CN102132151A - 用于处理与化学物质有关的信息的系统 - Google Patents

用于处理与化学物质有关的信息的系统 Download PDF

Info

Publication number
CN102132151A
CN102132151A CN200980132948XA CN200980132948A CN102132151A CN 102132151 A CN102132151 A CN 102132151A CN 200980132948X A CN200980132948X A CN 200980132948XA CN 200980132948 A CN200980132948 A CN 200980132948A CN 102132151 A CN102132151 A CN 102132151A
Authority
CN
China
Prior art keywords
data
mentioned
smell
sensor
chemical substance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN200980132948XA
Other languages
English (en)
Other versions
CN102132151B (zh
Inventor
柏拉卡斯·斯里达尔·穆尔蒂
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.)
Atonarp Inc
Original Assignee
Atonarp Inc
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 Atonarp Inc filed Critical Atonarp Inc
Publication of CN102132151A publication Critical patent/CN102132151A/zh
Application granted granted Critical
Publication of CN102132151B publication Critical patent/CN102132151B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61Q—SPECIFIC USE OF COSMETICS OR SIMILAR TOILETRY PREPARATIONS
    • A61Q13/00—Formulations or additives for perfume preparations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics

Abstract

本发明提供了一种生成包含与化学物质有关的内容数据(139d)的RAW数据(35)的嗅觉处理器(OLP，Olfaction Processor)(100)。OLP(100)包括生成RAW数据(35)的生成器(130)。化学物质包括化合物、分子以及元素中的至少一个。生成器(130)包括转换单元(131)，该转换单元(131)将一种表示检测到的化学物质的强度变化映射到对多个特定的化学物质分别分配了多个频率的频率空间，由此将该强度变化转换为内容数据(139d)，其中，上述表示检测到的化学物质的强度变化包含于来自能够对由于至少一种化学物质的存在而发生变化的量进行检测的至少一个传感器的数据中。

