CN105283121A - 生物体信息处理装置以及生物体信息处理方法 - Google Patents

生物体信息处理装置以及生物体信息处理方法 Download PDF

Info

Publication number
CN105283121A
CN105283121A CN201480032806.7A CN201480032806A CN105283121A CN 105283121 A CN105283121 A CN 105283121A CN 201480032806 A CN201480032806 A CN 201480032806A CN 105283121 A CN105283121 A CN 105283121A
Authority
CN
China
Prior art keywords
signal
pulse
composition
presumption
moving noise
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
CN201480032806.7A
Other languages
English (en)
Other versions
CN105283121B (zh
Inventor
高桥有亮
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.)
Seiko Epson Corp
Original Assignee
Seiko Epson 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 Seiko Epson Corp filed Critical Seiko Epson Corp
Publication of CN105283121A publication Critical patent/CN105283121A/zh
Application granted granted Critical
Publication of CN105283121B publication Critical patent/CN105283121B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6824—Arm or wrist
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity

Abstract

本发明提供了生物体信息处理装置，其可以根据受试者的多种多样的运动状况，使变动的体动噪声衰减，并提取噪声少的脉搏。上述生物体信息处理装置具备多个滤波特性不同的滤波器，该滤波器是检测包括脉搏成分及体动噪声成分的生物体信号，检测与体动噪声成分相关的体动信号，并基于体动信号分离生物体信号中包括的脉搏成分及体动噪声成分的滤波器，对每个滤波器算出体动信号与脉搏成分及体动噪声成分中至少一个的相关系数，基于相关系数，将利用某一个滤波器分离的脉搏成分确定为脉搏信号。根据该生物体信息处理装置，可以从利用多个滤波器提取的脉搏成分中选择噪声成分被充分衰减的脉搏成分。

Description

生物体信息处理装置以及生物体信息处理方法
技术领域
本发明涉及测定受试者的脉搏数的生物体信息处理装置及生物体信息处理方法。
背景技术
一直以来，已知戴在受试者的胳膊等部位上，测定步行、跑步等运动时的脉搏数的脉搏仪。在脉搏仪中具备脉搏传感器，检测受试者的血流量的变化取得生物体信号。从生物体信号提取相当于脉搏的信号成分(脉搏成分)，求出脉搏数。生物体信号中，除了脉搏成分，还重叠有起因于受试者的运动中的体动的体动成分，因此，脉搏仪还具有加速度传感器，用于检测受试者的体动信号，从生物体信号推算体动成分并提取主要的脉搏成分。为了推算体动成分，例如，在专利文献1所记载的脉搏仪中，分别对每个生物体信号及体动信号进行FFT(FastFourierTransform，快速傅立叶变换)处理，由生物体信号的频率成分推算体动信号所对应的频率成分，从而选定相当于脉搏数的频率成分。此外，在专利文献2记载的信号提取装置中，使用由FIR(FiniteImpulseResponse，有限冲激响应)滤波器构成的自适应滤波器，由体动信号推算体动成分，从生物体信号中减去体动成分并提取主要的脉搏成分。
【先行技术文献】
【专利文献】
专利文献1：日本特开平7-227383号公报
专利文献2：日本特开平11-276448号公报
然而，专利文献1及专利文献2记载的装置中，像受试者突然开始运动时等这样，在伴随脉搏数的变化与体动的变动的状况下，有时所提取的推定脉搏成分中过多地残留有起因于体动的噪声成分。根据噪声成分的残留程度不同，会对相当于脉搏数的频率成分的指定造成影响，因此，需要进一步改进。详细而言，在专利文献1中，在运动开始时等受试者突然进行剧烈运动的情况下，由于伴随着受试者的脉搏数的上升，因此，相当于脉搏数的频率成分会分散。由于分散的脉搏数的频率成分会混杂在起因于体动的噪声成分的频率成分中，因此，脉搏数的指定困难，需要利用生物体信号、体动信号以外的信息来推定脉搏数。鉴于这种情况，需要采取一种办法提取生物体信号中包含的噪声成分的残留进一步降低的推定脉搏成分。此外，专利文献2中，在受试者剧烈运动的开始和其后的运动中这样的运动状况变化的一系列情况下，利用自适应滤波器提取出的推定脉搏成分中局部过多地残留有噪声成分。在过多地残留有噪声成分的部分，由于会对相当于脉搏数的频率成分的指定造成影响，因此，需要进一步改进。
如上所述，为做到即使有受试者多种多样的运动状况的变化，也能更精确地测定受试者的脉搏数，需要提取噪声成分充分减小的推定脉搏成分。
发明内容
本发明用于解决上述技术问题中的至少一部分问题而提出，可以通过如下方式或应用例来实现。
[应用例1]本应用例涉及的生物体信息处理装置的特征在于，具备：生物体信号检测部，检测包括脉搏成分及体动噪声成分的生物体信号；体动信号检测部，检测体动信号；以及体动噪声除去部，基于体动信号，从生物体信号分离脉搏成分及体动噪声成分，体动噪声除去部具备：学习特性不相同的多个滤波器部；相关信息算出部，算出表示体动信号与来自多个滤波器部的输出信号之间的相关程度的相关信息；以及选择部，基于相关信息，选择来自多个滤波器部的输出信号。
根据本应用例，通过具备多个学习特性不同的滤波器部，可以得到多个对应于受试者的多种多样的运动状况的各个场面的输出信号。基于体动信号和相关信息比较多个输出信号，其中，算出和体动信号相关程度高的体动噪声成分，从而可以选择具有该体动噪声成分被充分减少的脉搏成分的输出信号。也就是说，即使有受试者的多种多样的运动状况的变化，也能够提取体动噪声成分被充分减少的脉搏成分。
[应用例2]优选学习特性构成为通过控制对体动信号的变动的跟随特性的步进尺寸，使学习特性不同。
根据本应用例，由于学习特性包括步进尺寸，因此学习特性不同的多个滤波器部具有分别对应于体动信号的变动的不同的跟随特性。因此，能够对应于受试者的多种多样的运动状况中的体动信号的变动，选择最能跟随并算出的体动噪声成分被衰减的脉搏成分。
[应用例3]优选相关信息算出部对应来自滤波器部的每个输出信号，基于体动信号算出相关信息，选择部选择相关信息的绝对值最小的来自滤波器部的输出信号。
根据本应用例，选择部可以选择对体动信号相关最低的输出信号。因此，被选择的输出信号是被推定为体动噪声成分的残留最少的输出信号(推定脉搏成分)。
[应用例4]优选上述来自滤波器部的输出信号是推定脉搏成分的推定脉搏信号。
[应用例5]优选相关信息算出部基于来自滤波器部的每个输出信号和体动信号算出相关信息，选择部选择相关信息的绝对值最大的来自滤波器部的输出信号。
根据本应用例，选择部可以选择表示与体动信号最近的相关的输出信号。因此，所选择的输出信号是被推定为最模仿了体动信号和伴随其的噪声的信号(推定体动噪声成分)。通过从生物体信号中分离该体动噪声成分而得到的脉搏成分的体动噪声成分最衰减。因此，可以选择体动噪声成分充分衰减的脉搏成分。
[应用例6]优选来自上述滤波器部的输出信号是推定体动噪声成分的推定体动噪声信号。
[应用例7]当输出了已选择的输出信号的滤波器部的相关信息与其他滤波器部的相关信息之间的差分超过规定的阈值的情况下，选择部将输出了已选择的输出信号的滤波器部的学习特性设定为其他滤波器的学习特性。
根据本应用例，通过将适当地从生物体信号使推定体动噪声成分衰减的滤波器部的学习特性设定至其他未出结果的滤波器，从而可以在滤波器动作过程中将各个滤波器的特性提高至适当的水平。也就是说，从学习特性被设定的时刻起，多个滤波器的特性将横向看齐，以后就能够进行基于各自的学习特性的自适应处理(学习处理)。因此，通过提高学习特性不同的多个滤波器的各个滤波器的特性，从而学习特性的特征可以直接反映于输出信号，且可以更精确地提取推定体动噪声成分被衰减的推定脉搏成分。
[应用例8]优选体动信号包括一轴方向或彼此交叉的至少二轴方向的加速度信号，将来自各轴的信号依次适用作为体动信号。
根据本应用例，通过将生物体信号上重叠的各个轴向的加速度信号等体动信号逐一应用在滤波器上，可以使重叠的信号相关的噪声成分衰减。因此，可以对应每个信号中使生物体信号上重叠的噪声成分衰减，且可以提取噪声成分少的推定脉搏成分。
[应用例9]体动信号也可以包括表示生物体信号的检测部位的按压的接触压信号。
根据本应用例，通过将生物体信息上进一步重叠的表示检测部位的按压的接触压信号等体动信号应用于滤波器，从而能够使起因于戴在受试者的胳膊等部位上的生物体信息处理装置的穿戴状态的变化的噪声成分衰减。
[应用例10]可以进一步具有基于选择部选择的信号算出脉搏数的控制部。
根据本应用例，由于被选择的信号是噪声成分被衰减的推定脉搏成分，因此，在通过FFT处理等进行的脉搏数算出处理中，易于指定表示脉搏的频率，从而可以提供可靠性高的脉搏数计算。此外，可以缩短计算所需时间，抑制相关的耗电。
[应用例11]本应用例涉及的生物体信息处理方法的特征在于，包括：生物体信息检测工序，检测包括脉搏成分及体动噪声成分的生物体信号；体动信号检测工序，检测体动信号；体动噪声除去处理工序，其是基于体动信号从生物体信号分离脉搏成分及体动噪声成分的滤波工序，利用学习特性不同的多个滤波工序进行分离；相关信息算出工序，算出表示体动信号和来自多个滤波工序的输出信号的相关程度的相关信息；以及选择工序，基于相关信息，选择来自多个滤波工序的输出信号。
根据本应用例，通过具备学习特性不同的多个滤波器，可以算出基于各个学习特性的体动噪声成分及脉搏成分。此外，基于体动信号与输出信号的相关信息，可以从来自多个滤波器的输出信号中选择体动噪声成分少的输出信号。即使是运动状况的变化多的部分，所选择的输出信号也是在通过多个滤波器算出的输出信号中残留的体动噪声成分最少的信号。因此，即使有受试者的多种多样的运动状况的变化，也能够提取噪声成分已充分除去的脉搏成分。
附图说明
图1是脉搏仪的正面图。
图2的(a)是脉搏仪的背面图，图2的(b)是脉搏仪的使用状态图。
图3是脉搏传感器的动作的说明图。
图4是示出脉搏仪的功能构成的一例的框图。
图5是示出体动噪声除去部的功能构成的一例的框图。
图6是自适应滤波器的原理构成框图。
图7是自适应滤波器的应用例(运动开始时)。
图8是自适应滤波器的应用例(运动稳定时)。
图9是示出脉搏仪的控制程序的流程的流程图。
图10是示出体动噪声成分除去处理的流程的流程图。
图11是示出算出脉搏数的一例的坐标图。
图12是示出实施方式二的体动噪声成分除去处理的流程的流程图。
具体实施方式
以下，参照图面，对本发明的实施方式进行说明。另外，在以下各图中，为将各层、各个部件绘制成可识别程度的大小，各层及各个部件的尺寸与实际不同。
(实施方式一)
(生物体信息处理装置的外观构成)
图1是本实施方式的脉搏仪的正面图。作为生物体信息处理装置的脉搏仪1具备表带2，在外壳3配置有用于通过文字、数字、图标等显示时间、脉搏仪1的动作状态、各种生物体信息(脉搏数、运动强度、卡路里消耗量等)的显示面板4。
并且，在外壳3的周部(侧面)配置有用于操作脉搏仪1的操作按钮5。脉搏仪1将例如内置的二次电池作为电源而工作。在外壳3的侧面配设有与外部的充电器连接且用于对内置的二次电池充电的充电端子6。
图2的(a)是脉搏仪1的背面图，示出了从外壳3的背面看脉搏仪1时的外观图。图2的(b)是脉搏仪1的使用状态图，示出了戴在受试者的手腕WR上的状态的脉搏仪1的侧面图。
在外壳3的背面配设有检测受试者的手腕WR等上的皮下组织(浅的部位)的血流的变化并输出生物体信号的脉搏传感器10。作为优选例，脉搏传感器10是光电脉搏传感器，具备用于光学检测血流量的变化的机构。
图3是脉搏传感器10的构造的说明图，其是从外壳3的侧面看到的脉搏传感器10的内部构造的放大图。脉搏传感器10配置在形成于外壳3的背面侧的具有圆形底面的半球状的容纳空间里。并且，该容纳空间内置有LED(LightEmittingDiode，发光二极管)等发光元件12、光电晶体管等受光元件13。半球的内面是被镜面加工的反射面11，如果将半球的开口面侧当成下方，则受光元件13及发光元件12分别安装在基板14的上表面和下表面上。
光Le通过发光元件12向受试者的手腕WR的皮肤SK照射后，该照射光Le的一部分被皮下的血管BV反射而作为反射光Lr返回半球内。反射光Lr在半球状的反射面11上进一步反射，并从受光元件13的上方入射。
来自该血管BV的反射光Lr通过血液中的血红蛋白的光吸收作用反映血流量的变化，且该反射光强度会变化。脉搏传感器10的周期比搏动更快且按照规定的周期使发光元件12闪烁。并且，受光元件13在发光元件12的每次点亮时机接收反射光Lr，进行基于该受光强度的光电转换，输出生物体信号作为血流量的变化的信号。脉搏传感器10以例如128Hz的频率使发光元件12闪烁。
而且，如图2的(a)所示，脉搏仪1中内置有用于检测受试者的体动的加速度传感器20。如图1所示，加速度传感器20是例如具有在外壳3的玻璃盖面的法线方向上以显示面侧为正的Z轴、以时钟的12点方向为正的沿上下方向的Y轴、以时钟的3点方向为正的沿左右方向的X轴这三轴方向的加速度传感器。
在脉搏仪1戴在胳膊的状态下，X轴与从受试者的肘到手腕的方向一致。加速度传感器20检测X轴、Y轴、以及Z轴这三轴的加速度，至少分别输出X轴及Y轴依次作为体动信号。脉搏仪1基于通过加速度传感器20检测的体动信号，检测包括步行、跑步等伴随的受试者的周期性体动(例如，速度、胳膊的活动等)在内的多样运动时的体动。
另外，加速度传感器20是具有三轴加速度传感器的传感器，但也可以是至少有二轴加速度传感器的传感器。可以具备大致垂直的二轴加速度传感器，也可以具备立体交叉的多轴加速度传感器。
(脉搏仪的功能构成)
图4是示出脉搏仪的功能构成的一例的框图。
脉搏仪1由脉搏传感器10、加速度传感器20、脉搏AD转换部30、加速度AD转换部40、脉搏数算出部60、体动噪声除去部100、控制部200、操作部210、显示部220、报知部230、通信部240、计时部250、存储部260等构成。
脉搏传感器10是如上所述测量戴有脉搏仪1的受试者的血流量的变化的传感器。脉搏传感器10将因向身体组织的血流流入而产生的容积变化检测作为生物体信号，并对脉搏AD转换部30输出以规定增益放大的生物体信号。
脉搏AD转换部30以规定的采样时间间隔对放大后的模拟形式的生物体信号进行采样，并转换成具有规定分辨率的数字信号。然后，对体动噪声除去部100输出转换成数字信号的生物体信号。
如上所述，加速度传感器20是用于捕获戴有脉搏仪1的受试者的体动的传感器。将对X轴、Y轴及Z轴这三轴方向的加速度信号检测作为体动信号。体动信号被输出至以规定增益放大的加速度AD转换部40。
加速度AD转换部40以规定的采样时间间隔对放大后的模拟形式的体动信号进行采样，并转换为具有规定分辨率的数字信号。并且，将转换为数字信号的体动信号输出给体动噪声除去部100。
另外，脉搏传感器10、脉搏AD转换部30相当于生物体信号检测部，加速度传感器20、加速度AD转换部40相当于体动信号检测部。
体动噪声除去部100是将生物体信号及体动信号作为输入，分离生物体信号中包含的脉搏成分及体动噪声成分的滤波器电路。滤波器电路使用自适应滤波器从体动信号算出推定体动噪声成分。然后，通过从生物体信号衰减推定体动噪声成分，从而可以提取推定脉搏成分。自适应滤波器具备学习特性相异的两种自适应滤波器，将各自的推定体动噪声成分及从生物体信号推定体动噪声成分已衰减的推定脉搏成分输出作为输出信号。另外，对于体动噪声除去部100的详情，将在后面说明。
控制部200是MPU(MicroProcessingUnit，微处理器)、DSP(DigitalSignalProcessor，数字信号处理)等处理器，控制部200基于存储在存储部260内的控制程序261，对包括构成脉搏仪1的脉搏传感器10、加速度传感器20、体动噪声除去部100、操作部210、显示部220等的各个部分进行控制。
脉搏数算出部60是由通过体动噪声除去部100输出的推定脉搏成分计算脉搏数的功能部，其是将由控制部200执行的控制程序261的一部分所实现的功能视为构成部分的假定部分。例如，对推定脉搏成分进行频率分解处理(FFT处理)，分析各频率的信号强度值，并对相当于脉搏的频谱进行指定。然后，由脉搏的频谱的频率算出脉搏数。在脉搏数算出部60，在FFT处理的过程中，如果输入的推定脉搏成分中噪声少，则更容易指定呈现脉搏的频率。
另外，虽未图示出，但也可以具备运算部作为功能部，上述运算部算出：利用体动信号掌握受试者的运动状况的速度(步/分钟)、利用脉搏数或速度算出的运动强度(METs)以及消耗卡路里等。
操作部210是构成为具有按钮开关等的输入装置，其将按下的按钮的信号输出至控制部200。通过该操作部210的操作，可以进行脉搏数的测定指示等各种指示输入。操作部210相当于图1的操作按钮5。另外，操作部210的构成不仅限于此，可以是可进行多次操作输入的构成，显示面板4也可以具备触摸面板功能。
显示部220构成为具有LCD(LiquidCrystalDisplay，液晶显示器)等，其是进行基于从控制部200输入的显示信号的各种显示的显示装置。在显示部220显示各种生物体信息(脉搏数、运动强度、消耗卡路里等)。显示部220相当于图1的显示面板4。
报知部230构成为具有扬声器、压电振子等，其是进行基于从控制部200输入的报知信号的各种报知的报知装置。例如，通过使扬声器输出警报声、或使压电振子振动，从而进行对受试者的各种报知。
通信部240是用于根据控制部200的控制，在与PC(PersonalComputer，个人计算机)等外部的信息处理装置之间接收发送在装置内部使用的信息的通信装置。作为这种通信部240的通信方式，可以应用各种方式，如通过依据规定的通信标准的电缆的有线连接方式、通过兼作被称为支架(cradle)的充电器的中间装置的连接方式、利用近距离无线通信进行无线连接的方式等。
计时部250具有水晶振子及由振荡电路形成的水晶振荡器等而构成，其具有脉搏仪1的时钟功能、秒表功能、生物体信息、体动信息检测用的采样时间的发生等的计时功能。计时部250的计时时刻随时对控制部200输出。
存储部260由ROM(ReadOnlyMemory，只读存储器)、闪存ROM、RAM(RandomAccessMemory，随机存取器)等存储装置构成，其存储用于实现脉搏仪1的控制程序261、脉搏数算出部60的功能、运动强度算出功能、消耗卡路里算出功能等各种功能的各种程序、数据等。此外，具有暂时存储各种处理的处理中数据、处理结果等的工作区。
(体动噪声除去部的构成)
接下来，对体动噪声除去部100的详情进行说明。
图5是示出体动噪声除去部的功能构成的一例的框图。
体动噪声除去部100由自适应滤波器A110、自适应滤波器B120、相关信息算出部130、选择部140等构成。自适应滤波器A110及自适应滤波器B120相当于多个滤波器部。
体动噪声除去部100中，将生物体信号D及作为体动信号的第一轴信号X1作为输入信号，推定脉搏成分E1被输出。第一轴信号X1是例如X轴方向的加速度信号，推定脉搏成分E1是起因于X轴方向的加速度的噪声已衰减的信号成分。并且，体动噪声除去部100中，将作为推定脉搏成分E1及体动信号的第二轴信号X2作为输入信号，推定脉搏成分E2被输出。第二轴信号X2是例如Y轴方向的加速度信号，推定脉搏成分E2是起因于X轴方向及Y轴方向的加速度的噪声已衰减的信号成分。以下进行详细说明。
自适应滤波器A110及自适应滤波器B120是自适应算法的学习特性不同的滤波器。
自适应滤波器A110中，被输入生物体信号D及第一轴信号X1，在让后述的学习特性自适应的同时算出推定体动噪声成分YA，生物体信号D和推定体动噪声成分YA之间的差分被作为推定脉搏成分EA输出。
自适应滤波器B120中，被输入生物体信号D及第一轴信号X1，基于与自适应滤波器A110不同的学习特性算出推定体动噪声成分YB，生物体信号D和推定体动噪声成分YB之间的差分被作为推定脉搏成分EB输出。
另外，由自适应滤波器A110输出的推定体动噪声成分YA及推定脉搏成分EA、由自适应滤波器B120输出的推定体动噪声成分YB及推定脉搏成分EB，均相当于来自多个滤波器部的输出信号。
相关信息算出部130中，被输入第一轴信号X1、推定脉搏成分EA、推定脉搏成分EB，分别算出表示第一轴信号X1及脉搏成分EA的相关程度的相关系数CA、表示第一轴信号X1及推定脉搏成分EB的相关程度的相关系数CB，并对选择部140输出。另外，相关系数CA及相关系数CB相当于相关信息。此外，图5所示的推定体动噪声成分YA及推定体动噪声成分YB被输入相关信息算出部130中的部分，将在实施方式二中进行详细说明。
选择部140中，被输入推定脉搏成分EA、推定脉搏成分EB、相关系数CA、相关系数CB，根据相关系数CA及相关系数CB的比较结果，推定脉搏成分EA和推定脉搏成分EB中的一项被作为推定脉搏成分E1输出。对相关系数的算出及比较的判定的详情，将在后面说明。
通过选择部140输出的推定脉搏成分E1是与生物体信号D上重叠的第一轴信号X1有相关关系的推定体动噪声成分YA或YB衰减后的推定脉搏成分EA或EB。第一轴信号X1如果是例如X轴方向，则在受试者手腕上戴着脉搏仪1进行跑步等运动的状态下，是在由肘至手腕方向发生的加速度信号。因此，推定脉搏成分E1将成为在由肘至手腕方向发生的推定体动噪声成分衰减后的推定脉搏成分。由于跑步等胳膊的活动不只是直线运动，因此，除了X轴方向以外，Y轴方向的体动变化也很大。因此，推定脉搏成分E1中对多个方向重叠有体动噪声成分，需要从推定脉搏成分E1中减少Y轴方向的体动噪声成分。
因此，体动噪声除去部100进一步减少推定脉搏成分E1中残留的与第二轴信号X2有相关关系的体动噪声成分。第二轴信号X2是例如Y轴方向的信号。将推定脉搏成分E1及第二轴信号X2作为输入信号，在自适应滤波器A110及自适应滤波器B120从推定脉搏成分E1算出与第二轴信号X2相关的推定体动噪声成分YA及YB，并算出使与推定脉搏成分E1中残留的第二轴信号X2有相关关系的推定体动噪声成分YA及YB减少的推定脉搏成分EA及EB。然后，使用在相关信息算出部130中算出的相关系数CA及相关系数CB，输出通过选择部140选择的推定脉搏成分E2。推定脉搏成分E2是以体动信号D中除去了第一轴信号X1及第二轴信号X2的方向的体动噪声成分后的脉搏成分为主要成分的信号，作为脉搏信号从体动噪声除去部100中输出。
如上所述，通过基于多个加速度信号依次进行利用并排配置的自适应滤波器的噪声除去处理，能够进一步提高使体动噪声成分衰减的特性。
(自适应滤波器的构成)
接下来，通过图6，对自适应滤波器A110及自适应滤波器B120的详情进行说明。
图6是自适应滤波器的原理构成框图。
自适应滤波器150是自适应滤波器A110及自适应滤波器B120的原理构成。自适应滤波器150由体动噪声算出部151、减算部152、滤波器系数设定部153等构成。而且，自适应滤波器150是基于推定脉搏成分E、推定体动噪声成分Y、体动信号X等，在更新滤波系数h的同时分离推定脉搏成分E和推定体动噪声成分Y的滤波器。体动噪声算出部151中，体动信号X与滤波系数h被进行积和计算，算出体动噪声成分Y。减算部152中，体动噪声成分Y被从生物体信号D中减去，脉搏成分E被输出。在滤波器系数设定部153中，由脉搏成分E、生物体噪声成分Y和体动信号X中算出滤波系数h，对体动噪声算出部151输出。
(自适应滤波器的运算处理)
接下来，对自适应滤波器的运算处理进行说明。
生物体信号D及体动信号X是以规定的采样周期检测出的按时间顺序排列的离散数据。以d(i)表示生物体信号D的数据列，以x(i)表示体动信号X的数据列。此外，以y(i)表示算出的体动噪声成分Y的数据列，以e(i)表示脉搏成分E的数据列，以h(i)表示滤波系数h的数据列。参数i是作为数据列的参量使用的值。由于数据列是按时序排列的数据，因此，参数i大的是时间前进的数据。参数i的最大值是在规定期间内积累的数据数。参数i为相同值的数据是在大致相同的定时检测出的数据、以及在大致相同的定时算出的数据。此外，相对参数i，参数i-1的数据是时间后退的数据，是一个采样过去的采样值。如果以体动噪声成分Y为例，相对于y(i)，L样本前的数据是y(i-1)、y(i-2)、…、y(i-L)。
接下来，使用上述的数据列，对构成自适应滤波器150的算式进行说明。
算式(1)是求第i个参数的体动噪声成分y(i)的算式。将滤波系数h(k)与体动信号x(i-k)的积按照k从1至L增加，同时相加L次。体动信号x(i-k)是L采样前的体动信号。此外，L等于自适应滤波器的滤波器长度，是滤波器的抽头(tap)。
Y(i)＝∑[h(k)·x(i-k)]k＝1～L…算式(1)
算式(2)是求第i个参数的脉搏成分e(i)的算式。通过对利用算式(1)由生物体信号d(i)算出的y(i)进行减法计算，可以算出脉搏成分e(i)。
e(i)＝d(i)-y(i)…算式(2)
(自适应滤波器的学习特性)
算式(3)是更新滤波系数h(k)的算式。将对已算出的右边的各变数的值进行计算后的值代入左边的h(k)，滤波系数h(k)被更新。右边是将步进尺寸μ与脉搏成分e(i)及体动噪声成分y(i-k)相乘，再加上滤波系数h(k)而算出。当右边的滤波系数h(k)的值未确定时等，预先设定的数值等被设定。对于步进尺寸μ，将在后面说明。
h(k)＝h(k)+μ·e(i)·y(i-k)k＝1～L…算式(3)
为算出下一个体动噪声成分y(i+1)，已更新的滤波系数h(k)被代入算式(1)。在规定期间的最后算出的滤波系数h(k)被设定作为下一个规定期间的滤波系数h(k)的值。但是，当根据被算出自适应滤波器的输出结果的相关系数值的判定认为有必要时，也可以将其他自适应滤波器的滤波系数h(k)设定作为下一个规定期间的滤波系数h(k)的值。另外，滤波系数h(k)相当于滤波器的学习特性。
由此，h(1)～h(L)这L个滤波系数被更新。更新后的滤波系数h(k)是决定滤波器的学习特性的系数，且是左右是否能生成跟随体动信号X的变动的体动噪声成分Y的系数。
由算式(3)的右边可见，步进尺寸μ是决定滤波系数h(k)的参数，可以通过固定值或如后述的算式(4)这样的算式求出。通过调整步进尺寸μ的值的大小，从而可以相对地控制对体动信号X的变化的跟随特性及噪声的衰减特性。也就是说，如果设定为大的值，则成为对体动信号X的变化的跟随特性高的滤波器，另一方面，噪声的衰减性变低。而且，如果设定为小的值，则成为噪声的衰减特性高的滤波器，而对体动信号X的变化的跟随特性变低。自适应滤波器A110及自适应滤波器B120中，各自的步进尺寸μ被设定为不同大小的值。
也可以如算式(4)那样算出步进尺寸(stepsize)μ。步进尺寸μ是将固定值α用体动信号x(i-k)平方的总和与固定值β相加后的值去除后所得的值。通过改变固定值α和固定值β的值，可以调整步进尺寸μ的数值大小。
μ＝α/[β+∑x2(i-k)]k＝1～L…算式(4)
通过以体动信号的功率使步进尺寸μ标准化，可以吸收对步进尺寸μ的体动信号的依赖性。
利用算式(4)时，自适应滤波器A110及自适应滤波器B120中均各自保持固定值α和固定值β，并被设定为不同的值。
像这样，通过对自适应滤波器A110及自适应滤波器B120设定不同的步进尺寸μ，从而体动噪声成分y(i)也可以被作为不同信息经算式(3)及算式(4)算出。具体而言，如果步进尺寸μ的数值变大，则算出的体动噪声成分y(i)在运动的周期性突然变化时等，将具有能更早地跟随基于该变化后的运动周期的频率特性的倾向。也就是说，对短时间上升的体动信号的跟随特性高。相反，如果步进尺寸μ的数值变小，则算出的体动噪声成分y(i)在运动的周期性稳定时，推定体动信号x(i)及体动信号x(i)的应答成分，且在通过算式(2)算出的脉搏成分e(i)，具有噪声成分充分衰减的倾向。也就是说，噪声成分的衰减特性对运动周期性稳定的体动信号高。
如此地，可以构筑具有能控制跟随性及衰减性的学习特性的自适应滤波器。另外，对于步进尺寸μ的数值与适合自适应滤波器的信号成分的倾向之间的关联性，是根据理论性的假设，对实际由多名受试者重复各种运动状况而得到的试验数据进行分析而导出。
(自适应滤波器及学习特性的作用)
图7及图8是示出了自适应滤波器的应用例的坐标图。图7及图8是基于在受试者的运动(跑步)中测量的实验而导出的模拟数据。图7是假定受试者的运动开始时的信号数据及其处理结果，图8是假定了受试者的运动时间经过后正在以与正常相同的速度跑步的信号数据及其处理结果。此外，自适应滤波器A110的步进尺寸μ的值被设定为与自适应滤波器B120的步进尺寸μ的值更大的值。
生物体信号501是通过生物体信号检测部检测出的生物体信号D。纵轴是表示生物体信号D的波形的位移的AD值，横轴是测定时间(秒)。后面，表示信号及信号成分的波形的坐标图具有同样的坐标轴。
体动信号502是通过体动信号检测部检测出的体动信号X，其是X轴方向的加速度数据。在生物体信号501中，在0～大约8秒期间，波形的位移周期性地出现在大约420～600的范围，在大约8～16秒期间，波形的位移以振幅大的波形出现在大约250～780的范围内。在体动信号502的波形中，在0～大约8秒的时间点内波形呈大致直线，在大约8～16秒期间，波形的位移周期性地出现在大约320～700的范围内，并出现8秒钟期间10次的波峰(大约700)。这些波形是对单纯运动开始的前后的传感器信号进行模拟后的波形。
脉搏成分(理论值)503是对不包含噪声的脉搏成分进行模拟后算出的理论值。
推定体动噪声成分504、推定脉搏成分505、以及推定脉搏成分506均是应用了自适应滤波器A110后的结果。推定体动噪声成分507、推定脉搏成分508、以及推定脉搏成分509是应用了自适应滤波器B120后的结果。推定脉搏成分506及推定脉搏成分509的坐标图是对推定脉搏成分进行FFT处理并对应每个频率体现能谱值的坐标图，纵轴是能谱值的强度，横轴是频率(Hz)。
推定体动噪声成分504是应用自适应滤波器A110从体动信号502中算出的推定体动噪声成分。推定体动噪声成分507是应用自适应滤波器B120从体动信号502中算出的推定体动噪声成分。推定体动噪声成分504在大约8～16秒期间，波形的位移在大约350～740的范围内，与体动信号502相比，可观察到波形的位移有变化。推定体动噪声成分507波形的位移从大约9秒开始出现，渐渐扩大，在16秒的附近出现大约420～590的位移。
推定脉搏成分505是由生物体信号501中减去推定体动噪声成分504后得到的波形，推定脉搏成分508是由生物体信号501中减去推定体动噪声成分507后得到的波形。推定脉搏成分508在大约8～16秒期间会出现波形的位移在大约320～770的范围内发生了变化的波形。推定脉搏成分505在大约8～16秒期间，波形的位移周期性地出现在大约460～580的狭小范围内，与推定脉搏成分508相比，是稳定的波形。
推定脉搏成分506表示推定脉搏成分505的能谱值，推定脉搏成分509表示推定脉搏成分508的能谱值。在推定脉搏成分506及推定脉搏成分509中两者最强的基线均为频率1.625Hz。由于频率1.625Hz在脉搏成分(理论值)503的频率成分中也表示最强的基线(未图示)，因此，可以考虑是脉搏成分。推定脉搏成分509中在频率约为1.3Hz附近和频率约为2.7Hz附近残留有比较强的基线。这些频率是即使在体动信号502的频率成分中也表示强的基线(未图示)，且残留有体动噪声成分的频率。由于推定脉搏成分506中在频率约1.3Hz的附近和频率约2.7Hz的附近未出现强的基线，因而可知体动噪声成分的残留少。
如上所述，在受试者的运动开始时，可以确认：算出了推定脉搏成分506的自适应滤波器A110相比自适应滤波器B120，体动噪声成分更加衰减。
接下来，通过图8，对假定了受试者的运动时间经过后的信号数据相对的自适应滤波器的应用例进行说明。坐标图的设置及种类与图7相同，生物体信号511是检测的生物体信号D，体动信号512是检测的体动信号X，脉搏成分(理论值)513是对脉搏成分进行模拟而算出的理论值。推定体动噪声成分514、推定脉搏成分515以及推定脉搏成分516均是应用了自适应滤波器A110后的结果，推定体动噪声成分517、推定脉搏成分518以及推定脉搏成分519均是应用了自适应滤波器B120后的结果。此外，测定时间是16秒内0～16秒之间，在大致保持运动状况的同时进行测定。
生物体信号511中，会出现波形的位移在大约250～780的范围内变动的波形。体动信号512中波形的位移在大约320～700的范围内周期性地出现，且16秒内出现21次波峰(大约700)。该波形是对16秒内摆动胳膊的间隔是以78次/分钟的节奏，按速度是大约156(步/分钟)的节奏继续跑步的状况进行模拟后的信号数据。
应用自适应滤波器A110算出的推定体动噪声成分514中，会出现波形的位移在大约280～750的范围内变动的波形。应用自适应滤波器B120算出的推定体动噪声成分517中，波形的位移在大约350～690的范围内周期性出现，波峰次数也与推定体动信号512同样是21次，波形的形状也相似。推定脉搏成分515中，波形的位移周期性地出现在大约480～570的比较狭小的范围内。推定脉搏成分518中，波形的位移周期性地出现在大约420～600的范围内。将推定脉搏成分515及推定脉搏成分518的波形与脉搏成分(理论值)513进行比较后可知，推定脉搏成分518在波形的形状上与脉搏成分(理论值)513更为相似。
推定脉搏成分516和推定脉搏成分519的能谱值中，能谱分布形状两者均相似，两者最强基线的频率均为大约1.687Hz。但是，推定脉搏成分519与推定脉搏成分516相比，旁波束对主波束的比例小。也就是说，相比推定脉搏成分516，推定脉搏成分519的噪声成分更降低。
如上所述，在受试者的运动时间经过后，可以确认：算出了推定脉搏成分519的自适应滤波器B120比自适应滤波器A110，体动噪声成分更降低。
像这样，针对运动开始时的这种运动的周期性急剧改变的体动信号，由具有将步进尺寸μ的值增大的学习特性的自适应滤波器提取使得体动噪声成分充分衰减的推定脉搏成分。然后，针对运动继续时的这种运动的周期性稳定的体动信号，由具有将步进尺寸μ的值减小的学习特性的自适应滤波器提取使得体动噪声成分充分衰减的推定脉搏成分。
通过对学习特性的步进尺寸μ设定不同的值，能够应对运动的周期性变化及稳定的多种状况。但是，如果是单一的学习特性，无法应对多种多样的状况地提取使得体动噪声成分充分衰减的推定脉搏成分。因此，使用相关系数来判定：从具备学习特性不同的多个自适应滤波器各自输出信号(推定脉搏成分及推定体动噪声成分)中选择哪个信号。相关系数是表示与体动信号X及来自自适应滤波器的输出信号的相关关系的程度的指标。
(通过相关系数的判定)
接下来，对相关系数的详情进行说明。相关系数是通过图5所示的相关信息算出部130算出的系数，根据自适应滤波器A110的输出信号算出相关系数CA，根据自适应滤波器B120的输出信号算出相关系数CB。
由于通过自适应滤波器A110及自适应滤波器B120算出的各个推定脉搏成分EA及EB是与体动信号X相关的噪声成分已衰减的信号成分，因此，与体动信号X的相关程度弱的一方的体动噪声成分更充分地被衰减。相关程度是使用相关系数进行判定。相关系数通过算式(5)～(8)算出。算式(5)～(8)中，将数据列1设为d1(i)及将数据列2设为d2(i)，求出相关系数C。此外，d1m是数据列1的平均值，d2m是数据列2的平均值。i是自然数，是从1到数据列n的数值。Vx、Vy以及Vxy是媒介变数。
Vx＝Σ[d1(i)-d1m]2i＝1～n…算式(5)
Vy＝Σ[d2(i)-d2m]2i＝1～n…算式(6)
Vxy＝Σ{[d1(i)-d1m]·[d2(i)-d2m]}i＝1～n…算式(7)
…算式(8)
将通过自适应滤波器A110算出的推定脉搏成分EA及体动信号X的数据列作为数据列1和数据列2应用于算式(5)～(8)，可以求出相关系数。设求出的相关系数为CA。将通过自适应滤波器B120算出的推定脉搏成分EB及体动信号X的数据列应用于算式(5)～(8)，并设求出相关系数为CB。相关系数的范围是﹣1～﹢1，越接近于0，相关程度越弱，越接近于﹢1和﹣1，相关程度越强。因此，将相关系数CA和相关系数CB的大小(绝对值)进行比较，从而选择小的推定脉搏成分。被选择的推定脉搏成分与未被选择的相比，体动噪声成分衰减得更充分。此外，输出了已选择的推定脉搏成分的自适应滤波器的学习特性比未被选择的更适用于体动信号X而使体动噪声成分衰减。
像这样，即使体动信号X处于运动的周期性变化、稳定状态等中的任一种状况下，也能够从具备的多个自适应滤波器输出的推定脉搏成分中使用相关系数，选择适用于体动信号X并使噪声衰减的推定脉搏成分。
(脉搏仪的控制程序)
图9是示出脉搏仪的控制程序的处理流程的流程图。后面，以图9为中心，适当地参照图4～图6进行说明。另外，以下的流程相当于生物体信息处理方法，由控制部200基于存储在存储部260中的控制程序261，通过控制包括存储部260的各个单元来执行。此外，通过控制程序261的执行，可以实现包括脉搏传感器10、加速度传感器20、脉搏AD转换部30、加速度AD转换部40、脉搏数算出部60以及体动噪声除去部100的各个功能部的功能。
在步骤S500中，由脉搏传感器10及加速度传感器20进行生物体信号及体动信号检测的准备。详细而言，首先，使用计时部250的实时钟设定计时器。计时器至少设定脉搏传感器10、加速度传感器20、脉搏AD转换部30以及加速度AD转换部40的采样周期。此外，设定算出脉搏数的规定期间。例如，设定1～6秒内等的时间后，在1～6秒内计算一次脉搏数。
在步骤S510中检测生物体信号D。详细而言，通过脉搏传感器10对生物体信号进行规定期间的检测，通过脉搏AD转换部30将模拟信号的生物体信号转换为数字信号的生物体信号。另外，步骤S510相当于生物体信号检测工序。
在步骤S520中检测体动信号。详细而言，通过加速度传感器20进行规定期间份检测，通过加速度AD转换部40将模拟信号的体动信号转换为数字信号的体动信号。体动信号X从通过加速度传感器20检测的X轴、Y轴、Z轴方向的加速度信号中检测X轴方向及Y轴方向的加速度信号。这里，将X轴方向设为第一轴方向X1，将Y轴方向设为第二轴方向X2。另外，步骤S520相当于体动信号检测工序。
在步骤S530中，生物体信号D和作为体动信号的第一轴信号X1被作为体动噪声除去处理S10的输入而设定。详细而言，从检测出的生物体信号D、体动信号X选择第一轴信号X1，作为下一步进行的对体动噪声除去处理S10的输入信号。在体动噪声除去处理S10中，可以基于第一轴信号X1从生物体信号D对已算出的推定体动噪声成分进行衰减处理。
步骤S10是用于使体动噪声衰减的子程序，进行使用体动信号X从生物体信号D使体动噪声成分衰减的处理，推定脉搏成分被输出。该子程序是实现作为功能部的体动噪声除去部100的功能的程序，包括自适应滤波器A110、自适应滤波器B120、相关信息算出部130、选择部140的各个功能。关于该子程序的详情，将在后面说明。
在步骤S540中确认是否已进行使用了第一轴信号X1及第二轴信号X2两者的体动信号的体动噪声除去处理S10。在第一轴信号X1及第二轴信号X2两者的处理结束后(是)，进入步骤S550。在只对第一轴信号X1进行处理时(否)，进入步骤S560，进入对第二轴信号X2的处理。
在步骤S550中，从体动噪声除去处理S10输出的推定脉搏成分E2被认定是输出信号。详细而言，通过体动噪声除去处理S10，基于生物体信号D中重叠的第一轴信号X1及第二轴信号X2，噪声成分已被充分衰减的推定脉搏成分E2被输出。
在步骤S560中，推定脉搏成分E1和作为体动信号的第二轴信号X2被作为体动噪声除去处理S10的输入而设定。详细而言，从生物体信号D中选择涉及第一轴信号X1的噪声除去成分已衰减的推定脉搏成分E1和第二轴信号X2，作为向下一步进行的体动噪声除去处理S10的输入的输入信号。在体动噪声除去处理S10中，从推定脉搏成分E1中，对基于第二轴信号X2算出的推定体动噪声成分进行衰减处理。
步骤S570是用于算出脉搏数的子程序，使用作为体动噪声除去处理S10的输出信号的推定脉搏成分E2算出脉搏数。详细而言，进行FFT处理，对相当于脉搏数的频率成分进行指定。由指定的频率成分算出脉搏数。该子程序是实现作为功能部的脉搏数算出部60的功能的程序。在FFT处理的过程中，如果推定脉搏成分E2中噪声少，则更易于指定呈现脉搏的频率。
在步骤S580中，判定是否结束脉搏测定。详细而言，在步骤S500～S570及步骤S10之间，当由受试者按下表示测量结束意思的操作按钮5(图1)时(是)，结束包括控制程序261的体动噪声除去处理及脉搏数测定处理在内的处理。当未被按下时(否)，进入步骤S20，并从下一个规定期间检测的生物体信号中，进行包括体动噪声除去处理及脉搏数测定处理的处理。
(体动噪声除去处理的子程序)
图10是示出体动噪声除去处理的流程的流程图。以后，将以图10为中心，以图4～图6、图9为辅进行说明。另外，以下的流程相当于体动噪声除去处理工序，控制部200通过控制包括存储部260的各部分执行子程序，该子程序是执行存储在存储部260中的控制程序261的一部分。并且，是从控制程序261的流程中的步骤S60(体动噪声除去处理)中唤出的子程序。
在步骤S30中，进行体动噪声除去处理的子程序执行的准备。进行在子程序中使用的变量、存储区域的初始化等。
步骤S40～S60及步骤S70～S90是并列处理的处理组。各个处理组中，步骤S30在执行结束后开始，在各个处理组结束后，开始步骤S100。并列处理可以采用通过控制程序261进行的疑似多任务构造来实现，也可以通过在控制部200上搭载多个MPU、DSP分担处理来实现。另外，步骤S40～S58及步骤S70～S88相当于滤波工序，步骤S60及步骤S90相当于相关信息算出工序。
在步骤S40中，选择自适应滤波器A作为用于信号提取处理的滤波器。详细而言，对滤波系数设定部153设定包含具有自适应滤波器A的学习特性的步进尺寸A的滤波系数A。
在步骤S45中，在规定期间，进行例如滤波器的抽头数的重复处理的前处理。详细而言，例如，在得到4秒这个规定的采样数的输出信号之前，重复步骤S45～S58之间的处理。滤波器的抽头数与自适应滤波系数A的数量一致。
在步骤S50中，从生物体信号D中分离推定生物体噪声成分YA及推定脉搏成分EA。详细而言，使用体动信号X及滤波系数A算出推定体动噪声成分YA。从生物体信号D提取推定体动噪声差分YA，算出推定脉搏成分EA。
在步骤S55中更新滤波系数A。详细而言，利用体动信号X算出步进尺寸A，使用步进尺寸A和推定体动噪声成分YA和算出的推定脉搏成分EA更新滤波系数A。滤波系数A算出相当于抽头尺寸(tapsize)的数量。
在步骤S58，在规定期间，使例如滤波器的抽头数的重复结束。将滤波器的抽头数的处理经过步骤S45～S58重复之后，进入步骤S45，抽头数的处理结束后，进入下一个步骤S60。
在步骤S60，算出体动信号X及推定脉搏成分EA的相关系数CA。详细而言，在相关信息算出部130，输入由体动信号X及自适应滤波器A输出的推定脉搏成分EA。将体动信号X及推定脉搏成分EA应用于算式(5)～算式(8)中，算出相关系数CA。另外，由自适应滤波器A输出的推定脉搏成分EA相当于来自滤波器部的输出信号。
在步骤S70～S90，以和步骤S40～S60相同的顺序使用自适应滤波器B进行处理。而且，在自适应滤波器B中，对自适应滤波器B的滤波系数设定部153设定包括与自适应滤波器A的学习特性不同的步进尺寸B的滤波系数B。在这个过程中，生成包括推定脉搏成分EB、推定体动噪声成分YB、滤波系数B、相关系数CB的各种数据。
在步骤S100，对相关系数CA的绝对值和相关系数CB的绝对值进行比较。详细而言，由于在步骤S60及S90算出的相关系数是推定脉搏成分和体动信号的相关系数，因此，推定脉搏成分与体动信号的相关越弱的一方，体动噪声成分越能被衰减。因此，相关系数的绝对值小的一方，越能算出体动噪声少的脉搏成分。如果相关系数CA的绝对值在相关系数CB的绝对值以下(是)，则认定推定脉搏成分EA与体动信号X的相关低，从而进入步骤S110，而如果超过(否)，则认定推定脉搏成分EB与体动信号X的相关低，从而进入步骤S140。
在步骤S110，推定脉搏成分EA被选择为体动噪声除去处理的输出信号。详细而言，由于在步骤S100推定脉搏成分EA与体动信号X的相关低，因此，推定脉搏成分EA是体动信号X及伴随其的噪声进一步被衰减的信号成分。也就是说，通过自适应滤波器A算出的推定脉搏成分EA比通过自适应滤波器B算出的推定脉搏成分EB的噪声成分更少。选择部140将作为自适应滤波器A的输出信号的推定脉搏成分EA选定为体动噪声除去处理的输出信号。已选定的推定脉搏成分EA被输入计算步骤S570的脉搏数的子程序中，并基于该推定脉搏成分EA算出脉搏数。
在步骤S120，判定相关系数CA及相关系数CB的差的绝对值是否比规定的阈值Pr大。详细而言，如果相关系数CA与相关系数CB的差分大(超过了规定的阈值Pr时)，由于相关程度背离，自适应滤波器B的精度无法提高，因而滤波系数B需要调整。因此，如果相关程度比规定的阈值Pr大(是)，则认定自适应滤波器B需要调整，从而进入步骤S130，如果在规定的阈值Pr以下，则进入步骤S170。
在步骤S130，在自适应滤波器B设定滤波系数CA。详细而言，在滤波系数设定部153中，将在步骤S70中设定的滤波系数CB的值设定为在步骤S55中更新的最新的滤波系数CA的值。具体而言，是将滤波系数CA的值代入作为计算自适应滤波器B的滤波系数的算式(3)的h(k)的设定值而最初使用的h(1)～h(L)中。
在步骤S140～步骤S160，以和步骤S110～S130相同的顺序，将自适应滤波器B作为对象处理。在这个过程中，选择部140选择推定脉搏成分EB，作为体动噪声除去处理的输出信号。并且，当相关系数CB的绝对值及相关系数CA的绝对值的差超过规定的阈值Pr时，滤波系数CB被设定为自适应滤波器A的值。另外，步骤S100～S160相当于选择工序。详细而言，对滤波系数设定部153设定包括具有自适应滤波器A的学习特性的步进尺寸A的滤波系数A。另外，上述是被构成为将相关系数的差分与阈值进行比较，控制滤波系数的设定，也可以被构成为例如计算各个滤波器的相关系数的比，如CA/CB并将其与阈值作比较。
如上所述，使用学习特性不同的自适应滤波器A110及自适应滤波器B120，将分别算出的推定脉搏成分EA及推定脉搏成分EB与体动信号X进行比较，选择相关关系更低的推定脉搏成分作为应输出的信号。在利用原有技术的一个自适应滤波器算出的推定脉搏成分中，有时根据体动信号的状况，会成为暂时没能充分使体动噪声衰减的状态，但对每个规定期间根据利用多个自适应滤波器进行的提取结果，可以提取噪声成分少的脉搏成分。
而且，当相关系数的差分超过规定的阈值时，将由算出已选定的推定脉搏成分的自适应滤波器算出的滤波系数设定为算出未选定的推定脉搏成分的自适应滤波器的滤波系数。
由此，能够提高算出未被选择的推定脉搏成分的自适应滤波器特性。也就是说，从滤波系数被设定到自适应滤波器的时刻开始，两者的自适应滤波器的特性横向看齐，以后可以进行基于各自的学习特性的自适应处理(学习处理)。因此，学习特性不同的多个滤波器各自的滤波特性可以得到提高，学习特性的特征可以直接得到反映，能够更精确地提取推定体动噪声已衰减的推定脉搏成分。
另外，本实施方式作为具备两种自适应滤波器的方式进行了说明，但也可以具备有三种以上多个不同的学习特性的自适应滤波器。
(效果)
接下来，通过图11，对应用本实施方式的脉搏仪1的效果的一例进行说明。
图11是表示算出脉搏数的一个例子的坐标图。图11的坐标图的横轴是经过时间(秒)，纵轴是脉搏数(bpm)(beatsperminute)。坐标图是具备本实施例的自适应滤波器A110及自适应滤波器B120的脉搏仪1所表示的脉搏数L1(虚线)、由原有技术的一个自适应滤波器构成的脉搏仪表示的脉搏数L2(点划线)、以及受试者的心跳数(heartrate)L3(实线)。心跳数L3是用动态心电图仪(Holterelectrocardiograph)等测量的脉搏数。另外，脉搏数是利用脉搏数算出部60(图4)对通过体动噪声除去部100(图4)选择的推定脉搏成分进行计算而得到的数值。
受试者在0～大约60秒内心跳数L3稳定在大约85～90bpm之间，在脉搏数L1及脉搏数L2也表现出大致接近的值。受试者从大约60秒起开始运动。运动开始后，心跳数L3在大约60～120秒之间呈现出山形的曲线，同时脉搏数从90bpm急剧上升至130bpm。脉搏数L2在大约60～120秒之间脉搏数表现为大约85～90bpm，但无法跟随实际的心跳数L3。在搭载于原有技术的脉搏仪的自适应滤波器中，无法使运动状况的变化导致的体动噪声成分充分衰减，结果是无法判别脉搏成分的基线。
脉搏数L1在大约60～120秒之间大致相同地推移到实际的心跳数L3曲线的附近。并且，在大约120秒以后，随着运动负荷，也慢慢地将脉搏数由大约130bpm增加至大约150bpm，示出了和心跳数L3大致相同的推移。脉搏数L1是在大约60～120秒之间由自适应滤波器A110选择推定脉搏成分、大约120秒以后由自适应滤波器B120选择推定脉搏成分、被计算出的结果。
本实施方式的脉搏数L1在测量中跨整体，位于实际的心跳数L3推移的曲线的附近，能计算出接近于受试者的脉搏数的数值。就是说，可知被用于脉搏数的计算的推定脉搏成分在FFT处理过程中，具有强力显示脉搏的频率成分的基线，噪声成分更少。
由此，搭载于实际的脉搏仪1并验证后的结果，可以提取随受试者的运动状况的变化而变动的体动噪声成分已充分衰减的推定脉搏成分，算出与实际的脉搏数接近的脉搏数。
(实施方式二)
接下来，以图12为中心，适当参考其他各图，对实施方式二进行说明。
图12是示出实施方式二的体动噪声成分除去处理的流程的流程图。本实施方式与示出了实施方式一的体动噪声成分除去处理过程的流程(图10)的一部分有不同。另外，以下的流程相当于生物体信息处理方法，由控制部200基于存储部260中存储的控制程序261，通过控制包括存储部260的各部分来执行。
在实施方式一中，在作为相关系数算出工序的步骤S60及步骤S90中，算出体动信号X与推定脉搏成分EA或推定脉搏成分EB之间的相关关系，与此相对，在本实施方式中，在步骤S260及步骤S290中，算出推定体动噪声成分YA或推定体动噪声成分YB与体动信号X之间的相关系数的点不同。而且，在实施方式一中，在作为选择工序的一部分的处理的步骤S100中，“假定相关系数CA的绝对值在相关系数CB的绝对值以下”这样的判定，在本实施方式的步骤S300中，会成为“假定相关系数CA的绝对值在相关系数CB的绝对值以上”这样的判定，这一点不同。
在步骤S260，算出推定体动噪声成分YA及体动信号X的相关系数CA。详细而言，是对相关信息算出部130输入作为体动信号X及自适应滤波器A110的输出的推定体动噪声成分YA。将体动信号X及推定体动噪声成分YA应用于算式(5)～算式(8)，算出相关系数CA。
在步骤S290，算出推定体动噪声成分YB及体动信号X的相关系数CB。详细而言，是对相关信息算出部130输入作为体动信号X及自适应滤波器B120的输出的推定体动噪声成分YB。将体动信号X及推定体动噪声成分YB应用于算式(5)～算式(8)，算出相关系数CB。
在步骤S300，对相关系数CA的绝对值和相关系数CB的绝对值进行比较。详细而言，由于在步骤S260及S290算出的相关系数是推定体动噪声成分与体动信号的相关系数，因此，推定体动噪声成分及体动信号的相关强，更能跟随并算出体动噪声。因此，相关系数的绝对值大更能算出跟随体动噪声的推定体动噪声成分，且提取的推定脉搏成分中体动噪声的残留变少。因此，如果相关系数CA的绝对值在相关系数CB的绝对值以上(是)，则由于推定脉搏成分EA减少了体动噪声，从而进入步骤S110，选择推定脉搏成分EA作为输出信号。如果未达到(否)，则推定脉搏成分EB被较少地算出体动噪声，从而进入步骤S140，选择推定脉搏成分EB作为输出信号。
如上所述，在本实施方式中，即使将算出相关系数的对象作为体动信号及推定体动噪声成分来选择推定脉搏成分，也能够得到与实施方式一相同的效果。
而且，本实施方式也可以与实施方式一组合使用。例如，具备三个以上的自适应滤波器，为从三个自适应滤波器中排除一个，而应用实施方式一的相关系数的判定，再通过将本实施方式的相关系数的判定应用于剩余的二个自适应滤波器，从而可能提取使得噪声成分进一步衰减的推定脉搏成分。
另外，本发明不仅限于上述实施方式，可以在上述实施方式的基础上加上各种变更及改良。变形例如下所述。
(变形例1)
在上述实施方式中，在体动信号检测部被构成为具备加速度传感器20，但不仅限于这种构成，也可以是具备接触压传感器，且体动信号中包含检测的接触压位移量信号的结构。详细而言，接触压传感器是在胳膊戴有脉搏仪1的状态下邻接脉搏传感器10的胳膊接触面侧而配设且用于测量脉搏传感器10与胳膊之间产生的物理按压的位移量的传感器。主要将手的握紧松开的动作、脉搏仪1的胳膊安装状态的偏离等检测作为接触压位移量信号。
通过基于这种接触压位移量信号进行推定脉搏成分的提取处理，从而可以使生物体信号上重叠的手的握紧松开动作、胳膊安装状态的偏离等的体动噪声成分衰减。
(变形例2)
在上述实施方式及变形例中，将算式(3)作为自适应滤波器的滤波系数的算出式，但也可以使用算式(9)进行滤波系数的更新。
h(k)＝h(k)+μ·e(i)/[p(i-k)/Σp2(i-k)]k＝1～L…算式(9)
在算式(9)中，p(i-k)是基于仿射投影法由体动信号的延迟信号x(i-k)算出的系数，通过算式(10)算出。
p(i-k)＝x(i-k)+[{Σx[(i-k)·x(i-k-1)]}/[Σx2(i-k-1)]]·x(i-k)k＝1～L…算式(10)
此外，进一步在每次更新滤波系数时，不仅限于上述实施方式及变形例，也可以是其他伴随不同算式的算式。例如，也可以是LMS、nLMS等算法。可以使用具有至少两种以上的自适应算法、学习特性的自适应滤波器，且滤波系数h(k)的抽头数(L的值)可以相同。但是，当不包含将滤波系数设定到其他自适应滤波器的处理时，滤波系数的抽头数可以不是相同的抽头数。由此，推定体动噪声成分的算出方法变得多种多样，能够算出可以跟随变动的体动信号的推定体动噪声成分的可能性增大，结果是，能够提取将噪声控制在最小限度的推定脉搏成分。
(变形例3)
在上述实施方式及变形例中，对将X轴、Y轴、Z轴方向的加速度信号应用于自适应滤波器的顺序，没有特别规定，也可以在X轴、Y轴、Z轴这三轴中，从活动大的轴按顺序应用自适应滤波器。详细而言，首先，在体动信号检测部中，算出并存储各轴方向的加速度信号的变化量的总和。从变化量的总和大的轴向的加速度信号按顺序应用输入至体动噪声除去部100的体动信号，从生物体信号中除去各轴方向的体动噪声。由于加速度信号的变化量的总和是表示受试者的活动的值，因此，能够从重叠在生物体信号上的影响大的体动噪声成分中除去。
而且，也可以对通过图5所示的选择部140输出的推定脉搏成分进行评价，并加上是否需要利用其他的体动信号的噪声除去处理的判别处理。详细而言，当基于最初的体动信号而提取的推定脉搏成分存在基本频率，且基本频率与除去其的噪声成分之比为规定的值以上时、或出自相关系数的判定出现了规定的相关程度以上的高相关时，不进行利用下一个体动信号的噪声除去处理，而将已选择的推定脉搏成分选择作为输出信号。
根据这些，首先，通过由活动大的轴向的加速度输入体动信号，可以从生物体信号中除去主要的体动噪声成分。接下来，如果通过评价输出的推定脉搏成分，判断噪声已被充分衰减，则即使不进行所有方向的体动信号的除去处理，也能够使推定脉搏成分中的噪声充分地衰减。因此，当受试者的运动状况是在一定的轴向的运动时，能够节约推定脉搏成分提取处理的时间，并能够抑制高速处理和耗电。此外，当受试者的运动状况是复合的多个轴向的运动时，通过对每个轴重复提取推定脉搏成分的处理，从而可以使重叠的多轴的噪声成分衰减。
另外，体动信号不仅限于加速度信号，可以是基于接触压传感器的接触压位移量信号、或者不仅限于此，也可以是表示与生物体信号上重叠的噪声的相关关系的信号。
符号说明
1脉搏仪2表带
3外壳4显示面板
5操作按钮6充电端子
10脉搏传感器11反射面
12发光元件13受光元件
14基板20加速度传感器
30脉搏AD转换部40加速度AD转换部
60脉搏数算出部100体动噪声除去部
110自适应滤波器A120自适应滤波器B
130相关信息算出部140选择部
150自适应滤波器151体动噪声算出部
152减算部153滤波系数设定部
200控制部210操作部
220显示部230报知部
240通信部250计时部
260存储部261控制程序。

Claims (11)

1.一种生物体信息处理装置，其特征在于，具备：
生物体信号检测部，检测包括脉搏成分及体动噪声成分的生物体信号；
体动信号检测部，检测体动信号；以及
体动噪声除去部，基于所述体动信号，从所述生物体信号分离所述脉搏成分及所述体动噪声成分，
所述体动噪声除去部具备：
学习特性不相同的多个滤波器部；
相关信息算出部，算出表示所述体动信号与来自多个所述滤波器部的输出信号之间的相关程度的相关信息；以及
选择部，基于所述相关信息，选择来自多个所述滤波器部的输出信号。
2.根据权利要求1所述的生物体信息处理装置，其特征在于，
所述学习特性包括控制对应于所述体动信号的变动的跟随特性的步进尺寸。
3.根据权利要求1或2所述的生物体信息处理装置，其特征在于，
所述相关信息算出部对应来自所述滤波器部的每个所述输出信号，基于所述体动信号算出所述相关信息，所述选择部选择所述相关信息的绝对值最小的来自所述滤波器部的输出信号。
4.根据权利要求3所述的生物体信息处理装置，其特征在于，
来自所述滤波器部的所述输出信号是推定所述脉搏成分的推定脉搏信号。
5.根据权利要求1或2所述的生物体信息处理装置，其特征在于，
所述相关信息算出部基于来自所述滤波器部的每个所述输出信号和所述体动信号算出所述相关信息，所述选择部选择所述相关信息的绝对值最大的来自所述滤波器部的输出信号。
6.根据权利要求5所述的生物体信息处理装置，其特征在于，
来自所述滤波器部的所述输出信号是推定所述体动噪声成分的推定体动噪声信号。
7.根据权利要求1至6中任一项所述的生物体信息处理装置，其特征在于，
当输出了已选择的所述输出信号的所述滤波器部的所述相关信息与其他所述滤波器部的所述相关信息之间的差分超过规定的阈值的情况下，所述选择部将输出了已选择的所述输出信号的所述滤波器部的所述学习特性设定为其他所述滤波器的所述学习特性。
8.根据权利要求1至7中任一项所述的生物体信息处理装置，其特征在于，
所述体动信号包括一轴方向或彼此交叉的至少二轴方向的加速度信号，将来自各轴的信号依次适用作为所述体动信号。
9.根据权利要求1至8中任一项所述的生物体信息处理装置，其特征在于，
所述体动信号包括表示所述生物体信号的检测部位的按压的接触压信号。
10.根据权利要求1至9中任一项所述的生物体信息处理装置，其特征在于，还具有：
所述生物体信息处理装置还具有控制部，所述控制部基于由所述选择部选择的信号算出脉搏数。
11.一种生物体信息处理方法，其特征在于，包括：
生物体信息检测工序，检测包括脉搏成分及体动噪声成分的生物体信号；
体动信号检测工序，检测体动信号；
体动噪声除去处理工序，其是基于所述体动信号从所述生物体信号分离所述脉搏成分及所述体动噪声成分的滤波工序，利用学习特性不同的多个所述滤波工序进行分离；
相关信息算出工序，算出表示所述体动信号和来自多个所述滤波工序的输出信号的相关程度的相关信息；以及
选择工序，基于所述相关信息，选择来自多个所述滤波工序的输出信号。
CN201480032806.7A 2013-07-12 2014-07-09 生物体信息处理装置以及生物体信息处理方法 Active CN105283121B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013-146148 2013-07-12
JP2013146148A JP6201469B2 (ja) 2013-07-12 2013-07-12 生体情報処理装置、生体情報処理方法
PCT/JP2014/003652 WO2015004915A1 (ja) 2013-07-12 2014-07-09 生体情報処理装置、生体情報処理方法

Publications (2)

Publication Number Publication Date
CN105283121A true CN105283121A (zh) 2016-01-27
CN105283121B CN105283121B (zh) 2018-01-19

Family

ID=52279619

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480032806.7A Active CN105283121B (zh) 2013-07-12 2014-07-09 生物体信息处理装置以及生物体信息处理方法

Country Status (4)

Country Link
US (1) US20160120477A1 (zh)
JP (1) JP6201469B2 (zh)
CN (1) CN105283121B (zh)
WO (1) WO2015004915A1 (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107205640B (zh) 2014-12-23 2021-01-12 日东电工株式会社 用于去除生理测量结果中的伪像的设备和方法
JP2016195747A (ja) * 2015-04-06 2016-11-24 セイコーエプソン株式会社 生体情報処理装置、生体情報処理システム、生体情報処理方法及び生体情報処理プログラム
JP2016221092A (ja) 2015-06-02 2016-12-28 ソニー株式会社 ノイズ低減処理回路および方法、ならびに、生体情報処理装置および方法
GB201601143D0 (en) 2016-01-21 2016-03-09 Oxehealth Ltd Method and apparatus for health and safety monitoring of a subject in a room
GB201601140D0 (en) 2016-01-21 2016-03-09 Oxehealth Ltd Method and apparatus for estimating heart rate
GB201601142D0 (en) 2016-01-21 2016-03-09 Oxehealth Ltd Method and apparatus for estimating breathing rate
KR101831064B1 (ko) * 2016-09-06 2018-02-22 숭실대학교산학협력단 Ppg 신호를 이용한 동잡음 제거 장치 및 그 방법
GB201615899D0 (en) 2016-09-19 2016-11-02 Oxehealth Ltd Method and apparatus for image processing
EP3539082A1 (en) 2016-11-08 2019-09-18 Oxehealth Limited Method and apparatus for image processing
EP3610787B1 (en) * 2017-05-10 2022-04-27 Shenzhen Goodix Technology Co., Ltd. Wearable device, and method and apparatus for eliminating exercise interference
US10617311B2 (en) * 2017-08-09 2020-04-14 Samsung Electronics Co., Ltd. System and method for real-time heartbeat events detection using low-power motion sensor
GB201803508D0 (en) 2018-03-05 2018-04-18 Oxehealth Ltd Method and apparatus for monitoring of a human or animal subject
JP2020018430A (ja) 2018-07-31 2020-02-06 セイコーエプソン株式会社 生体情報測定装置
CN109875526B (zh) * 2018-12-28 2022-10-11 北京津发科技股份有限公司 一种基于压力与反射式综合测量脉搏装置
GB201900032D0 (en) 2019-01-02 2019-02-13 Oxehealth Ltd Method and apparatus for monitoring of a human or animal subject
GB201900033D0 (en) 2019-01-02 2019-02-13 Oxehealth Ltd Mrthod and apparatus for monitoring of a human or animal subject
JP7211441B2 (ja) * 2019-02-01 2023-01-24 日本電気株式会社 覚醒度推定装置、覚醒度推定方法、及びプログラム
CN111643052A (zh) * 2019-04-03 2020-09-11 上海铼锶信息技术有限公司 一种减少脉搏波信号中运动伪影的方法及系统
JP7342827B2 (ja) * 2020-09-18 2023-09-12 カシオ計算機株式会社 ノイズ波形除去装置、モデル訓練装置、ノイズ波形除去方法、モデル訓練方法、及びウェアラブル機器

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009022638A (ja) * 2007-07-23 2009-02-05 Mitsuba Corp 加速度脈波計測装置
JP4345459B2 (ja) * 2003-12-01 2009-10-14 株式会社デンソー 生体状態検出装置
JP2011092236A (ja) * 2009-10-27 2011-05-12 Seiko Epson Corp 拍動検出装置及び拍動検出方法
JP2012157423A (ja) * 2011-01-31 2012-08-23 Seiko Epson Corp 脈波信号計測装置、およびプログラム
CN102648846A (zh) * 2011-02-23 2012-08-29 精工爱普生株式会社 搏动检测装置
JP2012176196A (ja) * 2011-02-28 2012-09-13 Seiko Epson Corp 拍動検出装置
CN102670191A (zh) * 2011-03-10 2012-09-19 精工爱普生株式会社 滤波装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5632272A (en) * 1991-03-07 1997-05-27 Masimo Corporation Signal processing apparatus
JPH11276448A (ja) * 1998-03-31 1999-10-12 Seiko Epson Corp 信号抽出装置および信号抽出方法
DE102006005803A1 (de) * 2006-02-08 2007-08-09 Siemens Ag Verfahren zur Rauschreduktion in bildgebenden Verfahren
JP5060186B2 (ja) * 2007-07-05 2012-10-31 株式会社東芝 脈波処理装置及び方法
JP2012095795A (ja) * 2010-11-01 2012-05-24 Seiko Epson Corp 脈波解析法
JP5927843B2 (ja) * 2011-10-28 2016-06-01 セイコーエプソン株式会社 うっ血判定装置、脈波測定装置及びうっ血判定方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4345459B2 (ja) * 2003-12-01 2009-10-14 株式会社デンソー 生体状態検出装置
JP2009022638A (ja) * 2007-07-23 2009-02-05 Mitsuba Corp 加速度脈波計測装置
JP2011092236A (ja) * 2009-10-27 2011-05-12 Seiko Epson Corp 拍動検出装置及び拍動検出方法
JP2012157423A (ja) * 2011-01-31 2012-08-23 Seiko Epson Corp 脈波信号計測装置、およびプログラム
CN102648846A (zh) * 2011-02-23 2012-08-29 精工爱普生株式会社 搏动检测装置
JP2012176196A (ja) * 2011-02-28 2012-09-13 Seiko Epson Corp 拍動検出装置
CN102670191A (zh) * 2011-03-10 2012-09-19 精工爱普生株式会社 滤波装置

Also Published As

Publication number Publication date
US20160120477A1 (en) 2016-05-05
CN105283121B (zh) 2018-01-19
JP6201469B2 (ja) 2017-09-27
WO2015004915A1 (ja) 2015-01-15
JP2015016188A (ja) 2015-01-29

Similar Documents

Publication Publication Date Title
CN105283121A (zh) 生物体信息处理装置以及生物体信息处理方法
CN102764111B (zh) 生物体信息处理装置
CN103961080B (zh) 生物体信息检测装置以及生物体信息检测方法
US10849562B2 (en) Noise reduction processing circuit and method, and biological information processing device and method
US20160081630A1 (en) Biological information processing device and biological information processing method
CN100372498C (zh) 生物睡眠状态确定装置和方法
JP2005160640A (ja) 生体状態検出装置
EP0841034B1 (en) Arrhythmia detector
EP2491856B1 (en) Pulse detection device
CN104203090B (zh) 搏动检测装置以及电子设备
CN108882873A (zh) 生物体信息分析装置、系统以及程序
JP6115330B2 (ja) 生体情報測定装置、および生体情報測定方法
CN105640491B (zh) 光学感测装置及其测量方法
JP2005152633A (ja) 人の身体活動度レベルの測定装置、測定方法、コンピュータプログラム配布媒体
JP2009072417A (ja) 生体情報処理装置及び方法
CN105726004A (zh) 生物体信息测定装置及生物体信息测定装置的驱动控制方法
FR2996744A1 (fr) Appareil d'acquisition d'un etat biologique, procede d'acquisition d'un etat biologique, appareil et climatiseur comportant un appareil d'acquisition d'un etat biologique
CN105377137A (zh) 生物状态推测装置
CN102008299A (zh) 利用具有两种波长的光波测量脉搏的方法和设备
JP2009225971A (ja) 睡眠状態計測装置及び方法
CN104027109A (zh) 心房颤动解析装置以及程序
US20110098582A1 (en) Pulse detector and pulse detection method
JP5927843B2 (ja) うっ血判定装置、脈波測定装置及びうっ血判定方法
WO2014181602A1 (ja) 歩行姿勢計およびプログラム
JP2012152493A (ja) 脈波信号計測装置、およびプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant