JP2004130142A

JP2004130142A - 生体信号に基づいた健康管理機能を有するモバイル機器及びこれを用いた健康管理方法

Info

Publication number: JP2004130142A
Application number: JP2003351178A
Authority: JP
Inventors: Dong-Geon Kong; 孔　棟　建; Seok-Won Bang; 方　錫　元; Hyoung-Ki Lee; 李　炯　機; Kyunghwan Kim; 金　▲環▼　煥
Original assignee: Samsung Electronics Co Ltd
Current assignee: Samsung Electronics Co Ltd
Priority date: 2002-10-09
Filing date: 2003-10-09
Publication date: 2004-04-30
Also published as: EP1407713B1; DE60323717D1; US20040117212A1; EP1407713A1; US8109874B2; KR20040032451A

Abstract

【課題】　携帯及び測定の容易化を図るために、使用者が常時携帯できるモバイル機器に生体信号測定モジュールを搭載して、平常時にモバイル機器として使用し、必要時には使用者の情緒状態及び身体状態をチェックすることにより、使用者の健康を効率的に管理できるモバイル機器及びこれを用いた健康管理方法を提供すること。
【解決手段】　使用者の身体から生体信号を検出し、検出された生体信号を各信号別に分類して出力する生体信号測定モジュール１００と、生体信号測定モジュール１００から入力された生体信号と、使用者の身体情報とに基づいて使用者の情緒状態及び身体状態を分析する健康管理モジュール３００とを備える。
【選択図】　　　図２

Description

　本発明は、生体信号の測定が可能なモバイル機器及びこれを用いた健康管理方法に関し、より詳しくは、常時携帯できるモバイル機器に生体信号測定モジュールを搭載して、平常時にはモバイル機器として使用し、必要時には生体信号を測定することにより、使用者の健康状態をチェックできるモバイル機器及びこれを用いた健康管理方法に関する。

　産業社会の発展に伴い、現代人は、過重な業務による各種のストレス及び運動不足により過去に比べて、さらに多くの人が高血圧、肥満、糖尿病、心臓疾患など、種々の成人病に悩まされており、これによる死亡率は、年々増えている傾向にある。このような成人病の増加やこれによる死亡率の増加は、現代人にとって健康への関心を益々高めさせ、この流れに合わせていつでも自分の健康状態をチェックできる装置の開発が盛んに進められている。

　現在、健康状態をチェックできる代表的な健康管理装置としては、血圧計、体温計、体脂肪計などが挙げられ、これらの装置は、医療的または非医療的の目的で様々な分野で広く使用されている。

　しかし、ほとんどの血圧計、体温計、体脂肪計は、単に健康チェックのみのために、別の装置を備えなければならず、実質的に携帯して使用することは難しく、このように、携帯性が良くないことにより、継続的な健康管理が難しいという限界があった。

　このような問題を解決するためとして、韓国特許出願公開第２００２-１１７３０号明細書（公開日：２００２年２月９日）には、図１に示すように、使用者の身体から検出された心拍数及び体脂肪率に基づいて心臓の機能を診断したり、肥満度をチェックしたりする携帯通信端末機が開示されている（特許文献１）。しかし、前記携帯通信端末機においては、現代のように競争の激しい時代に生きていく現代人にとって致命的な問題となり得るストレスに対する対策は提示されてない。そこで、使用者の身体状態のみならず、精神状態の健康までも管理できる手段が求められているのが実状である。
韓国特許出願公開第２００２−１１７３０号明細書

　本発明は、上記問題点に鑑みなされたものであり、携帯や測定の容易化を図るために、使用者が常時携帯できるモバイル機器に生体信号測定モジュールを搭載して、平常時にはモバイル機器として使用し、必要時には使用者の情緒状態及び身体状態をチェックすることにより、使用者の健康を効率的に管理できるモバイル機器及びこれを用いた健康管理方法を提供することを目的とする。

　なお、本発明は、使用者が自然にモバイル機器を使用しながら自分の身体状態及び情緒状態を簡単にチェックできるモバイル機器及びこれを用いた健康管理方法を提供することを他の目的とする。

　上記の目的を達成するために、本発明に係るモバイル機器は、入力部と、表示部と、メモリ部と、中央制御部とを有するモバイル機器において、使用者の身体から生体信号（biomedical signal(s)）を検出し、検出された生体信号を各信号別に分類して出力する生体信号測定モジュールと、前記生体信号測定モジュールから入力された生体信号と、使用者の身体情報とに基づいて、使用者の情緒状態（emotional state）及び身体状態（physical condition）を分析する健康管理モジュールとを備えている構成とした。

　また、前記生体信号測定モジュールは、使用者の身体から一つ以上の生体信号を検出するセンサー部と、前記センサー部を制御し、前記センサー部から入力された生体信号を各生体信号別に分類して出力するセンサー制御部とを備えていることが好ましい。そして、前記センサー部は、心拍（heartbeat）に関連する生体信号を検出する生体信号を検出する心拍数検出センサー部（heart rate sensor）を備えている構成とした。さらに、前記心拍に関連する生体信号は、ＰＰＧ信号である構成とした。

　また、前記センサー部は、皮膚温度（skin temperature）に関連する生体信号を検出する皮膚温度センサー部を備えている構成とした。さらに、前記皮膚温度に関連する生体信号は、ＳＫＴ信号である構成とした。

　また、前記センサー部は、皮膚抵抗（skin resistance）に関連する生体信号を検出する皮膚抵抗センサー部を備えている構成とした。さらに、前記皮膚抵抗に関連する生体信号は、ＥＤＡ信号である構成とした。

　また、前記センサー部は、体脂肪率の算出に必要な身体インピーダンス（body impedance）を測定する体脂肪センサー部を備えている構成とした。

　また、前記心拍数検出センサー部、前記皮膚温度センサー部、前記皮膚抵抗センサー部、及び前記体脂肪センサー部は、それぞれ前記検出された生体信号をフィルタリングするフィルタリング部と、前記フィルタリングされた生体信号を増幅する増幅部とを備えている構成とした。

　また、前記心拍数検出センサー部、前記皮膚体温センサー部、前記皮膚抵抗センサー部、及び前記体脂肪センサー部は、それぞれ使用者がモバイル機器を把持するとき、モバイル機器の、使用者の手が接触する位置に設けられている構成とした。

　また、前記センサー制御部は、使用者の身体から検出された生体信号において使用者によるバラツキ（user-to-user variation）の補正を行う構成とした。

　また、前記生体信号測定モジュールは、モバイル機器に着脱可能に構成されている構成とした。そして、前記生体信号測定モジュールは、モバイル機器を収容できるケース状に構成されている構成とした。

　また、前記健康管理モジュールは、前記生体信号測定モジュールから入力された生体信号を分析して使用者の情緒状態を判断する情緒状態分析部と、前記生体信号測定モジュールから入力された生体信号と、使用者の身体情報とに基づいて使用者の身体状態を分析する身体状態分析部とを備えている構成とした。

　また、前記情緒状態分析部は、前記使用者の身体から検出された生体信号の特徴を分析する特徴分析部と、前記特徴分析部で分析された結果と、使用者の情緒状態を判断するときに基準となる特徴値との差を求める減算部と、前記減算部で求められた特徴値間の差を分析して、使用者の情緒状態を分類し、分類された情緒のうち、特定の情緒に対する指数及びレベルを計算して出力するＳＶＭユニットとを備えている構成とした。

　また、前記特徴分析部は、ＰＰＧ信号を受信して、心拍信号を検出し、前記心拍信号に関連する特徴値を抽出する心拍分析部と、ＥＤＡ信号を受信して、皮膚伝導反応（skin conductive response）に関連する特徴値を抽出する皮膚伝導反応分析部と、ＳＫＴ信号を受信して、皮膚温度に関連する特徴値を抽出する皮膚温度分析部とを備えている構成とした。

　また、前記心拍分析部は、前記ＰＰＧ信号を受信して、心拍信号を検出し、検出された前記心拍信号を心拍数変異性（heart rate variation）の時系列信号に変換する心拍検出部と、前記心拍数変異性の時系列信号に応答して前記心拍信号のスペクトルを分析するスペクトル分析部と、前記心拍数変異性の時系列信号に応答して前記心拍信号の平均値と標準偏差の値とを計算する平均／標準偏差計算部とを備えている構成とした。

　また、心拍検出部は、前記ＰＰＧ信号に存在する特定の帯域の信号を抽出するバンドパスフィルタと、前記バンドパスフィルタのフィルタリング結果に存在するノイズを除去するメジアンフィルタ（median filter）と、前記バンドパスフィルタのフィルタリング結果に、前記メジアンフィルタのフィルタリング結果の逆数を加え、前記二つのフィルタリング結果間に存在する差を計算する加算部と、前記加算部の出力信号から前記心拍信号を抽出する整合フィルタ（matched filter）と、前記心拍信号に対するゼロクリッピングを行うゼロクリッパーとを備えている構成とした。

　また、前記減算部は、前記使用者の情緒状態を判断するときに基準となる特徴値として、使用者の平常時の情緒に対する特徴値を使用する構成とした。

　また、前記ＳＶＭユニットは、前記減算部で求められた特徴値間の差を分析して、使用者の情緒状態を複数のカテゴリに分類するＳＶＭ分類器と、前記ＳＶＭ分類器で分類された複数の情緒状態のうち、特定の情緒状態に関連する値を選択して、前記特定の情緒状態に対する指数及びレベルを計算して出力する情緒状態判断部とを備えている構成とした。そして、前記ＳＶＭユニットは、前記ＳＶＭ分類器を学習させるための複数の情緒データと、前記情緒データに基づく前記ＳＶＭ分類器の学習結果とを格納するデータベースとをさらに備えている構成とした。

　また、前記身体状態分析部は、生体信号測定モジュールにより検出された身体インピーダンスの値と、使用者の身長、体重、年齢及び性別とから体脂肪率を計算する体脂肪率計算部と、前記生体信号測定モジュールによって検出された運動前後の平均心拍数及び体脂肪率に基づいて運動によるカロリー消費量を計算するカロリー消費量計算部とを備えている構成とした。

　また、上述した目的を達成するために、モバイル機器を用いた健康管理方法は、使用者の身体から生体信号を検出するステップと、前記検出された生体信号を各信号別に分類するステップと、前記分類された信号と、使用者の身体情報とに基づいて、前記使用者の情緒状態及び身体状態を分析するステップとを含む構成とした。

　また、使用者が、生体信号測定モジュールを備えたモバイル機器で健康管理メニューを選択するステップと、使用者が情緒状態測定を選択した場合、前記モバイル機器で前記生体信号を検出するための生体信号測定モジュールが起動するステップとをさらに含む構成とした。

　さらに、前記使用者の情緒状態及び身体状態を分析するステップは、前記検出された生体信号を分析して、使用者の情緒状態の判断に使用される複数の特徴値を抽出するステップと、前記抽出された複数の特徴値と、情緒状態の判断の基準となる特徴値との間の差を計算するステップと、前記計算された特徴値の差によるＳＶＭ分類に基づく各情緒によって、使用者の情緒状態を分類するステップとを含む構成とした。

　また、前記分類されたそれぞれの情緒のうち、選択された情緒に関連する値を選択して、情緒状態の指数及びレベルを計算し、計算された情緒状態の指数及びレベルをモバイル機器の表示部に表示するステップをさらに含む構成とした。

　また、前記使用者の身体から検出された生体信号は、心拍に関連する生体信号を含む構成とした。そして、前記心拍に関連する生体信号は、ＰＰＧ信号である構成とした。

　また、前記使用者の身体から検出された生体信号は、皮膚温度に関連する生体信号を含む構成とした。そして、前記皮膚温度に関連する生体信号は、ＳＫＴ信号である構成とした。

　また、前記使用者の身体から検出された生体信号は、皮膚抵抗に関連する生体信号を含む構成とした。そして、前記皮膚抵抗に関連する生体信号は、ＥＤＡ信号である構成とした。

　また、前記使用者の身体から検出された生体信号は、フィルタリング部を通してフィルタリングされてから、増幅部で増幅される構成とした。

　また、前記使用者の身体から検出された生体信号において、使用者によるバラツキの補正を行うステップをさらに含む構成とした。

　また、前記生体信号に使用者によるバラツキの補正を行うステップは、使用者の身体が生体信号測定モジュールに接触しているかを判断するステップと、使用者の身体が接触している場合、前記検出された生体信号において、使用者によるバラツキの補正が必要なのかを判断するステップと、使用者によるバラツキの補正が必要と判断された場合、前記検出された生体信号の値が最大限界レベルを超えるかをチェックして、最大限界レベルを超える場合、増幅部のゲインを減少させるステップと、前記検出された生体信号の値が最大限界レベル以下である場合、前記検出された生体信号値が最小限界レベル以下であるかをチェックして、最小限界レベル以下である場合、増幅部のゲインを増加させるステップと、を含む構成とした。

　また、前記生体信号を分析して、情緒状態の判断に使用される複数の特徴値を抽出するステップは、前記ＰＰＧ信号を受信して、心拍信号を検出し、前記心拍信号に関連する特徴値を抽出するステップと、前記ＥＤＡ信号を受信して、皮膚伝導反応に関連する特徴値を抽出するステップと、前記ＳＫＴ信号を受信して、皮膚温度と関連する特徴値を抽出するステップと、を含む構成とした。

　また、前記使用者の情緒状態の判断の基準となる特徴値は、使用者の平常時の情緒に対する特徴値である構成とした。

　また、前記使用者の情緒状態を各情緒別に分類するステップは、統計的学習理論（statistical learning theory）に基づいて使用者の情緒状態を複数のカテゴリに分類するＳＶＭ分類器を使用する構成とした。

　また、前記生体信号測定モジュールは、モバイル機器に着脱可能な構成とした。そして、前記生体信号測定モジュールは、モバイル機器を収容できるケース状である構成とした。

　また、使用者が体脂肪測定を選択した場合、前記モバイル機器に搭載された生体信号測定モジュールで体脂肪センサー部が起動するステップと、前記体脂肪センサー部を介して使用者の身体から身体インピーダンスを測定するステップと、前記測定された身体インピーダンスと、使用者の身体情報とに基づいて身体の体脂肪率を計算し、計算された体脂肪率が表示部に表示されるステップと、をさらに含む構成とした。

　また、使用者がカロリー消費量測定を選択した場合、前記生体信号測定モジュールで心拍数センサー部及び体脂肪センサー部が起動するステップと、前記心拍数センサー部及び体脂肪センサー部によって使用者の身体から運動前後の心拍信号及び身体インピーダンスを測定するステップと、前記運動前後の心拍信号及び身体インピーダンスを分析して、運動前後の平均心拍数及び体脂肪率を計算し、計算された運動前後の平均心拍数及び体脂肪率と、運動時間と、使用者の身体情報とに基づいて運動によるカロリー消費量を計算し、計算されたカロリー消費量を表示部に表示するステップと、をさらに含む構成とした。

　また、使用者が履歴管理を選択すると、所望する期間の測定結果を表示部に表示するステップをさらに含む構成とした。

　本発明によれば、使用者は、モバイル機器を用いて、いつでもどこでも自分の情緒状態及び身体状態を簡単にチェックすることが可能となり、健康をチェックする時間が足りない現代人が、自分の健康状態をより容易に管理することができるという効果がある。

　さらに、本発明によれば、使用者がモバイル機器を使用する自然な操作を通じて自分の情緒状態及び身体状態を簡単にチェックできるという効果がある。

　さらに、本発明によれば、使用者の大きい関心を集められる機能をモバイル機器に付加して、サービスの差別化を図ることが可能である。この結果、モバイル機器メーカは、種々の身体状態測定器と連動できる端末機を製造して、収益を増大することができる効果がある。

　以下、本発明に係るモバイル機器及び健康管理方法の好ましい実施形態について、添付図面に基づいて詳しく説明する。

　図２は、本発明に係るモバイル機器の概略ブロック図である。図２に示すように、本発明に係るモバイル機器４００は、生体信号測定モジュール１００、入力部２１０、表示部２２０、メモリ部２３０、中央制御部２４０、及び健康管理モジュール３００を備えている。モバイル機器は、平常時にはモバイル機器として使用され、必要時には、生体信号測定モジュール１００と、健康管理モジュール３００とにより使用者の健康状態をチェックできる機器として使用されるようになっている。

　本発明に係るモバイル機器４００は、無線通信機器としても使用できる。この場合には、無線で音声や文字を送受信できる無線通信部２５０をさらに備えていても良い。つまり、本発明の実施形態に係るモバイル機器４００は、携帯可能な電子機器、例えば、ＰＤＡ（Personal Digital Assistants）、パームトップコンピュータ（Palm-Top PC）、携帯型コンピュータ（Handheld PC）、ＰＣＳ（Personal Communication Service）電話、セルラーフォン、ＩＭＴ-２０００端末機などとして理解され得る。

　さらに、本発明に係るモバイル機器４００に他の外部機器を接続して使用することも可能である。この場合には、モバイル機器４００は外部機器とのデータ送受信のためのインタフェース部２６０をさらに備えていても良い。

　生体信号測定モジュール１００は、使用者の身体から一つ以上の生体信号を検出するセンサー部１５０と、前記センサー部１５０を制御し、センサー部１５０から入力された生体信号を各信号別に分類して出力するセンサー制御部１７０とを備えている。

　入力部２１０は、キーパッド、スクロールボタン、数字パッドなどを介して数字や記号、韓国語や英語などの文字を入力するようになっている。モバイル機器として使用するときには、使用者は、入力部２１０を通じて、電話番号の数字や記号の入力、通話、終了などの種々の機能を使用することができる。さらに健康管理装置として使用するときには、使用者は、入力部２１０を通じて、自分の身長、体重、年齢、性別などを入力することができる。

　表示部２２０は、使用者が入力した数字や文字を画面に表示したり、生体信号測定モジュール１００から測定された使用者の生体信号データを画面に表示したりする。

　メモリ部２３０は、電話番号を含む種々のデータに加え、使用者の身体情報、モバイル機器使用法、及び一般的な健康情報を格納している。

　中央制御部２４０は、モバイル機器４００の全体の動作を制御している。必要時には、中央制御部２４０は、生体信号測定モジュール１００を通じて生体信号を測定してから、測定された生体信号を、健康管理モジュール３００を用いて分析し、使用者の健康状態をチェックする。

　無線通信部２５０は、無線で音声や文字データの送受信を行うように機能しており、無線通信端末機分野で一般に使用されている無線通信部とその構成及び動作が同様であるので、この詳細の説明を省略する。

　インタフェース部２６０は、モバイル機器に接続された外部機器からデータを受信し、この入力データを中央制御部２４０に出力する。前記生体信号測定モジュール１００がモバイル機器に搭載されている場合には、生体信号測定モジュール１００から入力された使用者の生体信号を中央制御部２４０に出力する。
　このとき、インタフェース部２６０は、ＲＳ２３２Ｃなどの通信プロトコルを使用して、生体信号測定モジュール１００との間の信号の送受信を行うが、これは信号伝送方法の一例にすぎず、回路の構成によって様々な通信プロトコルを使用しても良い。

　以下、図３を参照して、前記生体信号測定モジュール１００の構成についてより詳しく説明する。

　図３は、図２の生体信号測定モジュール１００の内部構成図である。図３に示すように、生体信号測定モジュール１００は、使用者の身体から一つ以上の生体信号を検出するためのセンサー部１５０と、前記センサー部１５０を制御したり、センサー部１５０から入力された生体信号を各信号別に分類して出力したりするセンサー制御部１７０とを備えている。

　一般に、心理的安定状態では、心拍（heartbeat）が遅くなり、末梢血管が広がって皮膚温度（skin temperature）が上昇し、皮膚抵抗（skin resistance）が増加する。反面、興奮したり、ストレスを受けたりすると、心拍が速くなり、血液が皮膚から筋肉に移動して体温が低下し、皮膚抵抗が減少する傾向を示す。このような心拍、皮膚温度、皮膚抵抗の変化は、ストレスのレベルを決定するための重要な要素として認められている。

　従って、本発明の実施形態においては、使用者のストレスのレベルをチェックするために、感情の変化に素早く反応し、使用者の皮膚にあらわれる心拍、皮膚温度、皮膚抵抗を測定しており、このために、生体信号測定モジュール１００のセンサー部１５０は、心拍に関連する生体信号を検出する心拍数センサー部（heart rate sensor）１１０と、皮膚温度に関連する生体信号を検出する皮膚温度センサー部１２０と、皮膚抵抗に関連する生体信号を検出する皮膚抵抗センサー部１３０とを備えている。

　本発明の実施形態においては、心拍数センサー部１１０は、心拍による血管の太さの変化に応じる血流量の変化を測定するＰＰＧ（Photoelectric pulse PlethysmoGraph）センサー部１１１を備えていることが好ましい。また、皮膚温度センサー部１２０は、温度の変化に応じて抵抗値が変わることにより、皮膚温度ＳＫＴ（SKin Temperature）を測定するサーミスタ（thermistor）のようなＳＫＴセンサー部１２１を備えていることが好ましい。また、皮膚抵抗センサー部１３０は、皮膚に直接的、間接的に接触する電極及びこの電極と連結される比較器を用いて、皮膚から排泄される汗の影響で変化する皮膚抵抗を測定するＥＤＡ（ElectroDermal Activity）センサー部１３１を備えていることが好ましい。更に好ましくは、前記ＥＤＡセンサー部の代わりに皮膚電気抵抗ＧＳＲ（Galvanic Skin Resistance）を測定するＧＳＲセンサー部を備えていても良い。

　本発明の好ましい実施形態においては、心拍数センサー部１１０、皮膚温度センサー部１２０、及び皮膚抵抗センサー部１３０のそれぞれは、検出された生体信号をフィルタリングするフィルタリング部１１２、１２２、１３２と、フィルタリングされた生体信号を増幅する増幅部１１３、１２３、１３３とを備えている。

　一方、前記センサー部１５０で検出された生体信号の使用者によるバラツキ（user-to-user variation）は、反応感度及び測定環境によって大きく変化するため、使用者のストレスのレベルが正確に測定されない場合もある。

　特に、前記皮膚抵抗センサー部１３０では、長時間の間、使用者の皮膚抵抗Ｒ_hを測定できるように、ＥＤＡセンサー部１３１にニッケル電極を使用している。このような場合には、このニッケル電極は、従来のＡｇ/ＡｇＣｌ電極よりも耐久性に優れているものの、ニッケル電極を介して測定された皮膚抵抗値Ｒ_hは、個人によってＤＣ値でバラツキが極めて甚だしく表れるという問題点がある。例えば、図４に示すように、Ａという人は、皮膚が乾燥していて、皮膚抵抗Ｒ_hが１.５〜２.０ＭΩの抵抗値を有するのに対し、Ｂという人は、皮膚が湿っぽく、汗の分泌が多くて、０.５〜１.０ＭΩの抵抗値Ｒ_hを有する場合が考えられる。それゆえ、このような皮膚抵抗Ｒ_hの変化があっても、使用者の情緒状態が正確に反映されたものと認められない。したがって、測定初期化段階で皮膚抵抗の使用者によるバラツキの補正を必要とする。

　このために、生体信号測定モジュール１００のセンサー制御部１７０は、ＥＤＡセンサー部１３１から増幅部１３３を経て出力された電圧値Ｖ₀に応じて増幅部１３３のゲインを減少または増加させて、皮膚抵抗における使用者間の変化量を補正する。以下、図５を参照してセンサー制御部１７０のバラツキ補正（variation correction）について、より詳しく説明する。

　図５に示すように、ＥＤＡセンサー部１３１で測定された電流をi、使用者の皮膚抵抗をＲ_h、増幅部１３３のゲインを制御する可変抵抗をＲとすると、センサー制御部１７０に入力される電圧値Ｖ₀は、次のような関係式に表わされる。
　Ｖ₀＝（Ｒ_h＋Ｒ）×ｉ＝（Ｒ_h×ｉ）＋（Ｒ×ｉ）
　ここで、（Ｒ_h×ｉ）＝０．５Ｖであるため、上記の関係式は、次のように表わされる。
　Ｖ₀＝０．５＋０．５×Ｒ／Ｒ_h

　このように、Ｖ₀∝Ｒの関係が満たされる。すなわち、センサー制御部１７０に入力される電圧値Ｖ₀は、可変抵抗Ｒの値と比例関係にある。したがって、可変抵抗Ｒの値を減少させると、電圧値Ｖ₀が減少し、逆に可変抵抗Ｒの値を増加させると、電圧値Ｖ₀が増加する。

　このような原理を利用してセンサー制御部１７０は、入力された電圧値Ｖ₀が最大限界電圧以上の場合、可変抵抗Ｒの値を減少させ、即ち、増幅部１３３のゲインを減少させて電圧値Ｖ₀を減少させるに対し、入力された電圧値Ｖ₀が最小限界電圧以下の場合、可変抵抗Ｒの値を増加させ、即ち、増幅部１３３のゲインを増加させて電圧値Ｖ₀を増加させる。

　このようなセンサー制御部１７０の使用者によるバラツキの補正により、増幅部１３３から出力される電圧値Ｖ₀は、最小限界電圧以上、最大限界電圧以下に保たれるようになる。したがって、使用者の情緒状態の変化が正確に反映された生体信号を検出することが可能となる。

　本発明の実施形態においては、使用者の情緒状態を判断するための反応因子として、心拍、皮膚温度及び皮膚抵抗を測定したが、これらの生体信号のうち、いずれか一つまたは二つの要素のみを測定することも可能である。しかし、より正確に使用者の精神状態を判断するためには、それらの三つの要素をいずれも測定することが好ましい。

　また図３によると、生体信号測定モジュール１００のセンサー部１５０は、使用者の体脂肪を測定できるように、体脂肪率の算出に必要な身体インピーダンス（body impedance）を測定する体脂肪センサー部１４０を備えている。

　体脂肪率とは、身体のうち脂肪の占める割合をいう。適度な体脂肪は身体器官を保護したり、熱を遮断したり、体温を保持したりするために、必須に必要とされる。しかし、過度の体脂肪は、スムーズな新陳代謝を妨げ、老化現象の増進や、高脂血症、動脈硬化、高血圧、糖尿病などの成人病の主要因子となる。したがって、適度な体脂肪率を維持することは、健康を保つ上で非常に重要であるといえる。

　体脂肪センサー部１４０は、使用者の身体表面に接触された電極に微小な交流電流を流し、この電極両端の電圧を測定して身体インピーダンスを測定するインピーダンスセンサー部１４１を備えている。インピーダンスセンサー部１４１で測定された身体インピーダンスは、第１の増幅部１４２で増幅された後、フィルタリング部１４３を通してフィルタリングされ、第２の増幅部１４４でさらに増幅されてからセンサー制御部１７０に入力される。

　体脂肪センサー部１４０で測定された身体インピーダンスと、使用者の身体情報（性別、年齢、身長、体重）とに基づき、インピーダンス法（impedance method）によって体脂肪率を計算できる。ここで、インピーダンス法とは、身体の制限組織（無脂肪の組織、fat-free tissue）は、多量の水分を含んでいるため（電解液を含み、７２〜７３％）電気を通しやすいが、脂肪組織は、水分をほとんど含んでおらず、組織自体が絶縁となっており、電気を通さないという原理を利用して、体内の電気抵抗を測定し、測定された電気抵抗に基づいて体脂肪率を計算する方法である。

　一方、生体信号測定モジュール１００は、携帯や測定の容易化を図るための形態に構成されていることが好ましい。以下、生体信号測定モジュール１００の具現化方法について、図６乃至図８を参照してより詳しく説明する。

　図６は、本発明に係るモバイル機器の一実施形態を示す図である。図７は、図６に示すモバイル機器から生体信号測定モジュールが分離された状態を示す図である。図８は、本発明に係るモバイル機器を用いて生体信号を測定することを説明するための図である。

　前記生体信号測定モジュール１００は、携帯の便利性を図るために、モバイル機器に着脱可能に搭載された構成であることが好ましい。例えば、図６及び図７に示すように、モバイル機器を収容可能な収納空間を有するケース状である構成であっても良い。

　生体信号測定モジュール１００をケース状に構成した場合には、生体信号測定モジュール１００の全体の外形は、モバイル機器に対応する形状とし、前面部は、表示部２２０が露出するように開口していることが好ましい。ケース状に構成された生体信号測定モジュール１００にモバイル機器を挿入すると、インタフェース部２６０を介して生体信号測定モジュール１００とモバイル機器とが電気的に接続されながら生体信号測定モジュール１００がモバイル機器の外側に密着して取り付けられる。

　なお、生体信号測定モジュール１００を首掛け型にして、モバイル機器に着脱可能な構成としても良く、モバイル機器に組み込む形態に構成しても良い。

　一方、図７及び図８に示すように、生体信号測定モジュール１００においては、測定の容易化を図るために、ＰＰＧセンサー部１１１は、使用者がモバイル機器４００を自然に把持したとき、親指が置かれる位置に設けられ、ＳＫＴセンサー部１２１は、人差し指または中指が置かれる位置に設けられ、ＥＤＡセンサー部１３１は、ＰＰＧセンサー部１１１及びＳＫＴセンサー部１２１の直下、即ち、モバイル機器４００を自然に把持したとき、親指の下部と、人差し指または中指の下部とが置かれる位置に設けられることが好ましい。さらに、インピーダンスセンサー部１４１において、二つの電極は、生体信号測定モジュール１００の背面に設けられ、残りの二つの電極は、生体信号測定モジュール１００の前面に設けられることによって、モバイル機器４００を把持したとき、後面の二つの電極は、掌に接触されるようにし、前面の二つの電極は、指（例えば、人差し指や中指）に接触されるようにすることが好ましい。

　つまり、使用者がモバイル機器４００を把持するだけで、指または掌がＰＰＧセンサー部１１１、ＳＫＴセンサー部１２１、ＥＤＡセンサー部１３１、及びインピーダンスセンサー部１４１に接触することになり、使用者がモバイル機器４００を自然に把持する動作により使用者の生体信号を簡単に検出することができる。

　また図２によると、健康管理モジュール３００は、使用者の身体情報や、生体信号測定モジュール１００から入力された生体信号データに基づいて、使用者の情緒状態（emotional state）及び身体状態（physical condition）を分析するようになっている。以下、図９を参照して健康管理モジュール３００についてより詳しく説明する。

　図９は、図２の健康管理モジュール３００の内部構成図である。図９に示すように、健康管理モジュール３００は、生体信号測定モジュール１００から入力された生体信号データと、メモリ部２３０に格納された使用者の身体情報とに基づいて、情緒状態及び身体状態を分析する情緒状態分析部３５０及び身体状態分析部３７０とを備えている。

　情緒状態分析部３５０は、使用者の身体から測定された生体信号の特徴を分析して、その分析の結果と、使用者の平常時の情緒を示す特徴値との差の値によって情緒を認識し、認識された情緒に基づいてストレスに対する指数及びレベルを出力する。このような情緒認識アルゴリズムについては、韓国特許出願第２００２−３８６８号明細書（「生理信号の短時間モニタリングによる使用者情緒認識装置及び方法」）に詳しく説明されており、以下、本発明の理解のために、これについて簡単に説明する。

　情緒状態分析部３５０は、生体信号測定モジュール１００から測定された生体信号の特徴を分析する特徴分析部３１０と、特徴分析部３１０で分析された結果と、使用者の平常時の情緒を示す特徴値との差を求める減算部３２０と、減算部３２０で求められた特徴値の差を分析して情緒状態を分類し、分類された情緒の中で選択された情緒状態に対する指数及びレベルを計算して出力するＳＶＭ（Support Vector Machine）ユニット３３０とを備えている。

　特徴分析部３１０は、ＰＰＧ信号を受信して、心拍を検出し、心拍に関連する特徴値を抽出する心拍分析部３１１と、ＥＤＡ信号を受信して皮膚伝導反応ＳＣＲ（Skin Conductive Response）に関連する特徴値を抽出するＳＣＲ分析部３１５と、ＳＫＴ信号を受信してＳＫＴに関連する特徴値（即ち、ＳＫＴの平均値（Mean）及び最大値（Max））を抽出するＳＫＴ　Ｍｅａｎ／Ｍａｘ計算部３１８とを備えている。

　心拍分析部３１１は、ＰＰＧ信号を受信して心拍を検出する心拍検出部３１２と、検出された心拍信号（Det）のスペクトルを分析するスペクトル分析部３１３と、検出された心拍信号（Det）の平均値（Mean）及び標準偏差Ｓｔｄ（Standard deviation）を求めるＭｅａｎ／Ｓｔｄ計算部３１４とを備えている。さらに、ＳＣＲ分析部３１５は、ＥＤＡ信号を受信してＳＣＲを検出するＳＣＲ検出部３１６と、ＳＣＲの大きさ（amplitude）などのようなパラメータを計算するＳＣＲ計算部３１７とを備えている。

　図１０は、図９の心拍検出部３１２を示す詳細構成図である。図１１は、心拍信号の分析に使用されるＰＰＧ信号の一例を示す図である。

　図１０に示すように、本発明に係る心拍検出部３１２は、バンドパスフィルタ３４０と、メジアンフィルタ（median filter）３４１と、加算部３４２と、整合フィルタ（Matched Filter）３４３と、ゼロクリッパ（zero clipper）３４４とを備えている。

　バンドパスフィルタ３４０は、ＰＰＧ信号が入力されると、ＰＰＧ信号に存在する特定の帯域の信号を抽出する。また、メジアンフィルタ３４１は、バンドパスフィルタリングされた信号に存在するノイズを除去する。加算部３４２は、バンドパスフィルタリングされた結果にメジアンフィルタリングされた結果の逆数を加えて、二つのフィルタリングされた結果に存在する差を求める。加算部３４２で求められた二つのフィルタリングされた結果間の差は、整合フィルタ３４３に入力され、ＰＰＧ信号に含まれる特定の信号(即ち、心拍信号)を抽出する。整合フィルタ３４３から抽出された特定の信号は、ゼロクリッパ３４４でゼロクリッピング過程を経た後、心拍信号（Det）として出力される。ここで、整合フィルタ３４３のパラメータは、必要時にアップデートすることができる。かかる構成の心拍検出部３１２によると、図１１に示すＰＰＧ信号の、矢印で指し示された部分が心拍信号（Det）として抽出される。

　図１２は、図１１に示す心拍検出部３１２で求められた心拍信号（Det）から心拍数変異性ＨＲＶ（Heart Rate Variability）の時系列（time series）を求める過程を示す図である。

　図１２に示すように、得られたＰＰＧ信号１２００を拡大すると、符号１２１０の波形と同様の波形が示される。ＰＰＧ信号は、符号１２１０の波形と同様に周期的なパルス示しているが、このパルスは、最大値部分のＲと、Ｒを中心に左右に位置した最小値部分のＱ、ＳからなるＱＲＳ波形を示す。

　図１２の波形１２１０の矢印部分が心拍信号の最大値部分のＲ波形となり、この部分が図１０の心拍検出部３１２によって抽出されてＰＰＧ信号の瞬間Ｒ-Ｒ波形１２３０を示すようになる。この瞬間Ｒ-Ｒ波形１２３０に移動平均補間法（moving average interpolation）を適用すると、１２５０のような心拍変化率ＨＲＶの時系列（time series）が抽出される。このような心拍変化率の時系列１２５０を求める方法は、Ｒ.Ｄ.Ｂｅｒｇｅｒらにより１９８６年、ＩＥＥＥ　Ｔｒａｎｓ.Ｂｉｏｍｅｄ.Ｅｎｇ．、Ｖｏｌ.３３に発表された論文、「An efficient algorithm for spectral analysis of heart rate variability」に開示されている。このような心拍変化率ＨＲＶ信号は、交感神経系/副交感神経系の活性の程度を定量的に決定するために用いられる指数となる。

　また図９によると、図１０の心拍検出部３１２で求められた心拍信号（Det）は、図１２に示す方法によって心拍数変異性ＨＲＶの時系列に変換されてから、スペクトル分析部３１３及びＭｅａｎ/Ｓｔｄ計算部３１４に入力される。

　スペクトル分析部３１３では、与えられた時系列に対して、種々の次数のＡＲ（AutoRegressive）、ＭＡ（Moving Average）、ＡＲＭＡ（AutoRegressive Moving Average）モデルを推定した後、推定誤差を表す指数が最小となる特定の次数の特定のモデルを選択して、最適の時系列モデルを選定し、選択された最適のモデルからスペクトルを求めるＡＲＭＡｓｅｌアルゴリズムを使用して、心拍変化率ＨＲＶのスペクトルを分析する。このために使用される推定誤差の指数や各時系列モデルの推定方法は、Ｐ.Ｍ.Ｔ.Ｂｒｏｅｒｓｅｎにより２０００年、ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ　ａｎｄ　ｍｅａｓｕｒｅｍｅｎｔ、ｖｏｌ.４９、ｎｏ.４、ｐｐ.７６６−７７２に発表された論文、「Fact and fiction in spectral analysis」に詳しく説明されている。

　このような心拍数変異性ＨＲＶの周波数領域のパラメータは、既に、以前の多くの研究において重要とされており、生理心理学的研究においても重要な指数として取り扱われている。

　本発明に係るスペクトル分析部３１３では、数分から２４時間にわたる長い信号を対象とする従来のピリオドグラム（periodogram）方法の代わりに、ＡＲＭＡｓｅｌアルゴリズムを使用して、５０秒程度の短い時間で信号の観測を行い、心拍変化率（ＨＲＶ）のスペクトルを分析している。スペクトル分析部３１３により分析された結果は、減算部３２０に使用者の情緒状態を判断するための特徴値として伝達される。

　一方、心拍検出部３１２から心拍数変異性（ＨＲＶ）の時系列信号を受信したＭｅａｎ／Ｓｔｄ計算部３１４は、与えられた時系列に対する平均（Mean）及び標準偏差（Std）を計算し、これらを減算部３２０に使用者の情緒状態を判断するための特徴値として伝達する。

　次に、図９の特徴分析部３１０に備えられたＳＣＲ分析部３１５の詳細構成及び動作について説明する。

　図１３は、皮膚伝導反応（ＳＣＲ）の検出に使用されるＥＤＡ信号の波形を示すグラフである。図１３には、使用者から発生したＥＤＡ信号の波形１６００と、ＥＤＡ信号の波形１６００のうち、ＳＣＲの特性が抽出される部分の拡大波形１６１０とが示されている。１６００及び１６１０で示された信号は、ＳＣＲ分析部３１５に備えられたＳＣＲ検出部３１６に入力される。

　図１４は、図９のＳＣＲ検出部３１６の構成を示す図である。

　図１４によると、ＥＤＡ信号を受信して、皮膚伝導反応（ＳＣＲ）を検出するＳＣＲ検出部３１６は、ダウンサンプラ（down-sampler）３４５、微分器（differentiator）３４６、及び平滑化畳み込みユニット（smoothing convolution unit）３４７を備えている。

　ダウンサンプラ３４５は、入力されたＥＤＡ信号を１０ないし１２個のデータにダウンサンプリングする。微分器３４６は、ダウンサンプリングされた結果を微分し、平滑化畳み込みユニット３４７は、長さ２０のバートレットウィンドウを使用して、微分結果の平滑化畳み込みを行う。このようなＳＣＲ検出部３１６によると、入力されたＥＤＡ信号は、離散ＳＣＲデータ（discrete ＳＣＲ data）型で出力される。

　ＳＣＲ検出部３１６により得られた離散ＳＣＲデータは、ＳＣＲ分析部３１５に備えられたＳＣＲ計算部３１７に入力され、一定時間の間のＳＣＲ発生頻度（frequency of ＳＣＲ for a predetermined period of time）、ＳＣＲの大きさ（ＳＣＲ amplitude）、及びＳＣＲ上昇時間（ＳＣＲ rise time）などの特徴値を発生する。ＳＣＲ計算部３１７で求められたＳＣＲ特徴データ（即ち、ＳＣＲ発生頻度、ＳＣＲの大きさ、ＳＣＲ上昇時間など）は、図９に示すように、減算部３２０にそれぞれ入力される。

　次に、図９に示す特徴分析部３１０のＳＫＴ　Ｍｅａｎ／Ｍａｘ計算部３１８の詳細構成及び動作について説明する。

　図１５は、皮膚温度の変化を検出するときに使用されるＳＫＴ信号の波形を示す図である。図１６は、図９のＳＫＴ　Ｍｅａｎ／Ｍａｘ計算部の構成を示すブロック図である。

　図１６によると、ＳＫＴ　Ｍｅａｎ／Ｍａｘ計算部３１８は、ダウンサンプラ３４８と、Ｍｅａｎ/Ｍａｘ計算器３４９とを備えている。ＳＫＴ　Ｍｅａｎ/Ｍａｘ計算部３１８は、図１５に示すようなＳＫＴ信号を受信して、受信した信号を１００個程度のデータにダウンサンプリングし、ダウンサンプリングされたデータの平均値Ｍｅａｎ＿ＳＫＴ及び最大値Ｍａｘ＿ＳＫＴをＳＫＴの特徴データとして発生する。

　上述のように、特徴分析部３１０に備えられた心拍分析部３１１、ＳＣＲ分析部３１５、及びＳＫＴ　Ｍｅａｎ／Ｍａｘ計算部３１８において、使用者により入力された複数個の生体信号から使用者の情緒認識に必要な特徴値が抽出されると、前記特徴値は、減算部３２０及びＳＶＭユニット３３０に順次入力されて使用者の情緒を認識することが可能となる。

　また図９によると、減算部３２０には、使用者の情緒認識の基準となる特徴値として使用者の平常時情緒状態に対する特徴値（Feature1'-Feature4'）が格納されている。減算部３２０は、特徴分析部３１０に備えられた心拍分析部３１１、ＳＣＲ分析部３１５、及びＳＫＴ　Ｍｅａｎ/Ｍａｘ計算部３１８から入力される複数個の特徴値（Feature1-Feature4）と、使用者の平常時情緒状態に対する特徴値（Feature1'-Feature4'）との差を求め、これをＳＶＭユニット３３０に伝送する。

　ＳＶＭユニット３３０は、学習（training）し、減算部３２０から出力された特徴値の差に応じて使用者の情緒状態を分類（classifying）するＳＶＭ分類器（Support Vector Machine Classifier）３３２と、ＳＶＭ分類器３３２によって学習された結果を格納するデータベース３３４と、ＳＶＭ分類器３３２で分類された複数個の情緒状態値のうち、ストレスの指数及びレベルを判断して出力する情緒状態判断部３３６とを備えている。

　ＳＶＭ分類器３３２のように使用者の情緒を分類するときに使用されるパターン分類器は、一般に、特定の情緒状態を示す特徴ベクトルが多次元空間上に一つの確率分布を形成しており、各状態に該当する確率密度関数が知られてさえいれば、２０００年、Ｒ.Ｏ.Ｄｕｄａ、Ｐ.Ｅ.Ｈａｒｔ及びＤ.Ｇ.ＳｔｏｃｋによりＷｉｌｅｙから出版されたＰａｔｔｅｒｎ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ、２ｎｄ　ｅｄ.で述べられたＢａｙｅｓ’の法則によって統計的に最適の分類器となりうる。

　しかし、実際には確率密度関数を正確に知ることは不可能であるため、制限された数のデータによる学習によってＢａｙｅｓ’の法則に相応する規則を含蓄的に具現するパーゼンウィンドウ分類器（Parzen window classifier）、多重パーセプトロン（multilayer perceptron）などが主に使用されている。ところで、このような従来の分類器は、一般化(generalization)特性が良くないことから、学習に使用されていない新しいデータに対しては、誤動作率が極めて高いという問題点がある。その他にも、従来のパターン分類器は、特徴ベクトルの分布が非常に広く、異なる状態に該当する分布間の重なり部分が大きい。このようなことから、誤動作率が高くなる可能性が極めて高い。そこで、上記問題点を解決するために、本発明では、高い一般化特性を示すものとして知られているＳＶＭ分類器３３２を情緒認識のためのパターン分類器として使用する。

　ＳＶＭ分類器３３２は、高次元への非線形的なマッピング（multidimentional nonlinear mapping）により線形的分離可能性（linear separation possibilities）を高めることができる。ＳＶＭ分類器３３２は、Ｖａｐｎｉｋの統計的学習理論（statistical learning theory）に基づいて最適の一般化性能（generalization performance）を有する線形分離器を具現する方法に基づいて構成されている。このような特性を有するＳＶＭ分類器については、１９９９年、Ｖ.ＶａｐｎｉｋによりＩＥＥＥ　Transactions　on　neural network、Ｖｏｌ .１０、Ｎｏ．５、ｐｐ.９８８-９９９に発表された論文、「An overview of statistical learning theory」に、より詳しく開示されている。

　図１７（ａ）及び図１７（ｂ）は、図９のＳＶＭ分類器３３２による情緒分類の結果を示す図である。本発明に係るＳＶＭ分類器３３２は、入力空間の非線型的な高い次数を特徴空間（feature space）に線形的に投影して解析することにより、図１７（ａ）及び図１７（ｂ）に示すように、各特徴データ（即ち、使用者の情緒）間に最適の境界（即ち、最適の分離面）を提示する。

　また図９によると、ＳＶＭ分類器３３２により行われた情緒分類の結果は、各情緒別に分類され、各情緒の強度が数字として出力される。例えば、ストレスに該当する情緒（emotion）は、０.３（または３０％）、悲しみに該当する情緒は、０.６(または６０％)、かつ、怒りに該当する情緒は、０.１（または１０％）などのように、各情緒の強度が数字として表される。

　情緒状態判断部３３６は、ＳＶＭ分類器３３２から出力される複数個の情緒に対する強度を入力されて、複数の情緒状態値のうち、ストレスの指数及びレベルを判断して出力する。このとき、データベース３３４には、どのような特徴値が入力される場合に、どのような情緒と認識されるかについての情報が格納されている。このようなデータベース３３４に対するデータの更新は、ＳＶＭ分類器３３２の学習期間に行われ、一旦ＳＶＭ分類器３３２の学習が終了すると、データベース３３４のデータの更新は行われない。従って、データベース３３４は、開発者の立場で必要となる部分であり、使用者のための開発が終了した情緒認識システムは、データベース３３４を必要としない。

　前記ＳＶＭ分類器３３２により行われた情緒認識の結果は、喜び、悲しみ、怒り、恐怖、嫌悪、驚きなどを含んでいる。本発明の実施形態においては、情緒状態判断部３３６を介して精神健康の指標となるストレスに対する状態値のみを出力することにより、肉体的疲労や精神的ストレスのみを判断できるようにしている。もちろん、本発明の他の実施形態として、喜び、悲しみ、怒り、恐怖、嫌悪、驚きなど様々な情緒状態に対する相対値を出力して情緒状態を判断することも可能である。

　一方、身体状態分析部３７０は、体脂肪率計算部３７１と、カロリー消費量計算部３７２とを備えている。体脂肪率計算部３７１は、メモリ部２３０に格納された使用者の身長、体重、年齢及び性別と、体脂肪センサー部１４０により検出された身体インピーダンス値とに基づいて体脂肪率を計算し、計算された値を、表示部２２０を介して画面に表示する。

　一方、人が運動すると、血流量の増加によって、体温が上昇し、心拍数が増加し、体内カロリーが消費される。適正なカロリー消費は、身体の恒常性及び健康の維持において非常に重要であるため、体温の上昇及び心拍数の増加によるカロリー消費量は、適正となるようにすべきである。これにより、カロリー消費量計算部３７２は、運動前後の平均心拍数及び体脂肪率に基づいて運動によるカロリー消費量を計算し、計算された値を表示部２２０を介して画面に表示する。このとき、運動前後の平均心拍数は、生体信号測定モジュール１００の心拍検出センサー部１１０で測定されたＰＰＧ信号を分析して得られた値、即ち、心拍分析部３１１で分析された平均心拍数を使用し、体脂肪率は、生体信号測定モジュール１００の体脂肪センサー部１４０で測定された身体インピーダンス値を分析して得られた値、即ち、体脂肪率計算部３７１で計算された体脂肪率を使用する。

　以下、本発明に係るモバイル機器を用いた健康管理方法について添付図面に基づいて詳しく説明する。

　図１８は、本発明に係るモバイル機器を用いた健康管理方法を示すフローチャートである。

　先ず、使用者がモバイル機器４００で健康管理メニューを選択すると、図２２に示すように、健康管理メイン画面が表示部２２０に表示される（Ｓ１０）。この状態で使用者は、図２２（ｂ）に示すように、自分のプロフィールを選択する（Ｓ２０）。

　このとき、使用者のプロフィールが無い場合には、図２２（ｃ）に示すように、使用者の名前、身長、体重、性別、年齢などのデータを直接入力して使用者のプロフィールを作成することも可能である。

　そして、使用者がストレスマネージャーメニューを選択した場合には、図２３（ａ）に示すように、ストレスマネージャーメイン画面が表示部に表示される（Ｓ３０〜Ｓ４０）。この状態で使用者がストレス測定メニューを選択すると、図２３（ｂ）に示すように、生体信号測定のための案内メッセージが表示部に表示されると同時に、生体信号測定モジュール１００が起動する（Ｓ５０〜Ｓ６０）。

　その後、モバイル機器４００を把持したままで、使用者が案内メッセージに従って測定開始ボタンを押すと、生体信号測定モジュール１００により使用者の身体から心拍、皮膚体温、皮膚抵抗のような複数個の生体信号が検出され、検出された生体信号は、図２３（ｂ）に示すように、使用者がその結果を確認できるよう、表示部に表示される（Ｓ７０）。表示部には、生体信号測定完了率を示すステータスウインドウが表示されても良い。

　一方、生体信号測定モジュール１００により測定された生体信号は、反応感度及び測定環境によって使用者ごとのバラツキが大きく、このようなバラツキにより使用者の情緒状態を正確に判断できない場合が生じることもある。そこで、測定の初期段階で使用者ごとのバラツキを補正する（Ｓ８０）。以下、生体信号の使用者ごとのバラツキ補正ステップＳ８０について、図１９を参照してより詳しく説明する。

　前述の図４及び図５に示すように、生体信号測定モジュール１００により測定された生体信号のうち、皮膚抵抗値の使用者ごとのバラツキが大きいので、以下、皮膚抵抗値を中心に説明する。

　先ず、生体信号測定モジュール１００の皮膚抵抗センサー部１３０から入力された電圧値Ｖ₀が電圧閾値Ｖ_thより大きいかをチェックして、使用者の身体が生体信号測定モジュール１００に触れているかを判断する（Ｓ８１）。ここで、前記電圧閾値Ｖ_thとは、使用者の身体が接触された状態と認められるための最小の電圧値であって、予めメモリ部２３０に格納されていることが好ましい。

　使用者の身体が接触された状態であると判断された場合、即ち、Ｖ₀≧Ｖ_thの場合、入力された電圧値Ｖ₀が最小限界電圧Ｖ_cutoff＿min以上、最大限界電圧Ｖ_cutoff＿Max以下であるかをチェックして、即ち、Ｖ_cutoff＿min≦Ｖ₀≦Ｖ_cutoff＿Maxであるかをチェックして、皮膚抵抗値の、使用者ごとのバラツキ補正が必要なのかを判断する（Ｓ８２）。

　使用者ごとのバラツキ補正が必要と判断された場合、即ち、Ｖ_cutoff＿min≦Ｖ₀≦Ｖ_cutoff＿Maxでない場合には、入力された電圧値Ｖ₀が最大限界電圧Ｖ_cutoff＿Maxより大きいかをチェックする（Ｓ８３）。最大限界電圧Ｖ_cutoff＿Maxより大きい場合には、可変抵抗の抵抗値Ｒを減少させて増幅部１３３のゲインを減少させる（Ｓ８４）。

　もし、入力された電圧値Ｖ₀が最大限界電圧Ｖ_cutoff＿Max以下の場合には、入力された電圧値Ｖ₀が最小限界電圧Ｖ_cutoff＿min未満であるかをチェックする（Ｓ８５）。最小限界電圧Ｖ_cutoff＿min未満である場合には、可変抵抗の抵抗値Ｒを増加させて増幅部１３３のゲインを増加させる（Ｓ８６）。

　このように使用者ごとのバラツキ補正ステップを行うことによって、皮膚抵抗センサー部１３０から入力された電圧値Ｖ₀は、最小限界電圧以上、最大限界電圧以下に保たれることが可能となる。したがって、反応感度及び測定環境によるバラツキが補正され、使用者の情緒状態の変化が正確に反映された補正生体信号を検出することができる。

　生体信号の使用者ごとのバラツキ補正が終了した後、健康管理モジュール３００は、使用者の身体から検出されるＰＰＧ信号、ＥＤＡ信号から検出されるＳＣＲ関連パラメータ、ＳＫＴ信号などの生体信号を分析して、使用者の情緒状態判断に使用される複数個の特徴値を抽出する（Ｓ９０）。

　前記ステップＳ９０で抽出される特徴値としては、ＰＰＧ信号から抽出された心拍信号のスペクトル、心拍信号の平均値及び標準偏差、ＥＤＡ信号から検出されたＳＣＲ関連パラメータ、及びＳＫＴ信号から抽出されたＳＫＴ信号の平均値及び最大値などがある。

　そして、抽出された複数の特徴値と、情緒状態の判断基準となる特徴値との間の差を計算する（Ｓ１００）。ここで、情緒状態の判断基準となる特徴値は、使用者が特定の情緒に偏っていない平常時の情緒を示す特徴値であって、前記判断基準となる情緒を示す特徴値は、予め格納されていることが好ましい。

　特徴値間の差が求められると、前記差の値によってＳＶＭ分類を行い、使用者の情緒状態を判断する。先ず、使用者の情緒状態を各情緒別に区分した後、区分されたそれぞれの情緒のうち、ストレスに関連する値を選択して、ストレス指数及びレベルを計算する（Ｓ１１０）。

　計算されたストレス指数及びレベルは、図２３（ｂ）に示すように、使用者が確認できるように、表示部に表示される(Ｓ１２０)。この状態で、使用者はストレスが生じた状況に対するコメントを加えたり、日間、週間、月間の単位でストレス状態を確認したりすることもできる。

　一方、使用者が図２３（ａ）のストレスマネージャーメイン画面でストレス履歴管理メニューまたはストレス情報メニューを選択した場合について、図２０を参照して説明する。

　使用者がストレスマネージャーメイン画面でストレス履歴管理メニューを選択すると、図２３（ｃ）に示すように、ストレス履歴管理画面が表示される（Ｓ１３０〜Ｓ１４０）。この状態で、使用者が所望の期間を選択すると、選択された期間のストレス履歴が表示部に表示される（Ｓ１５０〜Ｓ１６０）。ストレス履歴が表示部に表示された状態で、使用者が特定の日付についてのコメントを選択すると、選択されたコメントが表示部に表示される（Ｓ１７０〜Ｓ１８０）。

　なお、使用者がストレスマネージャーメイン画面でストレス情報メニューを選択すると、図２３（ｄ）に示すように、ストレスに関する情報が表示部に表示される（Ｓ１９０〜Ｓ２００）。

　本発明に係る情緒状態判断方法は、数分から２４時間にわたる長い信号を対象とする従来のピリオドグラム（periodogram）方法の代わりに、ＡＲＭＡｓｅｌアルゴリズムを使用して５０秒程度の短い時間の間、生体信号を観測して分析する。かつ、情緒状態の判断においても、高い一般化特性を示すＳＶＭ分類器を使用して判断を行う。したがって、短い時間で使用者の生体信号をモニタリングして使用者の情緒状態を正確に認識することが可能となる。

　また図１８によると、使用者が健康管理メイン画面でダイエットマネージャーメニューを選択した場合には、図２４に示すように、ダイエットマネージャーメイン画面が表示部に表示される（Ｓ２１０）。

　この状態で使用者が体脂肪測定メニューを選択すると、図２４（ｂ）に示すように、体脂肪測定のための案内メッセージが表示部に表示されると同時に、生体信号測定モジュール１００の体脂肪センサー部１４０が起動する（Ｓ２２０〜Ｓ２３０）。

　モバイル機器４００を把持したままで、使用者が案内メッセージに従って測定開始ボタンを押すと、体脂肪センサー部１４０によって使用者の身体から身体インピーダンス値が測定され、測定された身体インピーダンス値は、図２４（ｂ）に示すように、使用者がその結果を確認できるよう、表示部に表示される（Ｓ２４０）。このとき、表示部には、生体信号測定完了率を示すステータスウインドウが表示されても良い。

　そして、測定されたインピーダンス値と、メモリ部２３０に格納されている使用者の身長、体重、年齢、性別とに基づいて使用者の身体の体脂肪率（BodyFat％）を計算し、計算された体脂肪率が、図２４(ｂ)に示すように、表示部に表示される（Ｓ２５０〜Ｓ２６０）。このとき、体脂肪率（BodyFat％）は、測定された身体インピーダンス値(Ｒ)と、身長（Height）、体重（Weight）、年齢（Age）、性別（Sex）の関数である下記の数１として表される。

　前記数１において、ＦＦＭ（Fat Free Mass）は、体脂肪を除いた体重である。使用者の身体インピーダンス値（R）、身長（Height）、体重（Weight）、年齢（Age）、性別（Sex）が入力されると、これにより多重回帰モデル（Multiple Regression Model）が選択されてａ,ｂ,ｃ,ｄ値が決定され、決定されたａ,ｂ,ｃ,ｄ値によってＦＦＭが算出される。

　本実施形態においては、使用者の身体情報のうち、ＦＦＭに比較的大きい影響を及ぼす身長、体重、年齢、性別を変数として体脂肪率を計算したが、これらの他の変数を体脂肪率計算に使用しても良い。

　一方、使用者がダイエットマネージャーメイン画面でカロリー消費量測定メニューを選択すると、図２４（ｃ）に示すように、カロリー消費量測定のための案内メッセージが表示部に表示されると同時に、生体信号測定モジュール１００の心拍検出センサー部１１０及び体脂肪センサー部１４０が起動する（Ｓ２７０〜Ｓ２８０）。

　そして、モバイル機器４００を把持したままで、使用者が案内メッセージに従って測定開始ボタンを押すと、心拍数センサー部１１０によって使用者の身体から運動前のＰＰＧ信号を測定するとともに、体脂肪センサー部１４０によって使用者の身体から身体インピーダンスを測定する。運動が終了した後、心拍数センサー部１１０によって使用者の身体からＰＰＧ信号をもう一度測定する（Ｓ２９０）。このとき、測定されたＰＰＧ信号は、図２４（ｃ）に示すように、使用者がその結果を確認できるように、表示部に表示される。また、生体信号測定完了率を示すステータスウインドウが表示されても良い。

　そして、運動前／後の心拍信号及び身体インピーダンスが分析され、運動前／後の平均心拍数及び体脂肪率が計算される。計算された運動前／後の平均心拍数及び体脂肪率や、運動時間、身長、体重、年齢、性別に基づいて運動によるカロリー消費量が計算される。計算されたカロリー消費量は、図２４（ｃ）に示すように、表示部に表示される（Ｓ３００〜Ｓ３１０）。

　カロリー消費量の計算についてより詳しく説明する。運動によるカロリー消費量は、使用者の基礎代謝率（basal metabolic rate）によって異なる。基礎代謝率は、使用者の体重や体脂肪率によって決まるので、正確なカロリー消費量を計算するためには、使用者の基礎代謝率を正確に測定することが必要である。

　しかし、使用者の基礎代謝率を正確に測定するためには、高価な設備が必要なうえ、使用者が顔面マスク及びマウスピースを着用したまま、長時間の休息を取らなければならない。このような理由から、性別及び年齢に基づいた基礎代謝率の標準値を予め決めておき、この基礎代謝率の標準値に使用者の体重を乗じてカロリー消費量を計算する方法が一般に用いられている。

　しかし、前記基礎代謝率の標準値は、標準体型の人を基準として算出された値であるため、肥満型の人、やせ型の人、性別、年齢によって実際の使用者の基礎代謝率との間には大きな差がある場合がある。このような場合には、運動によるカロリー消費量を正確にチェックすることができない。

　このような問題を解決するため、本発明では、体脂肪センサー部１４０により測定された身体インピーダンスに基づいて体脂肪率を求め、この体脂肪率に基づいて使用者の基礎代謝率を得ている。このようなカロリー消費量の計算方法は、特開平８−５２１１９号公報に詳しく説明されているので、詳細な説明を省略する。

　続いて、使用者が図２４（ａ）のダイエットマネージャーメイン画面でダイエット履歴管理メニューまたはダイエット情報メニューを選択した場合について、図２１を参照して説明する。

　使用者がダイエットマネージャーメイン画面でダイエット履歴管理メニューを選択すると、図２４（ｄ）に示すように、ダイエット履歴管理画面が表示される（Ｓ３２０〜Ｓ３３０）。この状態で使用者が所望する期間を選択すると、選択された期間のダイエット履歴が表示部に表示される（Ｓ３４０〜Ｓ３５０）。ダイエット履歴が表示部に表示された状態で、使用者が特定の日付についてのコメントを選択すると、選択されたコメントが表示部に表示される（Ｓ３６０〜Ｓ３７０）。

　一方、使用者がダイエットマネージャーメイン画面でダイエット情報メニューを選択すると、図２４（ｅ）に示すように、ダイエットに関する情報が画面に表示される（Ｓ３８０〜Ｓ３９０）。

　上述のように、本発明に係るモバイル機器を用いれば、必要時にはいつでもストレスのレベル、使用者の身体の体脂肪率、及び運動によるカロリー消費量を測定することが可能となる。

　以上のように、本発明では、添付図面に基づいて好ましい一実施形態を例示して本発明を説明してきたが、これは単なる例示にすぎない。本発明は、これに限定されるものでなく、本発明の要旨を逸脱しない範囲で、適宜設計変更可能である。特に、本発明においては、様々な情緒のうち、ストレスを選択してストレスのレベルをチェックすることを例示して説明したが、本発明に係る健康管理方法はこれに限定されるものでなく、生体信号測定モジュールにより測定された種々の生体信号に基づいて様々な情緒に対するレベルをチェックすることも可能である。従って、本発明の真の技術範囲は、添付の特許請求の範囲に基づいて解釈されるべきであることは言うまでもない。

従来の生体情報測定モジュールを備えた携帯通信端末機を示す図である。本発明に係るモバイル機器を示す概略ブロック図である。図２のモバイル機器の生体信号測定モジュールの内部構成図である。図３の皮膚抵抗センサー部で測定されたＥＤＡ信号の波形図である。図３の皮膚抵抗センサー部を介して測定されたＥＤＡ信号に使用者ごとのバラツキの補正を行うことを説明するための図である。本発明に係るモバイル機器の一実施形態を示す図である。図６のモバイル機器において生体信号測定モジュールが分離された状態を示す図である。本発明に係るモバイル機器を用いて生体信号を測定する方法を説明するための図である。図２の健康管理モジュールの内部構成図である。図９の心拍検出部の詳細構成図である。心拍信号の分析に使用されるＰＰＧ信号の一例を示す図である。図１１の、心拍検出部で求められた心拍信号から心拍数変異性の時系列を求める過程を示す図である。皮膚伝導反応（ＳＣＲ）の検出に使用されるＥＤＡ信号の波形を示す図である。図９のＳＣＲ検出部の構成を示す図である。皮膚温度の変化を検出するときに使用されるＳＫＴ信号の波形を示す図である。図９のＳＫＴ　Ｍｅａｎ／Ｍａｘ計算部の構成を示すブロック図である。図９のＳＶＭ分類器による情緒分類の結果を示す図である。図９のＳＶＭ分類器による情緒分類の結果を示す図である。本発明に係るモバイル機器を用いた健康管理方法を説明するためのフローチャートである。図１８の生体信号の使用者によるバラツキ補正のステップの詳細なフローチャートである。図１８のストレス履歴管理及びストレス情報提供のステップを説明するためのフローチャートである。図１８のダイエット履歴管理及びダイエット情報提供のステップを説明するためのフローチャートである。本発明に係るモバイル機器で健康管理メニューを選択した場合の画面を示す図である。本発明に係るモバイル機器でストレスマネージャーメニューを選択した場合の画面を示す図である。本発明に係るモバイル機器でストレスマネージャーメニューを選択した場合の画面を示す図である。本発明に係るモバイル機器でストレスマネージャーメニューを選択した場合の画面を示す図である。本発明に係るモバイル機器でストレスマネージャーメニューを選択した場合の画面を示す図である。本発明に係るモバイル機器でダイエットマネージャーメニューを選択した場合の画面を示す図である。本発明に係るモバイル機器でダイエットマネージャーメニューを選択した場合の画面を示す図である。本発明に係るモバイル機器でダイエットマネージャーメニューを選択した場合の画面を示す図である。本発明に係るモバイル機器でダイエットマネージャーメニューを選択した場合の画面を示す図である。本発明に係るモバイル機器でダイエットマネージャーメニューを選択した場合の画面を示す図である。

符号の説明

　５０ａ、５０ｂ、５２ａ、５２ｂ　電極
　１００　生体信号測定モジュール
　１５０　センサー部
　１７０　センサー制御部
　２１０　入力部
　２２０　表示部
　２３０　メモリ部
　２４０　中央制御部
　２５０　無線通信部
　２６０　インタフェース部
　３００　健康管理モジュール
　３１０　特徴分析部
　３１１　心拍分析部
　３１２　心拍検出部
　３１３　スペクトル分析部
　３１４　Ｍｅａｎ／Ｓｔｄ計算部
　３１５　ＳＣＲ分析部
　３１６　ＳＣＲ検出部
　３１７　ＳＣＲ計算部
　３１８　ＳＫＴ　Ｍｅａｎ／Ｍａｘ計算部
　３２０　減算部
　３３０　ＳＶＭユニット
　３３２　ＳＶＭ分類器
　３３４　データベース
　３３６　情緒状態判断部
　３５０　情緒状態分析部
　３７０　身体状態分析部
　３７１　体脂肪率計算部
　３７２　カロリー消費量計算部
　４００　モバイル機器

Claims

　入力部と、表示部と、メモリ部と、中央制御部とを有するモバイル機器において、
　使用者の身体から生体信号を検出し、検出された生体信号を各信号別に分類して出力する生体信号測定モジュールと、
　前記生体信号測定モジュールから入力された生体信号と、使用者の身体情報とに基づいて、使用者の情緒状態及び身体状態を分析する健康管理モジュールと、
　を備えることを特徴とする生体信号に基づいた健康管理機能を有するモバイル機器。
　前記生体信号測定モジュールは、
　使用者の身体から一つ以上の生体信号を検出するセンサー部と、
　前記センサー部を制御し、前記センサー部から入力された生体信号を各生体信号別に分類して出力するセンサー制御部と、
　を備えることを特徴とする請求項１に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記センサー部は、
　心拍に関連する生体信号を検出する心拍数センサー部を備えることを特徴とする請求項２に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記心拍に関連する生体信号は、
　ＰＰＧ信号であることを特徴とする請求項３に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記センサー部は、
　皮膚温度に関連する生体信号を検出する皮膚温度センサー部を備えることを特徴とする請求項２に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記皮膚温度に関連する生体信号は、ＳＫＴ信号であることを特徴とする請求項５に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記センサー部は、
　皮膚抵抗に関連する生体信号を検出する皮膚抵抗センサー部を備えることを特徴とする請求項２に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記皮膚抵抗に関連する生体信号は、
　ＥＤＡ信号であることを特徴とする請求項７に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記センサー部は、
　体脂肪率の算出に必要な身体インピーダンスを測定する体脂肪センサー部を備えることを特徴とする請求項２に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記心拍数センサー部は、前記検出された生体信号をフィルタリングするフィルタリング部と、前記フィルタリングされた生体信号を増幅する増幅部とを備えることを特徴とする請求項３に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記皮膚温度センサー部は、前記検出された生体信号をフィルタリングするフィルタリング部と、前記フィルタリングされた生体信号を増幅する増幅部とを備えることを特徴とする請求項５に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記皮膚抵抗センサー部は、前記検出された生体信号をフィルタリングするフィルタリング部と、前記フィルタリングされた生体信号を増幅する増幅部とを備えることを特徴とする請求項７に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記体脂肪センサー部は、前記検出された生体信号をフィルタリングするフィルタリング部と、前記フィルタリングされた生体信号を増幅する増幅部とを備えることを特徴とする請求項９に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記心拍数センサー部は、使用者がモバイル機器を把持するとき、モバイル機器の、使用者の手が接触する位置に設けられたことを特徴とする請求項３に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記皮膚温度センサー部は、使用者がモバイル機器を把持するとき、モバイル機器の、使用者の手が接触する位置に設けられたことを特徴とする請求項５に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記皮膚抵抗センサー部は、使用者がモバイル機器を把持するとき、モバイル機器の、使用者の手が接触する位置に設けられたことを特徴とする請求項７に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記体脂肪センサー部は、使用者がモバイル機器を把持するとき、モバイル機器の、使用者の手が接触する位置に設けられたことを特徴とする請求項９に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記センサー制御部は、
　前記センサー部から出力された生体信号において使用者によるバラツキの補正を行うことを特徴とする請求項２に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記生体信号測定モジュールは、
　モバイル機器に着脱可能に構成されたことを特徴とする請求項１に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記生体信号測定モジュールは、
　モバイル機器を収容できるケース状に構成されたことを特徴とする請求項１９に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記健康管理モジュールは、
　前記生体信号測定モジュールから入力された生体信号を分析して使用者の情緒状態を判断する情緒状態分析部と、
　前記生体信号測定モジュールから入力された生体信号と、使用者の身体情報とに基づいて使用者の身体状態を分析する身体状態分析部と、
　を備えることを特徴とする請求項１に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記情緒状態分析部は、
　前記使用者の身体から検出された生体信号の特徴を分析する特徴分析部と、
　前記特徴分析部で分析された結果と使用者の情緒状態を判断するときに基準となる特徴値との差を求める減算部と、
　前記減算部で求められた特徴値間の差を分析して、使用者の情緒状態を分類し、分類された情緒のうち、特定の情緒に対する指数及びレベルを計算して出力するＳＶＭユニットと、
　を備えることを特徴とする請求項２１に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記特徴分析部は、
　ＰＰＧ信号を受信して、心拍信号を検出し、前記心拍信号に関連する特徴値を抽出する心拍分析部と、
　ＥＤＡ信号を受信して、皮膚伝導反応に関連する特徴値を抽出する皮膚伝導反応分析部と、
　ＳＫＴ信号を受信して、皮膚温度に関連する特徴値を抽出する皮膚温度分析部と、
　を備えることを特徴とする請求項２２に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記心拍分析部は、
　前記ＰＰＧ信号を受信して、心拍信号を検出し、検出された前記心拍信号を心拍数変異性の時系列信号に変換する心拍検出部と、
　前記心拍数変異性の時系列信号に応答して前記心拍信号のスペクトルを分析するスペクトル分析部と、
　前記心拍数変異性の時系列信号に応答して前記心拍信号の平均値と標準偏差の値とを計算する平均／標準偏差計算部と、
　を備えることを特徴とする請求項２３に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記心拍検出部は、
　前記ＰＰＧ信号に存在する特定の帯域の信号を抽出するバンドパスフィルタと、
　前記バンドパスフィルタのフィルタリング結果に存在するノイズを除去するメジアンフィルタと、
　前記バンドパスフィルタのフィルタリング結果に、前記メジアンフィルタのフィルタリング結果の逆数を加え、前記二つのフィルタリング結果間に存在する差を計算する加算部と、
　前記加算部の出力信号から前記心拍信号を抽出する整合フィルタと、
　前記心拍信号に対するゼロクリッピングを行うゼロクリッパーと、
　を備えることを特徴とする請求項２４に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記減算部は、
　前記使用者の情緒状態を判断するときに基準となる特徴値として、使用者の平常時の情緒に対する特徴値を使用することを特徴とする請求項２２に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記ＳＶＭユニットは、
　前記減算部で求められた特徴値間の差を分析して、使用者の情緒状態を複数のカテゴリに分類するＳＶＭ分類器と、
　前記ＳＶＭ分類器で分類された複数の情緒状態のうち、特定の情緒状態に関連する値を選択して、前記特定の情緒状態に対する指数及びレベルを計算して出力する情緒状態判断部と、
　を備えることを特徴とする請求項２２に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記ＳＶＭユニットは、
　前記ＳＶＭ分類器を学習させるための複数の情緒データと、前記情緒データに基づく前記ＳＶＭ分類器の学習結果とを格納するデータベースをさらに備えることを特徴とする請求項２７に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　前記身体状態分析部は、
　前記生体信号測定モジュールによって検出された身体インピーダンスの値と、使用者の身長、体重、年齢、及び性別とから体脂肪率を計算する体脂肪率計算部と、
　前記生体信号測定モジュールによって検出された運動前後の平均心拍数及び体脂肪率に基づいて、運動によるカロリー消費量を計算するカロリー消費量計算部と、
　を備えることを特徴とする請求項２１に記載の生体信号に基づいた健康管理機能を有するモバイル機器。
　使用者の身体から生体信号を検出するステップと、
　前記検出された生体信号を各信号別に分類するステップと、
　前記分類された信号と、使用者の身体情報とに基づいて、前記使用者の情緒状態及び身体状態を分析するステップと、
　を含むことを特徴とするモバイル機器を用いた健康管理方法。
　使用者が、生体信号測定モジュールを備えたモバイル機器で健康管理メニューを選択するステップと、
　使用者が情緒状態測定を選択した場合、前記モバイル機器で前記生体信号を検出するための生体信号測定モジュールが起動するステップと、
　をさらに含むことを特徴とする請求項３０に記載のモバイル機器を用いた健康管理方法。
　前記使用者の情緒状態及び身体状態を分析するステップは、
　前記検出された生体信号を分析して、使用者の情緒状態の判断に使用される複数の特徴値を抽出するステップと、
　前記抽出された複数の特徴値と、情緒状態の判断の基準となる特徴値との間の差を計算するステップと、
　前記計算された特徴値間の差によるＳＶＭ分類に基づく各情緒によって、使用者の情緒状態を分類するステップと、
　を含むことを特徴とする請求項３１に記載のモバイル機器を用いた健康管理方法。
　前記分類されたそれぞれの情緒のうち、選択された情緒に関連する値を選択して、情緒状態の指数及びレベルを計算し、計算された情緒状態の指数及びレベルをモバイル機器の表示部に表示するステップをさらに含むことを特徴とする請求項３２に記載のモバイル機器を用いた健康管理方法。
　前記使用者の身体から検出された生体信号は、心拍に関連する生体信号を含むことを特徴とする請求項３０に記載のモバイル機器を用いた健康管理方法。
　前記心拍に関連する生体信号は、ＰＰＧ信号であることを特徴とする請求項３４に記載のモバイル機器を用いた健康管理方法。
　前記使用者の身体から検出された生体信号は、皮膚温度に関連する生体信号を含むことを特徴とする請求項３０に記載のモバイル機器を用いた健康管理方法。
　前記皮膚温度に関連する生体信号は、ＳＫＴ信号であることを特徴とする請求項３６に記載のモバイル機器を用いた健康管理方法。
　前記使用者の身体から検出された生体信号は、皮膚抵抗に関連する生体信号を含むことを特徴とする請求項３０に記載のモバイル機器を用いた健康管理方法。
　前記皮膚抵抗に関連する生体信号は、ＥＤＡ信号であることを特徴とする請求項３８に記載のモバイル機器を用いた健康管理方法。
　前記使用者の身体から検出された生体信号は、フィルタリング部を通してフィルタリングされてから、増幅部で増幅されることを特徴とする請求項３０に記載のモバイル機器を用いた健康管理方法。
　前記使用者の身体から検出された生体信号において、使用者によるバラツキの補正を行うステップをさらに含むことを特徴とする請求項３０に記載のモバイル機器を用いた健康管理方法。
　前記生体信号に使用者によるバラツキの補正を行うステップは、
　使用者の身体が生体信号測定モジュールに接触しているかを判断するステップと、
　使用者の身体が接触している場合、前記検出された生体信号において、使用者によるバラツキの補正が必要なのかを判断するステップと、
　使用者によるバラツキの補正が必要と判断された場合、前記検出された生体信号の値が最大限界レベルを超えるかをチェックして、最大限界レベルを超える場合、増幅部のゲインを減少させるステップと、
　前記検出された生体信号の値が最大限界レベル以下である場合、前記検出された生体信号値が最小限界レベル以下であるかをチェックして、最小限界レベル以下である場合、増幅部のゲインを増加させるステップと、
　を含むことを特徴とする請求項４１に記載のモバイル機器を用いた健康管理方法。
　前記生体信号を分析して、情緒状態の判断に使用される複数の特徴値を抽出するステップは、
　前記ＰＰＧ信号を受信して、心拍信号を検出し、前記心拍信号に関連する特徴値を抽出するステップと、
　前記ＥＤＡ信号を受信して、皮膚伝導反応に関連する特徴値を抽出するステップと、
　前記ＳＫＴ信号を受信して、皮膚温度と関連する特徴値を抽出するステップと、
　を含むことを特徴とする請求項３２に記載のモバイル機器を用いた健康管理方法。
　前記使用者の情緒状態の判断の基準となる特徴値は、使用者の平常時の情緒に対する特徴値であることを特徴とする請求項３２に記載のモバイル機器を用いた健康管理方法。
　前記使用者の情緒状態を各情緒別に分類するステップは、統計的学習理論に基づいて使用者の情緒状態を複数のカテゴリに分類するＳＶＭ分類器を使用することを特徴とする請求項３２に記載のモバイル機器を用いた健康管理方法。
　前記生体信号測定モジュールは、モバイル機器に着脱可能に構成されたことを特徴とする請求項３１に記載のモバイル機器を用いた健康管理方法。
　前記生体信号測定モジュールは、モバイル機器を収容できるケース状に構成されたことを特徴とする請求項４６に記載のモバイル機器を用いた健康管理方法。
　使用者が体脂肪測定を選択した場合、
　前記モバイル機器に搭載された生体信号測定モジュールで体脂肪センサー部が起動するステップと、
　前記体脂肪センサー部を介して使用者の身体から身体インピーダンスを測定するステップと、
　前記測定された身体インピーダンスと、使用者の身体情報とに基づいて身体の体脂肪率を計算し、計算された体脂肪率が表示部に表示されるステップと、
　をさらに含むことを特徴とする請求項３１に記載のモバイル機器を用いた健康管理方法。
　使用者がカロリー消費量測定を選択した場合、
　前記生体信号測定モジュールで心拍数センサー部及び体脂肪センサー部が起動するステップと、
　前記心拍数センサー部及び体脂肪センサー部によって使用者の身体から運動前後の心拍信号及び身体インピーダンスを測定するステップと、
　前記運動前後の心拍信号及び身体インピーダンスを分析して、運動前後の平均心拍数及び体脂肪率を計算し、計算された運動前後の平均心拍数及び体脂肪率と、運動時間と、使用者の身体情報とに基づいて運動によるカロリー消費量を計算し、計算されたカロリー消費量を表示部に表示するステップと、
　をさらに含むことを特徴とする請求項３１に記載のモバイル機器を用いた健康管理方法。
　使用者が履歴管理を選択すると、所望する期間の測定結果を表示部に表示するステップをさらに含むことを特徴とする請求項３３、請求項４８及び請求項４９のいずれか一項に記載のモバイル機器を用いた健康管理方法。