CN106796127B - 信号处理装置和信号处理方法 - Google Patents

Abstract

信号处理装置(100A、100B)具有：输入接口(10)，其从传感器接收输出信号V_a(T)；预测电路(20)，其在将输出信号V_a(T)的值变为与表示测量对象的某属性的参数的值P对应的收敛值V_c的响应时间设为Tr时，在经过响应时间Tr前的过渡响应期间，根据在时刻T1得到的输出信号的值V_{a_T1}，基于按多个收敛值V_c的每个而不同的关系，生成与在时刻T1之后的时刻T2将要得到的输出信号的值对应的多个预测值V_{b_T2}；以及推断电路(30)，其基于在时刻T2得到的输出信号的值V_{a_T2}和多个预测值V_{b_T2}，生成表示测量对象的某属性的参数的推断值Pe。

Description

信号处理装置和信号处理方法

技术领域

本发明涉及信号处理装置、信号处理方法以及计算机程序，特 别涉及基于来自传感器的输出信号求出推断值的信号处理装置、信 号处理方法以及计算机程序。

背景技术

在使用半导体的气体传感器、湿度传感器以及温度传感器中， 有从开始测量到输出信号的值(例如电压值)收敛为止需要比较长 的时间的传感器。即，在基于来自传感器的输出信号求出测量对象 的某属性的情况下，在输出信号的值收敛之前，无法求出其属性。例如，用于检测气味的半导体气体传感器从开始测量到输出信号的 值收敛为止例如需要600秒。

此外，在本说明书中，“输出信号的值收敛”是指经过足够的时 间时的某时刻的输出信号的值与某时刻之前的时刻的输出信号的值 之差在规定时间期间变为规定的范围内的值，将收敛的输出信号的 值称为“收敛值”。另外，将从测量开始到输出信号的值收敛为止的 时间称为“响应时间”，将经过响应时间之前的期间称为“过渡响应 期间”。

为了基于来自传感器的输出信号很快求出测量对象的某属性， 只要基于过渡响应期间的输出信号的值，推断与该属性对应的收敛 值即可。对这样推断收敛值的方法已进行各种研究。例如，在专利 文献1中，公开了对运转性能根据运转环境而不同的机器例如在未知 的运转环境下会发挥怎样的性能进行推断的方法。根据专利文献1记 载的推断方法，基于分类条件将输入的运转环境数据分类，将分类 后的数据供应给对应的1个模型，从该1个模型求出推断值。

现有技术文献

专利文献

专利文献1：特开2005-242803号公报

发明内容

发明要解决的问题

根据专利文献1记载的推断方法，在基于分类条件将输入的运转 环境数据分类的基础上，选择与分类后的数据对应的1个模型。因此， 为了减小推断误差，需要与各分类对应的模型是准确的，因而存在 需要准备许多分类以及与各分类对应的模型的问题。

本发明是为了解决上述问题而完成的，其目的在于提供能比较 简单且足够准确地基于来自传感器的输出信号求出推断值的信号处 理装置、信号处理方法以及计算机程序。

用于解决问题的方案

本发明的实施方式的信号处理装置具有：输入接口，其从传感 器接收输出信号V_a(T)；预测电路，其在将上述输出信号V_a(T)的值变为 与表示测量对象的某属性的参数的值P对应的收敛值V_c的响应时间 设为Tr时，在经过响应时间Tr前的过渡响应期间，根据在时刻T1得 到的上述输出信号的值V_{a_T1}，基于按与上述参数的相互不同的值对 应的多个收敛值V_c的每个而不同的关系，生成与在上述时刻T1之后 的时刻T2将要得到的上述输出信号的值对应的多个预测值V_{b_T2}；以 及推断电路，其基于在上述时刻T2得到的上述输出信号的值V_{a_T2}和 上述多个预测值V_{b_T2}，生成表示上述测量对象的上述某属性的参数 的推断值Pe。

在某实施方式中，上述信号处理装置还具有第1存储器，上述第 1存储器存储上述输出信号V_a(T)的值，上述预测电路从上述第1存储 器取得在上述时刻T1得到的上述输出信号的上述值V_{a_T1}，生成上述 多个预测值V_{b_T2}，上述推断电路从上述预测电路取得上述多个预测 值V_{b_T2}。

在某实施方式中，上述信号处理装置还具有第2存储器，上述第 2存储器将上述多个预测值V_{b_T2}和上述参数的相互不同的值P关联起 来进行存储，上述推断电路从上述第2存储器取得上述多个预测值 V_{b_T2}和上述参数的相互不同的值P。

在某实施方式中，上述推断电路求出上述多个预测值V_{b_T2}与在 上述时刻T2得到的上述输出信号的上述值V_{a_T2}的误差V_{e_T2}，基于上 述误差V_{e_T2}，生成上述测量对象的上述推断值Pe。

在某实施方式中，上述预测电路根据在上述时刻T1之后的时刻 T3得到的上述输出信号的值V_{a_T3}，基于按与上述参数的相互不同的 值对应的多个收敛值V_c的每个而不同的关系，进一步生成与在时刻 T3之后的时刻T4将要得到的上述输出信号的值对应的多个预测值 V_{b_T4}。在此，上述时刻T3可以与上述时刻T2相同，也可以与上述时 刻T2不同。

在某实施方式中，上述预测电路根据在上述时刻T1之后的时刻 T3得到的上述输出信号的值V_{a_T3}，基于按与上述参数的相互不同的 值对应的多个收敛值V_c的每个而不同的关系，进一步生成与在上述 时刻T3之后的时刻T4将要得到的上述输出信号的值对应的多个预测 值V_{b_T4}，上述推断电路求出上述多个预测值V_{b_T2}与在上述时刻T2得 到的上述输出信号的上述值V_{a_T2}的误差V_{e_T2}以及上述多个预测值 V_{b_T4}与在上述时刻T4得到的上述输出信号的值V_{a_T4}的误差V_{e_T4}，基 于上述误差V_{e_T2}、上述误差V_{e_T4}或上述误差的累积值，生成上述测 量对象的上述推断值Pe。

在某实施方式中，上述时刻T2比上述时刻T1晚规定的时间Tc， 上述时刻T4比时刻T3晚上述规定的时间Tc。

在某实施方式中，上述预测电路每经过上述规定的时间Tc，根 据在某时刻得到的上述输出信号的值V_{a_Tk}(k为1以上的整数)，生 成与在从上述某时刻起上述规定的时间Tc后将要得到的上述输出信 号的值对应的多个预测值V_{b_Tk+1}，并且每经过上述规定的时间Tc，根 据在与上述某时刻不同的其它时刻得到的上述输出信号的值V_{a_Tm} (m是1以上的整数)，生成与在从上述其它时刻起上述规定的时间 Tc后将要得到的上述输出信号的值对应的多个预测值V_{b_Tm+1}，上述 推断电路求出上述多个预测值V_{b_Tk+1}与上述输出信号的值V_{a_Tk+1}的 误差V_{e_Tk+1}以及上述多个预测值V_{b_Tm+1}与上述输出信号的值V_{a_Tm+1}的误差V_{e_Tm+1}，基于上述误差V_{e_Tk+1}、上述误差V_{e_Tm+1}或上述误差的 累积值，生成上述测量对象的上述推断值Pe。在此，上述其它时刻 可以是从上述某时刻起上述规定的时间Tc后的时刻，也可以是别的时刻。

在某实施方式中，每经过上述规定的时间Tc，上述预测电路根 据在该时刻得到的上述输出信号的值V_{a_Tk}(k为1以上的整数)，生 成与在从该时刻起上述规定的时间n·Tc(n为1以上的整数)后将要 得到的上述输出信号的值对应的多个预测值V_{b_Tk+n}，上述推断电路求 出上述多个预测值V_{b_Tk+n}与上述输出信号的值V_{a_Tk+n}的误差V_{e_Tk+n}以及上述多个预测值V_{b_Tk+n+1}与上述输出信号的值V_{a_Tk+n+1}的误差 V_{e_Tk+n+1}，基于上述误差V_{e_Tk+n}、上述误差V_{e_Tk+n+1}或上述误差的累 积值，生成上述测量对象的上述推断值Pe。

在某实施方式中，上述推断电路基于预先决定的期间内的上述 误差的累积值，生成上述测量对象的上述推断值Pe。

在某实施方式中，上述推断电路基于上述误差的累积值的绝对 值的最小值，生成上述测量对象的上述推断值Pe。

在某实施方式中，上述误差的累积值按每预先决定的期间重置。

在某实施方式中，上述预测电路包含神经网络。

在某实施方式中，上述信号处理装置还具有上述传感器。

本发明的实施方式的信号处理方法包含以下步骤：从传感器接 收输出信号V_a(T)；在将上述输出信号V_a(T)的值变为与表示测量对象的 某属性的参数的值P对应的收敛值V_c的响应时间设为Tr时，在经过响 应时间Tr前的过渡响应期间，根据在时刻T1得到的上述输出信号的 值V_{a_T1}，基于按与上述参数的相互不同的值对应的多个收敛值V_c的 每个而不同的关系，生成与在上述时刻T1之后的时刻T2将要得到的 上述输出信号的值对应的多个预测值V_{b_T2}；以及基于在上述时刻T2 得到的上述输出信号的值V_{a_T2}和上述多个预测值V_{b_T2}，生成表示上 述测量对象的上述某属性的参数的推断值Pe。

在某实施方式中，上述信号处理方法能由上述任一个方式所述 的信号处理装置执行。

本发明的实施方式的程序使计算机执行以下步骤：从传感器接 收输出信号V_a(T)；在将上述输出信号V_a(T)的值变为与表示测量对象的 某属性的参数的值P对应的收敛值V_c的响应时间设为Tr时，在经过响 应时间Tr前的过渡响应期间，根据在时刻T1得到的上述输出信号的 值V_{a_T1}，基于按与上述参数的相互不同的值对应的多个收敛值V_c的 每个而不同的关系，生成与在上述时刻T1之后的时刻T2将要得到的 上述输出信号的值对应的多个预测值V_{b_T2}；以及基于在上述时刻T2 得到的上述输出信号的值V_{a_T2}和上述多个预测值V_{b_T2}，生成表示上 述测量对象的上述某属性的参数的推断值Pe。

在某实施方式中，上述程序使计算机执行能由上述任一个方式 所述的信号处理装置执行的信号处理方法。计算机可以是经由网络 连接的多个计算机。

本发明的实施方式的程序使计算机作为以下单元发挥功能：输 入接口单元，其从传感器接收输出信号V_a(T)；预测单元，其在将上 述输出信号V_a(T)的值变为与表示测量对象的某属性的参数的值P对 应的收敛值V_c的响应时间设为Tr时，在经过响应时间Tr前的过渡响应 期间，根据在时刻T1得到的上述输出信号的值V_{a_T1}，基于按与上述 参数的相互不同的值对应的多个收敛值V_c的每个而不同的关系，生 成与在上述时刻T1之后的时刻T2将要得到的上述输出信号的值对应 的多个预测值V_{b_T2}；以及推断单元，其基于在上述时刻T2得到的上 述输出信号的值V_{a_T2}和上述多个预测值V_{b_T2}，生成表示上述测量对 象的上述某属性的参数的推断值Pe。输入接口单元、预测单元以及 推断单元例如能与上述任一个方式所述的信号处理装置的输入接 口、预测电路以及推断电路分别对应。即，本发明的实施方式的程 序使计算机例如作为上述任一个方式所述的信号处理装置发挥功 能。本发明的实施方式的程序例如能安装在计算机的存储器中。

发明效果

根据本发明的实施方式，提供能比较简单且足够准确地基于来 自传感器的输出信号求出推断值的信号处理装置、信号处理方法以 及计算机程序。

附图说明

图1是示意性地示出本发明的实施方式1的信号处理装置100A的 构成的图。

图2是示意性地示出本发明的实施方式2的信号处理装置100B 的构成的图。

图3是说明预测电路20的学习过程的流程图。

图4是示出由气体传感器测量成熟度不同的6种香蕉的气味时 的传感器输出的时间变化的坐标图。

图5是用于说明推断电路30的输入输出关系的例子的图。

图6是用于说明推断电路30的输入输出关系的例子的图。

图7是用于说明推断测量对象的属性的过程的图。

图8是示出使用本发明的实施方式的信号处理装置进行推断的 结果的坐标图。

图9是示出在本发明的实施方式3的信号处理装置中用作预测 电路20的神经网络的构成的一例的图。

图10是示出本发明的实施方式4和5的信号处理装置具有的基 于输出信号与预测值的误差的累积值生成推断值的推断电路的构成 的图。

图11是表示测量对象的属性为P5(600秒后的收敛值V_c＝约 1.5V)时的预测值与输出信号的误差的时间变化的坐标图。

图12是表示图11的误差的累积值的时间变化的坐标图。

图13是表示在本发明的实施方式6的信号处理装置的推断电路 30中按每固定期间将累积误差重置的情况下的累积误差的时间变化 的坐标图。

图14是表示在本发明的实施方式7的信号处理装置的推断电路 30中仅将误差累积规定的时间的情况下的累积误差的时间变化的坐 标图。

图15是在过渡响应期间输出信号的值减小的输出信号的时间变 化的坐标图。

图16是传感器80A的示意截面图。

图17是传感器80B的示意截面图。

图18是用于说明更新多个预测值的过程的图。

具体实施方式

以下，参照附图说明信号处理装置、信号处理方法以及计算机 程序。

本发明的实施方式的信号处理装置具有：输入接口，其从传感 器接收输出信号V_a(T)；预测电路，其在将输出信号V_a(T)的值变为与表 示测量对象的某属性的参数的值P对应的收敛值V_c的响应时间设为 Tr时，在经过响应时间Tr前的过渡响应期间，根据在时刻T1得到的 输出信号的值V_{a_T1}，基于按与参数的相互不同的值对应的多个收敛 值V_c的每个而不同的关系，生成与在时刻T1之后的时刻T2将要得到 的输出信号的值对应的多个预测值V_{b_T2}；以及推断电路，其基于在 时刻T2得到的上述输出信号的值V_{a_T2}和多个预测值V_{b_T2}，生成表示 测量对象的某属性的参数的推断值Pe。

本发明的实施方式的信号处理装置在传感器的过渡响应期间内 接收来自传感器的输出信号，预测收敛值，利用该预测值，推断测 量对象的属性。本发明的实施方式的信号处理装置根据过渡响应期 间内的输出信号，基于与表示测量对象的属性的参数的相互不同的 值对应的多个收敛值V_c，求出多个预测值。即，专利文献1记载的装 置使用从多个模型中选择的1个模型得到预测值，而本发明的实施方 式的信号处理装置在使用多个模型得到多个预测值后，从多个预测 值中选择最可靠的预测值，使用其推断属性。或者，在使用多个模 型得到多个预测值后，选择可靠的多个预测值，使用它们推断属性。 因此，在专利文献1记载的装置中，预测值的准确性大大受到所选择 的1个模型影响，而根据本发明的实施方式的信号处理装置则不会如 此，预想值的准确性变高。其结果是，最终求出的推断值的准确性 也变高。由此，能降低信号处理装置的用户等待时间，很快以高的 准确性得到测量对象的某属性。

以下，使用气体传感器，例示为了求出表示香蕉成熟的程度(以 下，称为“成熟度”。)的参数P而使用的信号处理装置，说明本发 明的实施方式的信号处理装置和由其执行的信号处理方法。另外， 本发明的实施方式的计算机程序能使计算机执行上述信号处理方 法。

(实施方式1和2)

图1示意性地示出本发明的实施方式1的信号处理装置100A的构 成。信号处理装置100A具有：输入接口10，其从传感器80接收输出 信号V_a(T)；预测电路20，其在将输出信号V_a(T)的值变为与表示测量对 象的某属性的参数的值P对应的收敛值V_c的响应时间设为Tr时，在经 过响应时间Tr前的过渡响应期间，根据在时刻T1得到的输出信号的 值V_{a_T1}，基于按与参数的相互不同的值对应的多个收敛值V_c的每个 而不同的关系，生成与在时刻T1之后的时刻T2将要得到的输出信号 的值对应的多个预测值V_{b_T2}；以及推断电路30，其基于在时刻T2得 到的输出信号的值V_{a_T2}和多个预测值V_{b_T2}，生成表示测量对象的某 属性的参数的推断值Pe。

信号处理装置100A还具有存储输出信号V_a(T)的值的第1存储器 40，预测电路20从第1存储器40取得在时刻T1得到的输出信号的值 V_{a_T1}，生成多个预测值V_{b_T2}，推断电路30从预测电路20取得多个预 测值V_{b_T2}。

图2示意性地示出本发明的实施方式2的信号处理装置100B的构 成。信号处理装置100B与信号处理装置100A同样具有：输入接口10， 其从传感器80接收输出信号V_a(T)；预测电路20，其在将输出信号V_a(T)的值变为与表示测量对象的某属性的参数的值P对应的收敛值V_c的 响应时间设为Tr时，在经过响应时间Tr前的过渡响应期间，基于在时 刻T1得到的输出信号的值V_{a_T1}以及与参数的相互不同的值对应的多 个收敛值V_c，生成与在时刻T1之后的时刻T2将要得到的输出信号的 值对应的多个预测值V_{b_T2}；以及推断电路30，其基于在时刻T2得到 的输出信号的值V_{a_T2}和多个预测值V_{b_T2}，生成表示测量对象的某属 性的参数的推断值Pe。

信号处理装置100B具有将多个预测值V_{b_T2}和参数的相互不同的 值P关联起来存储的第2存储器50，以代替信号处理装置100A的第1 存储器40，推断电路30从第2存储器50取得多个预测值V_{b_T2}和参数的 相互不同的值P。

信号处理装置100A所具有的第1存储器40只要存储输出信号V_a(T)的值即可，因此，与信号处理装置100B的存储多个预测值V_{b_T2}和参 数的相互不同的值P的第2存储器50相比，能减小存储器的使用量。

此外，信号处理装置100A和100B是作为与传感器80独立的装置 例示的，但是信号处理装置100A和100B也可以具备传感器80。

如图1和图2所示，预测电路20例如具有多个子预测电路1～N。 子预测电路1～N分别与表示测量对象的某属性的参数的值P1～PN 对应。此外，有时对多个子预测电路标注与预测电路20相同的附图 标记。另外，参数的值P1～PN分别与来自传感器80的输出信号的收敛值V_c的不同的值对应。即，如果求出收敛值V_c的值，则与其对应 的参数的值P1就被决定了。

在此，将经过足够的时间时的某时刻的输出信号的值与某时刻 之前的时刻的输出信号的值之差在规定时间期间变为规定的范围内 的值称为“输出信号的值收敛”，将收敛的输出信号的值称为“收 敛值”。例如，经过足够的时间时是指从测量开始起经过500秒以上 时，某时刻之前的时刻例如是指某时刻50秒前的时刻，规定时间例 如是100秒，规定的范围例如是某时刻的值的3％。以下，说明在上述 例示的条件下求出收敛值V_c的例子，但是求出收敛值V_c的条件当然 能根据传感器、所求的属性等适当地设定。

例如，在属性为香蕉的成熟度的情况下，表示香蕉的成熟度的 参数P1、P2、P3、P4、P5以及P6(例如，P1表示熟透状态，P6表示 最不成熟状态。)与气体传感器80的输出信号的收敛值V_c＝4.6、4.1、 3.4、2.6、1.5、0.6V对应。

通过由气体传感器80测量未知的香蕉的气味，能求出该香蕉的 成熟度。然而，若气体传感器80的输出信号V_a(T)的值变为收敛值V_c之前的响应时间Tr例如为600秒，则为了求出香蕉的成熟度，需要600 秒以上。当使用信号处理装置100A或100B时，例如能在测量开始后 约10秒求出表示香蕉的成熟度的参数的值P。

各子预测电路20基于按与参数的相互不同的值对应的多个收敛 值V_c的每个而不同的关系，根据在时刻T1得到的输出信号的值V_{a_T1}， 生成与在时刻T1之后的时刻T2(典型地，晚规定的时间Tc)将要得 到的输出信号的值对应的预测值V_{b_T2}。接着，基于在时刻T2得到的 输出信号的值V_{a_T2}和预测值V_{b_T2}，生成参数P的推断值Pe。

预测电路20例如求出多个预测值V_{b_T2}与在时刻T2得到的输出信 号的值V_{a_T2}的误差V_{e_T2}，基于误差V_{e_T2}生成测量对象的推断值Pe。 例如，在与6个参数P1～P6对应的6个子预测电路1～6内，将输出信 号V_{a_T2}的值与预测值V_{b_T2}的误差V_{e_T2}最小的子预测电路所对应的参 数P的值作为推断值Pe来生成。参数Pe的值可以这样设为P1～P6中的 任意一个，也可以通过进行插值或外推运算，生成P1～P6的不连续 的值之间或其范围外的值。另外，插值或外推运算也可以选择P1～ P6中的2个以上来进行。当然，不限于利用预测值与实测值(输出信 号V_a(T)的值)的误差，也可以利用预测值与实测值的某种关系，生 成参数的值。

此外，预测值不需要一定是根据输出信号V_a(T)的值通过运算等求 出的值。例如，在测量对象的香蕉的参数为P1的情况下，在时刻T1 得到的输出信号V_a(T)的值过大，在与参数P6对应的子预测电路6中， 有时可能无法生成与在时刻T2将要得到的输出信号对应的预测值。 在这样的情况下，例如也可以根据预先决定的条件生成推断值Pe不 是P6这样的预测值。

另外，在求出某参数和与在其它参数所对应的子预测电路中将 要得到的输出信号对应的预测值的相关性而生成某参数的预测值的 情况下，也可以根据与该预测值的相关性，在与该其它参数对应的 子预测电路中生成预测值。

在根据时刻T2的上述动作判断为无法生成具有高准确性的推断 值Pe的情况下，例如，在误差V_{e_T2}的值比预先决定的值大的情况下 等，也可以是，预测电路20根据在时刻T1之后的时刻T3得到的输出 信号的值V_{a_T3}，基于按与参数的相互不同的值对应的多个收敛值V_c的每个而不同的关系，进一步生成与在时刻T3之后的时刻T4将要得 到的输出信号的值对应的多个预测值V_{b_T4}，推断电路30求出多个预 测值V_{b_T2}与在时刻T2得到的输出信号的值V_{a_T2}的误差V_{e_T2}以及多 个预测值V_{b_T4}与在时刻T4得到的输出信号的值V_{a_T4}的误差V_{e_T4}，基 于误差V_{e_T2}、误差V_{e_T4}或误差的累积值，生成测量对象的推断值Pe。 在此，时刻T3可以与时刻T2相同，也可以与时刻T2不同。典型的事， 时刻T2设定为比时刻T1晚规定的时间Tc，时刻T4设定为比时刻T3晚 规定的时间Tc。

另外，也可以是，预测电路20根据在时刻T1得到的输出信号的 值V_{a_T1}，基于按与参数的相互不同的值对应的多个收敛值V_c的每个 而不同的关系，进一步生成与在与时刻T2不同的时刻T5将要得到的 输出信号的值对应的多个预测值V_{b_T5}，推断电路30求出多个预测值 V_{b_T2}与在时刻T2得到的输出信号的值V_{a_T2}的误差V_{e_T2}以及多个预 测值V_{b_T5}与在时刻T5得到的输出信号的值V_{a_T5}的误差V_{e_T5}，基于误 差V_{e_T2}、误差V_{e_T5}或误差的累积值，生成测量对象的推断值Pe。由 此，能进一步提高推断值的精度。在此，时刻T5可以在时刻T2之前， 也可以在时刻T2之后。典型的是，时刻T2设定为比时刻T1晚规定的 时间i·Tc，时刻T5设定为比时刻T1晚规定的时间j·Tc(i≠j)。此 外，也可以不是仅在时刻T5，而是在多个时刻生成与在不同于时刻 T2的时刻将要得到的输出信号的值对应的多个预测值。由此，能进一步提高推断值的精度。

可以是，预测电路20每经过规定的时间Tc，根据在某时刻得到 的输出信号的值V_{a_Tk}(k为1以上的整数)，生成与在从某时刻起规 定的时间Tc后将要得到的输出信号的值对应的多个预测值V_{b_Tk+1}，并 且每经过规定的时间Tc，根据在与某时刻不同的其它时刻得到的输 出信号的值V_{a_Tm}(m是1以上的整数)，生成与在从其它时刻起规定 的时间Tc后将要得到的输出信号的值对应的多个预测值V_{b_Tm+1}，推 断电路30求出多个预测值V_{b_Tk+1}与输出信号的值V_{a_Tk+1}的误差 V_{e_Tk+1}以及多个预测值V_{b_Tm+1}与输出信号的值V_{a_Tm+1}的误差V_{e_Tm+1}，基于误差V_{e_Tk+1}、误差V_{e_Tm+1}或误差的累积值，生成测量对象的推断 值Pe。在此，其它时刻可以是从某时刻起规定的时间Tc后的时刻， 也可以是别的时刻。

由实施方式的信号处理装置100A和100B得到的推断值随着时间 的经过而准确性提高。因此，只要基于最后得到的误差V_{e_Tm+1}或误 差的累积值生成测量对象的属性的推断值Pe即可。但是，例如，在 由于输出信号所包含的噪声的影响等而导致误差V_{e_T4}的值比误差 V_{e_T2}的值大的情况下，也可以基于时刻T4之前的时刻T2的误差V_{e_T2}的值，生成测量对象的推断值Pe。此外，后面描述基于误差的累积 值生成测量对象的推断值Pe的方法。例如，也能基于误差的累积值 的绝对值的最小值生成推断值Pe。另外，也可以按每个预先决定的期间将误差的累积值重置。

接着，参照图3说明为了使预测电路20基于在时刻T1得到的输出 信号的值V_{a_T1}以及与参数的相互不同的值对应的多个收敛值V_c，生 成与在时刻T2将要得到的输出信号的值对应的多个预测值V_{b_T2}，而 使预测电路20学习规定的关系的流程。在此，将预测电路20的输入 输出关系的创建称为学习。用户也能进行该学习。

如图3所示，首先，将测量对象设定为某属性P(S1)。例如， 选择成熟度(参数的值P1～P6)不同的6根香蕉内的1根。

准备与所设定的属性(例如，参数的值P1)对应的子预测电路1 (S2)。

由传感器开始测量，取得时刻T1和T2的输出信号V_a(T)的值(S3)。 此时，根据需要，按每规定的时间Tc按时间系列取得输出信号V_a(T)的值。

接着，创建时刻T1和T2的输出信号V_a(T)的值的关系(S4)。根 据需要，对于按时间系列取得的输出信号V_a(T)的值也创建同样的关 系。

在学习时，由于会在需要的时刻取得输出信号V_a(T)的值，因此某 时刻的输出信号V_a(T)的值和其规定时间后的输出信号V_a(T)的值是已 经知道的。因此，在输入了某值作为时刻T1的输出信号V_a(T)的值的 情况下，针对时刻T2的输出信号V_a(T)的值，生成时刻T2的预测值。 根据需要，使用按时间系列取得的输出信号V_a(T)的值，生成时间系 列的预测值。

将测量对象的属性P变更，按属性P的数量反复进行上述学习 (S5)。

这样，预测电路20能生成与多个属性对应的预测值。

接着，参照图4说明预测电路20的学习的具体例。以用市售的气 体传感器(飞世株式会社(エフアイエス株式会社)制造，P-31，溶 剂(酒精、有机溶剂)用)作为传感器80来测量香蕉的气味的强度 的情况为例进行说明。

香蕉根据其成熟度而气味的强度不同。图4所示的坐标图示出从 成熟度不同的6种香蕉得到的输出信号V_a(T)的时间变化。6种香蕉的 成熟度的差别由属性参数P1～P6表示。另外，参数P1、P2、P3、P4、 P5以及P6与输出信号的收敛值V_c＝4.6、4.1、3.4、2.6、1.5、0.6V分 别对应。

从图4可知，输出信号V_a(T)的值随着时间而变化，其响应时间Tr 为约600秒。使用这些输出信号的值，进行6个子预测电路1～6的学 习。

例如，在使用经过600秒时的输出信号的值为4.6V的数据(将其 作为属性P1)进行子预测电路1的学习的情况下，取得某时刻T1时的 输出信号的值a_1n和规定时间Tc后的时刻T2(＝T1+Tc，例如，Tc 为5秒)的输出信号的值b_1n，在向子预测电路1输入了a_1n时，创建能输出b_1n这样的输入输出的关系。该输入输出的关系如表1所 示。出处的输出为预测值。此外，测量间隔例如为0.1秒。

将此处理分别在6个子预测电路中进行。即，即使相同的值作为 输入值输入到各子预测电路，输出的5秒后的预测值也分别为不同的 值。

表2是表示使用经过600秒时的输出信号的值为0.6V的数据(将 其作为属性P6)进行子预测电路6的学习的情况下的子预测电路6的 输入输出关系的表。对于属性P2～P5也与表1、表2同样地创建输入 输出关系。

此外，在进行了表中没有的输入的情况下，例如，在a_10与a_11 之间的值输入到预测电路20的情况下，只要通过线形插值等插值来 求出输出即可。另外，在a_10与a_11之间以外的值(例如，比a_10 小的值)输入到预测电路20的情况下，只要通过线形外推等求出输 出即可。

[表1]

[表2]

接着，说明推断电路30的输入输出关系。在此，例示图2所示的 信号处理装置100B进行说明，但是仅仅是存储器的位置不同，信号 处理装置100A也是同样的。

如图5所示，在时刻T1时的输出信号的值a_T1(与上述V_{a_T1}相当。 以下相同。)输入到各子预测电路时，各子预测电路基于学习结果， 分别生成规定时间Tc后的时刻T2(＝T1+Tc)的输出信号的预测值 b_1x、b_2x···b_6x(与属性P1～P6各自所对应的上述V_{b_T1}相当。 以下相同。)。

存储器50将这些预测值和各子预测电路所对应的属性P一起存 储。然后，如图6所示，在变为时刻T2(＝T+Tc)时，输出信号的 值a_(T+Tc)从输入接口10输入到推断电路30，从存储器50输入时 刻T2的输出信号的预测值b_1x、b_2x、···、b_6x以及与它们对 应的属性P。然后，推断电路30算出预测值与输出信号的误差c_1x、 c_2x、···、c_6x(与属性P1～P6各自所对应的上述误差V_{e_T2}相 当。以下相同。)。

并且，推断电路30具有将各属性P以及与它们对应的误差c_1x、 c_2x、···、c_6x作为输入，将推断测量对象的当前属性P的值d_x 作为输出的输入输出关系。

此外，在进行了推断电路30的输入输出关系中没有的输入的情 况下，可以通过线形插值等插值来求出输出的d_x。

另外，推断电路30也可以将各属性P以及与它们对应的误差c_1x、 c_2x、···、c_6x输入到式子中，求出d_x作为输出。该情况下的 运算式不是基于某1个属性P的运算式，而是考虑了各种各样的属性P (P1～6)的运算式，因此与基于某1个属性P的运算式相比精度提高。

与基于某1个属性P的运算式相比精度提高这一效果不仅能由基 于全部的属性P的运算式得到，也能由基于所选择的多个属性P的运 算式得到。

接着，参照图7说明推断测量对象的属性的过程。

首先，设定测量对象(S11)。此处的测量对象的属性是未知的。

接着，经由输入接口10取得对测量对象的属性进行了测量的传 感器80的输出信号的值(S12)。

向各子预测电路20输入时刻T1的输出信号的值(S13)。还将输 出信号的值输入给推断电路30。

各子预测电路根据输入的时刻T1的输出信号的值，生成与在时 刻T2将要得到的输出信号的值对应的预测值(S14)。

将生成的预测值和与子预测电路对应的属性相互关联起来存储 在存储器中(S15)。

从存储器50向推断电路30输入时刻T2的输出信号的值、与时刻 T2对应的预测值以及与子预测电路对应的属性P(S16)。

推断电路30算出时刻T2的输出信号的值和与时刻T2对应的预测 值的误差(S17)。

推断电路30将算出的误差和属性作为输入，算出推断值，作为 测量对象的属性的推断结果来生成(S18)。

将此处理继续到测量结束(S19)。

图8的坐标图中示出使用本发明的实施方式的信号处理装置对 测量对象的某属性(600秒后的收敛值V_c＝约3.5V)进行推断的结果。

在此，在推断值的变化量成为规定值以下的情况下停止推断， 对其以后的时刻标示了其推断值。

可知对于本来要经过600秒才会知道的收敛值，从测量开始起约 10秒后，就已推断出接近该收敛值的值。

此外，在此，到得到收敛值的时刻为止停止了推断，但不必如 此，例如，在中途输出信号发生了变化的情况下，只要继续进行推 断即可。

如上所述，根据本发明的实施方式，多个子预测电路20与测量 对象的每1个属性对应地进行学习。并且，在进行测量对象的属性的 推断时，输出信号输入到多个子预测电路20，多个子预测电路20生 成规定时间后的预测值。

算出规定时间后的输出信号的实测值与多个预测值的误差。使 用与该多个误差关联起来的测量对象的属性，算出推断值。

这样，根据本发明的实施方式，使用基于多个模型的预测值与 实测值的误差，推断测量对象的属性，因此，与如专利文献1那样在 某规定范围的分类内使用1个模型进行推断相比，具有能提高准确性 的效果。

此外，传感器80和信号处理装置100A或100B可以经由网络连接。

另外，在传感器80是相同种类的情况下，也可以与别的传感器 共享信号处理装置100A或100B(预测电路20和/或推断电路30)。此 时，通过将多个传感器的测量对象设为1个共同的属性，将从多个传 感器得到的推断值作比较，能用于传感器的不良检查。

另外，以传感器80是1个的情况进行了说明，但是不限于此，也 可以使用多个相同种类的传感器，还可以使用多个不同种类的传感 器。此时，如果在子预测电路、推断电路中设定相对于某属性的多 个传感器的输入输出的关系，则能与传感器是1个的情况相同考虑地 进行处理。当使用多个传感器时，会得到更多的信息，因此能以更 高的准确性得到推断值。

(实施方式3)

也可以代替实施方式1的信号处理装置100A和实施方式2的100B 具有的预测电路20所具有的子预测电路，而使用输入测量对象为某 属性时的输出信号，生成预测值的神经网络。

图9示出神经网络的构成的一例。图9所示的神经网络是输入层 的节点为1个，中间层的节点为5个，输出层的节点为1个的神经网络。 例如，在对与属性P1对应的子预测电路1输入了时刻T的输出信号a_T 的情况下，以生成b_1x作为时刻T+Tc的预测值的方式进行神经网络 的学习。神经网络的学习能使用反向传播等一般已知的方法。

在输入层的节点为1个，中间层的节点为5个，输出层的节点为1 个的神经网络的情况下，需要的参数的数量是16个。具体为，输入 层与中间层的节点间的权重参数是5个，中间层的各节点的偏压是5 个，中间层与输出层的节点间的权重参数是5个，输出层的节点的偏 压是1个。

信号处理装置100A和100B是以查找表的形式(例如，表1、表2) 具有预测电路(各子预测电路)20的输入输出的关系的例子。因此， 信息量变多。而另一方面，若使用此处例示的神经网络，则能通过 16个参数来表现输入输出的关系，因此会得到能减少信息量的效果。 此外，推断电路的输入输出的学习也能使用神经网络，同样会得到 能减少信息量的效果。

另外，仅通过赋予输入输出的关系就能进行学习，因此能简化 预测电路的构成。此外，中间层的数量和/或中间层的节点的数量不 限于例示的数量。能通过增加它们的数量提高预测值的精度。

另外，也可以由近似式表示预测电路(各子预测电路)20的输 入输出的关系。由此，与以查找表的形式(例如，表1、表2)具有 输入输出的关系的情况相比，会得到能减少信息量的效果。

(实施方式4)

上述实施方式1至3的信号处理装置具有的推断电路30如参照图 5和图6说明的那样，直接基于输出信号与预测值的误差，生成推断 值。在基于输出信号与预测值的误差生成推断值时，不仅可以直接 利用误差，还可以如本实施方式4例示的推断电路30这样基于误差的 累积值，生成推断值。

如图10所示，实施方式4的信号处理装置具有的推断电路30构成 为，根据输出信号，基于预测值的误差的累积值，生成测量对象的 属性的推断值。具体地说，如上所述，推断电路30算出从存储器输 入的预测值与输出信号的误差(c_1x、c_2x、···、c_6x)，在测量与各属性对应的误差的过程中(即，涵盖多个时刻)，生成累积 值(由“Σ”表示)，将该误差的累积值作为输入，生成测量对象的 属性的推断值。

图11是表示测量对象为属性P5(600秒后的收敛值V_c＝约1.5V) 时的从各子预测电路20输出的预测值和与该时刻对应的输出信号的 误差的时间变化的坐标图。

图12是表示图11的误差的累积值的时间变化的坐标图。由于测 量对象为属性P5，因此与该属性对应的预测值5和输出信号的误差在 任何时刻均大致为0，因而累积误差也大致为0。另一方面，对于其 它属性(P1～4和P6)，累积误差伴随着时间的经过而绝对值变大。 另外，从图12可知，累积误差的变化为大致线形。因此，如果使用 各属性和累积误差的关系，则能通过线形插值来生成测量对象的属 性的推断值。

例如，在某时刻，属性P4(600秒后的收敛值Vv＝约2.6V)和属 性P6(600秒后的收敛值V_c＝约0.6V)的累积误差隔着累积值0为1： 2的情况下，推断值作为属性P4与属性P6之间的属性而能通过线形插 值算出为600秒后的收敛值V_c为约1.3V(＝(2.6×1+0.6×2)/3)的 属性。在线形插值中，可以使用任2个累积误差，也可以基于3个以 上的累积误差来算出推断值。

由于能通过线形插值来生成测量对象的属性的推断值，因此能 以高的精度生成推断值，并且推断电路30不需要如上述那样以表的 形式具有输入输出的关系，能削减推断电路30内的存储器的使用量。

(实施方式5)

实施方式5的信号处理装置具有的推断电路30与实施方式4的信 号处理装置具有的推断电路30同样，基于误差的累积值生成推断值。 但是，实施方式5的信号处理装置具有的推断电路30构成为，从多个 误差的累积值内的具有正值的累积值和具有负的值累积值之中分别 选择绝对值最小的累积值，基于正负各自的绝对值最小的累积值以 及与它们对应的属性，生成测量对象的属性的推断值。

在图12所示的例子中，选择与属性P4对应的累积值作为多个误 差的累积值中的具有正值且绝对值最小的累积值，选择与属性P5对 应的累积值作为具有负值且绝对值最小的累积值，基于这些累积值， 生成推断值。此外，也可以根据时刻将选择的预测值变更。

在通过线形插值来生成测量对象的属性的推断值时，通过选择 误差的累积值具有正值的属性和具有负值的属性中的各自的绝对值 最小(接近0)的2个属性，与选择其它属性的组合的情况相比较， 能提高推断的精度。

(实施方式6)

实施方式4和实施方式5的信号处理装置的推断电路30求出整个 测量期间的误差的累积值，基于其生成推断值。而另一方面，实施 方式6的信号处理装置的推断电路构成为，在某决定的定时，在此， 在经过某决定的时间后，将累积值重置。从各子预测电路20输入的 预测值以及与该时刻对应的输出信号的误差的累积值例如图13那 样。

例如，测量对象的属性在中途发生了变化的情况下，累积误差 中会残留变化前的属性的结果。因此，变化后的属性的推断误差会 变大。而另一方面，如果在某决定的定时将累积值重置，则即使测 量对象的属性发生了变化，也能降低推断值的误差。此外，“某决 定的定时”可以是规定的时间间隔，也可以是任意的时间间隔。另 外，也可以是以向某别的传感器(例如温度传感器)的输入变化的 大小或来自用户的重置请求等某些操作为契机，将累积值重置。

(实施方式7)

实施方式7的信号处理装置的推断电路30将误差累积规定的时 间，基于其生成推断值。由这样构成的推断电路30生成的累积误差 的时间变化如图14所示那样。在此，测量间隔是0.1秒，将5秒的误差 累积。与图11的误差P1～P6相比较可知，在图14的累积误差P1～P6 中，信号中的噪声变小。即，实施方式7的信号处理装置的推断电路 30与实施方式4的信号处理装置的推断电路30相比能以高的精度生 成推断值。另外，实施方式7的信号处理装置与实施方式6的信号处 理装置同样，例如，即使测量对象的属性发生了变化，也能降低推 断值的误差。

此外，在如上述实施方式4～7的信号处理装置那样，为了生成 推断值而使用累积值的情况下，例如，在由于噪声等影响而导致某 时刻得到的误差成为超出规定的范围的值的情况下，也可以追加不 累积该误差的处理。

(实施方式8)

上述实施方式的信号处理装置100A和100B具有的预测电路20具 有的各子预测电路可以进一步具有更新(变更)与输出信号的值对 应的预测值的功能。例如，如图16和图17所示的传感器80A和80B那 样，当传感器的封装结构不同时，传感器的响应时间会发生变化， 因此优选具备根据封装结构更新(变更)预测值的功能。

图16示出传感器80A的示意截面图，图17示出传感器80B的示意 截面图。传感器80A和80B均能用作上述实施方式的传感器80。

图16所示的传感器80A具有传感器芯片(反应部)82和保护反应 部82的封装体84。封装体84具有开口部(进气口84a)，进气口84a 以外的部分例如由陶瓷板、金属板或塑料板形成。当反应部82配置 在封装体84内的空间时，香蕉的气味到达反应部82为止的时间会根据封装体84的进气口84a的结构而变化。因此，到收敛值为止的响应 时间根据封装体84的结构而变化。

另外，当如图17所示的传感器80B那样，除了具有封装体84以外， 还具有另一封装体86时，另一封装体86具有的开口部(进气口86a) 的结构也对响应时间有影响。因此，到收敛值为止的响应时间也根 据另一封装体86的结构而变化。此外，封装体86也由陶瓷板、金属 板或塑料板形成。

例如，若在基于来自传感器80A的输出信号V_a(T)，生成与在时刻 T1之后的时刻T2将要得到的输出信号的值对应的多个预测值V_{b_T2}的 信号处理装置中，将传感器80A的封装结构变更为传感器80B的封装 结构时，则在时刻T1之后的时刻T2将要得到的输出信号的预测值与 在时刻T2得到的输出信号的值之间会产生误差。其结果是，无法生 成准确的推断值。因此，想要能生成准确的推断值，要对信号处理 装置赋予更新多个预测值V_{b_T2}的功能。

参照图18说明更新多个预测值的过程。

首先，设定测量对象(S21)。此处的测量对象的属性可以是P1～ P6中的任意一个，也可以是任意的P。

由传感器80B开始测量，取得时刻T1和T2的输出信号的值(S22)。 此时，根据需要，按每规定的时间Tc按时间系列取得输出信号的值。

接着，创建时刻T1和T2的输出信号的值的关系(S23)。根据需 要，对于按时间系列取得的输出信号的值也创建同样的关系。

然后，以在S23中创建的时刻T1和T2的输出信号的值的关系为基 础，将已经创建的属性P1～P6的时刻T1和T2的输出信号的值的关系 更新(S24)。

这样，即使传感器装入的封装体发生了变化，预测电路20也能 生成与多个属性对应的预测值。

在上述的说明中，设定某1个属性P，但是也可以在多个属性中， 创建时刻T1和T2的输出信号的值的关系，将属性P1～P6的时刻T1和 T2的输出信号的值的关系更新。

作为更新的方法，可以从在S23中创建的时刻T1和T2的输出信号 的值的关系导出与响应时间有关的参数，以该参数的值为基础，将 属性P1～P6的时刻T1和T2的输出信号的值的关系的与响应时间有关 的参数更新。此时，可以基于规定时间的测量结果，决定某参数的 值，更新为该值，也可以将参数的值渐渐地按规定值变更。

更新后，使用新的预测值进行预测电路20的处理。

如果具备这样更新预测值的功能，则在如此处例示的封装结构 的变化那样，传感器的反应部82的周边的结构发生了变化的情况下， 也能生成准确的推断值。

在上述的说明中，说明了在过渡响应期间输出信号的值增加的 例子，但是在如图15所示那样，过渡响应期间输出信号的值减小的 情况下，也能使用本发明的实施方式1至8的信号处理装置和对它们 进行了改变的信号处理装置。

另外，通过将在过渡响应期间输出信号的值增加的情况和减小 的情况下的信号处理装置组合，无论在过渡响应时间输出信号的值 增加或减小，均能生成准确的推断值。

由上述的本发明的实施方式的信号处理装置执行的信号处理方 法也能由计算机执行。本发明的实施方式的程序能使计算机执行上 述的信号处理方法或者使将计算机作为上述信号处理装置发挥功 能。计算机也可以是经由网络连接的多个计算机。计算机例如也可 以包含智能手机或平板电脑、智能手表(能以手表的方式佩戴在腕 上，除了时钟以外还具有运算处理、通信这样的功能的设备)、可 穿戴设备。在该情况下，可以将生成的参数的推断值直接显示在智 能手机或平板电脑、智能手表、可穿戴设备的显示装置上，也可以显示将生成的参数的推断值加工后的2次信息(例如，参数的推断值 为香蕉的成熟度时，2次信息是指与香蕉的成熟度关联的健康信息 等)。2次信息例如可以从网络取得。

此外，在上述实施方式中，通过使用香蕉作为测量对象，推断 香蕉的成熟度的例子进行了说明，但是测量对象和推断的参数不限 于此，能广泛应用。例如，测量对象为其它食材，推断的参数为正 可口之时(什么时候吃最佳)等，测量对象为大气，推断的参数为 湿度、温度、气压等。

在测量对象是食材的情况下，用户无需等待经过响应时间，就 能很快知道正可口之时。因此，例如，能在超市等使用信号处理装 置，选择、购买正可口之时的食材。

另外，在食材是水果的情况下，在农场或水果分类间，通过使 用信号处理装置，推断成熟度等正可口之时，能进行采收或发货的 日期和时刻的决定、发货场所(近或远等)的选择、有效期或保质 期的决定。

另外，在测量对象是大气，推断的参数是湿度、温度、气压等 环境信息的情况下，在用户进行从屋内向屋外等环境条件会变化的 场所的移动时，或将信号处理装置从包或口袋取出时，无需等待经 过响应时间，就能很快知道变化后的湿度、温度、气压等环境信息。

因此，不仅能将湿度、温度、气压等环境信息本身，还能将基 于湿度、温度、气压等环境信息的与健康有关的2次信息很快提供给 用户，例如，在温度、湿度的情况下，将预防中暑或预防流感、皮 肤干燥有关的信息很快提供给用户，在气压的情况下，将向头痛、 关节痛或旧伤的影响等警告等2次信息很快提供给用户。

另外，即使测量对象是人体，推断的参数是体温、排汗量等生 物体信息，也无需等待经过响应时间，就能很快知道变化后的体温、 排汗量等生物体信息。

另外，信号处理装置也可以内置在微波炉等烹饪设备中。在该 情况下，能使用检测从食材排出的水蒸气等的传感器的输出信号， 推断食材的烹饪情况。由此，无需等待到经过响应时间，在过渡响 应期间就能知道食材的烹饪情况，因此能防止加热过度或烧烤过度 这样的烹饪失败，不会错过正可口之时。

另外，信号处理装置也可以内置于空调或除湿器、加湿器、空 气净化器等空调设备中。在该情况下，能使用检测周围环境的温度、 湿度、气味、污垢等的传感器的输出信号，推断周围环境的状况。

由此，无需等待到经过响应时间，在过渡响应期间就能知道周 围环境的温度、湿度、气味、污垢，因此能很快开始空气调节、空 气净化等控制，其结果是，能很快向用户提供舒适的环境。

说明了上述实施方式的信号处理装置和信号处理方法使用气体 传感器作为传感器80的例子，但是传感器80不限于此，也能广泛应 用于使用响应时间比较长的半导体的传感器、使用静电电容的传感 器(例如，湿度传感器、温度传感器)等的信号处理。

本说明书公开了以下的项目记载的信号处理装置、信号处理方 法以及计算机程序。

[项目1]

一种信号处理装置，具有：

输入接口，其从传感器接收输出信号V_a(T)；

预测电路，其在将上述输出信号V_a(T)的值变为与表示测量对象 的某属性的参数的值P对应的收敛值V_c的响应时间设为Tr时，在经过 响应时间Tr前的过渡响应期间，根据在时刻T1得到的上述输出信号 的值V_{a_T1}，基于按与上述参数的相互不同的值对应的多个收敛值V_c的每个而不同的关系，生成与在上述时刻T1之后的时刻T2将要得到 的上述输出信号的值对应的多个预测值V_{b_T2}；以及

推断电路，其基于在上述时刻T2得到的上述输出信号的值V_{a_T2}和上述多个预测值V_{b_T2}，生成表示上述测量对象的上述某属性的参 数的推断值Pe。

根据项目1所述的信号处理装置，能比较简单且足够准确地基于 来自传感器的输出信号求出推断值。由此，能降低信号处理装置的 用户等待时间，很快以高的准确性得到测量对象的某属性。

[项目2]

根据项目1所述的信号处理装置，

还具有第1存储器，上述第1存储器存储上述输出信号V_a(T)的值，

上述预测电路从上述第1存储器取得在上述时刻T1得到的上述 输出信号的上述值V_{a_T1}，生成上述多个预测值V_{b_T2}，

上述推断电路从上述预测电路取得上述多个预测值V_{b_T2}。

根据项目2所述的信号处理装置，能使第1存储器的电容比较小。

[项目3]

根据项目1所述的信号处理装置，

还具有第2存储器，上述第2存储器将上述多个预测值V_{b_T2}和上 述参数的相互不同的值P关联起来进行存储，

上述推断电路从上述第2存储器取得上述多个预测值V_{b_T2}和上 述参数的相互不同的值P。

根据项目3所述的信号处理装置，能提高信号处理装置的变型。

[项目4]

根据项目1至3中的任一个项目所述的信号处理装置，

上述推断电路求出上述多个预测值V_{b_T2}与在上述时刻T2得到的 上述输出信号的上述值V_{a_T2}的误差V_{e_T2}，基于上述误差V_{e_T2}，生成 上述测量对象的上述推断值Pe。

根据项目4所述的信号处理装置，能提高信号处理装置的变型。

[项目5]

根据项目1至4中的任一个项目所述的信号处理装置，

上述预测电路根据在上述时刻T1之后的时刻T3得到的上述输出 信号的值V_{a_T3}，基于按与上述参数的相互不同的值对应的多个收敛 值V_c的每个而不同的关系，进一步生成与在时刻T3之后的时刻T4将 要得到的上述输出信号的值对应的多个预测值V_{b_T4}。

根据项目5所述的信号处理装置，能得到准确性更高的推断值。

[项目6]

根据项目1至4中的任一个项目所述的所述的信号处理装置，

上述预测电路根据在上述时刻T1之后的时刻T3得到的上述输出 信号的值V_{a_T3}，基于按与上述参数的相互不同的值对应的多个收敛 值V_c的每个而不同的关系，进一步生成与在上述时刻T3之后的时刻 T4将要得到的上述输出信号的值对应的多个预测值V_{b_T4}，

上述推断电路求出上述多个预测值V_{b_T2}与在上述时刻T2得到的 上述输出信号的上述值V_{a_T2}的误差V_{e_T2}以及上述多个预测值V_{b_T4}与 在上述时刻T4得到的上述输出信号的值V_{a_T4}的误差V_{e_T4}，基于上述 误差V_{e_T2}、上述误差V_{e_T4}或上述误差的累积值，生成上述测量对象 的上述推断值Pe。

根据项目6所述的信号处理装置，能得到准确性更高的推断值。 另外，能减少推断电路内的存储器的使用量。

[项目7]

根据项目6所述的信号处理装置，

上述时刻T2比上述时刻T1晚规定的时间Tc，上述时刻T4比时刻 T3晚上述规定的时间Tc。

根据项目7所述的信号处理装置，能提高信号处理装置的变型。

[项目8]

根据项目7所述的信号处理装置，

上述预测电路每经过上述规定的时间Tc，根据在某时刻得到的 上述输出信号的值V_{a_Tk}(k为1以上的整数)，生成与在从上述某时 刻起上述规定的时间Tc后将要得到的上述输出信号的值对应的多个 预测值V_{b_Tk+1}，并且每经过上述规定的时间Tc，根据在与上述某时刻 不同的其它时刻得到的上述输出信号的值V_{a_Tm}(m是1以上的整数)， 生成与在从上述其它时刻起上述规定的时间Tc后将要得到的上述输 出信号的值对应的多个预测值V_{b_Tm+1}，

上述推断电路求出上述多个预测值V_{b_Tk+1}与上述输出信号的值 V_{a_Tk+1}的误差V_{e_Tk+1}以及上述多个预测值V_{b_Tm+1}与上述输出信号的 值V_{a_Tm+1}的误差V_{e_Tm+1}，基于上述误差V_{e_Tk+1}、上述误差V_{e_Tm+1}或上 述误差的累积值，生成上述测量对象的上述推断值Pe。

根据项目8所述的信号处理装置，能提高信号处理装置的变型。

[项目9]

根据项目7所述的信号处理装置，

每经过上述规定的时间Tc，上述预测电路根据在该时刻得到的 上述输出信号的值V_{a_Tk}(k为1以上的整数)，生成与在从该时刻起 上述规定的时间n·Tc(n为1以上的整数)后将要得到的上述输出信 号的值对应的多个预测值V_{b_Tk+n}，

上述推断电路求出上述多个预测值V_{b_Tk+n}与上述输出信号的值 V_{a_Tk+n}的误差V_{e_Tk+n}以及上述多个预测值V_{b_Tk+n+1}与上述输出信号的 值V_{a_Tk+n+1}的误差V_{e_Tk+n+1}，基于上述误差V_{e_Tk+n}、上述误差V_{e_Tk+n+1}或上述误差的累积值，生成上述测量对象的上述推断值Pe。

根据项目9所述的信号处理装置，能提高信号处理装置的变型。

[项目10]

根据项目8或9所述的信号处理装置，

上述推断电路基于预先决定的期间内的上述误差的累积值，生 成上述测量对象的上述推断值Pe。

根据项目10所述的信号处理装置，例如，能通过线形插值来生 成测量对象的属性的推断值。

[项目11]

根据项目8或9所述的信号处理装置，

上述推断电路基于上述误差的累积值的绝对值的最小值，生成 上述测量对象的上述推断值Pe。

根据项目11所述的信号处理装置，能以比较简单的构成得到准 确性高的推断值。

[项目12]

根据项目8至11中的任一个项目所述的信号处理装置，

上述误差的累积值按每预先决定的期间重置。

根据项目12所述的信号处理装置，即使测量对象的属性发生了 变化，也能降低推断值的误差。

[项目13]

根据项目1至4中的任一个项目所述的信号处理装置，

上述预测电路根据在上述时刻T1得到的上述输出信号的值 V_{a_T1}，基于按与上述参数的相互不同的值对应的多个收敛值V_c的每 个而不同的关系，进一步生成与在与上述时刻T2不同的时刻T5将要 得到的上述输出信号的值对应的多个预测值V_{b_T5}，

上述推断电路求出上述多个预测值V_{b_T2}与在上述时刻T2得到的 上述输出信号的上述值V_{a_T2}的误差V_{e_T2}以及上述多个预测值V_{b_T5}与 在上述时刻T5得到的上述输出信号的值V_{a_T5}的误差V_{e_T5}，基于上述 误差V_{e_T2}、上述误差V_{e_T5}或上述误差的累积值，生成上述测量对象 的上述推断值Pe。

根据项目13所述的信号处理装置，能提高推断值的精度。

[项目14]

根据项目1至10中的任一个项目所述的信号处理装置，

上述预测电路将与上述输出信号的值对应的多个预测值更新。

根据项目14的信号处理装置，在传感器的反应部的周边的结构 发生了变化的情况下，也能生成准确的推断值。

[项目15]

根据项目1至14中的任一个项目所述的信号处理装置，

上述预测电路包含神经网络。

根据项目15所述的信号处理装置，能减少用于生成预测值的信 息量。

[项目16]

根据项目1至15中的任一个项目所述的信号处理装置，

还具有上述传感器。

[项目17]

一种信号处理方法，包含以下步骤：

从传感器接收输出信号V_a(T)；

在将上述输出信号V_a(T)的值变为与表示测量对象的某属性的参 数的值P对应的收敛值V_c的响应时间设为Tr时，在经过响应时间Tr前 的过渡响应期间，根据在时刻T1得到的上述输出信号的值V_{a_T1}，基 于按与上述参数的相互不同的值对应的多个收敛值V_c的每个而不同 的关系，生成与在上述时刻T1之后的时刻T2将要得到的上述输出信 号的值对应的多个预测值V_{b_T2}；以及

基于在上述时刻T2得到的上述输出信号的值V_{a_T2}和上述多个预 测值V_{b_T2}，生成表示上述测量对象的上述某属性的参数的推断值Pe。

根据项目17所述的信号处理方法，能比较简单且足够准确地基 于来自传感器的输出信号求出推断值。

[项目18]

一种程序，使计算机执行以下步骤：

从传感器接收输出信号V_a(T)；

在将上述输出信号V_a(T)的值变为与表示测量对象的某属性的参 数的值P对应的收敛值V_c的响应时间设为Tr时，在经过响应时间Tr前 的过渡响应期间，根据在时刻T1得到的上述输出信号的值V_{a_T1}，基 于按与上述参数的相互不同的值对应的多个收敛值V_c的每个而不同 的关系，生成与在上述时刻T1之后的时刻T2将要得到的上述输出信 号的值对应的多个预测值V_{b_T2}；以及

基于在上述时刻T2得到的上述输出信号的值V_{a_T2}和上述多个预 测值V_{b_T2}，生成表示上述测量对象的上述某属性的参数的推断值Pe。

根据项目18所述的程序，能使用计算机比较简单且足够准确地 基于来自传感器的输出信号求出推断值。

工业上的可利用性

本发明能用于基于来自传感器的输出信号求出推断值的信号处 理装置、信号处理方法以及计算机程序。

附图标记说明

10 输入接口

20 预测电路

30 推断电路

40 第1存储器

50 第2存储器

80 传感器

82 传感器芯片(传感器的反应部)

84 封装体

86 封装体

100A、100B 信号处理装置。

Claims (14)

1.一种信号处理装置，其特征在于，具有：

输入接口，其从传感器接收输出信号V_a(T)；

预测电路，其在将上述输出信号V_a(T)的值变为与表示测量对象的某属性的参数的值P对应的收敛值V_c的响应时间设为Tr时，在经过响应时间Tr前的过渡响应期间，根据在时刻T1得到的上述输出信号的值V_{a_T1}，基于按与上述参数的相互不同的值对应的多个收敛值V_c的每个而不同的关系，生成与在上述时刻T1之后的时刻T2将要得到的上述输出信号的值对应的多个预测值V_{b_T2}；以及

推断电路，其基于在上述时刻T2得到的上述输出信号的值V_{a_T2}和上述多个预测值V_{b_T2}，生成表示上述测量对象的上述某属性的参数的推断值Pe。

2.根据权利要求1所述的信号处理装置，

还具有第1存储器，上述第1存储器存储上述输出信号V_a(T)的值，

上述预测电路从上述第1存储器取得在上述时刻T1得到的上述输出信号的上述值V_{a_T1}，生成上述多个预测值V_{b_T2}，

上述推断电路从上述预测电路取得上述多个预测值V_{b_T2}。

3.根据权利要求1所述的信号处理装置，

还具有第2存储器，上述第2存储器将上述多个预测值V_{b_T2}和上述参数的相互不同的值P关联起来进行存储，

上述推断电路从上述第2存储器取得上述多个预测值V_{b_T2}和上述参数的相互不同的值P。

4.根据权利要求1所述的信号处理装置，

上述推断电路求出上述多个预测值V_{b_T2}与在上述时刻T2得到的上述输出信号的上述值V_{a_T2}的误差V_{e_T2}，基于上述误差V_{e_T2}，生成上述测量对象的上述推断值Pe。

5.根据权利要求1至4中的任一项所述的信号处理装置，

上述预测电路根据在上述时刻T1之后的时刻T3得到的上述输出信号的值V_{a_T3}，基于按与上述参数的相互不同的值对应的多个收敛值V_c的每个而不同的关系，进一步生成与在时刻T3之后的时刻T4将要得到的上述输出信号的值对应的多个预测值V_{b_T4}。

6.根据权利要求1至4中的任一项所述的信号处理装置，

上述预测电路根据在上述时刻T1之后的时刻T3得到的上述输出信号的值V_{a_T3}，基于按与上述参数的相互不同的值对应的多个收敛值V_c的每个而不同的关系，进一步生成与在上述时刻T3之后的时刻T4将要得到的上述输出信号的值对应的多个预测值V_{b_T4}，

上述推断电路求出上述多个预测值V_{b_T2}与在上述时刻T2得到的上述输出信号的上述值V_{a_T2}的误差V_{e_T2}以及上述多个预测值V_{b_T4}与在上述时刻T4得到的上述输出信号的值V_{a_T4}的误差V_{e_T4}，基于上述误差V_{e_T2}、上述误差V_{e_T4}或上述误差的累积值，生成上述测量对象的上述推断值Pe。

7.根据权利要求6所述的信号处理装置，

上述时刻T2比上述时刻T1晚规定的时间Tc，上述时刻T4比时刻T3晚上述规定的时间Tc。

8.根据权利要求7所述的信号处理装置，

上述预测电路每经过上述规定的时间Tc，根据在某时刻得到的上述输出信号的值V_{a_Tk}，生成与在从上述某时刻起上述规定的时间Tc后将要得到的上述输出信号的值对应的多个预测值V_{b_Tk+1}，并且每经过上述规定的时间Tc，根据在与上述某时刻不同的其它时刻得到的上述输出信号的值V_{a_Tm}，生成与在从上述其它时刻起上述规定的时间Tc后将要得到的上述输出信号的值对应的多个预测值V_{b_Tm+1}，其中，k为1以上的整数，m为1以上的整数，

上述推断电路求出上述多个预测值V_{b_Tk+1}与上述输出信号的值V_{a_Tk+1}的误差V_{e_Tk+1}以及上述多个预测值V_{b_Tm+1}与上述输出信号的值V_{a_Tm+1}的误差V_{e_Tm+1}，基于上述误差V_{e_Tk+1}、上述误差V_{e_Tm+1}或上述误差的累积值，生成上述测量对象的上述推断值Pe。

9.根据权利要求8所述的信号处理装置，

上述推断电路基于预先决定的期间内的上述误差的累积值，生成上述测量对象的上述推断值Pe。

10.根据权利要求1至4中的任一项所述的信号处理装置，

上述预测电路根据在上述时刻T1得到的上述输出信号的值V_{a_T1}，基于按与上述参数的相互不同的值对应的多个收敛值V_c的每个而不同的关系，进一步生成与在与上述时刻T2不同的时刻T5将要得到的上述输出信号的值对应的多个预测值V_{b_T5}，

上述推断电路求出上述多个预测值V_{b_T2}与在上述时刻T2得到的上述输出信号的上述值V_{a_T2}的误差V_{e_T2}以及上述多个预测值V_{b_T5}与在上述时刻T5得到的上述输出信号的值V_{a_T5}的误差V_{e_T5}，基于上述误差V_{e_T2}、上述误差V_{e_T5}或上述误差的累积值，生成上述测量对象的上述推断值Pe。

11.根据权利要求1至4中的任一项所述的信号处理装置，

上述预测电路将与上述输出信号的值对应的多个预测值更新。

12.根据权利要求1至4中的任一项所述的信号处理装置，

上述预测电路包含神经网络。

13.根据权利要求1至4中的任一项所述的信号处理装置，

还具有上述传感器。

14.一种信号处理方法，其特征在于，包含以下步骤：

从传感器接收输出信号V_a(T)；

在将上述输出信号V_a(T)的值变为与表示测量对象的某属性的参数的值P对应的收敛值V_c的响应时间设为Tr时，在经过响应时间Tr前的过渡响应期间，根据在时刻T1得到的上述输出信号的值V_{a_T1}，基于按与上述参数的相互不同的值对应的多个收敛值V_c的每个而不同的关系，生成与在上述时刻T1之后的时刻T2将要得到的上述输出信号的值对应的多个预测值V_{b_T2}；以及

基于在上述时刻T2得到的上述输出信号的值V_{a_T2}和上述多个预测值V_{b_T2}，生成表示上述测量对象的上述某属性的参数的推断值Pe。