Description

用于处理与化学物质有关的信息的系统
技术领域
本发明涉及一种用于处理在空气中等检测到的成分的系统以及方法。
背景技术
开发出了一种基于微机械技术的小型质谱仪(参照国际公开WO2006/013396(日本特表2008-508693号)、国际公开WO2004/013890)。另外，在国际公开WO00/15269(日本特表2002-524206号)中公开了一种包括臭气物质指纹图谱生成器以及臭气物质浓度矢量生成器的系统，其中，该臭气物质指纹图谱生成器提供表示任意的臭气的臭气物质指纹图谱，该臭气物质浓度矢量生成器接收臭气物质指纹图谱，并生成臭气物质浓度矢量。
发明内容
然而，并没有提供一种能够将气味(臭味、香味)与声音、图像等同样地作为动态信息进行传递、或者将气味作为数据能够与声音、图像等数据一起进行处理、从而可以将气味作为多媒体的一部分的信息来进行处理的系统以及方法。
本发明的一个方式是一种系统，其具有生成第一数据的生成装置，该第一数据包含与化学物质(Chemical Substances)有关的内容数据。化学物质包括化合物、分子以及元素中的至少一个。生成装置(生成第一数据的装置)包括转换单元，该转换单元通过将来自至少一个传感器的数据中所包含的、表示所检测到的化学物质(Detected Chemical Substances)的强度变化(变量，Variations)映射到对多个特定的化学物质分别分配了多个频率的频率空间，由此将该强度变化转换为内容数据，其中，上述至少一个传感器能够对由于至少一个上述化学物质的存在而发生变化的量(物理量)进行检测。在本说明书中，化学物质包括化合物、分子以及元素，并不限于成分或组成物，也包括生成物。
本发明的另外的一个方式是一种系统，该系统具有：接口，其用于接收第一数据，该第一数据包含将表示化学物质的强度变化映射到对多个特定的化学物质分别分配了多个频率的频率空间后得到的内容数据；以及再现装置，其用于对设备驱动器提供气味数据，该气味数据基于第一数据的内容数据，其中，设备驱动器包括以下功能：将气味数据转换为能够在气味生成装置中进行利用的多个气味源的组合。
本发明的另外的其它方式之一是一种生成包含与化学物质有关的内容数据的第一数据的方法。该方法包括以下转换步骤：将表示化学物质的强度变化映射到对多个特定的化学物质分别分配了多个频率的频率空间，由此将该强度变化转换为内容数据。
本发明的另外的其它方式之一是一种生成气味的方法，该方法包括以下内容：接收第一数据，该第一数据包含将表示化学物质的强度变化映射到对多个特定的化学物质分别分配了多个频率的频率空间后得到的内容数据，设备驱动器将气味数据转换为能够在气味生成装置中进行利用的多个气味源的组合。
本发明的另外的其它方式之一是一种用于使计算机作为生成包含与化学物质有关的内容数据的第一数据的装置而发挥功能的程序。程序(程序产品)能够记录在CD-ROM等适当的记录介质中来进行提供。程序(程序产品)也能够通过因特网等计算机网络来进行提供。
附图说明
图1是系统的框图。
图2是OLP(Olfaction Processor：嗅觉处理器)的框图。
图3是生成器周围的框图。
图4是分组(对应于子频带)的图。
图5是表示查找表的图。
图6的(a)和(b)是表示映射的一例的图。
图7是前处理器的框图。
图8是不同类型的前处理器的框图。
图9是识别部的框图。
图10是压缩单元的框图。
图11是表示生成RAW数据的过程的流程图。
图12是表示映射的过程的流程图。
图13是表示传感器重新配置(Re-configuration)的过程的流程图。
图14是表示再现的过程的流程图。
图15是表示实际应用的一例的框图。
图16是表示实际应用的几个例的框图。
图17是气味的记录再现的应用的流程图。
图18是污染监控的应用的流程图。
图19是健康监控的应用的流程图。
具体实施方式
图1中示出了本发明所涉及的一个系统。该系统1典型地实现为以笔记本型的个人计算机10为中心的系统。个人计算机(PC)10具备CPU 11、适当的存储器12、硬盘等存储部13、提供用户接口的本地输入输出接口14、通过例如无线15、计算机网络16与外界设备交换数据的通信接口(收发器)17、以及将它们进行连接的总线系统18。本地输入输出接口14上连接有键盘21等输入设备、液晶显示器22等图像输出设备、扬声器23等声音输出设备、麦克风25等用于获取声音信息的设备、以及照相机24等用于获取图像信息的设备。系统1既可以包括这些输入输出设备，也可以事先准备用于连接输入输出设备的接口。
总线18上还连接有利用来自卫星的电波进行定位的设备(GPS)19、提供嗅觉功能的设备(嗅觉处理器，OLP，Olfaction Processor)100、以及用于驱动气味生成装置200的驱动设备(驱动IC)201。能够以一个集成化的设备(芯片)或多个集成化的芯片(芯片组)的形式来提供OLP 100。如果气味生成装置200具备通过USB等通用接口进行连接的功能，则气味生成装置200也能够如虚线所示那样连接在本地输入输出接口14上，以代替与专用的设备201进行连接。典型地来说，气味生成装置200包括多个气味源(气味产生源)202、将上述多个气味源202进行混合来生成所期望的气味的左和右混合器203L和203R、以及控制单元205。
PC 10还具备传感器控制设备50。传感器控制设备50被OLP100所控制，用于实现对OLP 100提供各种数据的功能。传感器控制设备50包括传感器接口51和传感器驱动控制单元(SDCU)52，该传感器接口51与各种传感器进行连接，用于获取数据(采样)，该SDCU 52能够改变几个传感器的测量条件。典型的传感器是作为左和右的鼻子而发挥功能的左和右的质谱分析单元(MSU，Mass Spectrometer Unit)61和62。由SDCU 52对上述MSU 61和62的测量条件进行控制。
MSU 61和62的一例是国际公开WO2006/013396或国际公开WO2004/013890中记载的离子迁移质谱仪。这是一种单片式(Monolithic)或微机械式的小型质谱仪，完全能够携带。传感器接口51上还连接有用于测量温度、湿度等环境信息(环境条件)的多个传感器组(环境信息传感器组)70。用于测量环境条件的传感器组70包括温度传感器71、湿度传感器72、压力传感器73、空气流量传感器74。另外，GPS 19的定位数据也能够用作位置传感器输入。并且，传感器接口51具备控制空气泵75的功能。空气泵75不是必需的结构。空气泵75能够根据实际应用的要求、外界条件等对上述用于测量环境条件的传感器组70和/或作为嗅觉传感器的MSU 61和62强制提供外部空气。
包含OLP 100的系统的最小单位就是设备(集成电路芯片)100本身。包含OLP 100的系统可以是PC 10，也可以是包含气味生成装置200的系统1，还可以是装载有OLP 100的空调系统、汽车、飞机、工业机械、建筑物、治疗设备等。
OLP 100具备嗅觉功能，是能够使外部空气或周边空气的气味(气味、芳香、臭味)实时地成为数据(流数据、数据流)的设备或装置。并且，OLP 100能够对其数据进行编码、再进行解码。气味的信息有可能在涉及到虚拟现实、多媒体、健康和安全的许多实际应用中实现重要作用。OLP 100将嗅觉功能装载到了便携式家电装置、PC 10中，从而能够利用声音、图像等的信号处理技术来对气味的数据进行处理。
气味的要素是周围空气中所包含的化合物、气体等化学物质。在下面的内容中，化学物质包括化合物、分子以及元素，其并不限于成分或组成物，也包含生成物。能够通过晶体传感器(QCM，Quartz Crystal Microbalance：石英晶体微天平)、电化学传感器、SAW(Surface Acoustic Wave：声表面波)设备、光传感器、气象色谱(Gas Chromatography)以及质谱分析装置等传感器来检测这些气味的要素。这些传感器能够检测由于化学物质的存在而发生变化(变动)的量(物理量)。这些传感器大多体积庞大且较为复杂，并不易于用于日常使用的实际应用中。并且，这些传感器中的几个传感器仅对少数气体或其它特定的化学物质较为敏感，并且还会受到其灵敏度根据温度和湿度而改变等限制。
近年来，正在研究一种如上所述那样小型且便携的能够检测气味要素的分析装置。利用离子迁移率(Ion Mobility)以及光学(红外线，NMR(Nuclear Magnetic Resonance：核磁共振))的分析设备能够提供集中为单一芯片的小传感器，从而有可能能够用于家庭中的健康和安全管理这样的各种各样的实际应用。
与对特定成分(化学物质)敏感的传感器相比，质谱分析装置通用性较高，并且在可分析的范围内能够以相同程度的精确度检测几乎所有的成分的有无及其强度(浓度)。然而，质谱分析装置会输出启示化学物质的存在的大量数据。因此，当想要利用PC 10的CPU 11对质谱分析装置的数据进行处理时，会消耗CPU 11的处理功能。如果CPU 11没有过大的处理能力，则有可能为了实现嗅觉功能而无法执行其它应用，或者处理能力明显受限。对于这种不便，OLP 100也能够提供解决方式。即，并不限于对以图1所示的PC 10为基础的系统1装载OLP 100，能够通过装载单片化的OLP 100而经济地将嗅觉功能装载到电视机等家电、移动电话等极为轻便的电子终端、家庭安全用的设备等上。
通过将场非对称质谱分析仪(FAIMS，Field Asymmetric waveform Ion Mobility Spectrometry：场非对称波形离子迁移谱、或者DIMS，Differential Ion Mobility Spectrometry：微分离子迁移谱)这样的MEMS(Micro-Electro-Mechanical Systems：微机电系统)传感器与OLP 100一起进行使用，能够提供既不需要高价的CPU或DSP(Digital Signal Processor：数字信号处理器)、也不需要大型的机械组件、并且也不需要复杂的控制电路等的低成本系统1，该系统1能够记录、生成、识别气味。
采用OLP 100的系统1具有相当高的通用性和扩展性，能够用于各式各样的目的。首先，OLP 100能够对来自各式各样的传感器(能够检测化学成分的传感器)的输入数据提供共同或标准的数据格式，而并不限于以分析仪为传感器的输入数据，其中，上述各式各样的传感器包括遵循IEEE1451的化学传感器、QCM、电化学、SAW、MOS(Metal Oxide Semiconductor：金属氧化物半导体)传感器。并且，OLP 100能够支持由MPEG(Moving Pictures Experts Group：动态图像专家组)、RoSE(Representative of Sensory Effect：传感效果代表)以及NOSE·N/W(Second Network on Artificial Olfactory Sensing(NOSE II)：人工嗅觉传感第二代网络)定义的标准接口以及数据格式。因而，能够抑制为了使系统1适应多种传感器而需要的资金投入。另外，用户能够利用遵循各种标准的数据来输入输出气味的信息。因此，能够提高系统1的使用效率，从而实质上能够以低成本提供高通用性的系统。
OLP 100还能够将由传感器检测出的化学成分(化学物质，chemical substances)的信息转换(生成)为动态数据(数据流)。通过使气味的信息成为数据流，能够使气味与声音、影像一起包含于多媒体中。并且，能够通过无线、网络等通信介质或者通信基础设施来实时地传送气味。还能够参照压缩、加密、展开(解压缩)这样的已在声音、图像数据中进行的数据处理，来对气味的信息进行压缩、加密、展开。
另外，通过对变为数据流的气味信息的单次采集(one-shot)逐次地进行解析，能够即时(on-the-fly)地识别、监视气味。并且，由于化学物质的信息被转换成了共同的数据格式，因此能够提高用于判断或识别目标物质的处理的速度并减轻该处理的负荷，使模式(pattern)识别对象的模式数据标准化也成为可能。因而，能够经济地获取并准备好大量用于判断包括气味在内的各式各样的物质的模式。通过机器对气味进行模式识别是指对便携式的装置或进行计算的装置附加机器嗅觉功能，从而能够用于针对安全性的威胁发现、医学诊断例程以及个人的健康监控等各方面。并且，对于各种类型的气味再现装置，由OLP 100生成的气味数据都可成为其动态或静态的气味再现所需的通用输入，并且是实时的输入。
下面，大致以下面的顺序来说明OLP 100。
1.OLP的概要结构(图2)
2.由OLP进行的数据生成
2.1.概要(图3)
2.2.化学物质空间(化学物质特征空间)的数据向频率空间的映射(图3)
2.3.使用子频带图像进行的映射(图4～图6)
2.4.流数据的生成以及输出
2.5.立体图像
2.6.化学物质信息以外的辅助信息的叠加
2.6.1.环境信息(温度、湿度、压力)
2.6.2.空气流量
2.6.3.时刻
2.6.4.位置
2.7.前处理器(测量条件的重构)(图7、图8)
2.8.支持多个类型的传感器
3.OLP中的物质识别(图9)
4.OLP中的数据压缩(图10)
5.OLP中的数据再现以及输出
6.有关OLP的几个辅助信息
7.实际应用
1.OLP的概要结构(图2)
OLP 100包括生成数据并对其进行编码的编码部101、接收数据并对其进行解码的解码部102、以及对OLP 100的整体进行控制的OLP控制器105。OLP 100也可以包括编码部101和解码部102中的任一个。能够将OLP 100作为一个设备(集成电路、芯片)来提供，但是也能够作为芯片组来提供，还能够作为具备适当能力的CPU或MPU所能够执行的程序(程序产品)来提供。
编码部101包括：ADC单元(ADC Mixer：ADC混合器)110，其从传感器接口51接收(输入)数据31；前处理(Pre-Processor)部120，其进行前处理；生成器130，其进行数据生成；识别部150，其进行数据的模式识别；压缩(Compression/Encode：压缩/编码)单元160，其对数据进行压缩；以及加密单元169，其对压缩后的数据进行加密。从传感器接口51输入的数据既可以是模拟数据也可以是数字数据。模拟数据31被ADC单元110数字化，从而作为数字数据32被发送给进行前处理的前处理部120。前处理部120包括根据传感器类型等而各不相同的多个类型的前处理器121及122。
生成器130生成第一数据(数据流、RAW数据、进行压缩等处理前的原始数据)35，该第一数据35包含与化学物质有关的内容数据(容器数据，Container Data)139d(左和右的信息139dL和139dR)。在下面的例中，内容数据139d包括左和右的信息139dL和139dR，但是在左和右共同的情况下，有时省去表示左和右的L和R。内容数据139d是将根据来自传感器的经由传感器接口51输入的数据32而检测到的成分或化学物质(detected chemical substances，包括化合物、分子以及元素中的至少一个)的强度变化((intensity variation)，包括浓度变化、丰度变化以及其它由传感器感测到的变化/变量)映射到频率空间后得到的流数据(如声音这样的几乎不存在时间局部性(Temporal Locality)的流形式的数据)。通过适当的规则预先对多个特定的化学物质分别分配频率空间的多个频率，以使得能够将表示化学物质的强度变化映射到频率空间。
RAW数据35既可以是频域(频率空间)的数据，也可以是将其转换(逆FFT(Fast Fourier Transform：快速傅里叶变换))为时域(时间空间)后得到的数据。RAW数据35中典型的是PCM(Pulse Code Modulation：脉冲编码调制)类型的数据。RAW数据35也可以是被QMF(Quadrature Mirror Filter：正交镜像滤波器)等分割成子频带后得到的QMF类型的数据。上述RAW数据35也可以直接从OLP的接口107输出。
在识别部150中，将流形式的RAW数据35转换为时间上具有局部性的数据，来辨别RAW数据35中所包含的物质。在压缩单元160和加密单元169中，利用可逆或不可逆的适当方法对RAW数据35进行压缩和加密。在RAW数据35中，从传感器输入的所有信息基本都被转换到频率空间并存在于该频率空间。在进行压缩时，能够通过删除包含实际应用不需要的信息的部分或信息密度较低的部分来提高压缩率。
解码部102包括：解密(Decryption)单元173，其接收加密后的数据并对其解密；再现解析单元(Parser)170，其对解密后的数据进行解析；以及展开(De-compression/Decode：解压缩/解码)单元175，其根据上述解析的结果，利用适当的方法进行展开，来还原RAW数据35。解码部102还包括：校正(background Compensation：背景补偿)单元180，其从前处理部120接收与系统周围的实时环境以及化学物质有关的信息(扫描数据)33，来对RAW数据35进行校正；以及重建(Re-construction)单元190，其进一步根据人类嗅觉的灵敏度等对校正后的RAW数据35进行重建，将该RAW数据35输出为气味数据(Odor data)39。在本说明书中，气味是指包括气息、臭味、香味等通过嗅觉感觉的所有信息的概念。此外，后面为了明确表述，表述为“气味(Smell/Odor)”。
气味数据39实际上从OLP接口107输出并经由系统1的总线18被提供到气味生成装置(Odor Emitter)200的驱动器201。驱动器201既可作为专用电路来提供，也可作为由系统1的CPU 11执行的程序209来提供。在驱动器201或载入了程序的驱动器209中，将气味数据39转换为能够在气味生成装置200中利用的气味源202的组合。气味数据39是支持PCM的数据，包含被映射到频率空间的表示(启示)各个化学物质的存在的强度变化的数据。因而，气味数据39是以通用化的格式或标准化的格式包含多个化学物质的信息的流形式的数据。因此，提供气味生成装置200的制造商能够提供通用的驱动器201或209。
2.由OLP进行的数据生成
2.1.概要(图3)
图3中抽取出了OLP 100所包含的多个功能单元中的生成RAW数据(RAW数据流、第一数据)35的部分来进行表示。另外，图11中以流程图的形式示出了在OLP 100的编码部101中生成RAW数据35的处理(生成方法)的概要。
装载有OLP 100的系统1具备生成包含内容数据139d的RAW数据(第一数据)35的功能。在下面的例中，生成功能是由OLP 100这样的设备提供的，但是也能够利用程序来提供生成功能。RAW数据35的生成装置130包括转换单元131，该转换单元131将从至少一个传感器直接或间接地得到的数据中所包含的表示(启示)所检测到的化学物质(detected chemical substances)的强度变化(变量，Variations)映射到对多个特定的化学物质分别预先分配了多个频率的频率空间，由此将该强度变化转换为内容数据139d。
如上所述，化学物质包括化合物、分子以及元素，其并不限于成分或组成物，也包括生成物。另外，强度变化包括化学物质和成分的有无及其强度(浓度)的变换，即浓度变化以及是否存在(丰度变化)，包括由传感器感测到的与物质存在有关的状况的变化。
生成包含内容数据139d的第一数据(RAW数据)35的方法300包括以下步骤：将根据来自至少一个传感器的数据而检测到的表示化学物质的强度变化映射到对多个化学物质分别分配了多个频率的频率空间，由此将该强度变化转换为内容数据139d，其中，上述化学物质包括化合物、分子以及元素中的至少一个(步骤310)。根据来自传感器的数据而检测到的化学物质，即所检测到的化学物质(as detected化学物质)可以是根据来自传感器的数据而最终判断出的物质，也可以是质谱分析中的碎片(Fragment)成分，对于M/Z(平均每个电荷的质量)相同的成分，也可以由适当的化学物质或者以规定的规则暂时分配的化学物质来代表。
所生成的RAW数据35包含将表示化学物质(chemical substances)的强度变化映射到对多个化学物质分别分配了多个频率的频率空间而得到的内容数据139d，其能够记录在适当的记录介质、例如存储器、CD-ROM、硬盘等中来进行提供，其中，上述化学物质包括化合物、分子以及元素中的至少一个。RAW数据35未必一定包含最终分析出的化学成分或化学物质的信息。另一方面，在来自传感器的数据中包括在进行化学物质的认定中可能需要的信息的情况下，期望即使该信息实际上被分类到不同的化学物质，但上述RAW数据35仍包含该信息。
另外，也能够将RAW数据35搭载于包括无线、有线的传递介质来进行广播或传送。另外，能够经由因特网等计算机网络传送RAW数据35。因而，能够利用对声音、图像等其它多媒体的信息进行广播、发送接收、传送的基础设施、系统、装置，来将包含内容数据139d的RAW数据35、对RAW数据35进行压缩后得到的信息与其它多媒体信息同样地进行广播、发送接收、传送。
2.2.化学物质空间(化学物质特征空间)的数据向频率空间的映射(图3)
化学成分的分析是对包括固体、液体、气体、空间在内的各式各样的对象物进行的。本申请的发明将在上述所有对象物中检测到的成分(化学物质)转化为数据或者内容以使其能够用于数据处理、传递、记录、再现等。大气中存在的成分是由五感中的嗅觉所掌握的。因而，下面，说明将本发明应用于以下的实际应用的例子：在信息处理装置中安装嗅觉功能。
由传感器检测大气中的化合物，通过将其转换为电信号而使用各种信号处理和模式匹配技术来指定大气中的气味是有可能的。然而，根据传感器的类型、传感器的特性，可检测的化合物是变化的，对可检测的化合物的灵敏度也是变化的。因而，期望提供一种通过相同的处理将各种气味转化为数据来进行再现的系统。
并且，在使用模式匹配等识别技术来指定气味并由此生成用于对该气味进行传递或处理的信息的情况下，气味的指定是时间上具有局部性的信息，是静态数据。因而，期望提供一种时间局部性较低的动态变换的用于记录/再现气味的系统。
嗅觉与视觉、听觉等同为五感之一，用于感测时间上连续的变化。因而，为了将气味与音乐、声音、图像等一起构成为多媒体，期望以流形式的数据对气味进行记录/再现。在本例中，提供这种技术是目的之一。
在大气中有可能存在的成分中，能够通过嗅觉感觉到的成分是有限的。以嗅觉很少感觉到或以嗅觉很难感觉到的成分作为气味来说价值很低。然而，嗅觉特别是人的嗅觉所无法感测到的成分有可能会给人的生活带来警告。提供如下一种技术也是有用的，该技术是对作为气味来说价值较低的信息进行删除、对作为气味来说价值较低但在其它实际应用中价值较高的信息进行有效利用的技术。
OLP 100的生成器130通过FCWS(Functionally Classificati on Wave Shaping，按功能(官能团)分类的波形成形)技术将对化学物质赋予特征的空间(化学物质空间)映射(分配)到频率空间，从而将表示化学物质的存在的强度信息转换为频域的强度信息。即，将各化学物质的伴随时间经过的检测强度变化转换为以与各化学物质相对应的方式确定了频率的信号的强度变化。通过FCWS，表示气味的信号被映射到频率空间并被重新定义，从而作为气味流而输出。
对表示听觉范围的频率的信号的强度变化的数据进行的处理，作为声音数据的处理取得了很多实际经验。对表示视觉范围的频率的信号的强度变化的数据进行的处理，作为图像数据的处理也取得了很多实际经验。因而，为了进行信号处理而通过将化学物质的数据映射到频域，就能够适当应用这些已有很多实际经验的技术。另外，能够使用与声音数据、图像数据共同的平台来对气味数据进行处理。
生成器130的转换单元(FCWS单元)131生成具有可标准化的接口和数据格式的RAW数据35。因此，通用性非常高。例如，对于MPEG、IEEE这样的标准化机构，本技术有助于使这些标准化机构推进气味数据的数据格式和接口的标准化。
2.3.使用子频带(多频带)图像进行的映射(图4～图6)
在例示的FCWS技术中，多个化学物质被分为多个组，对多个组分别分配多个子频带。在成为数据化的对象的化学物质的数量较少的情况下，通过转化为子频带(多频带)来进行数据处理有可能会使负荷激增。然而，大气中所包含的、或者有可能包含的化学物质的种类是庞大的，而转化为子频带在模式匹配、压缩等几乎所有的数据处理中都是有效的。
因而，转换单元131将表示检测到的化学物质的强度变化转换为某一个子频带中所包含的频率的强度变化。另外，生成数据的方法300的生成(转换步骤)(步骤310)包括以下步骤：将表示检测到的化学物质的强度变化转换为某一个子频带中所包含的频率的强度变化。图12中示出了关于子频带波形成形的更详细的处理。
在转换单元131的对象是气味的数据化的情况下，即如果RAW数据(第一数据)35所包含的内容数据139d是用于传递对气味进行解析的信息和/或与气味有关的信息的气味数据，则期望多个组(功能组，FG，Functional Group)包括根据有机物的官能团而划分出的多个组。并且，期望多个组FG包括无机物的组和未分类(Unknown)的组。
能够以嗅觉感觉到的人的气味空间(Odor Space)与化学的官能团之间的关联性较高。因而，将根据从传感器输入的数据33而检测到的化学物质与化学官能团和人的气味空间相关联地映射到频率空间，这样的映射在记录/再现中是较为高效的。有味成分伴随温度和湿度等环境变量而有不同变化，这也部分依赖于官能团。基于这一点，也说明了根据官能团进行化学物质的分组是有效的。在本例中，提出了一种阶层式的组结构，具体如下，以化学类为顶点，接下来的是下一层的功能组FG，功能组FG是基于化学官能团的分类。官能团例如能够举出46组，然后加上无机、未知(不能分类、未分类)这两组，总共能够分出48组。能够对这些组分配适当的频带(子频带)，从而能够使具备各个官能团的化学物质的组在频域中相分离(分开)。用户能够根据系统要件追加子频带或追加分类种类。
关于用于检测化学物质的传感器61和62，典型的是使用MEMS的片基(Chip-base)的质谱仪(MS)。该传感器61和62在每次采样时(扫描)输出M/Z(质荷比)的强度(质谱，后面有时仅表示为“M/Z”)作为启示化学物质的存在的数据(变量)。因而，通过连续重复扫描而从传感器61和62输出后并输入到转换单元131的数据31、32以及33包括能够识别检测到的化学物质的信息，即M/Z以及表示该M/Z的时间性变化(变动)的信息，该M/Z即是表示(启示)检测到的化学物质的信息(强度变化、强度变量)。从MS得到的M/Z与实际存在的化学物质并非完全一一对应。然而，通过设置适当的规则，能够使该M/Z作为表示检测到的化学物质的值而与该化学物质一一对应。例如，转换单元131能够对扫描数据33中所包含的M/Z信息应用以下的规则：相对于无机物优先对有机物进行分配。转换单元131还能够对扫描数据33中所包含的M/Z信息应用以下的规则：在有机物中，优先对根据查找表(LUT)133R和133L分出的官能团的组中顺序最靠前的组中所包含的化学物质进行分配。
图4中示出了用于对化学物质进行分组(分类)的层。第一层81是化学类(Chemical Class)，包括有机81a、无机81b以及不能分类(未分类)81c这三个成分。之下的一层(第二层、子类)82是基于化学性的功能组(官能团的组，Functional Groups)FG而进行划分的，有机81a包括46个官能团的组(子类)。之下的一层(第三层、物质层)83是表示具体的化学物质的层。官能团的组之一是烷烃(饱和链烃)82a，该组82a中作为化学物质包括乙烷83a、甲烷83b、丙烷83c、丁烷83d等。官能团的组包括作为含氮的官能团之一的氨基82b、作为含氧的官能团之一的醇基82c以及酮基82d等，而并不限于烃基团。官能团的分子中的原子是相同的，或者在受到同样的化学反应时表现出共同的气味和其它特性。挥发性有机物和有机化合物是作为气味刺激嗅觉的典型物质，其也能够用于监视健康状态。
能够根据原子对无机物81b进行子类划分。例如，能够分为碳82e、铝82f、氮82g的组。第三层83是物质层，碳82e的下层可以举出一氧化碳83e、二氧化碳83f。
对不能分类的化学类81c进行设置使得RAW数据35中包含所有从传感器输入的数据中所包含的信息。例如，在检测到未分配给特定的化学物质的M/Z成分时，能够将该成分的强度变化分配给不能分类(未分类、未知)82i、82j或82k，并将未分类82i的M/Z成分等用于之后指定成分的信息事先保存于RAW数据35的头信息中。不能分类的子类能够自由增加。并且，如果之后辨明了不能分类的子类的化学物质，也能够将该类添加到官能团的子类中。该图4中所示的分组不过是例示，但是它在气味数据的分组中是一个较佳的例子。
图5中示出了查找表(LUT)133的一例，该查找表133包含用于在OLP 100的生成器130中对检测到的化学物质分别分配规定的频率的信息。LUT 133是定义频率空间的手段的一例，上述频率空间是指对多个特定的化学物质分别预先分配了多个频率的空间。也能够使用字典文件、数据库、库(Library)等来代替LUT 133对频率空间进行定义。
在该LUT 133中，如上所述，以如下的方式进行定义：化学物质在第一层81中被分为三类：有机物81a、无机物81b以及不能分类81c，在第二层82中被分为基于官能团的组FG。在该LUT 133中，对应于第二层82的多个FG的各个组，分配48个(从SB-1到SB-48)子频带84。各子频带具有950Hz的带宽86，各子频带之间设定有50kHz的间隔。例如，对包括以乙烷为首的化学物质的烷烃82a的FG(子类)分配带宽50-1000Hz的子频带SB-1。对下一个FG(子类)分配1050-2000Hz的子频带SB-2。并且，对各子类中所包含的化学物质、例如乙烷分配规定的频率f0，该频率f0包含于子频带SB-1的带宽50-1000Hz中。对甲烷分配子频带SB-1中的频率f1，对丙烷分配子频带SB-1中的频率f2，对丁烷分配子频带SB-1中的频率f3。其它化学物质也是同样的。
因而，通过参照该LUT 133，定义出了一个对多个化学物质分配了多个频率的频率空间，上述多个化学物质主要是基于官能团而指定的。因而，能够将表示检测到的化学物质的测量值转换为与检测到的化学物质对应的频率的信号的强度。能够通过参照共同的频率空间的定义即共同的LUT 133来将转换后的数据逆转换为表示化学物质的测量值。此外，映射化学物质的测量值的频率空间的定义并不限于本例。成为气味要素的化学物质大多是分子量比较小的有机物。因此，如LUT 133所示那样在频率空间中分配指定的化学物质的方法适于将成为气味要素的化学物质映射到频率空间。在其它用途中、例如在检测浮游的污染物、根据呼吸中包含的物质判断健康状态等用途中，也能够以易于映射成为各用途的检测对象的化学物质的方式对频率空间进行定义。
如图3所示，OLP 100的生成器130所包含的转换单元131包括高速时序映射器(FSM，Fast Sequence Mapper)132L和132R，该FSM 132L和132R分别参照左和右LUT 133L及133R来将表示由左和右的传感器61和62分别检测到的化学物质的量(测量值)映射为规定的频率。并且，转换单元131包括波形成形单元136L和136R，该波形成形单元136L和136R将表示检测到的化学物质的强度变化分别转换为由FSM 132L和132R使用LUT 133分配的频率的强度信号。波形成形单元136L和136R分别包含48个子频带波形成形单元(SBWS，Sub Band Wave Shaping)135.1～135.48，能够以子频带为单位并行地执行波形处理。波形成形单元136L和136R的输出是将表示检测到的化学物质的强度变化转换为规定频率的强度变化后得到的内容数据139dL和139dR。
本阶段的内容数据139dL和139dR是以子频带为单位汇总在一起的频域的数据，能够附加适当的头信息139h来作为以子频带为单位进行分割的数字流数据36而输出。能够将该数据整理为与声音数据中的通过QMF而被分离为子频带的数据相同的格式。
图6的(a)和(b)中示出了从MS类型的传感器61和62输入的扫描数据(MS谱)33的一例。图6的(a)的M/Z数据16与甲烷(CH4)的质荷比一致。因此，FSM 132L或132R将M/Z数据16的峰值P16映射(分配)为子类(功能类)“烯烃”的子频带SB-1所包含的频率f1，波形成形单元136L或136R将峰值P16的强度转换为频率f1的强度。
图6的(b)的M/Z数据30与乙烷(C2H6)的质荷比一致。因此，FSM 132L或132R将M/Z数据30的峰值P30映射(分配)为子类(功能类)“烯烃”的子频带SB-1所包含的频率f0，波形成形单元136L或136R将峰值P30的强度转换为频率f0的强度。
成为转换对象的扫描数据(M/Z数据)33既可以是从MS类型的传感器61或62输入的数据，也可以是经前处理器121校正过的数据。FSM 132L和132R可以使扫描数据33包含碎片离子(在离子化的过程中在飞行时进行了离解的离子，也称为子离子)的峰值、同位素的峰值，而将该峰值直接分配(映射)到频率空间。FSM 132L和132R也可以将扫描数据33转换为将碎片离子的峰值、同位素的峰值从扫描数据33的峰值中去除或者对碎片离子的峰值、同位素的峰值进行削减后得到的质谱数据，以使MS所检测到的成分明确到某种程度，从而以可能更为接近实际成分的化学物质在频率空间中进行分配(映射)。
通过将扫描数据33中包含的所有峰值与某些化学物质的峰值相关联地映射到频率空间，能够使扫描数据33中所包含的所有信息无遗漏地包含于内容数据139d中并作为RAW数据35输出。另外，即使在对扫描数据33的峰值分配了错误的化学物质的情况下，将表示化学物质的强度变化转换为原本的M/Z的强度变化是较为容易的。因此，在保存扫描数据33这一点上，在OLP 100的生成器130中高精确度地求出大气等中实际所包含的化学物质这样的事情是一般重要或者几乎不重要的。
图12中进一步详细地示出了生成内容数据139d的过程(步骤310)。在步骤311中，将输入扫描数据33的缓冲器初始化。数据输入缓冲器例如具备32个采样通道(Sample Channel)。在步骤312中，FSM 132L和132R检测数据中的化学物质，并辨明(规定)检测到的化学物质。在该步骤312中，通过启发式(发现性)的方法、化学规则、氢/碳比规则、成分比以及概率等各种方法中的任一种或将多种方法进行组合来规定检测到的化学物质。
在步骤313中，如果检测到的化学物质是能够通过查找表133进行分类的物质，则在步骤315中，按化学类、子类、物质的顺序在查找表133中搜寻，从而分配规定的子频带的规定频率。如果检测到的化学物质(的信息)不能在查找表133中进行分类，则在步骤314中对其分配不能分类(未分类)的规定频率。
波形成形单元136L以及136R在步骤316中将检测到的化学物质的强度转换(映射)为所分配的频率的强度。并且，流生成器138将频率强度变化的数字数据应用于规定的流数据的格式来生成流形式的数据。在步骤318中，在来自传感器的数据继续输入的情况下，能够通过重复这些处理来生成流形式的RAW数据35。
此外，为了易于理解地说明生成方法，该流程图利用一系列流程示出了转换单元131中的处理。但是，在安装于OLP 100的转换单元131中是由能够进行并行处理的电路实现这些功能的，能够并行地执行流程图所示的各处理。
这样，OLP 100能够以更高的分辨率将再现性较高的化学成分的信息转换到频率空间。对不存在于参照用表133中的化合物附加未知功能组的标签，从而确保应用或用户利用其它科学技术来指定未知化合物的机会。已指定的成分种类作为其对应频率的脉冲序列表现于内容数据139d的各子频带上。内容数据139d的数字脉冲序列表示与其成分的出现有关的时间变动。此外，在本说明书中，在左和右的内容数据139dL和139dR通用的说明中，有时省略表示左和右的标记而记载为内容数据139d。其它左和右一对的功能或单元也一样。
转换单元131具备流生成器138，按照以声音文件或图像文件为准的格式，将表示汇总到每个子频带的频率的强度变化的数据变为数据流并输出。头信息139h中如下面说明的那样包含环境信息等其它信息。
2.4.流数据的生成
由转换单元131生成的内容数据139d是包含化学物质信息的频域的数据36。因而，能够使其与声音数据以及图像数据这样的通过FFT将时域的信息转换到频域后得到的数据进行对比。并且，生成器130具备振荡器(Oscillator)142以及转换装置(转换器)141，该转换装置141通过对频域的数据36进行逆FFT来将其转换为时域的数据、例如PCM类型的数据34。并且，不管是频域的数据36还是时域的数据34，OLP 100都能够将其作为RAW数据35而通过接口107输出到外部(系统1的内外)。
对于从前处理器121以及122得到的扫描数据33，也能够通过将数据33所包含的M/Z信息映射到频域来使该扫描数据33成为频域的数据，并也能够通过进行逆FFT来将其转换为时域的数据、例如PCM类型的数据。能够使用在FSM 132中进行参照的LUT 133来对M/Z和与其对应的频率进行定义，从而能够将由质谱仪MS测量的M/Z的信息转换为频域的数据而无需转换为化学物质信息。并且，能够通过对频域的数据进行逆FFT转换将M/Z的信息转换为时域的数据。
一般认为，从挥发性等的观点来看，作用于人的嗅觉(嗅觉接受体)而被感觉为气味的物质分子的分子量的上限是300～400左右。因而，能够将以该程度的分子量为最大分子量的质谱分析结果作为目标，来将质谱分析结果中所包含的M/Z的数值转换到频域。在后述的立体图像等功能或实际应用中，被映射到频率空间的数据中除了转换为化学物质信息并被映射到频率空间的数据以外，还包括M/Z信息被映射到频率空间的数据。另外，时域的数据也同样，除了对转换为化学物质信息并被映射到频率空间的数据进行逆FFT后得到的数据以外，还包括对M/Z信息被映射到频率空间的数据进行逆FFT后得到的数据。
时域的数据34通过接口107输出，能够作为图像显示在显示器22上或作为声音从扬声器23输出。判断作为图像和声音是否有意义并不容易，但是考虑到了如下的方面：具有相同的模式的数据即在本例中具有相同或类似的气味信息的数据会输出相同或类似的图像或声音。因而，能够将通过嗅觉感觉的数据转换为通过视觉或听觉感觉的数据。
包含频域的数据36或时域的数据34的RAW数据35能够通过接口107记录在系统1的存储部13中。另外，RAW数据35也能够通过系统1的收发单元(通信接口)17传送到系统1的外部。例如，能够利用无线15来通过基站对其它终端、服务器等实时地发送RAW数据35。另外，能够通过网络401对其它终端、服务器等实时地发送RAW数据35。实时地对气味数据进行记录和再现是OLP 100最重要的特征之一。几乎所有的电子装置都具有与远程用户交换实时信息的能力。其中一个例就是多媒体应用、聊天、在线学习以及在线游戏这样的对话型应用。各用户能够通过在网络上对远程用户进行写入或利用无线进行发送接收来实时地交换芳香信息(气味信息)。
2.5.立体图像
具体地说，OLP 100支持气味信息的立体记录以及再现。能够从左和右传感器61和62向OLP 100输入数据，该左和右传感器61和62的涉及到方向的检测特性不同。转换单元131包括左和右的FSM 132L和132R以及左和右的波形成形单元136L和136R。转换单元131包括以下的功能：将分别从左和右传感器61和62得到的扫描数据33、或者基于左和右的扫描数据33的表示左和右的化学物质的强度变化分别映射到左和右的频率空间。立体图像的RAW数据35包括左和右的内容数据139dL和139dR。在数据的生成方法(步骤310)中，也并行执行以下的动作：将表示根据分别来自左和右的传感器61和62的数据而检测到的左和右的化学物质的强度变化分别映射到左和右的频率空间。
立体传感(双传感器)是将识别芳香源时的人的嗅觉功能系统地编入OLP 100中并使该OLP 100模仿该嗅觉功能的重要的功能之一。例如，通过立体传感，能够计算芳香源的距离和/或方向。另外，通过立体地进行气味的再现，能够将气味源的距离和/或方向作为信息提供给用户。因而，对于气味，也能够与声音、图像同样地对用户提供气味的立体再现方法。典型地来说，将两个传感器61和62的朝向设为捕获来自相对于中心相差90度的方向的芳香信息。对于增强近似于人的芳香再现以及分析能力，这是较为有效的。
在立体传感中，可以将从两个传感器61和62的数据中检测到的内容数据139dL和139dR独立地记录在RAW数据35中，也可以将内容数据139dL和139dR中的一个及内容数据139dL和139dR之间的差记录在RAW数据35中。能够以子频带为单位计算该差来进行记录。另外，成为立体传感的对象的传感器的数量并不限于两个，也可以是三个以上。能够将多个传感器立体地配置于左右、上下、前后，通过对从它们中得到的扫描数据33进行解析来进一步高精确度、高速地识别气味源的位置。
传感器控制设备50支持多传感器，即能够连接相同类型和/或不同类型的多个传感器。设备50例如支持遵循IEEE 1451.1的双信道。设备50还支持传感器的各种组合，也支持差异输入，该设备50中典型的即是如上所述的质谱分析型的传感器。
OLP 100的ADC单元110包括用于输入来自质谱分析型传感器的立体数据的立体输入用接口111和112以及用于将左和右的模拟数据分别转换为数字数据的ADC 117L和117R。并且，ADC单元110包括用于输入质谱分析型的非立体(Monaural)数据的非立体输入用接口113、ADC 117M、用于将非立体信号分别加到左和右信号上的求和放大器(Summing Amplifier)119a和119b。来自质谱分析型的传感器的输入被输入到第一型的前处理器121，以进行数据处理(前处理)。
并且，ADC单元110包括用于输入来自除质谱分析以外的不同类型的传感器的数据的接口114以及ADC 117A。来自质谱分析以外的类型、例如专用于检测特定的化学成分的传感器的输入被输入到第二型的前处理器122，以进行数据处理(前处理)。
ADC单元110还包括数字输入接口115，由设置于前处理部120的下游的求和放大器119c和119d将数字输入分别加到前处理后的信号上。然后，由转换单元131对结束了所有前处理的输入数据33进行处理，将化学物质的信息转换(映射)到频率空间。
ADC单元110的混合功能具有几个有效性。外部的数字输入接口115例如能够使用户将电影用的背景芳香添加到动态变动的芳香中。为了制作特殊效果，能够将静态以及动态的芳香制作成可以如音量调节那样进行变化以使其从当前的芳香水平变化为指定的芳香水平。
2.6.化学物质信息以外的辅助信息的叠加
除了作为有关化学物质的信息的内容数据139d以外，OLP100的生成器130还能够将其它各种信息组入到RAW数据35中。
2.6.1.环境信息(温度、湿度、压力)
温度、湿度以及气压在嗅觉作用中起到重要作用。为了在与生成RAW数据35的时间和/或地点不同的时间和/或地点(远处)重现气味，期望根据温度、湿度以及气压的信息来对气味的强度进行校正。
OLP 100的ADC单元110包括能够从用于获得包括温度和湿度在内的环境信息的传感器(环境信息传感器、环境信息获取用传感器)输入数据的接口119。生成RAW数据35的生成器130包括辅助信息编码器(辅助信息追加单元)137，该辅助信息编码器137获取生成RAW数据(第一数据)35时的环境信息，并使该信息在头信息139h中作为生成RAW数据35时的环境信息包含于RAW数据35中。流生成器138将包含辅助信息的头信息139h添加到内容数据139d中来生成数据流，输出为RAW数据35。
在生成RAW数据35的过程(步骤310，参照图12)中，也包括以下步骤：在步骤317中进行流化时，使生成时的环境信息包含于RAW数据35中。在RAW数据35中，温度、湿度(相对湿度)、大气压的数据与内容数据139d一起实时地进行记录。因此，环境信息不会从数据中遗漏，不需在再现时进行同步，从而能够提高气味数据的再现效率。
2.6.2.空气流量
OLP 100能够将气流传感器74的数据也作为辅助信息添加到头信息139h中。气流传感器74的信息使RAW数据35除了立体传感以外添加了作为更具方向性的信息的性质。因而，在安全性的实际应用中，能够准确地判断污染物质源的方向、风向，从而能够帮助用户脱离威胁、或者事先防止用户靠近威胁。在机器人工学的实际应用中，支持气流传感器的OLP 100能够为机器人提供识别朝向芳香源的方向以及与该芳香源的距离的功能。
2.6.3.时刻
OLP 100能够将日期和时间的数据也作为辅助信息添加到头信息139h中。日期和时间的信息作为RAW数据35的生成时间的证明是有用的。OLP 100能够使绝对时间信息和/或相对的时间信息作为元数据包含于头信息139h中。相对时间例如是从开始再现起的经过时间，在与其它多媒体内容一起进行再现时，该相对时间作为放出芳香数据的同步用信息而起作用。
2.6.4.位置
OLP 100能够将位置信息也作为辅助信息添加到头信息139h中。位置信息作为RAW数据35的生成地点的证明是有用的。OLP 100能够使绝对位置信息和/或相对的位置信息作为元数据包含于头信息139h中。绝对位置信息之一是能够从GPS系统19获取的进行了卫星定位的位置信息、例如经纬度数据。相对位置信息之一是利用无线电话进行访问时的基站的信息。
并且，在虚拟世界、游戏等实际应用中，能够将虚拟的位置设置为位置信息。能够放出表示用户在虚拟世界或游戏中到达了该地点或位于该地点的气味。能够组入到RAW数据35中的信息并不限于上述信息。例如，通过将由照相机24获取到的图像信息和/或由麦克风25获取到的声音信息与气味信息34或36进行组合，能够生成也包含气味的多媒体信息作为RAW数据35并将其输出。这种多媒体的RAW数据35可以是单次采集的静态数据，也可以是时域的动态数据。
2.6.5.RAW数据流
RAW数据流35的一例是气味的子频带信号被连结在一起的原始数据(未经过压缩、加密等处理的数据)。RAW数据35包含用于温度这样的环境变量的辅助通道(channel)，该辅助通道中还可以包括湿度、空气压力以及气流等变量。另外，RAW数据35能够将与单一的、非立体的、立体(左和右)的嗅觉相关的随时间变化的数据保存为流形式的数据。典型的数据流具有头139h以及有效负载(内容数据)139d的数据包。流头139h还包含时间戳、数据形式、分割以及信号处理所需的其它重要细节。
RAW数据流35基本包括传感器(捕捉设备)的所有指定的、成分类所对应的信息。OLP 100是考虑RAW数据流35可被使用的通用性而设计的，不论是否涉及到人的气味空间，从RAW数据流35中均不排除传感器检测到的化合物等的信息。这是由于存在以环境、健康以及污染等为目标的实时监控等各式各样的用途。另一方面，也可以构成为，OLP 100的压缩引擎160排除与人的气味空间之外的化学物质有关的信息。
RAW数据流35能够通过嗅觉作用向用户提供丰富的经验。人能够探测到芳香源和方向。人的大脑为了确定芳香源而使用定量测量。RAW数据流35能够包含唤醒人的嗅觉的几乎所有信息。
并且，该特征在机器人工学以及人工智能中也是较为重要的。能够为了远离火、危险的气体泄漏或者生物危害(Biohazard)这样的危险而对用户发出警告。利用GPS得到的位置信息能够用来帮助指示用户的撤退。通过应用OLP 100，在机器人工学的领域中，除了图像识别和声音识别以外，还能够给予机器人气味识别的功能。如果加上触感，则能够对机器人赋予五感中的四个感觉(视觉、听觉、触觉、嗅觉)。因此，能够提供一种能够利用包括气味在内的多个感觉来识别东西(物、人)或识别周边状况的机器人。
包括气味在内的多个感觉在机器人识别东西或周围状况时起到了互补的作用。在仅利用图像信息、声音信息和/或触感难以进行识别、或识别需要较长时间的情况下，加上气味的信息有可能会提高识别精确度和速度。另外，在进行下面说明的气味的模式识别时，能够利用图像信息、声音信息和/或触感对成为模式识别的对象的范围(检索范围)进行限定，从而使得有可能提高模式识别的精确度和速度。利用气味信息、图像信息和/或声音信息来协助识别对象(物、环境等)的功能并不限于机器人，该功能在具备获取这些信息的功能的便携式终端等中也是有用的。
2.7.前处理器(测量条件的重构)(图7、图8)
OLP 100具有对来自传感器的输入数据进行前处理的前处理部120。典型的前处理器121进行重新采样、基线修正、归一化、降噪(Noise Reduction)、峰值检测。OLP 100通过将进行了前处理的数据转换为RAW数据35，能够使用例如NIST或Wiley这样的MS(质谱分析)数据库而在Web上或通过PC对化学成分进行分析。OLP 100的前处理器121的特征之一是自动控制分析型的传感器的测量条件。
图7是典型的前处理器121的框图。能够应用于传感器61和62是如质谱分析装置那样能够根据设定条件来控制灵敏度、分辨率和/或选择性的分析型传感器的情况。前处理器(前处理装置、预处理装置)121自动设定传感器的设定条件。前处理器121首先设定为由分析型的传感器对宽范围进行扫描的预检测的条件128a，并对其预检测结果进行预分析。接着，根据预分析得到的物质选择适于实际应用的设定条件128b来改变传感器的设定条件。前处理器121定期地设定预检测的条件128a来进行预分析。
在图11所示的OLP 100中的RAW数据35的生成方法中，当从传感器控制设备50输入传感器数据时(步骤301)，由ADC单元110将其数字化(步骤302)，接着，在前处理器121中对传感器条件进行重新设定(Re-configuration)(步骤330)。图13的流程图中示出了重新设定(步骤330)的更详细的内容。之后，进行本采样(重采样)(步骤303a)，当经过了一定时间时在步骤303b中重复重新设定的处理330。通过定期地重新设定传感器的测量条件，能够以与时间和地点相适合的条件获取数据。在生成RAW数据35的工序(步骤310)中，能够将根据以与时间和地点相适合的条件测量到的数据而检测到的化学物质的信息变为流数据。即，生成RAW数据35的过程还包括以下内容：将设定条件设定为由分析型的传感器对宽范围进行扫描的预检测的条件128a，并对其预检测结果进行预分析，根据预分析得到的物质来该改变设定条件。
具体地说，前处理器121包括信号调节器(Signal Conditioner)123和采样单元124，该信号调节器123对传感器61和62的扫描输出(质谱图)的状态进行改善，该采样单元124按照扫描周期对质谱所包含的峰值进行采样。采样单元124生成化学物质空间的数据、例如如与M/Z相对的强度的PCM那样的数据。采样单元124此时进行基线修正、归一化、降噪、峰值检测。
基线修正
传感器数据(质谱图)32包含由于化学噪声、离子过载(Ion Overload)等原因而发生变动的基线。采样单元124估计隐藏于高频噪声和信号峰值中的低频基线，将被认作基线的低频成分从质谱图32中去除。
归一化
采样单元124根据由实际应用规定的要求或规则对所有信号的最大强度重新缩放(Scaling)，来将质谱图32标准化(归一化)。
降噪(噪声减小)
通常，归一化后的数据会包含噪声和信号的混合物。降噪是改善质谱的精确度和稳妥性所需的，能够通过降低噪声使峰值检测算法有效地进行作用。降噪之一是多项式滤波，能够保存峰值的锐度。
峰值检测
峰值检测算法根据振幅指定峰值。质谱的峰值的形状有时包含追加的信息，从而也要考虑该追加的信息。峰值的形状具有特征，能够使用形状匹配功能，通过改变刻度和振幅来指定各个峰值(各个化学物质(分子、化合物、成分))。这种技术是单纯或简易的模式匹配，但是能够有效地将信号与尖峰(Spike)噪声和噪声分离，从而指定信号。
重新采样
前处理器121还包括传感器结构控制单元126、包含能够对传感器设定的多个条件(测量条件)的库125、以及预解析单元127。典型地来说，能够对质谱分析型的传感器61和62设定低分辨率模式和高分辨率模式，该低分辨率模式在质谱的大范围内得到大致相同的分辨率，能够对大范围的化学物质的强度进行比较，该高分辨率模式具有冗余性，数据量较大，但是具有高分辨率。低分辨率模式的条件128a适于预测量(预检测)，而通过高分辨率模式128b测量出的数据被用于转换为RAW数据35。具体地说，根据条件128a、128b，能够改变质谱分析型的传感器61和62的用于扫描M/Z的电压来改变扫描速度，或者改变用于进行离子化的电压。
典型地来说，传感器结构控制单元126通过传感器控制设备50的SDCU 52对传感器61和62设置低分辨率模式128a来获取大范围的质谱。预解析单元127通过采样单元124获取预解析用的数据，来对实际应用所要求的检测化学物质的质谱区域进行限定。预解析单元127也可以设定不测量噪声较多的质谱区域这样的条件。传感器结构控制单元126在易于检测到成为目标的化学物质的条件下通过SDCU 52对传感器61和62设置高分辨率模式128b。然而，根据实际应用，条件是各式各样的，如使大范围的质谱优先、或者在时间上使高分辨率优先等，不一定限定为高分辨率模式适用于得到用于生成RAW数据35的输入的条件。
定期进行预测量(测量的初始化)来动态地重构传感器的测量条件的技术是OLP 100的特征之一。根据实际应用来定义包含于RAW数据35中的关心的分析对象或记录对象。例如，管理机关能够以记录污染物质、有害的合成物在空气中的浓度为目的，来预先设定成为对象的物质或合成物的质谱。在其它实际应用中，将目标的芳香识别为非背景的芳香是较为重要的，为此可将成为对象的化学物质的质谱预先提供给OLP 100。
OLP 100对预采样进行分析，来构建可测量合成物的动态表，从而考虑实际应用的目的、或考虑环境变量、或考虑左和右的通道强度来定义用于再次采样的条件。这种动态重构技术对于识别、排除测量时的背景噪声也是有效的。对于OLP 100的电路相关的处理能力，这种动态重构技术能够大幅增强与测量或检测有关的整体性能、灵敏度以及选择性。这种动态重构技术能够仅应用于分光计或光传感器这样的分析式的测量传感器。
图13中示出了动态地重构传感器的过程(步骤330)的流程图。该步骤330包括前扫描的步骤331以及重构的步骤332。前扫描步骤331包括：根据实际应用获取测量条件的步骤333、将传感器控制器(SDCU)52初始化的步骤334、将各传感器复位到初始条件的步骤335、以及实施测试扫描的步骤336。
在根据实际应用获取测量条件的步骤333中，获取适于气味的记录、污染监控、健康监控等应用、或者由实际应用进行定义的条件，保存到库125中。在将传感器控制器52初始化的步骤334中，如果传感器接口51上连接有多个类型的传感器，则选择最适合的传感器，或者对传感器设定优先级。另外，从库125获取预测量用的条件128a。该条件中可能不仅包括对传感器进行初始设定的条件，还包括在系统1的显示器上进行扫描显示等的指示。在将各传感器复位到初始条件的步骤335中，也可以不仅对质谱分析型的传感器进行初始设定，而且对测量温度、湿度的传感器也进行初始设定。
重构的步骤332包括对测试扫描的结果进行预分析的步骤337、选择与预分析相应的测量条件128b的步骤338、以及对传感器控制器52进行重新设定的步骤339。在进行预分析的步骤337中，也可以不仅分析质谱图33，也对左和右的差、温度、湿度、空气流量等其它条件进行分析。在选择合适的测量条件128b的步骤338中，也可以选择多个条件作为前景条件和背景条件，通过以多个条件对传感器进行时间分隔驱动，来使化学物质检测的高分辨率和强度变化的时间上的高分辨率并存。
图8是针对无法自动控制传感器的测量条件的类型的传感器的前处理器(第二型前处理器)122的框图。该前处理器122包括信号调节器123和采样单元124。
2.8.对多个类型的传感器的支持
OLP 100的另一个不同的特征是能够支持多个类型的传感器，并能够将它们的测量结果汇总为共同格式的RAW数据35。即，生成器130的转换单元131包括以下的功能：将表示根据分别来自多个传感器的数据而检测到的化学物质的强度变化映射到共同的频率空间。另外，进行生成的过程310包括以下内容：将表示根据分别来自多个传感器的数据辨明的化学物质的强度变化映射到共同的频率空间。
即使传感器的类型不同，对化学成分进行检测的传感器的输出也是化学成分。因而，FSM 132能够通过参照查找表133来将传感器的检测结果映射为频率空间的某一个频率。因此，OLP100在化学物质的数据化中提供了通用性极高的接口。另外，能够将使OLP 100生成的RAW数据35成为不依赖于传感器类型的高通用性的数据。
OLP 100作为用于捕捉气味并使其成为适于计算处理以及电子装置的数据流的单芯片嗅觉处理器而发挥功能，OLP 100正是以此为意图而设计的。用户为了捕捉气味，可能会使用各种类型的气体传感器。通过将FAIMS(场非对称质谱仪)与OLP100一起进行使用，能够获取高分辨率的数据，该FAIMS最适于气味处理。然而，即使是其它传感器也能够连接在OLP 100上，例如，为了低端应用，用户能够将SAW、晶体微天平、高分子或其它支持IEEE1451的传感器连接在OLP 100上。作为基本，OLP 100提供有针对IEEE1451和质谱分析型传感器的接口，但是追加针对其它任意类型的传感器的接口或追加转换器是很容易的。
期望OLP 100具备能够在进行设备初始化的期间获取与传感器接口51相连接的传感器的特性的功能。阵列型传感器是多个传感器的集团，上述多个传感器分别对化学成分的特定组或成分本身敏感，质谱分析型的传感器根据质量TOF(Time of flight，飞行时间)和离子化技术的原理而发挥功能。各类别的传感器仅对于某个实际应用较为敏感。多数传感器的检测结果都会由于温度、湿度而发生漂移(Drift)，但是在RAW数据35的情况下，能够对该RAW数据35进行校正或补偿。并且，芳香合成物的反应速度以及溶解会根据温度和湿度而改变，但是在RAW数据35的情况下，能够对该RAW数据35进行校正或补偿。
这样，无论捕捉设备如何，OLP 100所能够提供的RAW数据35都能够应用共同的信号格式，并且，与气味有关的其它各条件、元数据也能够加入到数据流中。然后，RAW数据35被转换或被分配(映射)为频率空间或时间空间的数据，因此能够将数字信号处理技术应用于所得到的信号、数据或信息以对其进行改良或提高其功能。可应用的数字信号处理的一例是滤波，其在信号的级别提高、压缩、模式匹配中是较重要的。可应用的数字处理的其它例是预测处理(误差论、外推技术)，其能够应用于记录、传输数据时的信号修正上。这些都是以能够进行机器嗅觉为目的之一的OLP的重要特征，并且是主要的优点。
3.OLP中的物质识别(图9)
将化学物质信息映射到频率空间后得到的内容数据139d能够通过与映射到频率空间的目标的物质信息进行模式匹配来指定内容数据139d所包含的物质。也能够将内容数据139d逆转换到M/Z空间来指定物质。
OLP 100具有识别部150，识别部150内置有基于RAW数据(第一数据)35生成静止数据151d的捕获单元151，该识别部150用于根据静止数据151d来识别特定的物质。RAW数据35是时间局限性较低的流类型，捕获单元151生成时间上具有局部性的、单次采集型的静止数据151d以用于数据解析以及识别。捕获单元151也可以作为独立于识别部150的服务功能而包含于OLP100中，能够用于基于RAW数据35生成用于印刷等其它实际应用的处理的静态数据。
识别部150还包括：库153，其包括将多个对象物质所包含的化学物质分别单独地或以混合的状态预先映射到频率空间中而得到的多个识别对象模式；以及识别引擎152，其参照库对静止数据进行模式识别，并输出所识别出的对象物质。识别引擎152的一例是以子频带为单位进行模式识别的识别引擎。识别结果158被传送到OLP控制器105，并按照OLP控制器105所准备的时序传递给系统1。系统1中运行的适当的应用程序能够根据识别结果158来通过显示器或声音发出警告、或者进行统计处理、或者进行记录。
识别部150中能够具有将RAW数据35所包含的内容数据139d逆转换到M/Z空间来指定物质的功能。在这种情况下，能够利用包含M/Z信息的扫描数据33来代替内容数据139d指定物质。期望库153中准备有将多个对象物质所包含的化学物质分别单独地或以混合的状态预先映射到M/Z空间中而得到的多个识别对象模式(M/Z模式)。扫描数据33也可以是单次采集的数据，在其通过逆FFT转换为时域的数据的情况下，能够由捕获单元151将其转换为静止数据。
识别部150还包括外部识别接口154，该外部识别接口154通过通信接口17输出静止数据151d或为了对静止数据进行模式识别而转换成的数据157，从而获取与所识别出的物质有关的信息。并且，识别部150具有根据所识别出的物质生成特定的动作的动作生成器155以及动作库156，所生成的动作159被传递到OLP控制器105。
这样，OLP 100提供了如下一种方法：不仅生成RAW数据35，还包括基于RAW数据35捕获静止数据151d、以及基于静止数据151d识别特定的物质，从而对各种现象进行检查、调查或诊断。
模式识别引擎152仅用于气味分析、健康状态监视、污染以及安全保障(securiy)这样的局部应用。模式识别引擎152具备特征抽取处理块152a、降维(Dimensionally Reduction)处理块152b、模式分类处理块152c、神经网络处理块152d、数据库检索引擎152e以及机械学习功能块152f。
利用子频带进行的模式识别
将内容数据139d划分为多个子频带来对其分配化学物质信息。因而，模式识别能够以子频带为单位来进行，从而能够使各个模式识别处理所要处理的因素降低到数十分之一。以子频带为单位的模式识别能够提高用于识别特定的物质的处理速度，从而能够减轻其所需要的模式识别引擎152的处理能力。以下的各个处理块能够按照每个子频带来安装并执行。
特征抽取处理块152a
特征抽取处理块152a用于安装线性、非线性以及探索算法。RAW数据35中所包含的内容数据139d是将从前处理器121输出的质谱图经由化学物质这样的索引映射到频率空间而得到的信息。因而，内容数据139d具有冗余性，基本上会包含源于大量化学物质的多重化的信息。为了对具备冗余性和多重性的内容数据139d进行处理，要求模式识别引擎152具有足够的处理能力。为了应对数据的冗余性，期望识别引擎152具备基于适当的信号模型的算法。也能够为了抽取特性而应用主成分分析法(PCA，Principle Component Analysis)或线性辨别分析法(LDA，Linear Discriminate Analysis)这样的标准算法。
模式分类处理块152c
模式分类处理块152c包括两分类法、普遍近似法(Universal Approximation)、KNN(K Nearest Neighbour，K最邻近法)等易于安装在计算机上的分类算法。模式分类处理块152c将气味矢量分为相对应的类别。
神经网络处理块152d
识别引擎152包括神经网络处理块152d，能够将神经网络应用于模式匹配。神经网络和模糊逻辑算法实时地确定气味的特性和模式。神经网络能够成为人工智能的中心。在OLP 100中，神经网络也能够模仿人的大脑的几个独特的特性并进行模拟，因此适于再现人的嗅觉。神经网络通过训练和学习，能够提高与库153中预先保存的多个气味模式(指纹图谱)之间的模式匹配速度。另外，也能够将成为目标的新的指纹图谱保存在库153中。并且，也能够通过外部接口154从Web上获取新的指纹图谱，或者将模式匹配范围扩大到Web上、例如服务器、主页等上准备的指纹图谱。
机器数据库和机械学习
为了在模式数据库153中进行高速检索，模式识别引擎152具备基于CAM(Computer Aided Manufacturing：计算机辅助制造)的硬件索引引擎(数据库检索引擎)152e。模式识别引擎152如果在本地的数据库153中搜索到了一致的数据，则将其气味模式和特性返给OLP控制器105。在OLP 100中，搜索(识别)的对象并不仅限定于气味，能够对即使对嗅觉几乎没有影响但也对人体产生了影响或者是危险物的物质进行识别。并且，模式识别引擎152对用户提供学习功能块152f或该功能块用的接口，以训练系统识别或学习新的气味模式。如果是由质谱仪等辨明了组成或成分的物质、登记在标准的化学数据库中的物质，则能够通过使用查找表133将目标物质的成分映射到频率空间来生成能够登记在数据库153上的目标气味或目标物质的模式。
4.OLP中的数据压缩(图10)
信号压缩是用于使传播所需要的带宽减少、减少记录容量的重要功能。OLP 100具有压缩装置(压缩单元)160，该压缩装置160用于生成对RAW数据(第一数据)35进行压缩后得到的压缩数据37。压缩单元160包括根据子频带来改变压缩条件的压缩控制单元。相对于与气味有关的内容数据139d，压缩控制单元的一例是气味空间滤波器161。气味空间滤波器161通过根据气味空间表162的信息删除RAW数据35中所包含的多个子频带中的被分配给与气味无关的组的子频带，来提高压缩率。通过排除位于人的气味空间之外的信号，能够以不降低作为气味的信息量的方式削减数据量。
接着，由可逆/不可逆压缩单元163以可逆(无损失)的算法对剩下来的与气味有关的子频带进行压缩、或者以不可逆的算法进行压缩。也能够由气味空间滤波器161划分出RAW数据35所包含的多个子频带中的、被分配给与气味无关的组的子频带和被分配给与气味有关的组的子频带，由可逆/不可逆压缩单元163对与气味无关的子频带应用不可逆的压缩方法，对被分配给与气味有关的组的子频带应用可逆的压缩方法，由此进一步以不降低信息量的方式提高压缩率。可逆/不可逆压缩单元163也能够以可逆的算法对RAW数据35整体进行压缩，或者以不可逆的算法对RAW数据35整体进行压缩。
被压缩单元160压缩过的数据37通过由密码单元169进行加密而成为数据38，通过OLP接口107提供给系统1。在系统1中，能够将数据38记录在存储部13中，或通过通信单元17将数据38传输到外部。
通过删除一部分子频带而进行的不可逆压缩是OLP 100的重要特征之一。除了去除与气味无关的子频带，还能够利用人的嗅觉特性来压缩数据。例如，强度较低的气味被隐藏在同时产生的强度更高的气味中。为了提高压缩率，能够将表示这种气味的信息从压缩后的流37中排除。压缩单元(压缩引擎)160也可以对用户或应用提供用于定义品质面的接口。用户或应用能够就进行压缩的流37的品质面进行协商(Negotiation)并做出决定，以符合目标设备的功能、保存容量、或网络带宽。压缩单元160能够使压缩数据流37的品质根据这些要素动态地进行变化。
典型的压缩编码算法之一是熵编码。应用其它压缩形式、特别是由ISO/MPEG这样的标准化团体定义的压缩形式是较为容易的。利用包含头和有效负载的包输出压缩后的数据流37，头中含有解码器解读流所需的信息。
图11中以流程图的方式总结并示出了OLP 100的解码部101的处理。当在步骤301中输入来自传感器的数据时，在步骤302中将其数字化。在步骤330中对传感器的条件进行动态重构，在步骤303a进行采样。然后，在步骤310中生成RAW数据35。如果实际应用要求对RAW数据35中所包含的物质进行识别(步骤304)，则由识别部150对物质进行识别(步骤305)。如果要求对RAW数据35进行压缩(步骤306)，则由压缩单元160对数据进行压缩(步骤307)。并且，如果要求输出RAW数据35、压缩后的数据37和/或进行了压缩以及加密后的数据38(步骤308)，则将这些数据从OLP接口107输出到系统1(步骤309)。
5.OLP中的数据再现以及输出
OLP 100如图2所示那样具有再现装置(解码部)102，该再现装置102用于将RAW数据35的内容数据139d转换为气味数据39，并提供给气味生成装置200的驱动器201。设备驱动器201包括将气味数据39转换为能够在气味生成装置200中进行利用的多个气味源202的组合的功能。解码部102包括接收加密后的数据38并对其进行解密的解密单元173、对解密后的数据37进行解析的再现解析单元170、以及根据其结果通过适当的方法展开数据37来还原RAW数据35的展开单元175。
如果记录RAW数据35时的环境与根据RAW数据35再现气味时的环境完全相同，则能够将RAW数据35中所保存的内容数据139d输出为气味数据39。然而，进行记录的日期时间和/或地点与进行再现的日期时间和/或地点是不同的，因此环境几乎不会一致。因此，解码部102具备校正单元180。该校正单元180包括生成根据温度等环境条件进行了校正的气味数据39的功能(第一校正功能)和生成根据背景的气味进行了校正的气味数据39的功能(第二校正功能)。
即，校正单元180包括以下功能作为第一校正单元的功能：从用于获取温度、湿度、大气压这样的环境信息的传感器组70获取进行再现时的环境信息，并将其与生成时的环境信息进行比较，从而将内容数据139d转换为适于进行再现时的环境信息的气味数据39。进行再现时的环境信息与RAW数据35的头信息139h中所包含的环境信息是相对应的。
并且，校正单元180包括以下功能作为第二校正单元的功能：基于表示根据来自传感器61和62数据检测到的化学物质的强度变化，获取进行再现时的化学物质的信息，将其与RAW数据35的内容数据139d(即，生成RAW数据时的化学物质的信息)进行比较，从而将内容数据139d转换为适于进行再现时的化学物质信息的气味数据39。
并且，解码部102包括重建单元190，该重建单元190根据人的嗅觉特性将内容数据139d转换为气味数据39。这样再现或生成的气味数据39是以标准化的化学物质为指标的数据。因而，设备驱动器201通过预先准备将可能包含于气味数据39中的标准化的化学物质的组合变更为再现装置200所固有的气味源的组合的查找表或函数，就能够在再现装置200中对通过RAW数据35传递过来的气味进行再现。解码部102支持立体再现，对于能够再现左和右的气味的再现装置200的设备驱动器201，提供左和右的气味数据39。
图14中以流程图的方式示出了OLP 100中的气味的再现处理350。在步骤351中，接收包含内容数据139d的RAW数据(第一数据)35、压缩后的数据37和/或压缩以及加密后的数据38。如果在步骤352中需要对数据进行解压，则在步骤353中使用解密单元173、再现解析单元170以及展开单元175来进行解压，从而还原RAW数据35。
在步骤354中，通过校正单元180将进行再现时的环境信息与RAW数据35所包含的环境信息进行比较，从而将内容数据139d转换为适于进行再现时的环境信息的气味数据39(第一背景校正处理)。在步骤355中，将进行再现时的化学物质的信息与内容数据139d进行比较，从而将内容数据139d转换为适于进行再现时的化学物质信息的气味数据39(第二背景校正处理)。
并且，在步骤356中，由重建单元190根据人的嗅觉特性将内容数据139d转换为气味数据39。在步骤357中将这样生成的气味数据39提供给设备驱动器201。
校正单元180以及重建(Re-construction)单元190也允许用户通过手动来改造所要再现的芳香。并且，校正单元180以及重建单元190也允许根据实际应用、其它的多媒体数据来改造所要再现的芳香。重建单元190应用符合嗅觉的几个规则来重建气味数据39，即，不再现人所能感觉到的水平以下的芳香、在人的嗅觉饱和的情况下提高芳香的水平等。重建单元190包括以下的功能：在设定了用户简档的情况下，使芳香水平升高降低以符合用户的意向、嗅觉能力、感受性等。
6.关于OLP的几个辅助信息
优选以集成了包括生成装置(生成器)130的电路的芯片(集成电路设备)来提供OLP 100。可以利用集成电路实现上述OLP100的所有功能，也可以利用固件(程序、程序产品)实现其一部分功能，也可以利用系统1的功能实现其一部分功能，还可以利用因特网上的功能实现其一部分功能。另外，既可以利用固定化的电路实现OLP 100的功能，也可以利用能够动态重构的电路实现OLP 100的功能。能够由计算机提供用于实现OLP 100的一部分或所有功能的程序(程序产品)，也能够将该程序(程序产品)记录在CD-ROM等适当的记录介质来进行提供或通过因特网等通信介质进行提供。
上述的OLP 100具备生成数据的编码部101和再现数据的解码部102，但是也可以是不包括编码部101的再现专用处理器，还可以是不包括解码部102的生成专用处理器。
利用OLP，能够将用于捕捉芳香来进行再现的嗅觉作用端口安装到通信终端、家电制品、输送机构、工业用机械等所有领域，而不限于计算机。另外，由于在气味的记录以及再现中提供通用的接口，因此在支持各种第三方的传感器以及芳香再现装置这一点上会变得较为标准。期望OLP包括标准的一个或多个总线接口、USB、以及与上层处理器进行通信的高速连续接口。
7.实际应用
本发明中所提供的涉及到生成包含与化学物质有关的内容的数据的技术以及架构的应用并不限定于气味，而能够应用于各式各样的领域。其中列举了几个实际应用，但是并不表示限定于它们。例如，OLP 100所提供的电子鼻技术提供了基于芳香传感的、在芳香制程的生成、芳香再现中通用的格式、接口。OLP技术能够利用电子技术模仿对气体和药品的嗅觉，从而能够使电气/机械制品对于气体和药品的支持标准化、统一。
一个典型的实际应用就是与其它多媒体设备等协作的娱乐(Entertainment)应用。如图15所示，OLP 100的编码部101作为气味记录器410而发挥功能，能够记录包括香水等在内的各种芳香411、有关烹饪的气味412、有关电视机和电影的画面的气味413、有关游戏场面等的气味414。OLP 100的解码部102作为气味再现装置200的接口而发挥功能，能够使与电视机画面联动的气味421、与多媒体发布联动的气味422、与摄像机联动的气味423、与游戏联动的气味424、与电影联动的气味425进行再现。编码部101和解码部102能够通过因特网401等通信介质进行连接，气味的数据能够以网络发布这样的实时方式进行传递，也能够以邮件这样的累积交换方式进行传递。
另一个典型的实际应用是独立(Stand-alone)的使用，典型地来说是监控器。如图15所示，能够使用OLP 100的编码部101的能力来探测污染区域402。装载有OLP 100的移动型终端、机器人能够探测到已接近污染区域402并使用户获知，或者能够在地域403处巡回来调查该地域的污染状况。能够将利用GPS 19得到的位置信息、基于基站信息得到的位置信息编入RAW数据35中，也能够将危险区域自动公开在Web上。
图16中示出了预计在独立模式下使用OLP 100的几个应用。大致分为在工业(industry)501、输送502、家庭503、环境/安全对策504中的应用。工业领域501中有食品领域506，例如考虑应用于安全管理、处理控制、有毒物质管理、食品气味分析、包装、保存等。工业领域501中有配药领域507，考虑应用于药品的开发、医疗诊断、药房等。工业领域501中有香水领域508，考虑应用于香味分析、香味调和等。
输送领域502中有空和海的领域510，考虑应用于机场以及港口中的安全、海关检查、空调、多媒体服务等。在列车以及公共交通机构的领域511中，考虑应用于大气污染监控、避难引导指示等。在汽车领域512中，考虑应用于安全、空调、多媒体服务等。
在家庭领域503中有防灾领域513，考虑应用于二氧化碳、氧、氮、臭氧的监控。在病房建筑(Sick House)对策领域514中，考虑应用于VOC(volatile organic compounds：挥发性有机化合物)、甲醛的监控。在烹饪和电视机领域515中，考虑应用于以下方面：对家庭用电视机额外配置气味再现装置，对烹饪的气味进行采样或记录食物的气味。
在环境安全的领域504中，有大气污染监控领域516，考虑应用于在公共设施、公园、垃圾处理场、工业地带等处监控污染状况。在作为无线网络传感器的领域517中，考虑应用于臭氧、温度、湿度监控、花粉状况的监控等。在家庭安全领域518中，考虑应用于监控居民的安全、健康。
图17是应用于气味记录的情况下的流程图，系统1应用了气味记录用结构91。气味数据的记录410包括动态记录(连续记录)431和静态记录(快照)432。它们都能由机器自动管理，在快照432中，能够由用户指定2秒、5秒、10秒这样的时间。在动态记录431中，能够进行实时分析以及再现433，能够进行计算机记录434。考虑到了广告宣传、在线聊天、游戏、烹饪秀等的应用。能够进行与声音和/或图像同步的实时记录435，在电视机436中，考虑应用于带气味的广播、广告宣传。
静态记录432的主要用途在于气味分析437，作为Web相关438，考虑应用于在线模式搜索、电话嗅觉服务、诊断、气味比较、香水调和制程的下载等服务。在本地关联439中，考虑应用于机器学习、分析、消息、信息共享、三维视图、气味显示等。并且，能够在本地对它们进行记录再现(439a)。
图18是应用于污染监控的情况下的流程图，系统1应用了污染监控用的结构92。污染监控440可以应用于户外441、室内442。不论在户外还是室内都是参照国家等设定的污染基准信息443来进行监控的。在户外441，包括以地点为单位的污染检测的应用444。OLP 100与手持设备(便携式电话、便携式电脑、无线网络用的设备)的组合是有效的，能够获取以及显示基于位置信息的污染信息。有时也应用于手动检测445，包括污染物质、VOC的检测。在室内442，考虑应用于空气调和设备的控制446。考虑应用于室内空气状况的监控、空调的通风控制、燃气泄露警报等。也考虑应用于汽车的空气调和控制447。考虑应用于空气状况的监视、燃烧状态的监视、多媒体以及香味供给。
图19是应用于健康监控的情况下的流程图。系统1应用了健康监控用的结构93。健康监控450包括呼气分析451、诊断以及预防452。在呼气分析451中，包括体臭口臭的分析453、酒精检测454。在诊断/预防452中，包括过敏对策456，考虑应用于检测过敏原、成为主要原因的气体、喘息主要原因、花粉等。另外，也考虑应用于致癌物检测、药物灾害检测457。还考虑应用于代谢对策458。
这样，OLP 100能够应用于基于用户程序的各种处理，并通过用于捕获、记录/再现、监控、分析芳香或气体的各种应用接口与用户之间进行对话，从而发挥作为电子鼻的功能。在安全状态下，具备OLP的系统的装置能够对位于危险源的方向和位置上的用户发出警告，以使用户能够离开危险源。例如，传感器被安装在以适当的角度进行旋转的基材上。另一方面，具备OLP的系统也能够用于捕捉芳香，探测朝向芳香源的方向以及距芳香源的距离，从而引导用户。
通过从数据库获取芳香签名以及化学成分的指纹图谱，能够对各种气味提供各不相同的操作。数据库也可以存在于本地的存储器中。能够由用户对本地的数据库进行训练以使其学习新的芳香及其特性。另一方面，也能够提供通过Web或在线数据库来管理未承认的数据的服务。
与芳香特性有关的详细信息的输出的一例是动画显示。能够以视觉方式来表现芳香。芳香再现单元也考虑了以下的应用等：使用动画，并且对合成物及其特性进行3D显示。
对实际应用和利用者提供的接口是OLP的重要一面。存在表现嗅觉作用或芳香内容的几个方法。自然的方法是使用芳香再现装置作为嗅觉的显示器或触觉型的显示器来对芳香本身进行再现。

Claims (45)

1.一种系统，具有生成第一数据的生成装置，该第一数据包含与化学物质有关的内容数据，该系统中，
上述化学物质包括化合物、分子以及元素中的至少一个，
上述生成装置包括转换单元，该转换单元通过将来自至少一个传感器的数据中所包含的、表示所检测到的化学物质的强度变化映射到对多个特定的化学物质分别分配了多个频率的频率空间，由此将该强度变化转换为上述内容数据，其中，上述至少一个传感器能够对由于至少一个上述化学物质的存在而发生变化的量进行检测。
2.根据权利要求1所述的系统，其特征在于，
多种上述化学物质被分为多个组，对上述多个组分别分配多个子频带，
上述转换单元将表示所检测到的化学物质的上述强度变化转换为某一个子频带所包含的频率的强度变化。
3.根据权利要求2所述的系统，其特征在于，
上述内容数据是用于传递对气味进行解析的信息和/或与气味有关的信息的数据，上述多个组包括根据多个官能团而划分出的组。
4.根据权利要求3所述的系统，其特征在于，
上述多个组还包括无机物的组和未分类的组。
5.根据权利要求3所述的系统，其特征在于，
还包括传感器，该传感器能够得到至少包含温度和湿度的环境信息，
上述生成装置还包括辅助信息追加单元，该辅助信息追加单元在该生成装置生成上述第一数据时获取上述环境信息，使该环境信息作为生成上述第一数据时的环境信息而包含在上述第一数据中。
6.根据权利要求3所述的系统，其特征在于，
上述至少一个传感器包括左传感器和右传感器，该左传感器和右传感器关于方向的检测特性是不同的，
上述转换单元包括以下功能：将分别来自上述左传感器和上述右传感器的数据中所包含的、左和右的表示检测到的化学物质的上述强度变化分别映射到左和右的频率空间。
7.根据权利要求1所述的系统，其特征在于，
还具有用于将上述第一数据转换为时域数据的装置。
8.根据权利要求7所述的系统，其特征在于，
还具有用于通过图像和/或声音输出上述时域数据的接口。
9.根据权利要求7所述的系统，其特征在于，
还具有用于将上述时域数据进行记录和/或传输到外部的接口。
10.根据权利要求1所述的系统，其特征在于，
还具有压缩装置，该压缩装置用于生成对上述第一数据进行压缩后得到的压缩数据。
11.根据权利要求10所述的系统，其特征在于，
多种上述化学物质被分为多个组，对上述多个组分别分配多个子频带，在上述第一数据中，表示检测到的化学物质的上述强度变化被转换成某一个子频带所包含的频率的强度变化，
上述压缩装置包括压缩控制单元，该压缩控制单元根据子频带来改变压缩条件。
12.根据权利要求11所述的系统，其特征在于，
上述内容数据是用于传递对气味进行解析的信息和/或与气味有关的信息的数据，上述多个组包括多个根据官能团而划分出的组，
上述压缩控制单元通过删除被分配给上述多个组中的与气味无关的组的子频带、或者利用不可逆的压缩方法提高压缩率，来减少压缩后的数据的数据量。
13.根据权利要求10所述的系统，其特征在于，
还具有用于将上述压缩数据进行记录和/或传输到外部的接口。
14.根据权利要求1所述的系统，其特征在于，还具有：
捕获单元，其基于上述第一数据生成静止数据；以及
识别装置，其基于上述静止数据识别特定的物质。
15.根据权利要求14所述的系统，其特征在于，
上述识别装置还包括：
库，其包括将多个对象物质所包含的化学物质分别映射到上述频率空间而得到的多个识别对象模式；以及
识别引擎，其参照上述库对静止数据进行模式识别，输出所识别出的对象物质。
16.根据权利要求15所述的系统，其特征在于，
多种上述化学物质被分为多个组，对上述多个组分别分配多个子频带，在上述第一数据中，表示检测到的化学物质的上述强度变化被转换成某一个子频带所包含的频率的强度变化，
上述识别引擎以子频带为单位进行模式识别。
17.根据权利要求14所述的系统，其特征在于，
还具有用于与外部进行通信的通信接口，
上述识别装置通过上述通信接口输出上述静止数据或用于对上述静止数据进行模式识别的数据，获取与被识别出的物质有关的信息。
18.根据权利要求14所述的系统，其特征在于，
还具有用于根据识别出的物质进行特定的动作的接口。
19.根据权利要求1所述的系统，其特征在于，
上述至少一个传感器包括分析型传感器，该分析型传感器能够根据设定条件对灵敏度、分辨率和/或选择性进行控制，
该系统还具有前处理装置，该前处理装置将上述设定条件设定为通过上述分析型传感器对宽范围进行扫描的预检测的条件，并对该预检测的结果进行预分析，从而根据预分析得出的物质来改变上述设定条件。
20.根据权利要求19所述的系统，其特征在于，
上述前处理装置定期地设定上述预检测的条件，并进行预分析。
21.根据权利要求1所述的系统，其特征在于，
上述至少一个传感器包括类型不同的多个传感器，
上述转换单元包括以下功能：将分别来自上述多个传感器的数据中所包含的表示检测到的化学物质的上述强度变化映射到共同的上述频率空间。
22.根据权利要求1所述的系统，其特征在于，
还具有再现装置，该再现装置用于对设备驱动器提供气味数据，该气味数据基于上述第一数据的内容数据，
上述设备驱动器包括以下功能：将上述气味数据转换为能够在气味生成装置中利用的多个气味源的组合。
23.根据权利要求22所述的系统，其特征在于，
还包括传感器，该传感器能够得到至少包含温度和湿度的环境信息，
上述第一数据包含生成上述第一数据时的环境信息，
上述再现装置包括第一校正单元，该第一校正单元从得到上述环境信息的传感器获取进行再现时的环境信息并将该环境信息与生成上述第一数据时的环境信息进行比较，将上述第一数据的上述内容数据转换为适于进行再现时的环境信息的气味数据。
24.根据权利要求22所述的系统，其特征在于，
上述再现装置还包括第二校正单元，该第二校正单元基于来自上述至少一个传感器的数据中所包含的、表示检测到的化学物质的上述强度变化，来获取与进行再现时的化学物质有关的信息并将该信息与上述第一数据的内容数据进行比较，将上述第一数据的上述内容数据转换为适于与进行再现时的化学物质有关的信息的气味数据。
25.根据权利要求22所述的系统，其特征在于，
上述再现装置还包括重构单元，该重构单元根据人的嗅觉特性将上述第一数据的上述内容数据转换为上述气味数据。
26.根据权利要求1所述的系统，其特征在于，
还包括至少一个芯片，该至少一个芯片集成有至少包含上述生成装置的电路。
27.一种系统，具有：
接口，其用于接收第一数据，该第一数据包含将表示包括化合物、分子以及元素中的至少一个的化学物质的强度变化映射到对多个特定的化学物质分别分配了多个频率的频率空间后得到的内容数据；以及
再现装置，其用于对设备驱动器提供气味数据，该气味数据基于上述第一数据的内容数据，
其中，上述设备驱动器包括以下功能：将上述气味数据转换为能够在气味生成装置中利用的多个气味源的组合。
28.根据权利要求27所述的系统，其特征在于，
还具有如下接口，该接口用于从获得环境信息的传感器得到至少包含温度和湿度的、进行再现时的环境信息，
上述第一数据包含生成上述第一数据时的环境信息，
上述再现装置包括第一校正单元，该第一校正单元从上述传感器获取进行再现时的环境信息并将该信息与生成上述第一数据时的环境信息进行比较，将上述第一数据的上述内容数据转换为适于进行再现时的环境信息的气味数据。
29.根据权利要求27所述的系统，其特征在于，
还具有如下接口，该接口用于从能够对由于上述化学物质的存在而发生变化的量进行检测的传感器，获取包含有表示进行再现时的化学物质的强度变化的、与进行再现时的化学物质有关的信息，
上述再现装置还包括第二校正单元，该第二校正单元获取与进行再现时的化学物质有关的信息并将该信息与上述第一数据的内容数据进行比较，将上述第一数据转换为适于与进行再现时的化学物质有关的信息的气味数据。
30.根据权利要求27所述的系统，其特征在于，
上述再现装置还包括重构单元，该重构单元根据人的嗅觉特性将上述第一数据转换为上述气味数据。
31.根据权利要求27所述的系统，其特征在于，
该系统集成为至少一个芯片。
32.一种生成包含与化学物质有关的内容数据的第一数据的方法，
上述化学物质包含化合物、分子以及元素中的至少一个，
该方法包括以下转换步骤：通过将来自至少一个传感器的数据中所包含的、表示所检测到的化学物质的强度变化映射到对多个特定的化学物质分别分配了多个频率的频率空间，由此将该强度变化转换为上述内容数据，其中，上述至少一个传感器能够对由于至少一个上述化学物质的存在而发生变化的量进行检测。
33.根据权利要求32所述的方法，其特征在于，
多种上述化学物质被分为多个组，对上述多个组分别分配多个子频带，
上述转换步骤包括以下处理：将表示检测到的化学物质的上述强度变化转换为某一个子频带所包含的频率的强度变化。
34.根据权利要求32所述的方法，其特征在于，还包括以下步骤：
由能够得到至少包含温度和湿度的环境信息的传感器获取生成上述第一数据时的环境信息，使该环境信息作为生成上述第一数据时的环境信息而包含在上述第一数据中。
35.根据权利要求32所述的方法，其特征在于，
上述至少一个传感器包括左传感器和右传感器，该左传感器和右传感器关于方向的检测特性是不同的，
上述转换步骤包括以下处理：将分别来自上述左传感器和右传感器的数据中所包含的、左和右的表示检测到的化学物质的上述强度变化分别映射到左和右的频率空间。
36.根据权利要求32所述的方法，其特征在于，
还包括以下步骤：将上述第一数据转换为时域的第二数据。
37.根据权利要求32所述的方法，其特征在于，
还包括以下步骤：生成对上述第一数据进行压缩而得到的压缩数据。
38.根据权利要求32所述的方法，其特征在于，
上述至少一个传感器包括分析型传感器，该分析型传感器能够根据设定条件对灵敏度、分辨率和/或选择性进行控制，
该方法还包括以下步骤：将上述设定条件设定为通过上述分析型传感器对宽范围进行扫描的预检测的条件，并对该预检测的结果进行预分析，从而根据预分析得出的物质来改变上述设定条件。
39.根据权利要求32所述的方法，其特征在于，
上述至少一个传感器包括类型不同的多个传感器，
上述转换步骤包括以下处理：将分别来自上述多个传感器的数据中所包含的、表示检测到的化学物质的上述强度变化映射到共同的上述频率空间。
40.一种进行检查、调查或诊断的方法，包括：
权利要求32所述的方法；
基于上述第一数据捕获静止数据；以及
基于上述静止数据来识别特定的物质。
41.一种生成气味的方法，包括以下步骤：
接收第一数据，该第一数据包含将表示包含化合物、分子以及元素中的至少一个的化学物质的强度变化映射到对多个特定的化学物质分别分配了多个频率的频率空间而得到的内容数据；
对设备驱动器提供气味数据，该气味数据基于上述第一数据的内容数据；以及
上述设备驱动器将上述气味数据转换为能够在气味生成装置中利用的多个气味源的组合。
42.根据权利要求41所述的方法，其特征在于，该方法还包括以下步骤：
由传感器获取进行再现时的环境信息，该环境信息至少包含温度和湿度；以及
将进行再现时的上述环境信息与生成上述第一数据时的环境信息进行比较，将上述第一数据的内容数据转换为适于进行再现时的上述环境信息的上述气味数据。
43.根据权利要求41所述的方法，其特征在于，该方法还包括以下步骤：
从能够对由于上述化学物质的存在而发生变化的量进行检测的传感器，获取与进行再现时的化学物质有关的信息，该信息包含表示进行再现时的化学物质的强度变化；以及
将与进行再现时的化学物质有关的信息与上述第一数据的内容数据进行比较，将上述第一数据转换为适于与进行再现时的化学物质有关的信息的气味数据。
44.根据权利要求41所述的方法，其特征在于，该方法包括以下步骤：
根据人的嗅觉特性将上述第一数据的上述内容数据转换为上述气味数据。
45.一种程序，用于使计算机作为生成包含与化学物质有关的内容数据的第一数据的生成装置而发挥功能，
上述化学物质包含化合物、分子以及元素中的至少一个，
上述生成装置包括转换单元，该转换单元通过将来自至少一个传感器的数据中所包含的、表示所检测到的化学物质的强度变化映射到对多个特定的化学物质分别分配了多个频率的频率空间，由此将该强度变化转换为上述内容数据，其中，至少一个传感器能够对由于至少一个上述化学物质的存在而发生变化的量进行检测。
CN200980132948.XA 2008-06-23 2009-06-23 用于处理与化学物质有关的信息的系统 Expired - Fee Related CN102132151B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2008-163540 2008-06-23
JP2008163540 2008-06-23
PCT/JP2009/002872 WO2009157187A1 (ja) 2008-06-23 2009-06-23 化学物質に関連した情報を取り扱うためのシステム

Publications (2)

Publication Number Publication Date
CN102132151A true CN102132151A (zh) 2011-07-20
CN102132151B CN102132151B (zh) 2015-05-06

Family

ID=41444260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200980132948.XA Expired - Fee Related CN102132151B (zh) 2008-06-23 2009-06-23 用于处理与化学物质有关的信息的系统

Country Status (6)

Country Link
US (2) US20110172931A1 (zh)
EP (1) EP2306180A4 (zh)
JP (4) JP5545551B2 (zh)
KR (1) KR20110043605A (zh)
CN (1) CN102132151B (zh)
WO (1) WO2009157187A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680650A (zh) * 2012-05-14 2012-09-19 上海鼎为软件技术有限公司 气味识别终端、气味散发终端及信息通信系统
CN103197697A (zh) * 2013-02-05 2013-07-10 华为技术有限公司 一种气体生成方法、装置及系统
CN104285142A (zh) * 2012-04-25 2015-01-14 Atonarp株式会社 内容提供系统
CN107490621A (zh) * 2017-09-21 2017-12-19 中国电子科技集团公司第八研究所 一种气味重现装置
CN107764944A (zh) * 2017-10-18 2018-03-06 广东工业大学 一种气味复现的方法及装置
CN108027365A (zh) * 2015-06-26 2018-05-11 皇家飞利浦有限公司 检测口臭的系统和方法
CN109997036A (zh) * 2016-11-23 2019-07-09 Atonarp株式会社 用于确定气体集的质荷比集的系统和方法
CN111602048A (zh) * 2018-01-09 2020-08-28 Atonarp株式会社 用于优化峰形的系统和方法
US11500528B2 (en) * 2019-07-01 2022-11-15 Palantir Technologies Inc. System architecture for cohorting sensor data

Families Citing this family (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5494169B2 (ja) * 2010-04-16 2014-05-14 国立大学法人東北大学 換気制御システムおよび換気制御方法
US20120012346A1 (en) * 2010-07-14 2012-01-19 Adam Chattaway Odorant for fire suppression system
CN104380094B (zh) * 2012-03-08 2018-07-20 帕克-汉尼芬公司 分析物感测装置
US9645127B2 (en) 2012-05-07 2017-05-09 Alexander Himanshu Amin Electronic nose system and method
US10839440B2 (en) * 2012-05-07 2020-11-17 Hannah Elizabeth Amin Mobile communications device with electronic nose
WO2014074087A2 (en) * 2012-11-06 2014-05-15 Empire Technology Development Llc Methods and systems for monitoring liquids
KR101519702B1 (ko) 2012-11-15 2015-05-19 현대자동차주식회사 에어컨에서 나는 탄 냄새의 검출 방법 및 탄 냄새 재현 방법과 이에 제조된 탄 냄새 조성물
KR101449145B1 (ko) 2012-11-16 2014-10-08 현대자동차주식회사 에어컨 냄새 원인 물질 규명 방법
US20140260704A1 (en) * 2013-03-15 2014-09-18 Invensense, Inc. Device and system for integrated sensor system (iss)
KR101500074B1 (ko) 2013-04-23 2015-03-06 현대자동차주식회사 에어컨에서 나는 물비린내의 검출 방법 및 물비린내 재현 방법과 이에 제조된 물비린내 조성물
JP6353291B2 (ja) * 2014-06-28 2018-07-04 大樹 軍場 生体情報生成方法、生体情報生成プログラム及び生体情報生成装置
JP6416600B2 (ja) 2014-11-28 2018-10-31 株式会社アドバンテスト 測定装置
JP6416601B2 (ja) 2014-11-28 2018-10-31 株式会社アドバンテスト 測定装置
DE102014017619B4 (de) * 2014-11-28 2023-03-23 Drägerwerk AG & Co. KGaA Sensormodul für atembare Gasgemische, Beatmungsgerät, Therapiegerät und Verfahren zur Messung mehrerer Gase eines atembaren Gasgemisches
EP3062103A1 (en) * 2015-02-27 2016-08-31 Alpha M.O.S. Portable fluid sensory device with learning capabilities
ES2966697T3 (es) * 2015-11-13 2024-04-23 Moritz Thorsten Respirador
JP6513218B2 (ja) * 2015-11-30 2019-05-15 株式会社ソニー・インタラクティブエンタテインメント 情報処理装置
JP6518633B2 (ja) * 2016-08-09 2019-05-22 京楽産業．株式会社 遊技機
US10885292B2 (en) * 2016-09-21 2021-01-05 International Business Machines Corporation System, method and computer program product for pollution source attribution
JP7010446B2 (ja) * 2016-09-27 2022-01-26 株式会社アロマビット 匂い測定装置及び匂い測定システム
KR101941158B1 (ko) * 2016-10-31 2019-04-12 한국전자통신연구원 냄새 방향 및 위치 탐지가 가능한 후각 정보 생성 장치 및 생성 방법
JP2020057029A (ja) * 2017-02-02 2020-04-09 テルモ株式会社 電子システム
WO2018168672A1 (ja) * 2017-03-15 2018-09-20 太陽誘電株式会社 管理装置、空調管理システム及び空調管理方法
US10366540B2 (en) * 2017-03-23 2019-07-30 Htc Corporation Electronic apparatus and method for virtual reality or augmented reality system
CN110603577A (zh) * 2017-05-08 2019-12-20 长谷川香料株式会社 用颜色表现形象的方法和颜色表现图
US10710429B2 (en) * 2017-08-24 2020-07-14 Ford Global Technologies, Llc Vehicle cabin odor detection and amelioration
US10782265B2 (en) * 2018-03-30 2020-09-22 Sharp Kabushiki Kaisha Analysis apparatus
EP3791154A4 (en) * 2018-05-08 2022-01-19 Inficon, Inc. DEVICE AND METHOD FOR CHEMICAL ANALYSIS
WO2020003532A1 (ja) * 2018-06-29 2020-01-02 日本電気株式会社 学習モデル作成支援装置、学習モデル作成支援方法、及びコンピュータ読み取り可能な記録媒体
JPWO2020116490A1 (ja) * 2018-12-05 2021-10-21 株式会社レボーン 情報処理装置、情報処理方法、学習済みモデルの生成方法及びプログラム
WO2019171363A2 (en) * 2019-05-07 2019-09-12 Symbiosis International (Deemed University) A system and a method for detection and classification of gasses
CN110320328A (zh) * 2019-06-21 2019-10-11 珠海格力电器股份有限公司 一种甲醛浓度检测方法、装置及空气净化器
US11586982B2 (en) 2019-09-18 2023-02-21 Samsung Electronics Co., Ltd. Electronic and atomic structure computation utilizing machine learning
US11537898B2 (en) 2019-10-02 2022-12-27 Samsung Electronics Co., Ltd. Generative structure-property inverse computational co-design of materials
JP7354284B2 (ja) 2019-11-26 2023-10-02 株式会社 資生堂 香りの経時的な変化を表わす立体物の生成方法、プログラム、装置、および立体物
US11409797B2 (en) * 2020-08-31 2022-08-09 MS∧2 Inc. Systems and methods for generating smell data and a database thereof
US20220357230A1 (en) * 2021-05-05 2022-11-10 Earthview Corporation Gas leak quantization system
KR102500948B1 (ko) * 2021-10-01 2023-02-20 한국전자기술연구원 시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1332644A (zh) * 1998-09-10 2002-01-23 森塞特公司 用于气味复制的方法和设备
US6450008B1 (en) * 1999-07-23 2002-09-17 Cyrano Sciences, Inc. Food applications of artificial olfactometry
CN1556412A (zh) * 2004-01-08 2004-12-22 江苏大学 基于电子视觉和嗅觉融合技术的农畜产品无损检测方法及其装置
JP2005338057A (ja) * 2004-04-15 2005-12-08 Yoshinori Kanno 物質識別装置および物質識別方法
JP2007192628A (ja) * 2006-01-18 2007-08-02 Canon Inc ガスセンサ

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6217651A (ja) * 1985-07-16 1987-01-26 Jeol Ltd 質量分析装置の定量デ−タ取得法
JPS63269050A (ja) * 1987-04-27 1988-11-07 Nec Corp 雰囲気伝送方式
JPH05142201A (ja) * 1991-11-18 1993-06-08 Hitachi Ltd 高感度多元素同時分析装置
US6400996B1 (en) * 1999-02-01 2002-06-04 Steven M. Hoffberg Adaptive pattern recognition based control system and method
JP3109783B2 (ja) * 1993-08-18 2000-11-20 シャープ株式会社 においの記録再生装置
EP0647847A1 (de) * 1993-09-14 1995-04-12 Elpatronic Ag Verwendung eines Massenspektrometers mit Sekundärionisation zur Inspektion von Behältern
JPH09127069A (ja) * 1995-10-27 1997-05-16 Mitsubishi Electric Corp 異常探査装置
IL126167A0 (en) 1998-09-10 1999-05-09 Aromix Technologies Ltd Methods and apparatus for odor transmission
JP3609947B2 (ja) * 1998-11-19 2005-01-12 日本電信電話株式会社 におい通信方法
JP2001133439A (ja) * 1999-11-09 2001-05-18 Jeol Ltd 高周波誘導結合プラズマ質量分析方法及び装置
JP2001351568A (ja) * 2000-06-06 2001-12-21 Anelva Corp イオン付着質量分析の方法および装置
US7583710B2 (en) 2001-01-30 2009-09-01 Board Of Trustees Operating Michigan State University Laser and environmental monitoring system
GB2391694B (en) 2002-08-01 2006-03-01 Microsaic Systems Ltd Monolithic micro-engineered mass spectrometer
JP2004108958A (ja) * 2002-09-19 2004-04-08 Jeol Ltd ガスクロマトグラフ質量分析装置
AU2003272234A1 (en) * 2002-10-24 2004-05-13 Warner-Lambert Company, Llc Integrated spectral data processing, data mining, and modeling system for use in diverse screening and biomarker discovery applications
JP2004164303A (ja) * 2002-11-13 2004-06-10 Sumiden Asahi Industries Ltd 監視用自走機
DE10310394A1 (de) * 2003-03-07 2004-09-23 Wma Airsense Analysentechnik Gmbh Verfahren und Meßsystem zur Erfassung von Gefahrstoffen
WO2005052546A2 (en) * 2003-11-25 2005-06-09 Sionex Corporation Mobility bases apparatus and methods using dispersion characteristics to improve analysis of a sample
EA200700395A1 (ru) 2004-08-02 2008-12-30 Оулстоун Лтд. Спектрометр подвижности ионов
GB2472951B (en) 2004-11-29 2011-04-27 Thermo Finnigan Llc Method of processing mass spectrometry data
JP4752676B2 (ja) * 2006-08-24 2011-08-17 株式会社島津製作所 質量分析装置
JP4998473B2 (ja) * 2006-12-05 2012-08-15 株式会社島津製作所 質量分析装置
US20090124867A1 (en) * 2007-11-13 2009-05-14 Hirsh Robert A Method and device to administer anesthetic and or vosactive agents according to non-invasively monitored cardiac and or neurological parameters

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1332644A (zh) * 1998-09-10 2002-01-23 森塞特公司 用于气味复制的方法和设备
US6450008B1 (en) * 1999-07-23 2002-09-17 Cyrano Sciences, Inc. Food applications of artificial olfactometry
CN1556412A (zh) * 2004-01-08 2004-12-22 江苏大学 基于电子视觉和嗅觉融合技术的农畜产品无损检测方法及其装置
JP2005338057A (ja) * 2004-04-15 2005-12-08 Yoshinori Kanno 物質識別装置および物質識別方法
JP2007192628A (ja) * 2006-01-18 2007-08-02 Canon Inc ガスセンサ

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KUIQIAN CAI ET AL.: "Identification of Odors Using a Sensor Array With Kinetic Working Temperature and Fourier Spectrum Analysis", 《IEEE SENSORS JOURNAL》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104285142A (zh) * 2012-04-25 2015-01-14 Atonarp株式会社 内容提供系统
CN102680650A (zh) * 2012-05-14 2012-09-19 上海鼎为软件技术有限公司 气味识别终端、气味散发终端及信息通信系统
CN103197697A (zh) * 2013-02-05 2013-07-10 华为技术有限公司 一种气体生成方法、装置及系统
CN108027365A (zh) * 2015-06-26 2018-05-11 皇家飞利浦有限公司 检测口臭的系统和方法
CN109997036A (zh) * 2016-11-23 2019-07-09 Atonarp株式会社 用于确定气体集的质荷比集的系统和方法
CN109997036B (zh) * 2016-11-23 2022-04-22 Atonarp株式会社 用于确定气体集的质荷比集的系统和方法
CN107490621A (zh) * 2017-09-21 2017-12-19 中国电子科技集团公司第八研究所 一种气味重现装置
CN107764944A (zh) * 2017-10-18 2018-03-06 广东工业大学 一种气味复现的方法及装置
CN111602048A (zh) * 2018-01-09 2020-08-28 Atonarp株式会社 用于优化峰形的系统和方法
CN111602048B (zh) * 2018-01-09 2023-08-22 Atonarp株式会社 用于优化峰形的系统和方法
US11500528B2 (en) * 2019-07-01 2022-11-15 Palantir Technologies Inc. System architecture for cohorting sensor data
US11768595B2 (en) 2019-07-01 2023-09-26 Palantir Technologies Inc. System architecture for cohorting sensor data

Also Published As

Publication number Publication date
EP2306180A4 (en) 2016-03-09
US11521711B2 (en) 2022-12-06
JP2018077237A (ja) 2018-05-17
JP2016156834A (ja) 2016-09-01
JP6268213B2 (ja) 2018-01-24
US20110172931A1 (en) 2011-07-14
KR20110043605A (ko) 2011-04-27
WO2009157187A1 (ja) 2009-12-30
EP2306180A1 (en) 2011-04-06
CN102132151B (zh) 2015-05-06
US20180225426A1 (en) 2018-08-09
JPWO2009157187A1 (ja) 2011-12-08
JP5545551B2 (ja) 2014-07-09
JP6655597B2 (ja) 2020-02-26
JP2014167484A (ja) 2014-09-11

Similar Documents

Publication Publication Date Title
CN102132151B (zh) 用于处理与化学物质有关的信息的系统
Bax et al. How can odors be measured? An overview of methods and their applications
Creydt et al. Omics approaches for food authentication
Demirev et al. Mass spectrometry for rapid characterization of microorganisms
Biasioli et al. Direct-injection mass spectrometry adds the time dimension to (B) VOC analysis
Brattoli et al. Odour detection methods: Olfactometry and chemical sensors
US7248972B2 (en) Computer code for portable sensing
CN103763585B (zh) 一种用户特征信息获取方法、装置和终端设备
Løkke et al. Investigation of volatiles emitted from freshly cut onions (Allium cepa L.) by real time proton-transfer reaction-mass spectrometry (PTR-MS)
CN101467171A (zh) 监测与基于位置的网络服务相关联的消费者行为的方法和装置
Li Recent developments in human odor detection technologies
Deng et al. A novel wireless wearable volatile organic compound (VOC) monitoring device with disposable sensors
Yates III Pivotal role of computers and software in mass spectrometry–SEQUEST and 20 years of tandem MS database searching
KR102313465B1 (ko) 멀티 센서 기반 모바일 대기 상태 상황인지 고지 시스템 및 방법
Basch et al. Lyme disease and YouTubeTM: A cross-sectional study of video contents
Gontier et al. An efficient audio coding scheme for quantitative and qualitative large scale acoustic monitoring using the sensor grid approach
Eckenrode et al. Performance evaluation of the Scent Transfer Unit™(STU‐100) for organic compound collection and release
Patwardhan et al. Comparative evaluation of new low-cost particulate matter sensors
Saini et al. Internet of things for indoor air quality monitoring
Smentkowski et al. Multivariate statistical analysis of concatenated time-of-flight secondary ion mass spectrometry spectral images. Complete description of the sample with one analysis
Mariano et al. Effect of space charge on resolving power and ion loss in ion mobility spectrometry
Tatlas et al. On the effect of compression on the complexity characteristics of wireless acoustic sensor network signals
Müller et al. Online scent classification by ion-mobility spectrometry sequences
WO2018148881A1 (zh) 交互教学机器人及其处理方法
Wicht et al. Spectrogram Data Set for Deep-Learning-Based RF Frame Detection

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150506

Termination date: 20210623