処理部）をさらに備えたことを特徴としている。
請求項８記載の本発明のデータ処理方法は、対象体の状態に応じて変動するパラメータを測定信号として検出する測定信号検出ステップと、該測定信号検出ステップで検出された該測定信号に対し、該パラメータの変動を把握するための前処理としての信号処理を施して、基本測定信号を生成する信号処理ステップと、該信号処理ステップで生成された該基本測定信号に基づいて、該パラメータの変動を特徴付ける測定信号を基本データとして抽出する基本データ抽出ステップと、該基本データ抽出ステップで抽出された該基本データによって規定される所定領域を抽出範囲として設定する抽出範囲設定ステップと、該測定信号検出ステップで検出された該測定信号のうち、該抽出範囲設定ステップで設定された該抽出範囲に含まれる測定信号の中から、該対象体の状態を特徴付ける測定信号を特徴データとして抽出する特徴データ抽出ステップとを備え、該測定信号検出ステップにおいて、該測定信号として略周期的に変動するパラメータを検出し、該信号処理ステップにおいて、該測定信号を平滑化した波動を該基本測定信号として生成するとともに、該基本データ抽出ステップにおいて、該基本測定信号における変動ピークの検出時刻の測定信号を該基本データとして抽出することを特徴としている。 A data processing device according to a seventh aspect of the present invention is the data processing device according to any one of the first to sixth aspects, wherein, in the measurement signal, based on the feature data extracted by the feature data extracting means. It is further characterized by further comprising an arithmetic processing means (second data processing unit) for extracting the nonlinear structure of the object and analyzing the state of the object.
The data processing method of the present invention according to claim 8 is a measurement signal detection step for detecting a parameter that varies according to the state of an object as a measurement signal, and the measurement signal detected in the measurement signal detection step, A signal processing step for generating a basic measurement signal by performing signal processing as preprocessing for grasping the variation in the parameter, and the variation in the parameter based on the basic measurement signal generated in the signal processing step A basic data extraction step for extracting a measurement signal characterizing the basic data as basic data, an extraction range setting step for setting a predetermined region defined by the basic data extracted in the basic data extraction step as an extraction range, and the measurement signal detection Of the measurement signals detected in step, the measurement signals included in the extraction range set in the extraction range setting step From among, a feature data extraction step of extracting a measurement signal characterizing the state of the subject as the feature data, in the measurement signal detection step, detecting a parameter that varies substantially periodically as the measurement signal, the In the signal processing step, a wave obtained by smoothing the measurement signal is generated as the basic measurement signal, and in the basic data extraction step, the measurement signal at the detection time of the fluctuation peak in the basic measurement signal is extracted as the basic data. It is characterized by that.

また、請求項９記載の本発明のデータ処理方法は、請求項８記載の構成に加え、該測定信号検出ステップにおいて、動物のバイタルサインを該測定信号として検出することを特徴としている。
また、請求項１０記載の本発明のデータ処理方法は、請求項８又は９記載に加え、該信号処理ステップにおいて、線形解析手法を用いて該測定信号に対し該信号処理を施すことを特徴としている。 According to a ninth aspect of the present invention, in addition to the configuration of the eighth aspect , the data processing method of the present invention is characterized in that in the measurement signal detection step, a vital sign of an animal is detected as the measurement signal.
The data processing method of the present invention according to claim 10 is characterized in that, in addition to claim 8 or 9 , the signal processing step performs signal processing on the measurement signal using a linear analysis technique. Yes.

また、請求項１１記載の本発明のデータ処理方法は、請求項８〜１０の何れか１項に記載に加え、該信号処理ステップにおいて、該測定信号検出ステップで検出された該測定信号から、予め設定された所定の周波数成分を濾波することを特徴としている。 In addition to the data processing method of the present invention according to claim 11 , in addition to any one of claims 8 to 10 , in the signal processing step, from the measurement signal detected in the measurement signal detection step, A predetermined frequency component set in advance is filtered .

また、請求項１２記載の本発明のデータ処理方法は、請求項８〜１１の何れか１項に記載の構成に加え、該抽出範囲設定ステップにおいて、該基本データが抽出された時刻の近傍時間を該抽出範囲として設定することを特徴としている。
また、請求項１３記載の本発明のデータ処理方法は、請求項８〜１２の何れか１項に記載の構成に加え、該特徴データ抽出ステップにおいて、該抽出範囲に含まれる測定信号の最大値を該特徴データとして抽出することを特徴としている。 The data processing method of the present invention of claim 12, wherein, in addition to the configuration according to any one of claims 8 to 11, in the extraction range setting step, when the vicinity of the time when the basic data is extracted The interval is set as the extraction range.
In addition to the configuration of any one of claims 8 to 12 , the data processing method according to the thirteenth aspect of the present invention includes a maximum value of a measurement signal included in the extraction range in the feature data extraction step. Is extracted as the feature data.

また、請求項１４記載の本発明のデータ処理方法は、請求項８〜１３の何れか１項に記載に加え、該特徴データ抽出ステップで抽出された該特徴データに基づき、該測定信号中の非線形構造を抽出し、該対象体の状態を解析する演算処理ステップをさらに備えたことを特徴としている。
請求項１５記載の本発明のデータ処理プログラムは、コンピュータを、信号処理手段，基本データ抽出手段，抽出範囲設定手段及び特徴データ抽出手段として機能させるためのデータ処理プログラムであって、該信号処理手段が、測定信号として検出された、対象体の状態に応じて変動するパラメータの変動を把握するための前処理としての信号処理を該測定信号に対して施すとともに、基本測定信号を生成し、該基本データ抽出手段が、該信号処理手段で生成された該基本測定信号に基づいて、該パラメータの変動を特徴付ける測定信号を基本データとして抽出し、該抽出範囲設定手段が、該基本データ抽出手段で抽出された該基本データによって規定される所定の領域を該測定信号の抽出範囲として設定し、該特徴データ抽出手段が、該測定信号検出手段で検出された該測定信号のうち、該抽出範囲設定手段で設定された該抽出範囲に含まれる測定信号の中から、該対象体の状態を特徴付ける測定信号を特徴データとして抽出し、該測定信号が、略周期的に変動するパラメータであり、信号処理手段が、該測定信号を平滑化した波動を該基本測定信号として生成するとともに、基本データ抽出手段が、該基本測定信号における変動ピークの検出時刻の測定信号を該基本データとして抽出することを特徴としている。 The data processing method of the present invention of claim 14, wherein, in addition to according to any one of claims 8 to 13, on the basis of the characteristic data extracted by the feature data extraction step, in the measurement signal The method further includes an arithmetic processing step for extracting a nonlinear structure and analyzing the state of the object.
The data processing program of the present invention according to claim 15 is a data processing program for causing a computer to function as signal processing means, basic data extraction means, extraction range setting means, and feature data extraction means, wherein the signal processing means Is applied to the measurement signal as a preprocessing for grasping the fluctuation of the parameter that is detected as the measurement signal and fluctuates according to the state of the object, and generates a basic measurement signal, Based on the basic measurement signal generated by the signal processing means, basic data extraction means extracts a measurement signal characterizing the parameter variation as basic data, and the extraction range setting means is the basic data extraction means. A predetermined area defined by the extracted basic data is set as the extraction range of the measurement signal, and the feature data extracting means Among the detected the measurement signal by the constant signal detection unit, extracts from the measurement signal within the scope extraction-set in the extraction range setting unit, a measurement signal characterizing the state of the subject as the feature data The measurement signal is a parameter that fluctuates substantially periodically, and the signal processing means generates a wave obtained by smoothing the measurement signal as the basic measurement signal, and the basic data extraction means A measurement signal at the time of detection of the fluctuation peak is extracted as the basic data .

本発明のデータ処理装置，データ処理方法及びデータ処理プログラム（請求項１，８，１５）によれば、測定信号の抽出範囲の設定においては前処理としての信号処理を施した測定信号を用い、より具体的な特徴データの抽出においては、その抽出範囲に含まれる測定信号から取り出すため、対象体の状態を特徴付ける測定信号を極めて正確に抽出することができる。また、測定信号を平滑化して生成された基本測定信号のピークを検出するようになっているため、容易に基本データを検出することができる。 According to the data processing device, the data processing method, and the data processing program of the present invention (claims 1, 8 , 15 ), in setting the extraction range of the measurement signal, the measurement signal subjected to signal processing as preprocessing is used, In more specific extraction of feature data, since it is taken out from the measurement signal included in the extraction range, the measurement signal characterizing the state of the object can be extracted very accurately. Further, since the peak of the basic measurement signal generated by smoothing the measurement signal is detected, the basic data can be easily detected.

本発明のデータ処理装置及びデータ処理方法（請求項２，９）によれば、ノイズが多く特徴の抽出が困難とされているような動物のバイタルサインの中からでも、正確に特徴データを抽出することができる。
本発明のデータ処理装置及びデータ処理方法（請求項３，１０）によれば、前処理としての信号処理が容易である。また、簡素な構成で短時間に処理を済ませることができる。 According to the data processing apparatus and the data processing method of the present invention (claims 2 and 9 ), feature data can be accurately extracted even from vital signs of animals that are noisy and feature extraction is difficult. can do.
According to the data processing device and the data processing method of the present invention (claims 3 and 10 ), signal processing as preprocessing is easy. In addition, processing can be completed in a short time with a simple configuration.

本発明のデータ処理装置及びデータ処理方法（請求項４，１１）によれば、容易に信号処理を行うことができる。また、パラメータの変動を特徴付ける基本データを抽出するのに十分な情報を素早く選別することができる。 According to the data processing apparatus and the data processing method of the present invention (claims 4 and 11 ), signal processing can be easily performed. It is also possible to quickly select information sufficient to extract basic data that characterizes parameter variations .

本発明のデータ処理装置及びデータ処理方法（請求項５，１２）によれば、基本データが抽出された時刻の近傍時間を抽出範囲として設定するため、基本データから離れている範囲に含まれる測定信号を、特徴データの抽出対象から除外することができる。つまり、対象体の状態を特徴付ける測定信号との相関が強い部分の情報を容易に取り出すことができる。 According to the data processing apparatus and method of the present invention (claim 5, 12), for setting between the time near the time when the basic data is extracted as the extraction ranges include the range that is remote from the basic data The measurement signal can be excluded from the feature data extraction target. That is, it is possible to easily extract information on a portion having a strong correlation with the measurement signal that characterizes the state of the object.

本発明のデータ処理装置及びデータ処理方法（請求項６，１３）によれば、測定信号中に含まれる、対象体の状態を特徴付ける測定信号を正確に取り出すことができる。
本発明のデータ処理装置及びデータ処理方法（請求項７，１４）によれば、正確に抽出された特徴データに基づいて測定信号中の非線形構造を抽出することができ、信頼性の高いデータ解析を行うことができる。 According to the data processing apparatus and the data processing method of the present invention (claims 6 and 13 ), the measurement signal that characterizes the state of the object contained in the measurement signal can be accurately extracted.
According to the data processing apparatus and the data processing method of the present invention (claims 7 and 14 ), the nonlinear structure in the measurement signal can be extracted based on the accurately extracted feature data, and the data analysis is highly reliable. It can be performed.

以下、図面により、本発明の実施の形態について説明する。
図１〜図４は本発明の一実施形態に係るデータ処理装置を示すもので、図１は本データ処理装置の全体構成を示すブロック図、図２は本データ処理装置における処理内容を説明するためのグラフであり、（ａ）は基本測定信号生成部及び基本データ抽出部におけるデータ処理に係る測定信号の時系列グラフ、（ｂ）は特徴データ抽出部におけるデータ処理に係る測定信号の時系列グラフ、図３は本データ処理装置における制御内容を示すフローチャート、図４はコンピュータを利用した本データ処理装置の構成例を示す模式図である。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
1 to 4 show a data processing apparatus according to an embodiment of the present invention, FIG. 1 is a block diagram showing the overall configuration of the data processing apparatus, and FIG. 2 explains processing contents in the data processing apparatus. (A) is a time series graph of measurement signals related to data processing in the basic measurement signal generation unit and basic data extraction unit, and (b) is a time series of measurement signals related to data processing in the feature data extraction unit. FIG. 3 is a flowchart showing the contents of control in the data processing apparatus, and FIG. 4 is a schematic diagram showing a configuration example of the data processing apparatus using a computer.

［１．構成］
［１−１．全体構成］
本実施形態では、人間の歩行状態を解析対象としたデータ処理装置を具体例として説明する。すなわち、本データ処理装置は、人間の歩行状態に対応するパラメータ（例えば、加速度）を検出信号として検出し、それにデータ処理を施して出力を行う装置である。 [1. Constitution]
[1-1. overall structure]
In this embodiment, a data processing apparatus that analyzes a human walking state will be described as a specific example. That is, this data processing apparatus is an apparatus that detects a parameter (for example, acceleration) corresponding to a human walking state as a detection signal, performs data processing on the detected signal, and outputs the detected signal.

図１に示すように、本データ処理装置は、信号検出装置（測定信号検出手段）１，第一データ処理部９及び第二データ処理部１０を備えて構成される。第一データ処理部９は、信号検出装置１で検出された信号の特徴を把握しやすくするための演算処理を施すものであり、一方、第二データ処理部１０は、実質的なデータ処理として歩行状態を解析するものである。これらの第一データ処理部９及び第二データ処理部１０は、コンピュータの内部で演算処理される機能部位であり、各機能は個別のプログラムとして構成されている。なお、本実施形態における第一データ処理部９は、信号処理手段，基本データ抽出手段，抽出範囲設定手段及び特徴データ抽出手段として機能するものである。また、第二データ処理部１０は、演算処理手段として機能するものである。   As shown in FIG. 1, the data processing apparatus includes a signal detection device (measurement signal detection means) 1, a first data processing unit 9, and a second data processing unit 10. The first data processing unit 9 performs arithmetic processing for facilitating understanding of the characteristics of the signal detected by the signal detection device 1, while the second data processing unit 10 performs substantial data processing. It analyzes the walking state. The first data processing unit 9 and the second data processing unit 10 are functional parts that are arithmetically processed inside the computer, and each function is configured as an individual program. The first data processing unit 9 in this embodiment functions as a signal processing unit, basic data extraction unit, extraction range setting unit, and feature data extraction unit. The second data processing unit 10 functions as an arithmetic processing unit.

コンピュータを利用した本データ処理装置の構成例を図４に示す。このコンピュータ１２は、上述の信号検出装置１，記憶装置（ＲＯＭ，ＲＡＭ等）１３，中央処理装置（ＣＰＵ）１４，出力インタフェースとしてのモニタ１５，入力インタフェースとしてのキーボード１６及びマウス１７を備えて構成されている。ここで、本データ処理装置に係る第一データ処理部９及び第二データ処理部１０は、記憶装置１３の内部にプログラムとして記憶されている。   An example of the configuration of the data processing apparatus using a computer is shown in FIG. The computer 12 includes the signal detection device 1, a storage device (ROM, RAM, etc.) 13, a central processing unit (CPU) 14, a monitor 15 as an output interface, a keyboard 16 and a mouse 17 as input interfaces. Has been. Here, the first data processing unit 9 and the second data processing unit 10 according to the data processing apparatus are stored as programs in the storage device 13.

以下、本データ処理装置における信号処理内容について、図１のブロック図を用いて概念的に説明する。
［１−２．信号検出装置］
信号検出装置１は、機械，動植物や微生物等の生命体の状態や天候や地震等の自然現象といった、種々の対象体の状態に関わる様々なパラメータ（変動要素）を検出するセンサである。このパラメータには、センサから直接検出される情報のほか、センサでの検出情報を演算等によって処理して、対応するパラメータの値を推定値として求めたものも含まれる。 Hereinafter, the signal processing contents in the data processing apparatus will be conceptually described with reference to the block diagram of FIG.
[1-2. Signal detection device]
The signal detection device 1 is a sensor that detects various parameters (variation factors) related to the state of various objects such as the state of a living body such as a machine, animals, plants, and microorganisms, or a natural phenomenon such as weather or an earthquake. This parameter includes not only information directly detected from the sensor but also information obtained by processing the detection information from the sensor by calculation or the like and obtaining the value of the corresponding parameter as an estimated value.

本実施形態ではこの信号検出装置１として、本データ処理装置の演算対象となる加速度信号を検出するための加速度センサが適用されており、対象となる人物の体に装着されている。なお、この加速度センサは、測定対象や目的に合わせて一軸〜三軸のものを任意に用いてよいが、歩行時における鉛直方向，水平前後方向及び水平左右方向の三方向へ作用する加速度を検出するための三軸加速度センサを用いるのが好ましい。今回の具体例では三軸加速度センサを用いており、ここで検出された鉛直方向の加速度の検出情報及びその検出時刻情報が、図１に示すように、測定信号Ｓとして第一データ処理部９へ入力されるようになっている。   In the present embodiment, an acceleration sensor for detecting an acceleration signal that is a calculation target of the data processing apparatus is applied as the signal detection apparatus 1 and is mounted on the body of a target person. This acceleration sensor may be arbitrarily selected from one axis to three axes depending on the measurement object and purpose, but it detects acceleration acting in three directions: vertical direction, horizontal front-rear direction and horizontal left-right direction during walking. It is preferable to use a three-axis acceleration sensor. In the present specific example, a triaxial acceleration sensor is used, and the detected information and the detected time information of the vertical acceleration detected here are the first data processing unit 9 as the measurement signal S as shown in FIG. To be input.

［１−３．第一データ処理部］
第一データ処理部９は、本願請求項１に規定された処理を測定信号Ｓに施す機能部位であり、図１に示すように、測定信号記憶部１１，基本測定信号生成部２，基本データ抽出部３，抽出範囲設定部４及び特徴データ抽出部５を備えて構成される。ここで施される処理とは、光学信号，音声信号，電磁気信号等からなる測定信号Ｓに対し、その特徴を把握しやすくするために、数学的，電気的な加工を施して信号を変換すること（換言すれば、信号処理）である。なお、該処理はその処理対象となる信号の種類によって、アナログ信号処理とデジタル信号処理とに分類することができる。本第一データ処理部９は、デジタル信号処理の範疇に含まれる処理を実施するものである。 [1-3. First data processing unit]
The first data processing unit 9 is a functional part that performs the processing defined in claim 1 on the measurement signal S. As shown in FIG. 1, the first data processing unit 9 includes a measurement signal storage unit 11, a basic measurement signal generation unit 2, and basic data. An extraction unit 3, an extraction range setting unit 4 and a feature data extraction unit 5 are provided. The processing performed here is to convert the signal by applying mathematical and electrical processing to the measurement signal S composed of an optical signal, an audio signal, an electromagnetic signal, etc. so as to make it easy to grasp the characteristics. (In other words, signal processing). The processing can be classified into analog signal processing and digital signal processing depending on the type of signal to be processed. The first data processing unit 9 performs processing included in the category of digital signal processing.

［１−３−１．測定信号記憶部］
測定信号記憶部１１は、信号検出装置１から入力された測定信号Ｓを記憶する機能部位である。ここに記憶された測定信号Ｓは、図１に示すように、測定信号記憶部１１から二系統に分かれて基本測定信号生成部２及び特徴データ抽出部５のそれぞれへと入力されるようになっている。つまり、基本測定信号生成部２及び特徴データ抽出部５の各々に対して、何ら加工されていない生の情報が入力されることになる。 [1-3-1. Measurement signal storage]
The measurement signal storage unit 11 is a functional part that stores the measurement signal S input from the signal detection device 1. As shown in FIG. 1, the measurement signal S stored here is divided into two systems from the measurement signal storage unit 11 and is input to each of the basic measurement signal generation unit 2 and the feature data extraction unit 5. ing. That is, raw information that has not been processed at all is input to each of the basic measurement signal generation unit 2 and the feature data extraction unit 5.

なお、この測定信号記憶部１１に入力される測定信号Ｓは、信号検出装置１において所定時間の間に検出された一連の時系列データであってもよいし、あるいは、信号検出手段１で随時検出された個別の測定データであってもよい。
前者の場合には、時系列データとしての測定信号Ｓがそのまま、基本測定信号生成部２及び特徴データ抽出部５へ入力される。また、後者の場合には、信号検出装置１からの測定信号Ｓの総数が予め設定された所定数以上となるまでの間、各測定信号Ｓが測定信号記憶部１１に記憶され、データ数が十分に揃った段階でそれら全体の測定信号Ｓが基本測定信号生成部２及び特徴データ抽出部５へと入力されるようになっている。なお、本実施形態では、後者の場合について説明する。 Note that the measurement signal S input to the measurement signal storage unit 11 may be a series of time-series data detected during a predetermined time in the signal detection device 1, or the signal detection unit 1 may perform the measurement as needed. It may be detected individual measurement data.
In the former case, the measurement signal S as time series data is input to the basic measurement signal generation unit 2 and the feature data extraction unit 5 as it is. In the latter case, each measurement signal S is stored in the measurement signal storage unit 11 until the total number of measurement signals S from the signal detection device 1 is equal to or greater than a predetermined number, and the number of data is When the measurement signals S are sufficiently prepared, the entire measurement signals S are input to the basic measurement signal generation unit 2 and the feature data extraction unit 5. In the present embodiment, the latter case will be described.

［１−３−２．基本測定信号生成部］
基本測定信号生成部２は、信号検出装置１から入力された時系列の測定信号Ｓから必要な信号成分を取り出すための処理を実施する機能部位である。本具体例では、歩行時の加速度変化のピークを検出するためのデジタルフィルタ処理がなされており、加速度の時系列データに対し、ローパスフィルタ,位相フィルタ及びハイパスフィルタの三種のフィルタ処理が施されるようになっている。 [1-3-2. Basic measurement signal generator]
The basic measurement signal generation unit 2 is a functional part that performs processing for extracting a necessary signal component from the time-series measurement signal S input from the signal detection device 1. In this specific example, a digital filter process for detecting a peak of acceleration change during walking is performed, and three types of filter processes of a low-pass filter, a phase filter, and a high-pass filter are performed on the time series data of acceleration. It is like that.

この基本測定信号生成部２で施される処理の具体的な内容としては、測定信号データの種類や内容、あるいは、どのような目的のもとに解析するのかによって異なるが、一般的には、フィルタ処理，フーリエ変換処理，エンベロープ処理といった線形解析手法を単独で、又は、それらを組み合わせて行うのが好ましい。
ローパスフィルタは、多様な周波数成分を含んだ入力信号の中から高周波数の振動成分を低減させる（あるいは除去する）フィルタである。このローパスフィルタにより、人物の歩行に伴う加速度変動の周波数（すなわち、一方の足が地面についてから他方の足が地面につくまでの時間間隔の逆数）よりも高周波数のノイズ成分が抑制されるようになっている。なお、図２（ａ）中に実線で示された測定信号Ｓに見られる細かい時間間隔の振動が、高周波数のノイズ成分である。 The specific content of the processing performed by the basic measurement signal generator 2 varies depending on the type and content of measurement signal data, or the purpose of analysis, but in general, It is preferable to perform linear analysis methods such as filter processing, Fourier transform processing, and envelope processing alone or in combination.
The low-pass filter is a filter that reduces (or removes) a high-frequency vibration component from an input signal including various frequency components. This low-pass filter suppresses noise components with higher frequencies than the frequency of acceleration fluctuations associated with walking of a person (that is, the reciprocal of the time interval from when one foot touches the ground until the other foot touches the ground). It has become. In addition, the vibration of the fine time interval seen by the measurement signal S shown as the continuous line in Fig.2 (a) is a high frequency noise component.

また、位相フィルタは、入力信号の位相変化を遅延させるフィルタである。ここでは、入力信号の位相をその加速度変動の四半周期分だけ遅延させるようになっている。
一方、ハイパスフィルタは、人物の歩行に伴う加速度変動の周波数よりも低周波数の振動成分を低減させる（あるいは除去する）フィルタである。このハイパスフィルタにより、信号検出装置１で検出された信号のドリフト成分が抑制されるようになっている。これらのフィルタ処理を施すことにより、測定信号Ｓの中から人物の歩行に伴う加速度変動の時系列データが明確化されるようになっている。 The phase filter is a filter that delays the phase change of the input signal. Here, the phase of the input signal is delayed by a quarter period of the acceleration fluctuation.
On the other hand, the high-pass filter is a filter that reduces (or removes) a vibration component having a frequency lower than the frequency of the acceleration fluctuation caused by walking of the person. By this high-pass filter, the drift component of the signal detected by the signal detection device 1 is suppressed. By applying these filter processes, the time series data of the acceleration fluctuation accompanying the walking of the person from the measurement signal S is clarified.

例えば、図２（ａ）中に実線で示された測定信号Ｓとしての加速度の時系列信号に対して、上記の各フィルタ処理を施すと、破線で示されたような信号が取り出される。つまり、信号検出装置１で検出された生の情報の中から、歩行の時間間隔という特徴が、それに対応する周期を有する波として取り出される。こうして取り出された時系列信号のことを、以下、基本測定信号ＳBと呼ぶ。 For example, when the above filter processing is performed on the acceleration time series signal as the measurement signal S indicated by the solid line in FIG. 2A, a signal indicated by the broken line is extracted. That is, the characteristic of the walking time interval is extracted from the raw information detected by the signal detection device 1 as a wave having a corresponding period. To a time-series signal thus taken out, hereinafter referred to as basic measurement signal S B.

なお、この基本測定信号ＳBは位相フィルタを介して取り出された信号であるため、この信号の大きさが０となる時刻（すなわち０点の位置）が、元の入力信号のピーク位置（最大値，最小値）が検出された時刻に対応している。 Since this basic measurement signal S B is a signal extracted through a phase filter, the time when the magnitude of this signal becomes 0 (that is, the position of 0 point) is the peak position (maximum of the original input signal). Corresponds to the time at which (value, minimum value) was detected.

［１−３−３．基本データ抽出部］
基本データ抽出部３は、基本測定信号生成部２で生成された基本測定信号ＳBの中から、加速度変動を特徴づける情報を抽出するものである。ここでは、加速度変動を特徴づける情報として、フィルタ処理によって得られた基本測定信号ＳBから推定される、入力された測定信号Ｓのピーク位置を抽出するようになっている。つまり、基本データ抽出部３では、基本測定信号ＳBの０点のうち、その前後で信号値が負から正へと変化するものに着目し、その０点に対応する測定信号Ｓ（すなわち、基本測定信号における変動ピークの検出時刻の測定信号）を抽出する。より具体的には、図２（ａ）中において０点の時刻と同一時刻の測定信号Ｓを基本データＤBとして抽出するようになってい
る。 [1-3-3. Basic data extraction unit]
Basic data extraction unit 3, from the base measurement signal S B generated by the basic measurement signal generation unit 2, and extracts information characterizing the acceleration variation. Here, as the information characterizing the acceleration variation, and is estimated from the basic measurement signal S B obtained by the filtering process to extract the peak position of the input measurement signal S. That is, in the basic data extracting section 3, of the zero point of the basic measurement signal S B, focusing on those changes the signal value at the before and after from negative to positive, the measured signal S (i.e. corresponding to the 0-point, The measurement signal at the detection time of the fluctuation peak in the basic measurement signal) is extracted. More specifically adapted to extract as the basic data D B of the measurement signal S in time and the same time of the zero point in the figure 2 (a).

なお、この図２（ａ）に示すように、実際の測定信号Ｓのピーク位置と基本データＤBとの間には若干のズレが生じていることがわかる。これは、前述の通り、基本測定信号生成部２におけるフィルタ処理によって失われた情報によるものである。すなわち、フィルタリングを施すことで測定信号Ｓ中に含まれる特徴的な情報に抜けが生じた結果、基本測定信号ＳBの０点の位置と実際のピーク位置とが相違してしまっているのである。 In this, as shown in FIG. 2 (a), between the actual measurement signal peak position and the basic data D B of S it can be seen that a slight shift occurs. This is due to the information lost by the filter processing in the basic measurement signal generator 2 as described above. That is, as a result of missing the characteristic information included in the measurement signal S by performing filtering occurs, it is the actual peak position and the position of the zero point of the basic measurement signal S B is got different .

一般に、入力信号に対する前処理として不可逆的な演算処理操作を行うほど、その処理内容に関わらず、入力信号中に含まれる本来の情報が失われる。つまり、たとえそれが入力信号の変動を見つけやすくするための処理操作であったとしても、その結果得られる情報には何らかの誤差が含まれてしまうことになる。もちろん、入力信号の変動把握が容易となる限度内において可能な限り誤差の小さい前処理を追求することも考えられるものの、その結果得られる演算の精度には限界がある。   In general, the more irreversible arithmetic processing operations are performed as preprocessing for an input signal, the more the original information contained in the input signal is lost regardless of the processing content. That is, even if it is a processing operation for making it easy to find the fluctuation of the input signal, some information is included in the information obtained as a result. Of course, it is conceivable to pursue preprocessing with as small an error as possible within the limit that makes it easy to grasp fluctuations in the input signal, but the accuracy of the calculation obtained as a result is limited.

また、このような誤差を小さくするための典型的な手法として、フィルタ処理内容を調整することで測定信号Ｓのピーク位置と基本データＤBとを一致させるという手法がある。例えば、位相フィルタにおける位相変化の遅延量を微調整して、測定信号Ｓのピーク位置と基本データＤBとの誤差を一様に狭めることが考えられる。
しかしながら、このような微調整は、熟練した技術者の勘に頼らざるを得ないやや不確実な手法であり、データ処理精度が不安定となるおそれがある。また、このような微調整は、対象とする個々のデータ群毎（例えば、信号を検出した個体毎）にそれぞれに応じて行う必要があるため、複数の（大量の）データ群を扱う場合、処理に時間がかかり、調整作業も繁雑なものとなる。さらに、実際に前処理を施した後の基本データＤBを確認してからでなければ調整ができないため、このような手法では十分なデータ処理速度が得られないのである。 Further, as a typical technique for reducing such errors, there is a technique of matching the peak position and the basic data D B of the measuring signal S by adjusting the filtering content. For example, by finely adjusting the delay amount of the phase change in the phase filter, it is conceivable to uniformly reduce the error between the peak position and the basic data D B of the measuring signal S.
However, such a fine adjustment is a somewhat uncertain technique that must be relied on by a skilled engineer, and there is a risk that the data processing accuracy may become unstable. In addition, since such fine adjustment needs to be performed according to each target data group (for example, each individual from which a signal is detected), when handling a plurality (large amount) of data groups, Processing takes time and adjustment work is complicated. Moreover, because it can not adjust unless after confirming the basic data D B obtained by performing an actual pretreatment, in such a method is not sufficient data processing speed is obtained.

そこで、本発明では、単に基本測定信号ＳBに基づいて基本データＤBを抽出するだけでなく、以下に説明する抽出範囲設定部４及び特徴データ抽出部５を備えた構成としている。 Therefore, in the present invention, merely has a configuration having a basic data D B not only to extract, the extraction range setting unit 4 and the characteristic data extraction unit 5 will be described below based on the basic measurement signal S B.

［１−３−４．抽出範囲設定部］
抽出範囲設定部４は、基本データＤBが検出された時刻の近傍時間を抽出範囲Ａとして設定するものである。近傍時間とは基本データＤBが検出された時刻の前後の時間のことを意味している。ここでは図２（ｂ）に示すように、抽出範囲Ａが、基本データＤBが検出された時刻以前の所定時間ｔ1と基本データＤBが検出された時刻以後の所定時間ｔ2とから構成されている。なお、ここで設定された抽出範囲Ａは、続いて説明する特徴データ抽出部５へと入力されるようになっている。 [1-3-4. Extraction range setting section]
Extraction range setting unit 4 is configured to set the near time time that the basic data D B are detected as the extraction range A. The near time means that the time before and after the time at which the basic data D B are detected. Here, as shown in FIG. 2 (b), the extraction range A is the basic data D B a predetermined time before the time that the detected t 1 and the basic data D B are detected time after a predetermined time t 2 Metropolitan It is configured. The extraction range A set here is input to the feature data extraction unit 5 to be described later.

なお、所定時間ｔ1及びｔ2は、それぞれ任意に設定可能な時間である。例えば、基本測定信号ＳBの波長λに対する割合として定めてもよいし、予め設定した値としてもよい。本実施形態では、各所定時間ｔ1及びｔ2が、上述のフィルタ処理によって生じると推定される時間誤差よりも大きくなるように設定されている。なお、フィルタ処理によって失われる情報量が比較的少ない場合には所定時間ｔ1及びｔ2が比較的短くてもよく、一方、失われる情報量が比較的多いフィルタ処理を実施する場合には所定時間ｔ1及びｔ2を比較的長く設定するとよい。 The predetermined times t 1 and t 2 are times that can be arbitrarily set. For example, it may be determined as a ratio to the wavelength λ of the fundamental measurement signal S B, it may be a preset value. In the present embodiment, each predetermined time t 1 and t 2 is set to be larger than the time error estimated to be caused by the above-described filtering process. The predetermined times t 1 and t 2 may be relatively short when the amount of information lost by the filtering process is relatively small, while the predetermined time t 1 and t 2 may be relatively short when performing the filtering process with a relatively large amount of information lost. Times t 1 and t 2 may be set relatively long.

［１−３−５．特徴データ抽出部］
特徴データ抽出部５は、抽出範囲設定部４で設定された抽出範囲Ａ内に含まれる測定信号Ｓの中から、人物の歩行状態を特徴付ける信号、すなわち、実際のピーク位置を特徴データＤcとして抽出するものである。ここでの演算処理は、図２（ｂ）に示すように、抽出範囲Ａ内の測定信号Ｓの最大値を検出することで求められている。これにより、歩行状態において左右何れかの足が地面についた時刻及びその時の鉛直方向の加速度が、特徴データＤcとして正確に抽出されることになる。なお、図２（ｂ）中においては、特徴データＤcのグラフ上の位置が記号＋で示されている。 [1-3-5. Feature data extraction unit]
The feature data extraction unit 5 uses, as the feature data D c , a signal that characterizes the walking state of the person, that is, an actual peak position, from the measurement signal S included in the extraction range A set by the extraction range setting unit 4. To extract. The calculation process here is obtained by detecting the maximum value of the measurement signal S within the extraction range A as shown in FIG. Thus, time left or right foot is on the ground in a walking state and the vertical direction of the acceleration at that time, it will be correctly extracted as feature data D c. In FIG. 2B, the position of the feature data D c on the graph is indicated by a symbol +.

このように、抽出範囲設定部４及び特徴データ抽出部５は、基本データＤBに基づいて再び元の測定信号Ｓへ立ち返り、測定信号Ｓの中から特徴データＤcを抽出するように機能する。つまり、基本データＤBには誤差が含まれているものの、その近傍に本来の特徴を示す情報が存在するものと見なして抽出範囲設定部４で抽出範囲Ａを設定している。さらに、特徴データ抽出部５では、抽出範囲Ａ中に含まれる測定信号Ｓのみを演算対象とすることで演算労力や演算時間を低減させるとともに、測定信号Ｓから特徴データＤcを抽出することでその精度を確保しているのである。 Thus, the extraction range setting unit 4 and the characteristic data extraction unit 5 again went back to the original measurement signal S based on the basic data D B, serves to extract the characteristic data D c from the measurement signal S . That is, the base data D B are set but contains errors, the extraction range A in the extraction range setting unit 4, it is assumed that information indicating the original features in the vicinity exists. Furthermore, the feature data extraction unit 5 reduces only the measurement signal S included in the extraction range A as a calculation target, thereby reducing calculation labor and calculation time, and extracting the feature data D c from the measurement signal S. That accuracy is ensured.

［１−４．第二データ処理部］
第二データ処理部１０は、第一データ処理部９において処理が施されたデータに対する実質的なデータ処理を行うための機能部位であり、図１に示すように、データ整列部６，解析部７及び判定部８を備えて構成される。この第二データ処理部１０では、歩行時における左右何れか一方の足の加速度データのピーク間隔時間の特徴が解析されるようになっている。なお、本実施形態における解析の手法としては、ピーク間隔時間の揺らぎを観察する非線形解析手法が用いられている。 [1-4. Second data processing unit]
The second data processing unit 10 is a functional part for performing substantial data processing on the data processed in the first data processing unit 9, and as shown in FIG. 7 and a determination unit 8. In the second data processing unit 10, the feature of the peak interval time of the acceleration data of either the left or right foot during walking is analyzed. As an analysis method in this embodiment, a non-linear analysis method for observing fluctuations in peak interval time is used.

ここでいう「揺らぎ」とは、ある波動が刻々と変化する際に観察される僅かな波形のズレ（空間的，時間的変化や動きが部分的に不規則な動き）のことを指している。例えば、歩行に伴う体動を加速度変動として検出した時系列データだけでなく、呼吸数や心拍数，脳波等のバイタルサインを時系列データとした場合にも、それらの波動のピーク間隔や周期は一定ではなく、複雑な変動を示すことが知られている。一方で、このような不規則に見える複雑な変動の中から、その挙動を支配していると考えられる構造を解析するための数々の手法が提案されている。第二データ処理部１０は、これらのような手法を利用して、ピーク間隔時間の揺らぎの度合いを観察することにより、その変動の背後に存在するであろう非線形構造を解析するものである。   Here, “fluctuation” refers to a slight waveform shift (spatial and temporal change or movement that is partially irregular) that is observed when a certain wave changes every moment. . For example, not only time-series data that detects body movements associated with walking as acceleration fluctuations, but also vital signs such as respiratory rate, heart rate, and brain waves are used as time-series data, the peak interval and period of those waves are It is known to exhibit complex fluctuations that are not constant. On the other hand, a number of methods have been proposed for analyzing the structure that seems to dominate the behavior among such complex changes that appear irregular. The second data processing unit 10 analyzes the nonlinear structure that will exist behind the fluctuation by observing the degree of fluctuation of the peak interval time using such a method.

なお、具体的な解析手法としては、スペクトル解析（ＦＦＴ解析），フラクタル解析（マルチフラクタル解析，デトレンド変動解析等），カオス解析及びウェーブレット解析等の公知の解析手法が挙げられるが、ここでは、フラクタル解析法の一つであるデトレンド変動解析が用いられている。
デトレンド変動解析の手法は、解析対象となる波動の複雑性をスケーリング指数と呼ばれる値で評価する統計的な解析手法である。本実施形態では、左右何れか一方の足の加速度データがデータ整列部６において整列され、その加速度データのスケーリング指数が解析部７において演算され、さらにその評価が判定部８でなされるようになっている。 Specific analysis methods include known analysis methods such as spectrum analysis (FFT analysis), fractal analysis (multifractal analysis, detrend fluctuation analysis, etc.), chaos analysis, and wavelet analysis. Detrend fluctuation analysis, which is one of the analysis methods, is used.
The detrend fluctuation analysis method is a statistical analysis method in which the complexity of the wave to be analyzed is evaluated by a value called a scaling index. In the present embodiment, the acceleration data of either the left or right foot is aligned in the data alignment unit 6, the scaling index of the acceleration data is calculated in the analysis unit 7, and the evaluation is performed in the determination unit 8. ing.

［１−４−１．データ整列部］
まず、データ整列部６は、解析部７における演算の便宜を図るべく、特徴データ抽出部５で抽出された特徴データＤcを整列させるものである。つまり、特徴データＤcをどのように整列させるかは、解析部７におけるデータ処理の種類等に応じて適宜設定される。なお、解析部７での解析手法に応じて、このデータ整列部６における演算を省略してもよい。 [1-4-1. Data alignment section]
First, data alignment unit 6, to the convenience of operation in the analysis unit 7 is intended to align the characteristic data D c extracted by the feature data extraction unit 5. That is, how to arrange the feature data D c is appropriately set according to the type of data processing in the analysis unit 7. The calculation in the data alignment unit 6 may be omitted depending on the analysis method in the analysis unit 7.

本実施形態では、特徴データ抽出部５で抽出された特徴データＤcにおいて、人物の左右の足が区別されていないため、歩行状態をより詳細に観察するために、このデータ整列部６において特徴データＤcが交互に並べ替えられ、分割されるようになっている。
具体的には、抽出された特徴データＤcをその検出時刻の順に並べ、奇数番目のものと偶数番目のものとに分離する。つまり、例えば奇数番目の特徴データＤc群には、左右何れか一方の足が地面についた時刻及びその時の加速度のデータが羅列され、偶数番目の特徴データＤc群には、他方の足のデータが羅列されるようになっている。これにより、一方の特徴データＤc群の時間間隔を演算することで、片足の歩行間隔（片足が地面に接触する時間間隔）を把握することができるようになっている。 In the present embodiment, since the left and right feet of the person are not distinguished in the feature data D c extracted by the feature data extraction unit 5, the data alignment unit 6 uses the feature data to observe the walking state in more detail. The data Dc is alternately sorted and divided.
Specifically, arranging the extracted feature data D c in the order of the detection time, separated into those odd and even ones and. That is, for example, in the odd-numbered feature data D c group, the time when one of the left and right feet touches the ground and the acceleration data at that time are listed, and in the even-numbered feature data D c group, the data of the other foot is listed. The data is enumerated. Thereby, by calculating the time interval of one feature data Dc group, the walking interval of one foot (the time interval at which one foot contacts the ground) can be grasped.

［１−４−２．解析部］
解析部７は、第一データ処理部９のデータ整列部６から入力された偶数番目及び奇数番目の特徴データＤc群のそれぞれのデータ群について個別にスケーリング指数を演算する。具体的には、片方の特徴データＤc群をその検出時刻に基づいてｎ個の区間に分割し、各区間において各特徴データＤcが検出された時間間隔（歩行間隔時間）とそのトレンドとの最小二乗誤差（分散）Ｆを算出して、分割数ｎ及び分散Ｆの各々の対数プロットの勾配αをスケーリング指数として演算する。なお、トレンドとは、各区間内におけるデータの推移傾向を意味しており、例えば各区間内のデータを直線に近似したものとする。 [1-4-2. Analysis Department]
The analysis unit 7 individually calculates a scaling index for each of the even-numbered and odd-numbered feature data Dc groups input from the data alignment unit 6 of the first data processing unit 9. Specifically, one feature data D c group is divided into n sections based on the detection time, and the time interval (walking interval time) in which each feature data D c is detected in each section and its trend Is calculated, and the slope α of the logarithmic plot of each of the division number n and the variance F is calculated as a scaling index. Note that the trend means a trend of data transition in each section. For example, the data in each section is approximated to a straight line.

この方法では、区間の分割数ｎを変化させれば、特徴データＤc群の観察スケールも変化することになり、算出される分散Ｆも変化することになる。一方、分割数ｎ及び分散Ｆの各々の対数プロットに線形関係が認められれば、分割数ｎと分散Ｆとの間には自己相似におけるスケールが存在するということになる。つまりここでは、観察する区間を変化させた場合における、実際の歩行間隔時間のばらつきの度合いの自己相似性の大きさをスケーリング指数αとして演算していることになる。 In this method, if the division number n is changed, the observation scale of the feature data D c group also changes, and the calculated variance F also changes. On the other hand, if a linear relationship is recognized in each logarithmic plot of the division number n and the variance F, it means that a scale in self-similarity exists between the division number n and the variance F. That is, here, the magnitude of the self-similarity of the degree of variation in the actual walking interval time when the section to be observed is changed is calculated as the scaling index α.

［１−４−３．判定部］
判定部８は、解析部７で演算されたスケーリング指数αに基づいて、歩行状態を判定する。一般に、スケーリング指数αの値によって、分割数ｎと分散Ｆとの間の相関を判断することができることが知られている。例えば、０．５＜α＜１である場合には、長距離相関が認められ、α＝１である場合には１／ｆ揺らぎの相関が認められる。また、相関はあるもののフラクタル性が認められない場合には、α＞１となる。 [1-4-3. Judgment unit]
The determination unit 8 determines the walking state based on the scaling index α calculated by the analysis unit 7. In general, it is known that the correlation between the division number n and the variance F can be determined by the value of the scaling index α. For example, when 0.5 <α <1, long-range correlation is recognized, and when α = 1, 1 / f fluctuation correlation is recognized. If there is a correlation but no fractal property is observed, α> 1.

なお、「１／ｆ揺らぎ」とは、前述の揺らぎのうち、揺らぎ成分の大きさ（パワースペクトル）が周波数ｆに対して１／ｆとなるような揺らぎのことを意味している。例えば、小川のせせらぎ音やそよ風の風圧，木目の形状，小鳥のさえずり音といった自然界に存在する波動をスペクトル解析すると、パワースペクトルが周波数ｆに反比例する１／ｆ揺らぎを観測することができる。近年では、人間や動物などから発せられる生体信号（バイタルサイン）にも揺らぎが観察されることが判明しており、特に、観察対象の健康状態を判断するための指標として１／ｆ揺らぎを用いることの有用性が多数報告されている。   Note that “1 / f fluctuation” means fluctuation among the aforementioned fluctuations such that the magnitude (power spectrum) of the fluctuation component is 1 / f with respect to the frequency f. For example, if a spectrum analysis is performed on a wave that exists in nature, such as a buzzing sound of a stream, a wind pressure of a breeze, a shape of a wood grain, or a chirping sound of a bird, a 1 / f fluctuation whose power spectrum is inversely proportional to the frequency f can be observed. In recent years, it has been found that fluctuations are also observed in biological signals (vital signs) emitted from humans and animals, and in particular, 1 / f fluctuation is used as an index for judging the health state of an observation target. Many usefulness has been reported.

これらのような特性に基づき、判定部８は、スケーリング指数αがα＝１に近いほど、良好な歩行状態であると判定するようになっている。ここでの判定結果は前述のモニタ１５へ出力されるようになっている。   Based on these characteristics, the determination unit 8 determines that the better the walking state is, the closer the scaling index α is to α = 1. The determination result here is output to the monitor 15 described above.

［２．フローチャート］
図３に示すフローチャートを用いて、本データ処理装置における制御内容を説明する。
ステップＡ１０では、信号検出装置１としての加速度センサにより、加速度の検出情報及びその検出時刻情報が測定信号Ｓとして検出される。ここで検出された測定信号Ｓは、第一データ処理部９の測定信号記憶部１１へ入力され、記憶される。
続くステップＡ２０では、測定信号記憶部１１において、記憶された測定信号Ｓの総数が予め設定された所定数以上であるか否かが判定される。つまりこのステップでは、信号処理すべきデータ数が十分に揃っているか否かが判定される。ここで、測定信号Ｓの総数が所定数以上である場合にはステップＡ３０へ進み、測定信号Ｓの総数が所定数未満である場合にはステップＡ１０へ戻る。これにより、データ数が十分に揃うまでの間、ステップＡ１０〜２０が繰り返し実行されることになる。 [2. flowchart]
The control contents in the data processing apparatus will be described with reference to the flowchart shown in FIG.
In step A10, the acceleration detection information and the detection time information thereof are detected as the measurement signal S by the acceleration sensor as the signal detection device 1. The measurement signal S detected here is input to and stored in the measurement signal storage unit 11 of the first data processing unit 9.
In subsequent step A20, it is determined whether or not the total number of measurement signals S stored in the measurement signal storage unit 11 is equal to or larger than a predetermined number set in advance. That is, in this step, it is determined whether or not the number of data to be signal processed is sufficient. If the total number of measurement signals S is greater than or equal to the predetermined number, the process proceeds to step A30. If the total number of measurement signals S is less than the predetermined number, the process returns to step A10. Thus, steps A10 to A20 are repeatedly executed until the number of data is sufficient.

ステップＡ３０では、基本測定信号生成部２において、測定信号Ｓの時系列データに対しローパスフィルタ,位相フィルタ及びハイパスフィルタの三種のフィルタ処理が施される。これらのフィルタ処理により、人物の歩行に伴う加速度変動を中心として高周波数及び低周波数の振動成分が低減され、歩行の時間間隔という特徴が、それに対応する周期を有する波として取り出される。図２（ａ）に破線で示される基本測定信号ＳBが、この波である。なお位相フィルタ処理により、基本測定信号ＳBの大きさが０となる時刻が、時系列の測定信号Ｓのピーク位置の時刻に対応するものとなる。 In step A30, the basic measurement signal generator 2 performs three types of filter processing on the time series data of the measurement signal S: a low-pass filter, a phase filter, and a high-pass filter. By these filter processes, high frequency and low frequency vibration components are reduced centering on acceleration fluctuations associated with walking of a person, and the feature of walking time interval is extracted as a wave having a corresponding period. Basic measurement signal S B shown by broken lines in FIG. 2 (a), it is the wave. Note by the phase filter, the time when the size of an elementary measurement signal S B is 0, it becomes a corresponding to the time of the peak position of the measuring signal S of the time series.

続くステップＡ４０では、基本データ抽出部３において、基本測定信号ＳBの中から基本データＤBが抽出される。ここでは、前後で信号値が負から正へと変化する基本測定信号ＳBの０点に対応する測定信号Ｓが、基本データＤBとして抽出される。図２（ａ）に示すように、実際の測定信号Ｓのピーク位置と基本データＤBとの間には、若干の誤差が生じていることがわかる。 In step A40, the basic data extracting unit 3, the base data D B are extracted from the base measurement signal S B. Here, the measurement signal S corresponding to the zero point of the basic measurement signal S B which changes the signal value before and after the from negative to positive is extracted as the basic data D B. As shown in FIG. 2 (a), between the actual measurement signal peak position and the basic data D B of S, it can be seen that some errors occurs.

さらに続くステップＡ５０では、抽出範囲設定部４において、基本データＤBが検出された時刻の近傍時刻が抽出範囲Ａとして設定される。抽出範囲Ａは、基本データＤBが検出された時刻を挟んで、それ以前の所定時間ｔ1とそれ以後の所定時間ｔ2とを合計した時間の幅である。各所定時間ｔ1及びｔ2は、フィルタ処理によって生じると推定される時間誤差よりも大きく設定されているため、抽出範囲Ａの中に実際の測定信号Ｓのピークが位置することになる。つまり、図２（ｂ）に示すように、抽出範囲Ａは、実際の測定信号Ｓのピーク位置と基本データＤBとの間に生じている若干の誤差を吸収しうる幅を備えている。 In further successive step A50, the extraction range setting unit 4, near the time of the time when the basic data D B are detected is set as the extraction range A. Extraction range A is across the time at which the basic data D B are detected, it is a previous predetermined time t 1 and thereafter the width of the predetermined time t 2 and time which is the sum of. Since each of the predetermined times t 1 and t 2 is set to be larger than the time error estimated to be caused by the filter processing, the peak of the actual measurement signal S is located in the extraction range A. That is, as shown in FIG. 2 (b), the extraction range A is provided with a can absorb certain errors occurring between the actual measurement signal peak position and the basic data D B of S width.

続くステップＡ６０では、特徴データ抽出部５において、抽出範囲Ａ内に含まれる測定信号Ｓの最大値が特徴データＤcとして抽出され、ステップＡ７０へと進む。図２（ｂ）に示すように、特徴データＤcは実際の測定信号Ｓの最大値であり、歩行状態を特徴付ける正確な信号となる。
ステップＡ７０では、データ整列部６において、前ステップで抽出された特徴データＤcが分割され、人物の歩行状態における右足が地面についた時刻及び加速度の時系列データと、左足に係る時系列データとが生成される。そして、続くステップＡ８０では、第二データ処理部１０においてこれらの特徴データＤcが解析され、このフローが終了する。 In step A60, the feature data extraction unit 5, the maximum value of the measurement signal S to be included within the extracted range A are extracted as characteristic data D c, the process proceeds to step A70. As shown in FIG. 2B, the feature data D c is the maximum value of the actual measurement signal S, and is an accurate signal that characterizes the walking state.
In step A70, the data alignment unit 6, is extracted in the previous step feature data D c is divided, and the time series data of the time and acceleration right foot is on the ground in the walking state of a person, the time series data according to the left foot Is generated. In the subsequent step A80, the feature data Dc is analyzed in the second data processing unit 10, and this flow ends.

第二データ処理部１０における具体的な解析フローや判定及びその出力フローについては説明を省略するが、右足に係る時系列特徴データＤc及び左足に係る時系列特徴データＤcの各々に対して、歩行間隔時間のゆらぎのスケーリング指数αが演算され、α＝１である状態を基準として、歩行状態が良好であるか否かが判定される。また、このような判定結果はモニタ１５へ出力される。なお、特徴データＤcの解析が一旦終了した時点で、ステップＡ２０での判定に係る測定信号Ｓの総数がリセットされる。 It is omitted for specific analysis flow and determination and output flow of the second data processing unit 10, for each of the time-series feature data D c of the series feature data D c and left foot when according to the right foot Then, the scaling index α of the fluctuation of the walking interval time is calculated, and it is determined whether or not the walking state is good with reference to the state where α = 1. Further, such a determination result is output to the monitor 15. Incidentally, when the analysis is completed once the characteristic data D c, the total number of the measurement signal S according to the result of the determination in step A20 is reset.

［３．効果］
このように、本実施形態に係るデータ処理装置によれば、信号検出装置１から入力された測定信号Ｓが二系統の信号過程の各々で処理される。一方は基本測定信号生成部２及び基本データ抽出部３における抽出範囲Ａの設定のための信号処理であり、他方は特徴データ抽出部５における特徴データＤcの抽出のための信号処理である。 [3. effect]
As described above, according to the data processing apparatus according to the present embodiment, the measurement signal S input from the signal detection apparatus 1 is processed in each of the two signal processes. One is a signal processing for setting the extraction range A in the basic measurement signal generating section 2 and the basic data extracting unit 3, the other is a signal processing for extracting feature data D c in the feature data extraction unit 5.

前者の信号処理過程においては測定信号Ｓに前処理が施されているが、その結果設定される抽出範囲Ａは、誤差を許容しうる幅を有するものであるため、前処理に伴う誤差の影響を相殺することができる。また、後者の信号処理過程においては前処理を施さずに直接特徴データＤcの抽出処理がなされているため、正確な特徴データＤcを取り出すことができる。 In the former signal processing process, the measurement signal S is preprocessed, but the extraction range A set as a result has a width that can tolerate an error. Can be offset. Further, in the latter signal processing process, the feature data D c is extracted directly without performing pre-processing, so that accurate feature data D c can be extracted.

つまり、一般に、前処理としての信号処理を行うと、測定信号の特徴が把握しやすくするなる反面、特徴的な情報の「抜け」が生じることになるが、本データ処理装置によれば、前処理の結果を参照ながら、「抜け」のない元の測定信号の中から特徴データＤcを抽出するため、データ処理の信頼性を向上させることができる。
また、特徴データ抽出部５における特徴データＤcの抽出に際し、抽出範囲Ａ内に含まれる測定信号Ｓのみが参照され、抽出範囲Ａ以外の測定信号Ｓが除外されるため、歩行状態を特徴付ける測定信号Ｓとの相関が強いと考えられる部分の情報のみを容易に取り出すことができ、十分なデータ処理速度を確保することが可能となる。 In other words, in general, signal processing as preprocessing makes it easier to grasp the characteristics of the measurement signal, but characteristic information “missing” occurs. However, according to this data processing apparatus, Since the feature data D c is extracted from the original measurement signal without “missing” while referring to the processing result, the reliability of the data processing can be improved.
Moreover, when extracting the feature data D c in the feature data extraction unit 5, only the measurement signal S to be included within the extracted range A is referred to, since the measuring signal S outside the extraction range A is excluded, characterizing the walking state measurement Only the information of the part considered to have a strong correlation with the signal S can be easily extracted, and a sufficient data processing speed can be ensured.

さらに、特徴データ抽出部５は、抽出範囲Ａに含まれる測定信号Ｓのうちの最大値を特徴データＤcとして抽出するようになっている。この構成により、ノイズが多く特徴の抽出が困難とされているような動物のバイタルサインの中からでも、正確に特徴データを抽出することができる。
また、基本測定信号生成部２における前処理としてのフィルタ処理は、ローパスフィルタ,位相フィルタ及びハイパスフィルタといった一般的な信号処理であり、実施が容易であるとともに、短時間に処理を済ませることができる。一方、特徴データ抽出部５における演算処理に関しても、複雑な演算が不要であり素早く結果を得ることができる。特に、本実施形態の第一データ処理部９における処理内容は、線形解析の手法による信号処理から構成されているため、例えば非線形解析の手法を用いた信号処理と比較して構成が簡素であるという利点がある。 Further, the feature data extraction unit 5 is adapted to extract as the characteristic data D c the maximum value of the measurement signal S included in the extraction ranges A. With this configuration, it is possible to accurately extract feature data even from vital signs of animals that are noisy and feature extraction is difficult.
Further, the filter processing as preprocessing in the basic measurement signal generation unit 2 is general signal processing such as a low-pass filter, a phase filter, and a high-pass filter, and is easy to implement and can be processed in a short time. . On the other hand, the calculation processing in the feature data extraction unit 5 does not require a complicated calculation and can quickly obtain a result. In particular, since the processing content in the first data processing unit 9 of the present embodiment is configured by signal processing using a linear analysis technique, for example, the configuration is simple compared to signal processing using a nonlinear analysis technique. There is an advantage.

また、本データ処理装置は、単に基本測定信号ＳBに基づいて基本データＤBを抽出するだけでなく、抽出範囲設定部４及び特徴データ抽出部５を備えた構成となっている。つまり、フィルタ処理によって生成される誤差を小さくするための従来の手法として、位相フィルタにおける位相変化の遅延量を微調整するというものがあるが、本発明によれば、正確なデータが抽出されるが故にこのような微調整の必要がないうえ、実際に前処理を施した後の基本データＤBの確認も不要である。したがって、測定信号Ｓの検出及び測定信号Ｓの第一データ処理部９への入力から第二データ処理部１０における結果の出力に至るまでの全信号処理過程を完全に自動化することが可能となり、信号処理の労力を格段に低減させることが可能となる。 Further, the data processing apparatus is merely a basic measurement signal based on the S B not only extracts the basic data D B, with the extraction range setting unit 4 and the characteristic data extraction unit 5 configured. That is, as a conventional method for reducing the error generated by the filter processing, there is a method of finely adjusting the delay amount of the phase change in the phase filter. According to the present invention, accurate data is extracted. There thus after there is no need for such fine-tuning, a check of the basic data D B obtained by performing an actual pretreatment also unnecessary. Therefore, it is possible to completely automate the entire signal processing process from the detection of the measurement signal S and the input of the measurement signal S to the first data processing unit 9 to the output of the result in the second data processing unit 10, The signal processing effort can be significantly reduced.

さらに、本実施形態のデータ処理装置では、第一データ処理部９におけるデータ処理の後、特徴データＤc群のピーク間隔時間の揺らぎを観察する非線形解析手法が用いられている。前述の通り、仮に前処理でノイズを除去してしまえば却って非線形構造を把握しにくくなりかねないが、本データ処理装置では第二データ処理部１０へ入力される特徴データＤc群は、ノイズが除去されていない生の情報から抽出されたものであるため、特徴的な情報の抜けが生じず、正確に非線形構造を把握することが可能となる。つまり、一見ノイズのように見える部分の情報を切り捨てることなく正確な特徴部分の情報を抽出して非線形解析を実施することができる。 Further, in the data processing apparatus of the present embodiment, after the data processing in the first data processing unit 9, a non-linear analysis method for observing fluctuations in the peak interval time of the feature data Dc group is used. As described above, if noise is removed by preprocessing, it may be difficult to grasp the nonlinear structure. However, in this data processing apparatus, the feature data Dc group input to the second data processing unit 10 is noise. Since the information is extracted from raw information that has not been removed, characteristic information is not lost and the nonlinear structure can be accurately grasped. That is, it is possible to perform nonlinear analysis by extracting accurate feature information without discarding information that looks like noise at first glance.

このように、本データ処理装置によれば、簡素な構成で、データ処理速度及びデータ処理精度を向上させることができる。   Thus, according to the present data processing device, the data processing speed and the data processing accuracy can be improved with a simple configuration.

［４．その他］
以上、本発明の実施形態について説明したが、本発明は、上記実施形態に限定されず、本発明の趣旨を逸脱しない範囲で種々変形することが可能である。
例えば、上述の実施形態では、第一データ処理部９及び第二データ処理部１０におけるデータ処理機能がプログラムとして構成されたものを例示したが、これらの機能を実現手段はこれに限定されない。例えば、各第一データ処理部９及び第二データ処理部１０を、ＲＯＭ，ＲＡＭ，ＣＰＵ等を内蔵したワンチップマイコンとして構成してもよいし、あるいは、デジタル回路やアナログ回路といった電子回路として形成してもよい。 [4. Others]
As mentioned above, although embodiment of this invention was described, this invention is not limited to the said embodiment, A various deformation | transformation is possible in the range which does not deviate from the meaning of this invention.
For example, in the above-described embodiment, the data processing functions in the first data processing unit 9 and the second data processing unit 10 are configured as programs, but means for realizing these functions is not limited thereto. For example, each of the first data processing unit 9 and the second data processing unit 10 may be configured as a one-chip microcomputer incorporating a ROM, a RAM, a CPU, or the like, or formed as an electronic circuit such as a digital circuit or an analog circuit. May be.

なお、前述の通り、本発明のデータ処理装置においては、測定信号Ｓの検出から結果の出力に至るまでの信号処理過程を自動化することが可能なため、上述のような小型のマイコンで本発明に係るデータ処理装置を構成する場合、本発明に係るモニタ１５と同様の機能を備えた小型表示装置や、信号検出装置１と同様の機能を備えたマイクロセンサを搭載させて、入出力一体型の小型処理装置を製造することも可能である。   As described above, in the data processing apparatus of the present invention, the signal processing process from the detection of the measurement signal S to the output of the result can be automated. When the data processing device according to the present invention is configured, a small display device having the same function as the monitor 15 according to the present invention and a microsensor having the same function as the signal detection device 1 are mounted, and an input / output integrated type is mounted. It is also possible to manufacture a small processing apparatus.

また、上述の実施形態では、信号検出手段１として加速度信号を検出するための加速度センサが適用されているが、本データ処理装置の演算対象となる信号としては、種々の対象体の状態に関わる様々なパラメータが考えられる。
まず、人間や動物の状態に関係するバイタルサインを演算対象の信号とした場合、歩行等の運動に伴う体動や呼吸数，心拍数，体温，皮膚表面温度，皮膚電位，脈波（脈拍数），脳波，血流量，唾液などの体液成分，呼吸気中や血中の酸素飽和度，血糖値，心電，電気伝導度，体重（着座面への圧力），まばたきの数や周期，発汗量，その他身体から発せられる電磁波の強度や化学物質濃度等が挙げられる。 In the above-described embodiment, an acceleration sensor for detecting an acceleration signal is applied as the signal detection unit 1. However, as a signal to be calculated by the data processing apparatus, it relates to the state of various objects. Various parameters are possible.
First, when vital signs related to the state of humans and animals are used as signals to be calculated, body movements and respiratory rates, heart rate, body temperature, skin surface temperature, skin potential, pulse wave (pulse rate) ), Electroencephalogram, blood flow, body fluid components such as saliva, respiratory and blood oxygen saturation, blood glucose level, electrocardiogram, electrical conductivity, body weight (pressure on the seating surface), number and cycle of blinks, sweating The amount, the intensity of electromagnetic waves emitted from the body, the chemical substance concentration, etc. can be mentioned.

また、機械の作動状態に関係する物理量を演算対象の信号とした場合、その機械の作動出力変動や仕事率の変動，その機械の作動によってなされた作業精度の変動等を用いることが考えられる。さらに、天候，地震，火山活動といった自然現象を観察する場合には、気圧や気温，風速，風向，地殻変動等を演算対象の信号とすることが考えられる。
なお、上述の実施形態では、第一データ処理部９で演算処理される測定信号Ｓとして、その定義域が時間領域からなる時系列データを用いているが、これの代わりに、その定義域が二次元空間領域（及び時間領域）からなる画像信号を用いることも考えられる。 Further, when a physical quantity related to the operating state of a machine is used as a signal to be calculated, it is conceivable to use fluctuations in operation output of the machine, fluctuations in work rate, fluctuations in work accuracy caused by the operation of the machine, and the like. Furthermore, when observing natural phenomena such as weather, earthquake, and volcanic activity, it is conceivable to use atmospheric pressure, temperature, wind speed, wind direction, crustal movement, etc. as signals to be calculated.
In the above-described embodiment, time series data whose domain is a time domain is used as the measurement signal S that is arithmetically processed by the first data processing unit 9. It is also conceivable to use an image signal composed of a two-dimensional space region (and a time region).

また、上述の実施形態では、信号検出装置１で検出された測定信号Ｓが第一データ処理部９へ直接入力される構成となっているが、信号検出装置１と第一データ処理部９とを分離した構成としてもよい。例えば、信号検出装置１で検出された測定信号Ｓの時系列データを何らかの記憶媒体に保存しておき、演算処理が必要となった時点でそれらの時系列データを第一データ処理部９へ入力することが考えられる。この場合それらの時系列データを測定信号記憶部１１へ入力してもよいが、測定信号記憶部１１を介さずに基本測定信号生成部２及び特徴データ抽出部５の各々へ入力してもよい。   In the above-described embodiment, the measurement signal S detected by the signal detection device 1 is directly input to the first data processing unit 9, but the signal detection device 1, the first data processing unit 9, It is good also as a structure which isolate | separated. For example, the time series data of the measurement signal S detected by the signal detection device 1 is stored in some storage medium, and the time series data is input to the first data processing unit 9 when arithmetic processing is required. It is possible to do. In this case, the time series data may be input to the measurement signal storage unit 11, but may be input to each of the basic measurement signal generation unit 2 and the feature data extraction unit 5 without going through the measurement signal storage unit 11. .

また、上述の実施形態では、基本測定信号生成部２においてローパスフィルタ,位相フィルタ及びハイパスフィルタの三種のフィルタ処理が施されているが、バンドパスフィルタやノッチフィルタを併用してもよい。なお、基本測定信号生成部２における前処理とは、パラメータの変動を見つけやすくするための不可逆的な（非可逆変化を伴う）演算処理全般のことを指している。つまり、パラメータの変動を見つけやすくするための演算処理であれば、具体的な処理内容がフィルタ処理でなくてもよい。例えば、ヒルベルト変換処理，エンベロープ処理，フーリエ変換処理，加算平均の手法を用いた信号処理，ウェーブレット解析処理，フラクタル解析処理等を用いることが考えられる。また、任意の信号加算や減算，比例処理，積分処理，微分処理等も含まれる。   In the above-described embodiment, the basic measurement signal generation unit 2 performs three types of filter processing: a low-pass filter, a phase filter, and a high-pass filter. However, a band-pass filter or a notch filter may be used in combination. Note that the pre-processing in the basic measurement signal generation unit 2 refers to general irreversible (with irreversible change) arithmetic processing for making it easy to find parameter fluctuations. In other words, the specific processing content need not be the filter processing as long as it is an arithmetic processing for making it easy to find parameter variations. For example, it is conceivable to use Hilbert transform processing, envelope processing, Fourier transform processing, signal processing using an averaging method, wavelet analysis processing, fractal analysis processing, and the like. Also included are arbitrary signal addition and subtraction, proportional processing, integration processing, differentiation processing, and the like.

なお、デジタル回路やアナログ回路といった電子回路を使って第一データ処理部９及び第二データ処理部１０を構成する場合には、上述の実施形態に記載されたようなデジタルフィルタの代わりに、アナログフィルタを適用すればよい。すなわち、第一データ処理部９において実施されるデータ処理は、アナログ信号処理であってもよい。
また、上述の実施形態では、基本データ抽出部３において、基本測定信号ＳBの０点に対応する測定信号Ｓが抽出されるようになっているが、このような抽出対象は、本データ処理装置における演算対象に応じて適宜設定することができる。抽出範囲設定部４における抽出範囲Ａの位置や幅、及び、特徴データ抽出部５において特徴データＤcを取り出す位置についても同様である。 When the first data processing unit 9 and the second data processing unit 10 are configured using electronic circuits such as a digital circuit and an analog circuit, an analog circuit is used instead of the digital filter described in the above embodiment. Apply a filter. That is, the data processing performed in the first data processing unit 9 may be analog signal processing.
In the above-described embodiment, the basic data extracting unit 3, the measurement signal S is adapted to be extracted corresponding to the zero point of the basic measurement signal S B, such extraction object, the present data processing It can set suitably according to the calculation object in an apparatus. Position and width of the extraction range A in the extraction range setting unit 4, and is the same for the position for taking out the characteristic data D c in the feature data extraction unit 5.

また、上述の実施形態では、解析部７においてデトレンド変動解析の手法が用いられているが、解析方法はこれに限定されない。なお、前処理が解析結果に与える一般的な影響の大きさを考慮すると、解析部７における解析手法が非線形解析手法である場合には、線形解析手法の場合と比較してより正確な解析結果が期待できるものと考えられる。   Moreover, in the above-mentioned embodiment, although the method of the detrend fluctuation | variation analysis is used in the analysis part 7, the analysis method is not limited to this. In consideration of the general influence of the preprocessing on the analysis result, when the analysis method in the analysis unit 7 is a nonlinear analysis method, the analysis result is more accurate than the case of the linear analysis method. Can be expected.

本発明の一実施形態に係るデータ処理装置の全体構成を示すブロック図である。1 is a block diagram showing an overall configuration of a data processing apparatus according to an embodiment of the present invention. 本データ処理装置におけるデータ処理内容を説明するためのグラフであり、（ａ）は基本測定信号生成部及び基本データ抽出部におけるデータ処理に係る測定信号の時系列グラフ、（ｂ）は特徴データ抽出部におけるデータ処理に係る測定信号の時系列グラフである。It is a graph for demonstrating the data processing content in this data processor, (a) is a time series graph of the measurement signal which concerns on the data processing in a basic measurement signal generation part and a basic data extraction part, (b) is characteristic data extraction It is a time series graph of the measurement signal which concerns on the data processing in a part. 本データ処理装置における制御内容を示すフローチャートである。It is a flowchart which shows the control content in this data processor. コンピュータを利用した本データ処理装置の構成例を示す模式図である。It is a schematic diagram which shows the structural example of this data processing apparatus using a computer.

符号の説明Explanation of symbols

１ 信号検出装置（測定信号検出手段）
２ 基本測定信号生成部（信号処理手段）
３ 基本データ抽出部（基本データ抽出手段）
４ 抽出範囲設定部（抽出範囲設定手段）
５ 特徴データ抽出部（特徴データ抽出手段）
６ データ整列部
７ 解析部
８ 判定部
９ 第一データ処理部
１０ 第二データ処理部（演算処理手段）
１１ 測定信号記憶部
１２ コンピュータ
１３ 記憶装置
１４ 中央処理装置（ＣＰＵ）
１５ モニタ 1 Signal detection device (measurement signal detection means)
2 Basic measurement signal generator (signal processing means)
3 Basic data extraction unit (Basic data extraction means)
4 Extraction range setting section (extraction range setting means)
5. Feature data extraction unit (feature data extraction means)
6 data alignment unit 7 analysis unit 8 determination unit 9 first data processing unit 10 second data processing unit (arithmetic processing means)
11 Measurement Signal Storage Unit 12 Computer 13 Storage Device 14 Central Processing Unit (CPU)
15 Monitor

Claims (34)

対象体の状態に応じて変動するパラメータを測定信号として検出する測定信号検出手段と、
該測定信号検出手段で検出された該測定信号に対し、該パラメータの変動を把握するための前処理としての信号処理を施して、基本測定信号を生成する信号処理手段と、
該信号処理手段で生成された該基本測定信号に基づいて、該パラメータの変動を特徴付ける測定信号を基本データとして抽出する基本データ抽出手段と、
該基本データ抽出手段で抽出された該基本データによって規定される所定の領域を該測定信号の抽出範囲として設定する抽出範囲設定手段と、
該測定信号検出手段で検出された該測定信号のうち、該抽出範囲設定手段で設定された該抽出範囲に含まれる測定信号の中から、該対象体の状態を特徴付ける測定信号を特徴データとして抽出する特徴データ抽出手段とを備え、
該測定信号検出手段が、該測定信号として略周期的に変動するパラメータを検出し、
該信号処理手段が、該測定信号を平滑化した波動を該基本測定信号として生成するとともに、
該基本データ抽出手段が、該基本測定信号における変動ピークの検出時刻の測定信号を該基本データとして抽出する
ことを特徴とする、データ処理装置。 Measurement signal detection means for detecting, as a measurement signal, a parameter that varies depending on the state of the object;
Signal processing means for performing signal processing as preprocessing for grasping fluctuations of the parameter to the measurement signal detected by the measurement signal detection means, and generating a basic measurement signal;
Based on the basic measurement signal generated by the signal processing means, basic data extraction means for extracting the measurement signal characterizing the parameter variation as basic data;
Extraction range setting means for setting a predetermined area defined by the basic data extracted by the basic data extraction means as an extraction range of the measurement signal;
Of the measurement signals detected by the measurement signal detection means, a measurement signal characterizing the state of the object is extracted as feature data from the measurement signals included in the extraction range set by the extraction range setting means. a feature data extraction means for,
The measurement signal detection means detects a parameter that varies substantially periodically as the measurement signal,
The signal processing means generates a wave obtained by smoothing the measurement signal as the basic measurement signal,
The data processing apparatus , wherein the basic data extraction means extracts a measurement signal at a detection time of a fluctuation peak in the basic measurement signal as the basic data . 該測定信号検出手段が、動物のバイタルサインを該測定信号として検出する
ことを特徴とする、請求項１記載のデータ処理装置。 The data processing apparatus according to claim 1, wherein the measurement signal detecting means detects a vital sign of an animal as the measurement signal. 該信号処理手段が、線形解析手法を用いて該測定信号に対し該信号処理を施す
ことを特徴とする、請求項１又は２記載のデータ処理装置。 3. The data processing apparatus according to claim 1, wherein the signal processing means performs the signal processing on the measurement signal using a linear analysis method. 該信号処理手段が、該測定信号検出手段で検出された該測定信号から、予め設定された所定の周波数成分を濾波するフィルタ処理手段を有してなる
ことを特徴とする、請求項１〜３の何れか１項に記載のデータ処理装置。 The signal processing means comprises filter processing means for filtering a predetermined frequency component set in advance from the measurement signal detected by the measurement signal detection means. The data processing device according to any one of the above. 該抽出範囲設定手段が、該基本データが抽出された時刻の近傍時間を該抽出範囲として設定する
ことを特徴とする、請求項１〜４の何れか１項に記載のデータ処理装置。 The extraction range setting means, and sets as extraction ranges between time near the time when the basic data is extracted, the data processing apparatus according to any one of claims 1-4. 該特徴データ抽出手段が、該抽出範囲に含まれる測定信号の最大値を該特徴データとして抽出する
ことを特徴とする、請求項１〜５の何れか１項に記載のデータ処理装置。 The data processing apparatus according to claim 1, wherein the feature data extraction unit extracts a maximum value of a measurement signal included in the extraction range as the feature data. 該特徴データ抽出手段で抽出された該特徴データに基づき、該測定信号中の非線形構造を抽出し、該対象体の状態を解析する演算処理手段
をさらに備えたことを特徴とする、請求項１〜６の何れか１項に記載のデータ処理装置。 2. The apparatus according to claim 1, further comprising arithmetic processing means for extracting a nonlinear structure in the measurement signal based on the feature data extracted by the feature data extracting means and analyzing a state of the object. The data processing device according to any one of to 6 . 対象体の状態に応じて変動するパラメータを測定信号として検出する測定信号検出ステップと、
該測定信号検出ステップで検出された該測定信号に対し、該パラメータの変動を把握するための前処理としての信号処理を施して、基本測定信号を生成する信号処理ステップと、
該信号処理ステップで生成された該基本測定信号に基づいて、該パラメータの変動を特徴付ける測定信号を基本データとして抽出する基本データ抽出ステップと、
該基本データ抽出ステップで抽出された該基本データによって規定される所定領域を抽出範囲として設定する抽出範囲設定ステップと、
該測定信号検出ステップで検出された該測定信号のうち、該抽出範囲設定ステップで設定された該抽出範囲に含まれる測定信号の中から、該対象体の状態を特徴付ける測定信号を特徴データとして抽出する特徴データ抽出ステップとを備え、
該測定信号検出ステップにおいて、該測定信号として略周期的に変動するパラメータを検出し、
該信号処理ステップにおいて、該測定信号を平滑化した波動を該基本測定信号として生成するとともに、
該基本データ抽出ステップにおいて、該基本測定信号における変動ピークの検出時刻の測定信号を該基本データとして抽出する
ことを特徴とする、データ処理方法。 A measurement signal detection step for detecting, as a measurement signal, a parameter that varies depending on the state of the object;
A signal processing step for generating a basic measurement signal by performing signal processing as pre-processing for grasping the variation of the parameter on the measurement signal detected in the measurement signal detection step;
A basic data extraction step for extracting, as basic data, a measurement signal that characterizes the variation of the parameter, based on the basic measurement signal generated in the signal processing step;
An extraction range setting step for setting a predetermined area defined by the basic data extracted in the basic data extraction step as an extraction range;
Among the measurement signals detected in the measurement signal detection step, the measurement signal characterizing the state of the object is extracted as feature data from the measurement signals included in the extraction range set in the extraction range setting step. And a feature data extraction step .
In the measurement signal detection step, a parameter that varies substantially periodically as the measurement signal is detected,
In the signal processing step, a wave obtained by smoothing the measurement signal is generated as the basic measurement signal, and
A data processing method characterized in that, in the basic data extraction step, a measurement signal at a detection time of a fluctuation peak in the basic measurement signal is extracted as the basic data. 該測定信号検出ステップにおいて、動物のバイタルサインを該測定信号として検出することを特徴とする、請求項８記載のデータ処理方法。 9. The data processing method according to claim 8 , wherein in the measurement signal detection step, an animal vital sign is detected as the measurement signal. 該信号処理ステップにおいて、線形解析手法を用いて該測定信号に対し該信号処理を施す
ことを特徴とする、請求項８又は９記載のデータ処理方法。 In the signal processing step, characterized by applying signal processing to the measurement signal using a linear analysis method, according to claim 8 or 9 data processing method according. 該信号処理ステップにおいて、該測定信号検出ステップで検出された該測定信号から、予め設定された所定の周波数成分を濾波する
ことを特徴とする、請求項８〜１０の何れか１項に記載のデータ処理方法。 In the signal processing step, from the detected the measurement signal in the measuring signal detection step, characterized by filtering a predetermined frequency component which is set in advance, according to any one of claims 8-10 Data processing method. 該抽出範囲設定ステップにおいて、該基本データが抽出された時刻の近傍時間を該抽出範囲として設定する
ことを特徴とする、請求項８〜１１の何れか１項に記載のデータ処理方法。 In the extraction range setting step, and sets the extraction ranges between time near the time when the basic data is extracted, the data processing method according to any one of claims 8-11. 該特徴データ抽出ステップにおいて、該抽出範囲に含まれる測定信号の最大値を該特徴データとして抽出する
ことを特徴とする、請求項８〜１２の何れか１項に記載のデータ処理方法。 The data processing method according to any one of claims 8 to 12, wherein, in the feature data extraction step, a maximum value of a measurement signal included in the extraction range is extracted as the feature data. 該特徴データ抽出ステップで抽出された該特徴データに基づき、該測定信号中の非線形構造を抽出し、該対象体の状態を解析する演算処理ステップ
をさらに備えたことを特徴とする、請求項８〜１３の何れか１項に記載のデータ処理方法。 Based on the feature data extracted by the feature data extraction step, to extract the non-linear structure in the measurement signal, and further comprising a processing step of analyzing the state of the subject, according to claim 8 The data processing method according to any one of to 13 . コンピュータを、信号処理手段，基本データ抽出手段，抽出範囲設定手段及び特徴データ抽出手段として機能させるためのデータ処理プログラムであって、
該信号処理手段が、測定信号として検出された、対象体の状態に応じて変動するパラメータの変動を把握するための前処理としての信号処理を該測定信号に対して施すとともに、基本測定信号を生成し、
該基本データ抽出手段が、該信号処理手段で生成された該基本測定信号に基づいて、該パラメータの変動を特徴付ける測定信号を基本データとして抽出し、
該抽出範囲設定手段が、該基本データ抽出手段で抽出された該基本データによって規定される所定の領域を該測定信号の抽出範囲として設定し、
該特徴データ抽出手段が、該測定信号検出手段で検出された該測定信号のうち、該抽出範囲設定手段で設定された該抽出範囲に含まれる測定信号の中から、該対象体の状態を特徴付ける測定信号を特徴データとして抽出し、
該測定信号が、略周期的に変動するパラメータであり、
該信号処理手段が、該測定信号を平滑化した波動を該基本測定信号として生成するとともに、
該基本データ抽出手段が、該基本測定信号における変動ピークの検出時刻の測定信号を該基本データとして抽出する
ことを特徴とする、データ処理プログラム。 A data processing program for causing a computer to function as signal processing means, basic data extraction means, extraction range setting means and feature data extraction means,
The signal processing means performs signal processing as a preprocessing for grasping the variation of the parameter detected according to the state of the object detected as the measurement signal, and the basic measurement signal Generate and
The basic data extraction means extracts, as basic data, a measurement signal that characterizes the variation of the parameter based on the basic measurement signal generated by the signal processing means,
The extraction range setting means sets a predetermined area defined by the basic data extracted by the basic data extraction means as an extraction range of the measurement signal;
The feature data extraction unit characterizes the state of the target object from the measurement signals included in the extraction range set by the extraction range setting unit among the measurement signals detected by the measurement signal detection unit. Extract the measurement signal as feature data ,
The measurement signal is a parameter that varies substantially periodically,
The signal processing means generates a wave obtained by smoothing the measurement signal as the basic measurement signal,
The data processing program characterized in that the basic data extraction means extracts a measurement signal at a detection time of a fluctuation peak in the basic measurement signal as the basic data . 対象体の状態に応じて変動するパラメータを測定信号として検出する測定信号検出手段と、  Measurement signal detection means for detecting, as a measurement signal, a parameter that varies depending on the state of the object;
該測定信号検出手段で検出された該測定信号に対し、該パラメータの変動を把握するための前処理としての信号処理を施して、基本測定信号を生成する信号処理手段と、  Signal processing means for performing signal processing as preprocessing for grasping fluctuations of the parameter to the measurement signal detected by the measurement signal detection means, and generating a basic measurement signal;
該信号処理手段で生成された該基本測定信号に基づいて、該パラメータの変動を特徴付ける測定信号を基本データとして抽出する基本データ抽出手段と、  Based on the basic measurement signal generated by the signal processing means, basic data extraction means for extracting the measurement signal characterizing the parameter variation as basic data;
該基本データ抽出手段で抽出された該基本データが抽出された時刻の近傍時間を該測定信号の抽出範囲として設定する抽出範囲設定手段と、  Extraction range setting means for setting a time near the time at which the basic data extracted by the basic data extraction means is extracted as the extraction range of the measurement signal;
該測定信号検出手段で検出された該測定信号のうち、該抽出範囲設定手段で設定された該抽出範囲に含まれる測定信号の中から、該対象体の状態を特徴付ける測定信号を特徴データとして抽出する特徴データ抽出手段と  Of the measurement signals detected by the measurement signal detection means, a measurement signal characterizing the state of the object is extracted as feature data from the measurement signals included in the extraction range set by the extraction range setting means. And feature data extraction means
を備えたことを特徴とする、データ処理装置。A data processing apparatus comprising: 該測定信号検出手段が、動物のバイタルサインを該測定信号として検出する  The measurement signal detection means detects an animal vital sign as the measurement signal.
ことを特徴とする、請求項１６記載のデータ処理装置。The data processing apparatus according to claim 16, wherein: 該信号処理手段が、線形解析手法を用いて該測定信号に対し該信号処理を施す  The signal processing means performs the signal processing on the measurement signal using a linear analysis method.
ことを特徴とする、請求項１６又は１７記載のデータ処理装置。The data processing apparatus according to claim 16 or 17, characterized by the above. 該信号処理手段が、該測定信号検出手段で検出された該測定信号から、予め設定された所定の周波数成分を濾波するフィルタ処理手段を有してなる  The signal processing means includes filter processing means for filtering a predetermined frequency component set in advance from the measurement signal detected by the measurement signal detection means.
ことを特徴とする、請求項１６〜１８の何れか１項に記載のデータ処理装置。The data processing apparatus according to any one of claims 16 to 18, wherein the data processing apparatus is characterized in that: 該測定信号検出手段が、該測定信号として略周期的に変動するパラメータを検出する  The measurement signal detecting means detects a parameter that varies substantially periodically as the measurement signal.
ことを特徴とする、請求項１６〜１９の何れか１項に記載のデータ処理装置。The data processing apparatus according to any one of claims 16 to 19, wherein the data processing apparatus is characterized in that: 該信号処理手段が、該測定信号を平滑化した波動を該基本測定信号として生成する  The signal processing means generates a wave obtained by smoothing the measurement signal as the basic measurement signal.
ことを特徴とする、請求項１６〜２０の何れか１項に記載のデータ処理装置。The data processing apparatus according to any one of claims 16 to 20, wherein the data processing apparatus is characterized in that: 該基本データ抽出手段が、該基本測定信号における変動ピークの検出時刻の測定信号を該基本データとして抽出する  The basic data extraction means extracts the measurement signal at the detection time of the fluctuation peak in the basic measurement signal as the basic data.
ことを特徴とする、請求項１６〜２１の何れか１項に記載のデータ処理装置。The data processing apparatus according to any one of claims 16 to 21, wherein the data processing apparatus is characterized in that: 該特徴データ抽出手段が、該抽出範囲に含まれる測定信号の最大値を該特徴データとして抽出する  The feature data extracting means extracts the maximum value of the measurement signal included in the extraction range as the feature data.
ことを特徴とする、請求項１６〜２２の何れか１項に記載のデータ処理装置。The data processing apparatus according to any one of claims 16 to 22, characterized by the above. 該特徴データ抽出手段で抽出された該特徴データに基づき、該測定信号中の非線形構造を抽出し、該対象体の状態を解析する演算処理手段  Arithmetic processing means for extracting a nonlinear structure in the measurement signal based on the feature data extracted by the feature data extracting means and analyzing the state of the object
をさらに備えたことを特徴とする、請求項１６〜２３の何れか１項に記載のデータ処理装置。The data processing apparatus according to claim 16, further comprising: 対象体の状態に応じて変動するパラメータを測定信号として検出する測定信号検出ステップと、  A measurement signal detection step for detecting, as a measurement signal, a parameter that varies depending on the state of the object;
該測定信号検出ステップで検出された該測定信号に対し、該パラメータの変動を把握するための前処理としての信号処理を施して、基本測定信号を生成する信号処理ステップと、  A signal processing step for generating a basic measurement signal by performing signal processing as pre-processing for grasping the variation of the parameter on the measurement signal detected in the measurement signal detection step;
該信号処理ステップで生成された該基本測定信号に基づいて、該パラメータの変動を特徴付ける測定信号を基本データとして抽出する基本データ抽出ステップと、  A basic data extraction step for extracting, as basic data, a measurement signal that characterizes the variation of the parameter, based on the basic measurement signal generated in the signal processing step;
該基本データ抽出ステップで抽出された該基本データが抽出された時刻の近傍時間を抽出範囲として設定する抽出範囲設定ステップと、  An extraction range setting step for setting, as an extraction range, a time near the time at which the basic data extracted in the basic data extraction step is extracted;
該測定信号検出ステップで検出された該測定信号のうち、該抽出範囲設定ステップで設定された該抽出範囲に含まれる測定信号の中から、該対象体の状態を特徴付ける測定信号を特徴データとして抽出する特徴データ抽出ステップと  Among the measurement signals detected in the measurement signal detection step, the measurement signal characterizing the state of the object is extracted as feature data from the measurement signals included in the extraction range set in the extraction range setting step. And feature data extraction step
を備えたことを特徴とする、データ処理方法。A data processing method comprising the steps of: 該測定信号検出ステップにおいて、動物のバイタルサインを該測定信号として検出することを特徴とする、請求項２５記載のデータ処理方法。  26. The data processing method according to claim 25, wherein in the measurement signal detecting step, an animal vital sign is detected as the measurement signal. 該信号処理ステップにおいて、線形解析手法を用いて該測定信号に対し該信号処理を施す  In the signal processing step, the signal processing is performed on the measurement signal using a linear analysis technique.
ことを特徴とする、請求項２５又は２６記載のデータ処理方法。27. A data processing method according to claim 25 or 26, wherein: 該信号処理ステップにおいて、該測定信号検出ステップで検出された該測定信号から、予め設定された所定の周波数成分を濾波する  In the signal processing step, a predetermined frequency component set in advance is filtered from the measurement signal detected in the measurement signal detection step.
ことを特徴とする、請求項２５〜２７の何れか１項に記載のデータ処理方法。The data processing method according to any one of claims 25 to 27, characterized in that: 該測定信号検出ステップにおいて、該測定信号として略周期的に変動するパラメータを検出する  In the measurement signal detection step, a parameter that varies substantially periodically is detected as the measurement signal.
ことを特徴とする、請求項２５〜２８の何れか１項に記載のデータ処理方法。The data processing method according to any one of claims 25 to 28, wherein: 該信号処理ステップにおいて、該測定信号を平滑化した波動を該基本測定信号として生成する  In the signal processing step, a wave obtained by smoothing the measurement signal is generated as the basic measurement signal.
ことを特徴とする、請求項２５〜２９の何れか１項に記載のデータ処理方法。30. The data processing method according to any one of claims 25 to 29, wherein: 該基本データ抽出ステップにおいて、該基本測定信号における変動ピークの検出時刻の測定信号を該基本データとして抽出する  In the basic data extraction step, the measurement signal at the detection time of the fluctuation peak in the basic measurement signal is extracted as the basic data.
ことを特徴とする、請求項２５〜３０の何れか１項に記載のデータ処理方法。The data processing method according to any one of claims 25 to 30, characterized in that: 該特徴データ抽出ステップにおいて、該抽出範囲に含まれる測定信号の最大値を該特徴データとして抽出する  In the feature data extraction step, the maximum value of the measurement signal included in the extraction range is extracted as the feature data.
ことを特徴とする、請求項２５〜３１の何れか１項に記載のデータ処理方法。32. The data processing method according to any one of claims 25 to 31, wherein: 該特徴データ抽出ステップで抽出された該特徴データに基づき、該測定信号中の非線形構造を抽出し、該対象体の状態を解析する演算処理ステップ  An arithmetic processing step for extracting a nonlinear structure in the measurement signal based on the feature data extracted in the feature data extraction step and analyzing the state of the object
をさらに備えたことを特徴とする、請求項２５〜３２の何れか１項に記載のデータ処理方法。The data processing method according to any one of claims 25 to 32, further comprising: コンピュータを、信号処理手段，基本データ抽出手段，抽出範囲設定手段及び特徴データ抽出手段として機能させるためのデータ処理プログラムであって、  A data processing program for causing a computer to function as signal processing means, basic data extraction means, extraction range setting means and feature data extraction means,
該信号処理手段が、測定信号として検出された、対象体の状態に応じて変動するパラメータの変動を把握するための前処理としての信号処理を該測定信号に対して施すとともに、基本測定信号を生成し、  The signal processing means performs signal processing as a preprocessing for grasping the variation of the parameter detected according to the state of the object detected as the measurement signal, and the basic measurement signal Generate
該基本データ抽出手段が、該信号処理手段で生成された該基本測定信号に基づいて、該パラメータの変動を特徴付ける測定信号を基本データとして抽出し、  The basic data extraction means extracts, as basic data, a measurement signal that characterizes the variation of the parameter based on the basic measurement signal generated by the signal processing means,
該抽出範囲設定手段が、該基本データ抽出手段で抽出された該基本データが抽出された時刻の近傍時間を該測定信号の抽出範囲として設定し、  The extraction range setting means sets a time near the time when the basic data extracted by the basic data extraction means is extracted as the extraction range of the measurement signal,
該特徴データ抽出手段が、該測定信号検出手段で検出された該測定信号のうち、該抽出範囲設定手段で設定された該抽出範囲に含まれる測定信号の中から、該対象体の状態を特徴付ける測定信号を特徴データとして抽出する  The feature data extraction unit characterizes the state of the target object from the measurement signals included in the extraction range set by the extraction range setting unit among the measurement signals detected by the measurement signal detection unit. Extract measurement signal as feature data
ことを特徴とする、データ処理プログラム。A data processing program.
JP2006252356A 2006-09-19 2006-09-19 Data processing apparatus, data processing method, and data processing program Expired - Fee Related JP4952162B2 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2006252356A JP4952162B2 (en) 2006-09-19 2006-09-19 Data processing apparatus, data processing method, and data processing program
PCT/JP2007/067832 WO2008035611A1 (en) 2006-09-19 2007-09-13 Data processing device, data processing method, and data processing program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006252356A JP4952162B2 (en) 2006-09-19 2006-09-19 Data processing apparatus, data processing method, and data processing program

Publications (2)

Publication Number Publication Date
JP2008073077A JP2008073077A (en) 2008-04-03
JP4952162B2 true JP4952162B2 (en) 2012-06-13

Family

ID=39200438

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006252356A Expired - Fee Related JP4952162B2 (en) 2006-09-19 2006-09-19 Data processing apparatus, data processing method, and data processing program

Country Status (2)

Country Link
JP (1) JP4952162B2 (en)
WO (1) WO2008035611A1 (en)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5522338B2 (en) * 2008-10-28 2014-06-18 日本電気株式会社 Situation judging device, situation judging system, method and program thereof
JP5321002B2 (en) * 2008-11-18 2013-10-23 オムロンヘルスケア株式会社 Body motion balance detection device, body motion balance detection program, body motion balance detection method
WO2012036135A1 (en) * 2010-09-17 2012-03-22 三菱化学株式会社 Information-processing method, information-processing device, output device, information-processing system, information-processing program and computer-readable recording medium on which same program is recorded
JP5812381B2 (en) * 2010-11-25 2015-11-11 公立大学法人首都大学東京 Vibration body abnormality detection method and apparatus
JP5612627B2 (en) * 2011-03-30 2014-10-22 株式会社デンソーアイティーラボラトリ Physical ability determination device and data processing method
JP6233837B2 (en) * 2013-11-19 2017-11-22 公立大学法人首都大学東京 Sleep stage determination device, sleep stage determination program, and sleep stage determination method
JP6455852B2 (en) * 2015-02-09 2019-01-23 公立大学法人首都大学東京 Signal analysis system, method and program
JP6778369B2 (en) * 2015-03-10 2020-11-04 東京都公立大学法人 Biological signal analysis system and program
CN111582675B (en) * 2020-04-22 2024-02-20 北京启安智慧科技有限公司 Key feature analysis system and method for Natech event
CN112945807A (en) * 2021-01-29 2021-06-11 深圳市科曼医疗设备有限公司 Automatic detection method and device based on blood cell analyzer

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3599546B2 (en) * 1997-01-20 2004-12-08 アキュート株式会社 Waveform detection device and condition monitoring system using the device
JP3832792B2 (en) * 1998-12-09 2006-10-11 三菱化学株式会社 Biological rhythm inspection device and biological rhythm inspection method
JP3696047B2 (en) * 2000-04-26 2005-09-14 シャープ株式会社 Health condition diagnosis device
JP3564501B2 (en) * 2001-03-22 2004-09-15 学校法人明治大学 Infant voice analysis system
JP2003331265A (en) * 2002-05-14 2003-11-21 Matsushita Electric Ind Co Ltd Eye image imaging device and iris authentication device
JP3935080B2 (en) * 2003-01-10 2007-06-20 株式会社Ｃｔｉサイエンスシステム Sound pressure analysis device for frequency of propagation sound, frequency analysis device, and frequency analysis method
JP4904861B2 (en) * 2006-03-14 2012-03-28 ソニー株式会社 Body motion detection device, body motion detection method, and body motion detection program

Also Published As

Publication number Publication date
JP2008073077A (en) 2008-04-03
WO2008035611A1 (en) 2008-03-27

Similar Documents

Publication Publication Date Title
JP4952162B2 (en) Data processing apparatus, data processing method, and data processing program
JP5333427B2 (en) HEART RATE DETECTOR, HEART RATE DETECTING METHOD, AND PROGRAM
WO2012051300A2 (en) Method and system for detection and rejection of motion/noise artifacts in physiological measurements
US20200170577A1 (en) System and Methods for Adaptive Noise Quantification in Dynamic Biosignal Analysis
JP2010263953A (en) Motion analysis device, program and method thereof, and motion analysis system
US10803335B2 (en) Emotion estimating apparatus
Kupka et al. New method for beat-to-beat fetal heart rate measurement using Doppler ultrasound signal
CN105138823B (en) A kind of physiological signal quality determining method based on auto-correlation function
CN114052693A (en) Heart rate analysis method, device and equipment
JP2008188092A (en) Data processing method, data processing device, and data processing program
CN106419884B (en) A kind of rate calculation method and system based on wavelet analysis
JP4122003B2 (en) Extraction method and device for biological signals such as heartbeat and respiration
KR101744691B1 (en) Method and Apparatus for Detecting Heartbeat using Ballistocardiogram
JP5046286B2 (en) Stress evaluation apparatus, stress evaluation system, and stress evaluation program
WO2019130840A1 (en) Signal-processing device, analysis system, signal-processing method, and signal-processing program
CN113616194B (en) Device and method for monitoring hand tremor frequency and intensity
JP2020203032A (en) Encephalopathy determination program, encephalopathy determination method, and information processing device
JP6706996B2 (en) Biological signal processing device, abnormality determination method and program
Hu et al. Multiscale entropy: recent advances
JP2015161506A (en) Signal analyzer, signal analysis method, degradation diagnosis apparatus, and degradation diagnosis method
JP2007020594A (en) Apparatus for measuring brain function
JP6531187B2 (en) Body sound analysis device, body sound analysis method, computer program and recording medium
CN117574113B (en) Bearing fault monitoring method and system based on spherical coordinate underdetermined blind source separation
JP5419157B2 (en) EEG measurement apparatus and EEG measurement method
JP7230385B2 (en) Biological information detector

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090828

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20111025

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20111222

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: 20120214

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120227

R150 Certificate of patent or registration of utility model

Ref document number: 4952162

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150323

Year of fee payment: 3

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees