JP2014128433A - 睡眠状態判定システム、睡眠状態判定プログラム及びこのプログラムを記録した記録媒体並びに睡眠状態判定方法 - Google Patents

Abstract

【課題】 より簡便且つ確実にノイズの影響を排除して睡眠状態等の判定精度を向上させる睡眠状態判定システムを提供すること。
【解決手段】 周波数成分抽出部４４は、時間ブロックを複数の区画に分割し、複数に分割された区画毎に脳波信号の周波数解析を行って各区画の周波数成分を複数抽出する。区画特徴量算出部４５は、抽出した周波数成分に基づいて各区間の区画特徴量を算出する。ノイズ信号判定部４６は、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定する。時間ブロック特徴量算出部４７は、ノイズ区画と判定した区画特徴量を除く他の区間の区画特徴量に基づいて時間ブロックの時間ブロック特徴量を算出する。睡眠状態判定部４８は、算出した時間ブロック特徴量に基づいて、該時間ブロックにおける生体の睡眠状態を判定する。
【選択図】 図６

Description

本発明は、睡眠状態判定システム、睡眠状態判定プログラム及びこのプログラムを記録した記録媒体並びに睡眠状態判定方法に関する。さらに詳しくは、生体の脳波信号を検出する電極を有する脳波検出装置と、検出した脳波信号に対して所定の時間ブロック単位で信号処理を行い、その結果に基づいて前記生体の該時間ブロックの睡眠状態を判定する信号処理装置とを備えた睡眠状態判定システム、睡眠状態判定プログラム及びこのプログラムを記録した記録媒体並びに睡眠状態判定方法に関する。

従来、上述の如き睡眠状態判定システムとして、例えば特許文献１に記載の如きものが知られている。この睡眠状態測定装置は、睡眠中の被験者の体動や筋電など脳波に混入するノイズの影響を低減させるために、受信した脳波を周波数分析した後に所定時間とその前後の所定時間の比率を用いて補正している。しかし、補正手段が煩雑であり、さらなる精度の向上も求められている。

特開２０１１−０８３３０７号公報

かかる従来の実情に鑑みて、本発明は、より簡便且つ確実にノイズの影響を排除して睡眠状態等の判定精度を向上させる睡眠状態判定システム、睡眠状態判定プログラム及びこのプログラムを記録した記録媒体並びに睡眠状態判定方法を提供することを目的とする。

上記目的を達成するため、本発明に係る睡眠状態判定システムの特徴は、生体の脳波信号を検出する電極を有する脳波検出装置と、検出した脳波信号に対して所定の時間ブロック単位で信号処理を行い、その結果に基づいて前記生体の時間ブロックの睡眠状態を判定する信号処理装置とを備えた構成において、前記信号処理装置は、周波数成分抽出部と、区画特徴量算出部と、ノイズ信号判定部と、時間ブロック特徴量算出部と、睡眠状態判定部とを有し、前記周波数成分抽出部は、前記時間ブロックを複数の区画に分割し、複数に分割された区画毎に前記脳波信号の周波数解析を行って各区画の周波数成分を複数抽出し、前記区画特徴量算出部は、抽出した周波数成分に基づいて各区間の区画特徴量を算出し、前記ノイズ信号判定部は、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定し、前記時間ブロック特徴量算出部は、前記ノイズ区画と判定した区画特徴量を除く他の区間の区画特徴量に基づいて前記時間ブロックの時間ブロック特徴量を算出し、前記睡眠状態判定部は、算出した時間ブロック特徴量に基づいて、該時間ブロックにおける前記生体の睡眠状態を判定することにある。

上記特徴によれば、周波数成分抽出部は、時間ブロックを複数に分割した区間毎に脳波信号の周波数解析を行い周波数成分を抽出する。そして、区画特徴量算出部は、抽出した周波数成分に基づいて各区間の区画特徴量を算出し、ノイズ信号判定部は、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定する。時間ブロックの単位時間より短い単位時間の区画毎に周波数解析を行うので、Ｖ波やＫ複合波等の睡眠時特有の非定常波が観測された場合や、体動や筋電に起因する生体ノイズが混入した場合であっても、それらを健全な脳波信号と明瞭に区別できる。そして、時間ブロック特徴量算出部は、ノイズ区画と判定した区画の区画特徴量を除く他の区間の区画特徴量に基づいて時間ブロック特徴量を算出するので、誤判定の原因となる上述の非定常波や生体ノイズの各時間ブロックに対する影響を低減することができる。よって、睡眠状態判定部は、上記の如く生体ノイズが除去された時間ブロック特徴量に基づいて判定するので、該時間ブロックにおける生体の睡眠状態を高い精度で判定することが可能となる。

前記算出した区画特徴量の少なくとも一つ及び前記閾値には、δ波の含有率を用いることが望ましい。ここで、抽出される周波数成分は、少なくともδ波、θ波、α波、β波にそれぞれ相当する周波数成分である。体動によるノイズが生じた場合、その波の含有量は脳波自体の数十倍といった規模になり、殆んどはδ波で占められる。よって、δ波に相当する周波数成分を用いることで、より効率的に且つ高精度に上記ノイズの影響を抑制（排除）でき、より高い精度で睡眠状態を判定することができる。さらに、区画特徴量に含有量ではなく含有率を用いれば、ある区間においてノイズ等により他区間の数十倍の波（ほんどはδ波で占められる）が観測されたとしても、その区間のδ波の含有率は最大でも１００％であるので、時間ブロック特徴量を算出する際に、ノイズの影響をさらに小さく抑えることが出来る。しかも、δ波の含有量ではなく含有率を用いることで、個人差や電極の取付位置の相違等による脳波信号の電位の違いを吸収でき、さらに精度を向上させることが可能となる。

前記時間ブロック特徴量算出部は、前記ノイズ区画の区画特徴量を除く他の区間の区画特徴量の和を前記分割の数から前記ノイズ区画の数を引いた数で除した平均値を前記時間ブロック特徴量として算出するとよい。これにより、簡便でありながら生体ノイズ等の時間ブロックに対する影響を排除することができ、さらに高精度に睡眠状態を判定することができる。

前記時間ブロック特徴量算出部は、フィルタ処理部をさらに有し、前記フィルタ処理部は、前記時間ブロック及びその時間ブロックの少なくとも直前直後の他の時間ブロックの時間ブロック特徴量の平均を求め、求めた平均値を当該時間ブロックの前記時間ブロック特徴量として更新するようにしてもよい。通常の睡眠状態の遷移は緩やかであり、１時間ブロックだけの遷移や急激な変化は、寝返り等の生体ノイズに起因する場合が多い。時間ブロック及びその時間ブロックの少なくとも直前直後の他の時間ブロックの時間ブロック特徴量の平均を求めて更新するフィルタ処理部を有することで、上述の如き誤判定の原因を排除することができ、さらに高精度に睡眠状態を判定することができる。

前記睡眠状態判定部は、覚醒状態と、ＲＥＭ睡眠段階と、睡眠段階１と睡眠段階２を合わせたＬｉｇｈｔ睡眠段階と、睡眠段階３と睡眠段階４を合わせたＤｅｅｐ睡眠段階との４段階を判定する。

前記信号処理装置は、少なくとも音声入出力を構成するオーディオジャックを備える携帯型端末であり、前記脳波検出装置は、前記検出した脳波信号をアナログ変調する周波数変換部を有する信号変換器をさらに備え、前記携帯型端末は、変調された脳波信号をデジタル信号に変換する周波数変換部と復調する復調部をさらに備え、前記検出した脳波信号は、前記信号変換器から前記オーディオジャックを介して前記携帯型端末へ入力されるようにしてもよい。これにより、スマートフォンや携帯電話等においても脳波信号を処理し判定することが可能となる。

上記目的を達成するため、本発明に係る睡眠状態判定プログラムの特徴は、コンピュータに実行されることにより生体の睡眠状態を判定するプログラムにおいて、前記コンピュータを、所定の時間ブロックを複数に分割し、複数に分割された区画毎に前記脳波信号の周波数解析を行って各区間の周波数成分を抽出する周波数成分抽出手段と、抽出した周波数成分に基づいて各区間の区画特徴量を算出する区画特徴量算出手段と、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定するノイズ信号判定手段と、前記ノイズ区間と判定した区画の区画特徴量を除く他の区間の区画特徴量に基づいて時間ブロック特徴量を求める時間ブロック特徴量算出手段と、算出した時間ブロック特徴量に基づいて前記時間ブロックにおける前記生体の睡眠状態を判定する睡眠状態判定手段として機能させることにある。この睡眠状態判定プログラムは、例えば、コンピュータに読み取り可能な記録媒体に記録される。

上記目的を達成するため、本発明に係る睡眠状態判定方法の特徴は、生体の脳波信号を検出し、その脳波信号に基づいて前記生体の睡眠状態を判定する方法において、所定の時間ブロックを複数に分割し、複数に分割された区画毎に前記脳波信号の周波数解析を行って各区間の周波数成分を抽出し、抽出した周波数成分に基づいて各区間の区画特徴量を算出し、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定し、前記ノイズ区画と判定した区画の区画特徴量を除く他の区間の区画特徴量に基づいて前記時間ブロックの時間ブロック特徴量を算出し、算出した前記時間ブロック特徴量に基づいて、該時間ブロックにおける前記生体の睡眠状態を判定することにある。

上記本発明に係る睡眠状態判定システム、睡眠状態判定プログラム及びこのプログラムを記録した記録媒体並びに睡眠状態判定方法の特徴によれば、より簡便且つ確実にノイズの影響を排除して睡眠状態等の判定精度を向上させることが可能となった。

本発明の他の目的、構成及び効果については、以下の発明の実施の形態の項から明らかになるであろう。

本発明に係る睡眠状態判定システムを概略を説明する図である。 睡眠状態判定システムの構成の一例を示すブロック図である。 （ａ）はスイッチング変調の原理を示す図であり、（ｂ）はスイッチング変調回路の一例を示す図である。 （ａ）脳波のアナログ変調を模式的に示す図である。 信号処理装置としてのスマートフォンのハードウエア構成を示すブロック図である。 信号処理装置としてのスマートフォンのソフトウエア構成を示すブロック図である。 デジタル復調の一例を模式的に示す図である。 脳波データの一部を示す図である。 区画に対する周波数解析及びノイズ信号判定を説明する図である。 各睡眠段階における脳波データの例とそれぞれの場合の周波数解析結果を示す図である。 睡眠状態判定手順のフローチャートである。 他の実施形態における脳波センサーを模式的に示す図である。 他の実施形態における図２相当図である。 さらに他の実施形態における図２相当図である。

次に、図１〜１１を参照しながら、本発明の実施形態について詳しく説明する。
本発明の実施形態に係る睡眠状態判定システム１は、図１，２に示すように、大略、脳波検出装置２と、検出した脳波を変調する信号変換器３と、信号変換器３から入力された脳波を信号処理する信号処理装置４としてのスマートフォンとを備える。

脳波検出装置２は、図１，２に示すように、生体Ｌの脳波を検出する検出電極２１と、基準電極２２とを備える。検出電極２１は、例えば、生体Ｌの額、頭部や外耳周辺等に装着され、基準電極２２は、例えば、耳朶に装着される。これら電極２１，２２は、導電ワイヤ５を介して信号変換器３に接続され、検出した脳波を信号変換器３へ送出する。

信号変換器３は、図１，２に示すように、導電ワイヤ５を介してスマートフォン４の音声入出力を構成するオーディオジャック４ｊに接続され、脳波信号を変調してスマートフォン４に送出する。この信号変換器３は、電極２１，２２より入力された脳波信号を増幅するアンプ３１と、増幅された脳波信号からノイズをカットするフィルタ３２と、ノイズが除去された脳波信号をアナログ変調する周波数変換部（変調部）３３とを備える。なお、フィルタ３２で除去するノイズは、電灯線、電源、周辺の電気機器等からの交流障害に起因する外部雑音であり、脳波に混入した被験者の体動や筋電に起因する生体ノイズとは異なる。

ところで、脳波の周波数は、０．１〜４０Ｈｚと低周波帯域に存在する。他方、スマートフォン４の音声入出力を構成するオーディオジャック４ｊは、音楽などを再生し聞くための入出力端子であり、少なくとも１００Ｈｚ以上の周波数帯域でなければ入力することができない。そこで、変調部３３は、検出した脳波がオーディオジャック４ｊを介してスマートフォン４に入力可能となるように、脳波信号に対してアナログ変調処理を実行する。

アナログ変調処理としては、例えば、アナログ信号の振幅に合わせ高周波帯域に変調（振幅変調）する処理がある。振幅変調方式には、通常の振幅変調（ＡＭ）、搬送波抑圧両側波帯信号（ＤＳＢ−ＳＣ）や搬送波抑圧片側波帯信号（ＳＳＢ）等の方式がある。なお、変調方式は、上記の方式に限定されるものではないが、ＡＭ信号は生成（変調）も情報の再生（復調）も容易であるので、本実施形態における脳波の変復調には、高速で変復調できる振幅変調（ＡＭ）を採用する。

ここで、変調部３３は、例えば、図３（ａ）に示す如きスイッチング変調回路によって構成されている。この回路では、変調信号ｍ（ｔ）と直流バイアスＶを直列接続したものを周波数ｆｃでチュッパリング（断続）し、さらにその基本周波数（ｆｃ）の成分を共振回路（ＬＲＣ共振）で抽出することにより高域に変調する（ＡＭ信号）。なお、スイッチングとしては、例えば、図３（ｂ）に示す如き、搬送波周波数の正弦波を入力とするトランジスタ等の能動素子を用いることができる。図４に示す如く、変調部３３が検出した脳波を０．１〜４０Ｈｚの周波数から１００〜３００ｋＨｚに変調することで、オーディオジャック４ｊを介したスマートフォン４への脳波信号の取り込みが可能となる。

信号処理装置４としてのスマートフォンのハードウエア構成は、図５に示すように、ＣＰＵ４ａ、ＲＯＭ４ｂ、ＲＡＭ４ｃがバス４ｄを介して相互に接続されている。また、バス４ｄには、入力部４ｅ、記憶部４ｆ、表示部４ｇ、出力部４ｈ、通信部４ｉ及び音声入出力部４ｊがそれぞれ接続されている。これらが協働してソフトウエア４０を稼働させる。本実施形態においては、音声入出力部４ｊを構成するオーディオジャックを介して信号変換器３から脳波信号が入力され、信号処理される。

入力部４ｅは、タッチパネル、操作ボタンやキーボード等により構成され、ユーザーの操作による入力をＣＰＵ４ａ等に送信する。記憶部４ｆは、ＨＤＤやフラッシュメモリ等により構成され、脳波データ、周波数解析された各種解析データ、睡眠状態判定結果等を記憶する。また、記憶部４ｆは、記憶媒体用リードライタとしてのドライブを有し、外部の記憶媒体に記憶されたデータを読み込み又はデータを書き込むようにしてもよい。記憶媒体としては、例えば、コンパクトフラッシュ（ＣＦ：登録商標）、ＳＤメモリカード、フラッシュメモリ等がある。

表示部４ｇは、例えば、液晶ディスプレイや有機ＥＬディスプレイ等により構成され、操作画面、各種データ及び判定結果等を適宜表示する。出力部４ｈは、例えばデータ送信用の接続ポートにより構成され、外部の接続機器との間でデータをやりとりする。接続ポートとしては、例えば、ＵＳＢポートやＨＤＭＩポート等がある。

通信部４ｉは、例えば、ＷＩＦＩ（登録商標）や３Ｇ（第３世代移動通信システム）等によりインターネット等の通信網と接続する通信用インターフェイスである。この通信部４ｉは、例えば、インターネット等の通信網を経由して外部機器との間でデータをやりとりする。なお、通信部４ｉとして、Ｂｌｕｅｔｏｏｔｈ（登録商標）、赤外線通信、電磁誘導を利用した非接触通信等の近距離の通信手段も含む。

信号処理装置４としてのスマートフォンのソフトウエア構成は、図６に示すように、大略、Ａ／Ｄ変換部４１、周波数変換部（復調部）４２、脳波データ記憶部４３、周波数成分抽出部４４、区画特徴量算出部４５、ノイズ信号判定部４６、時間ブロック特徴量算出部４７、睡眠状態判定部４８及び判定結果出力部４９から構成されている。

Ａ／Ｄ変換部４１は、先の信号変換器３から入力されたアナログ信号の脳波信号をデジタル信号に変換する。変換された脳波信号は、周波数変換部（復調部）４２に送出される。

復調部４２は、先の信号変換器３の変調器３３で変調された脳波信号を復調する。デジタル復調方式としては、例えば、包絡線検波方式や周波数検波方式等の非同期復調方式や、同期検波方式や遅延検波方式等の同期復調方式とがある。本実施形態では、例えば、復調部４２は、包絡線検波方式により復調する。変調された信号は、包絡線変動が変調信号の波形を表現している。そこで、図７に示すように、各周波数の０とピークの差を読み込み、プロットすることにより元のアナログの脳波信号を再生する。復調された脳波信号は、脳波データ記憶部４３により図８に示す如き脳波データＳとして脳波データ記憶部５１に記憶される。なお、上記復調方式はあくまで一例に過ぎず、上記に限定されるものではなく、適宜公知の復調方式を適用可能である。

周波数成分抽出部４４は、脳波データ記憶部４３により脳波データ記憶部５１に記録された脳波データ（脳波信号）を読み込み、図９に示すように、脳波信号を所定の時間単位の時間ブロック単位に分割すると共にその時間ブロックＢ単位をさらに複数の区間単位に分割する。ここで、１時間ブロックＢの時間（時間単位）は、例えば慣例にならい３０秒に設定される。また、１時間ブロックＢに含まれる区画Ａの数（分割数）は、適宜設定される。すなわち、１区画Ａの時間（時間単位）は、１時間ブロックＢの時間（時間単位）よりも小である。

そして、周波数成分抽出部４４は、図９に示すように、時間ブロックＢを複数に分割した区画Ａ毎に脳波信号の周波数解析を例えばＦＦＴ（高速フーリエ変換）の手法により行い、各区画Ａに含まれる所定の周波数成分を複数抽出する。本実施形態では、例えば、１−４Ｈｚのδ波、４−８Ｈｚのθ波、８−１２Ｈｚのα波、１２−４０Ｈｚのβ波にそれぞれ相当する周波数成分を抽出する。なお、周波数成分はあくまで一例に過ぎず、上記数値に限定されるものではない。

区画特徴量算出部４５は、区間Ａ毎に且つ周波数成分抽出部４４で抽出した周波数成分（δ波、θ波、α波、β波）毎に、周波数成分の含有量及び含有率を区画特徴量Ｐとして求めると共に、それら求めたデータを区画特徴量記憶部５２に記憶する。

ノイズ信号判定部４６は、区間Ａ毎に、区画特徴量算出部４５で求めた区画特徴量Ｐの少なくとも一つＰａが所定の閾値Ｅを超える場合に、当該閾値Ｅを超えた区画特徴量Ｐに対応する周波数成分をノイズ信号と判定し、当該区画をノイズ区画と判定する。本実施形態において、区画特徴量の少なくとも一つＰａ及び閾値Ｅには、区画におけるδ波の含有率を用いる。誤判定の原因となる上述の非定常波や生体ノイズは、δ波に相当する周波数帯域（１−４Ｈｚ）に多く存在するので、これらの値にδ波を用いることで、より効率的に且つ高精度に生体ノイズ等の影響を排除できる。しかも、δ波の含有量ではなく含有率を用いる。区画特徴量に含有量ではなく含有率を用いれば、ある区間においてノイズ等により他区間の数十倍の波（ほんどはδ波で占められる）が観測されたとしても、その区間のδ波の含有率は最大でも１００％であるので、後述する時間ブロック特徴量算出部４７において、他区間との平均を計算しても、ノイズの影響をより小さく抑えることが出来る。含有率を用いることで、これらに起因する変動を吸収できるので、さらに精度が向上する。

図９に示す例では、区画特徴量算出部４５が、時間ブロックＢｋを複数の区画Ａｋ１、Ａｋ２、Ａｋ３…ＡｋｎとＮ個に分割し、その各区画に対しＦＦＴを行って区画特徴量を算出している。ここで、区画特徴量の一つＰａ及び閾値Ｅは、δ波の含有率である。同図の例では、区画Ａｋ３の区画特徴量Ｐａのみが閾値Ｅを超えている。よって、ノイズ信号判定部４６は、当該区画Ａｋ３におけるδ波に相当する周波数成分をノイズ信号と判定する。

時間ブロック特徴量算出部４７は、時間ブロックＢ毎に且つ周波数成分抽出部４４で抽出した周波数成分毎に、ノイズ信号判定部４６でノイズ区画と判定した区画Ａの区画特徴量Ｐを除く他の区間Ａ’の区画特徴量Ｐ’に基づいて時間ブロック特徴量Ｑを求める。本実施形態では、ノイズ信号判定部４６でノイズ区画信号と判定した区画Ａの区画特徴量Ｐを除く他の区間Ａ’の区画特徴量Ｐ’の和を先の時間ブロックＢの分割の数（区画の数）からノイズ区画と判定した区画Ａの数を引いた数で除した平均値を時間ブロック特徴量Ｑとして求める。これにより、簡便でありながら生体ノイズ等の時間ブロックに対する影響を排除することができ、さらに高精度に睡眠状態を判定することができる。

図９に示す例では、ノイズ信号判定部４６が時間ブロックＢｋの区画Ａｋ３のみをノイズ信号と判定している。この場合、時間ブロック特徴量算出部４７は、δ波の含有率である区画Ａｋ３の区画特徴量Ｐａ３を除く他の区画Ａｋ１、Ａｋ２…Ａｋｎの各区画特徴量Ｐａ１、Ｐａ２…Ｐａｎの和を求めると共に、その和を時間ブロックＢｋの区画の総数Ｎ−ノイズ信号と判定された区画の数１＝Ｎ−１で除した値を時間ブロックＢｋの時間ブロック特徴量Ｑｋａとする。なお、他の周波数成分に対応する特徴量は、総数Ｎで除す。

さらに、本実施形態においては、時間ブロック特徴量算出部４７はフィルタ処理部４７ａを備える。このフィルタ処理部４７ａは、時間ブロックＢとその時間ブロックＢの少なくとも直前直後の他の時間ブロックＢ’との時間ブロック特徴量Ｑの平均を求め、求めた平均値Ｑ’を当該時間ブロックの時間ブロック特徴量として更新する。通常の睡眠状態の遷移は緩やかであり、１時間ブロックだけの遷移や急激な変化は、寝返り等の生体ノイズに起因する場合が多い。上述の如きフィルタ処理部４７ａにより、誤判定の原因を排除することができ、さらに高精度に睡眠状態を判定することができる。時間ブロック特徴量算出部４７及びフィルタ処理部４７ａで算出された時間ブロック特徴量Ｑは、周波数解析データとして周波数解析結果記憶部５３に記憶される。

睡眠状態判定部４８は、周波数解析結果記憶部５３に記憶された時間ブロック特徴量Ｑの各データ（時間ブロックＢ単位のδ波、θ波、α波、β波の含有量と含有率）に基づいて、各時間ブロックＢの睡眠状態を自動判定しその結果を判定結果記憶部５４に記憶する。また、各時間ブロックＢの自動判定結果は、判定結果出力部４９により表示部４ｇ上に表示され、又は、出力部４ｈや通信部４ｉを介して外部に出力され、ユーザーは例えば一晩の睡眠経過（判定結果）を見ることができる。

ここで、図１０を参照しながら、各睡眠段階における脳波データの例とそれぞれの場合の周波数解析結果（時間ブロック特徴量）について説明する。
同図中、（ａ−１）（ｂ−１）（ｃ−１）（ｄ−１）（ｅ−１）（ｆ−１）は、実際に計測された１時間ブロック分（３０秒）の各睡眠段階の脳波データである。また、（ａ−２）（ｂ−２）（ｃ−２）（ｄ−２）（ｅ−２）（ｆ−２）は、上記場合の上述したＦＦＴ等による周波数解析結果（時間ブロック特徴量）であり、棒グラフの左側から順にδ波、θ波、α波、β波の各含有量を示す。

（ａ−１）は、覚醒段階のときの脳波データの例である。覚醒段階においては８−１２Ｈｚのα波が多く観測されることが知られており、（ａ−２）においても、α波の含有量が高くなっている。

（ｂ−１）は、入眠直後の睡眠段階１のときの脳波データの例である。睡眠段階１においては脳波は全体に低振幅の変化の少ない状態になることが知られており、（ｂ−２）においても、δ波、θ波、α波、β波の含有量はいずれも低い値になっている。

（ｃ−１）は、入眠から十分程度が経過して徐々に眠りが深くなっていき、睡眠段階１から睡眠段階２に移行したときの脳波データの例である。睡眠段階２においては、低い周波数で高振幅の特殊な波が突発的に出現することが知られており、（ｃ−２）においても、δ波の含有量が睡眠段階１と比較して高い値になっている。

（ｄ−１）は、さらに眠りが深くなっていき、睡眠段階３に移行したときの脳波データの例である。睡眠段階３に入ると、Ｄｅｅｐ睡眠時特有の低い周波数で高振幅の波（大徐波）が脳波全体の２０〜５０％を占めることが知られており、（ｄ−２）においても、δ波の含有量が他の波と比較して突出して高い値になっている。

（ｅ−１）は、さらに眠りが深くなっていき、睡眠段階４に移行したときの脳波データの例である。睡眠段階４に入ると、Ｄｅｅｐ睡眠時特有の大徐波の割合がさらに高くなっていき、脳波全体の５０％以上を占めることが知られており、（ｅ−２）においても、δ波の含有量が睡眠段階３と比較してもさらに突出して高い値になっている。

（ｆ−１）は、Ｄｅｅｐ睡眠が終わり、睡眠段階ＲＥＭに移行したときの脳波データの例である。睡眠段階ＲＥＭにおいては、睡眠段階１と同様に脳波は全体に低振幅の変化の少ない状態になることが知られており、（ｆ−２）においても、δ波、θ波、α波、β波の含有量はいずれも低い値になっている。

次に、図１１を参照しながら、睡眠状態判定手順について説明する。
本実施形態では、睡眠段階１と睡眠段階２を合わせてＬｉｇｈｔ睡眠段階、睡眠段階３と睡眠段階４を合わせてＤｅｅｐ睡眠段階とし、覚醒／Ｌｉｇｈｔ睡眠／Ｄｅｅｐ睡眠／ＲＥＭ睡眠の自動判定を行う。なお、本実施形態は、脳波測定終了後または計測しながら、睡眠状態の判定を行う。

まず、ステップＳ１で、周波数成分抽出部４４が、脳波データ記憶部５１に保存された睡眠時脳波データを読み込み、次に、ステップＳ２で時間ブロック単位に分割し、総時間ブロック数を変数Ｔに代入する。例えば、保存された脳波データが７時間分であれば、７時間＝４２０分＝８４０時間ブロックなので、読み込まれた脳波データは８４０時間ブロックに分割され、Ｔ＝８４０となる。また、周波数成分抽出部４４は、時間ブロックをさらに複数の区画単位に分割する。ステップＳ３で時間ブロック番号ｔを１に設定し、更に時間ブロックｔを区画単位に分割し、ステップＳ４で総区画数をＮに代入する。ステップＳ５で区間番号ｎを１に設定する。

次に、ステップＳ６で、周波数成分抽出部４４が、分割された各区画について、ＦＦＴ（高速フーリエ変換）により周波数解析を行い、詳細な周波数データを得る。これをステップＳ７で、区画特徴量算出部４５が集計すると共に、各区画に含まれる、δ波、θ波、α波、β波の含有量と含有率を区画特徴量としてそれぞれ算出する。

次に、ステップＳ８で、ノイズ信号判定部４６が、区間毎に、区画特徴量算出部４５で求めたδ波の含有率が所定の閾値（δ波の含有率）を超えるか否かを判定し、閾値を超えた場合にその周波数成分をノイズ区間と判定する。

次に、ステップＳ９、Ｓ１０で区画数が総区画数Ｎ以下か判定する。ステップＳ１０で区画数が総区画数Ｎ以下と判定した場合、ステップＳ６に戻り、区画数が総区画数Ｎより大となるまで、上記ステップＳ６〜１０を繰り返す。他方、区画数が総区画数Ｎより大である場合、ステップＳ１１でノイズ区間を除去して、時間ブロックｔのδ波、θ波、α波、β波の含有量及び含有率を算出する。時間ブロック特徴量算出部４７が、時間ブロック毎に且つ周波数成分抽出部４４で抽出した周波数成分毎に、ノイズ信号判定部４６でノイズ信号と判定した区画のδ波の含有率を除く他の区間のδ波の含有率の和を求めると共に、時間ブロックの分割の数（区画の数）からノイズ区画と判定した区画の数を引いた数で除した平均値を時間ブロック特徴量（δ波の含有率）として求める。さらに、フィルタ処理部４７ａが、時間ブロック及びその時間ブロックの少なくとも直前直後の他の時間ブロックの時間ブロック特徴量の平均を求め、求めた平均値を当該時間ブロックの時間ブロック特徴量Ｑ’として更新する。また、他の周波数成分の特徴量（θ波、α波、β波の含有量と含有率）についても、同様に処理される。

次に、ステップＳ１２で、ステップＳ９において時間ブロック特徴量算出部４５が計算した各時間ブロックの時間ブロック特徴量（δ波、θ波、α波、β波の含有量と含有率）に基づいて、睡眠状態判定部４８は、各時間ブロックの睡眠状態を判定する。判定は、例えば、覚醒状態、ＲＥＭ睡眠段階、睡眠段階１と睡眠段階２を合わせたＬｉｇｈｔ睡眠段階、睡眠段階３と睡眠段階４を合わせたＤｅｅｐ睡眠段階の４段階で行う。

なお、δ波、θ波、α波、β波の含有量と含有率のすべてを自動判定で使用するとは限らないので、これらすべてに基づいて判定する必要はない。

次に、ステップＳ１３で、自動判定を行う時間ブロック番号ｔの値に１を足す。そして、ステップＳ１４で、現在の時間ブロック番号ｔの値が総時間ブロック数Ｔより大であれば、全時間ブロックの判定が完了したので、処理を終了する。他方、現在の時間ブロック番号ｔの値が総時間ブロック数Ｔより小であれば、ステップＳ４に戻る。これを時間ブロック番号ｔが総時間ブロック数Ｔより大となるまで、上記ステップＳ４〜１４を繰り返す。

なお、判定結果出力部４９では自動判定結果を出力するが、出力の方法は応用方法によって異なる。睡眠状態にある被験者の睡眠段階をリアルタイムに判定し、医師あるいは検査技師がその経過を別室で監視するような応用方法の場合なら、リアルタイム自動判定結果がディスプレイ上に逐一更新されて表示される、といった出力方法が考えられるし、居眠り防止装置の場合なら、覚醒状態から入眠状態に移行した判定されれば警告音を発生させる、といった出力方法が考えられる。

本発明は、上記各実施形態に限られるものではない。本発明は、本発明の趣旨を逸脱しない範囲において、種々の変形及び組み合わせが可能である。以下に、他の実施形態の可能性について言及する。

例えば、時間ブロック数、区画数（分割数）、時間ブロック及び区画の各時間単位等は、限定されるものではない。また、上記各実施形態では、δ波、θ波、α波、β波の含有量と含有率について説明したが、計算の対象に使用する波はこれらに限定されるものではなく、これらを加算したものであってもよいし、δ波、θ波、α波、β波の範囲も、上述の数値に限定されるものではない。

上記実施形態では、δ波の含有率を用いてノイズ信号判定部４６がノイズ区画を判定し、時間ブロック特徴量算出部４７は、当該ノイズ区画の区画以外の区画特徴量により時間ブロック特徴量を算出した。しかし、δ波の含有率を用いる態様において、上記実施形態の如く、ノイズ信号判定部４６により時間ブロック内のノイズ区画の判定を行わない態様も可能である。
上述したように、体動によるノイズは、その含有量が脳波自体の数十倍といった規模になり、殆んどはδ波で占められる。そのため、含有量を用いると時間ブロック特徴量の算出時に、そのノイズは大きな影響を与え、判定精度が低下してしまう。他方、δ波の含有率は最大でも１００％であるので、時間ブロックに含まれる区間のδ波の含有率の平均値を時間ブロック特徴量の少なくとも１つとして算出することで、上記ノイズの影響を抑えることが可能となり、ノイズ信号判定部４６を省略することも可能となる。よって、当該態様は次のように表現することが可能である。
生体の脳波信号を検出する電極を有する脳波検出装置と、検出した脳波信号に対して所定の時間ブロック単位で信号処理を行い、その結果に基づいて前記生体の該時間ブロックの睡眠状態を判定する信号処理装置とを備えた睡眠状態判定システムであって、前記信号処理装置は、周波数成分抽出部と、区画特徴量算出部と、時間ブロック特徴量算出部と、睡眠状態判定部とを有し、前記周波数成分抽出部は、前記時間ブロックを複数の区間に分割し、複数に分割された区画毎に前記脳波信号の周波数解析を行って各区間の周波数成分を抽出し、前記区間特徴量算出部は、抽出した周波数成分に基づいて前記各区間の区画特徴量として少なくともδ波の含有率を算出し、前記時間ブロック特徴量算出部は、前記時間ブロックの時間ブロック特徴量の少なくとも１つとして前記δ波の含有率の平均値を算出し、前記睡眠状態判定部は、算出した時間ブロック特徴量に基づいて、該時間ブロックにおける前記生体の睡眠状態を判定する。なお、当該態様は、睡眠判定プログラム、睡眠判定方法としても実施可能である。
但し、上記実施形態の方が、判定精度の点で優れている。

また、上記各実施形態では、信号処理装置４としてスマートフォンを用いた。しかし、信号処理装置４は、スマートフォンに限られず、携帯電話機、タブレット端末や携帯型ゲーム機等の携帯型端末でもよく、さらに例えば、信号処理装置４としてパーソナルコンピュータ（ＰＣ）を用いることも可能である。係る場合、例えば、脳波検出装置２及び信号変換器３として、図１２，１３に示す如き脳波センサー６０を用いる。

図１２に示すように、脳波センサー６０は、大略、生体Ｌの耳介に装着される検出電極としての耳介電極６１と、耳朶に装着される基準電極としての耳朶電極６２と、これら電極６１，６２とワイヤ６４で接続された本体部６３よりなる。

図１３に示すように、本体部６３は、大略、電極２１，２２より入力された脳波信号を増幅するアンプ６５と、増幅された脳波信号からノイズをカットするフィルタ６６と、ノイズが除去された脳波信号をデジタル変換するＡ／Ｄ変換部６７と、デジタル変換された脳波信号を信号処理装置４としてのパーソナルコンピュータ（ＰＣ）へ送信する無線通信部６８と、Ａ／Ｄ変換部６７及び無線通信部６８を制御する制御部６９よりなる。

このように、脳波センサー６０は、耳に装着可能に構成されると共に信号処理装置４へ無線で脳波信号を送信するので、装着時の違和感を低減できると共に睡眠中や覚醒時のずれも防止することができる。なお、係る実施形態では、本体部６３で脳波信号をデジタル変換するので、上記各実施形態における信号処理装置４のＡ／Ｄ変換部４１及び周波数変換部（復調部）４２に代えて、脳波センサー６０より送信された脳波信号を受信する無線通信部を備える。信号処理装置４の他の構成や睡眠状態判定手順等は、上記各実施形態と共通する。もちろん、上記各実施形態の脳波検出装置２及び信号変換器３を脳波センサー６０にて構成することは可能である。

本発明は、上記各実施形態の如く構成されるが、さらに包括的には次に列挙するような構成を備えてもよい。
本発明に係る健康状態判定システムとしては、生体の生体信号を検出する電極を有する生体信号検出装置と、検出した生体信号に対して所定の時間ブロック単位で信号処理を行い、その結果に基づいて前記生体の該時間ブロックの健康状態を判定する信号処理装置とを備えた健康状態判定システムであって、前記信号処理装置は、周波数成分抽出部と、区画特徴量算出部と、ノイズ信号判定部と、時間ブロック特徴量算出部と、睡眠状態判定部とを有し、前記周波数成分抽出部は、前記時間ブロックを複数の区間に分割し、複数に分割された区画毎に前記生体信号の周波数解析を行って各区間の周波数成分を抽出し、前記区間特徴量算出部は、抽出した周波数成分に基づいて各区間の区画特徴量を算出し、前記ノイズ信号判定部は、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定し、前記時間ブロック特徴量算出部は、前記ノイズ区画と判定した区画の区画特徴量を除く他の区間の区画特徴量に基づいて前記時間ブロックの時間ブロック特徴量を算出し、前記睡眠状態判定部は、算出した時間ブロック特徴量に基づいて、該時間ブロックにおける前記生体の健康状態を判定する。

また、本発明に係る健康状態判定プログラムとしては、コンピュータに実行されることにより生体の健康状態を判定する健康状態判定プログラムであって、前記コンピュータを、所定の時間ブロックを複数の区間に分割し、複数に分割された区画毎に前記生体信号の周波数解析を行って各区間の周波数成分を抽出する周波数成分抽出手段と、抽出した周波数成分に基づいて各区間の区画特徴量を算出する区間特徴量算出手段と、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定するノイズ信号判定手段と、前記ノイズ区画と判定した区画の区画特徴量を除く他の区間の区画特徴量に基づいて前記時間ブロックの時間ブロック特徴量を算出する時間ブロック特徴量算出手段と、算出した時間ブロック特徴量に基づいて、該時間ブロックにおける前記生体の健康状態を判定する健康状態判定手段として機能させる。

上記記載の健康状態判定プログラムは、コンピュータに読み取り可能な記録媒体に記憶される。

また、本発明に係る健康状態判定方法としては、生体の脳波信号を検出し、その生体信号に基づいて前記生体の健康状態を判定する健康状態方法であって、所定の時間ブロックを複数の区間に分割し、複数に分割された区画毎に前記脳波信号の周波数解析を行って各区間の周波数成分を抽出し、抽出した周波数成分に基づいて各区間の区画特徴量を算出し、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定し、前記ノイズ区画と判定した区画特徴量を除く他の区間の区画特徴量に基づいて前記時間ブロックの時間ブロック特徴量を算出し、算出した時間ブロック特徴量に基づいて、該時間ブロックにおける前記生体の健康状態を判定する。

上記健康状態判定システム１’は、例えば、図１４に示すように、大略、生体信号検出装置２’と、検出した生体信号を変調する信号変換器３’と、信号変換器３’から入力された生体信号を信号処理する信号処理装置４としてのスマートフォンとを備える。

生体信号検出装置２’は、生体の脳波を検出する検出電極２１と、基準電極２２と、筋電や心電を検出する筋電心電電極２３と、呼吸を計測する呼吸計電極２４とを備える。これら電極２１〜２４は、導電ワイヤ５を介して信号変換器３’に接続され、検出した生体信号を信号変換器３’へ送出する。

信号変換器３’は、脳波信号、筋電心電信号及び呼吸信号をそれぞれ増幅するアンプ群３１’と、増幅された各信号からノイズをカットするフィルタ群３２’と、ノイズが除去された脳波信号をアナログ変調する周波数変換部（変調部）３３とを備える。他の点は、上記各実施形態と共通する。

信号処理装置４としてのスマートフォンの構成は、上記各実施形態の睡眠状態判定部４８に代えて、健康状態判定部４８’を有する点で、上記各実施形態と異なる。健康状態判定部４８’は、各生体信号に基づいて健康状態を判定する。他の点は、上記各実施形態と共通する。なお、生体信号は、脳波、筋電、心電、呼吸の各信号に限定されるものではない。

さらに、本発明に係る生体信号処理システムは、生体の生体信号を検出する電極を有する生体信号検出装置と、検出した生体信号を信号処理する信号処理装置とを備えた生体信号処理システムであって、前記信号処理装置は、周波数成分抽出部と、区画特徴量算出部と、ノイズ信号判定部と、時間ブロック特徴量算出部とを有し、前記周波数成分抽出部は、前記時間ブロックを複数の区間に分割し、複数に分割された区画毎に前記脳波信号の周波数解析を行って各区間の周波数成分を抽出し、前記区間特徴量算出部は、抽出した周波数成分に基づいて各区間の区画特徴量を算出し、前記ノイズ信号判定部は、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定し、前記時間ブロック特徴量算出部は、前記ノイズ区画と判定した区画の区画特徴量を除く他の区間の区画特徴量に基づいて前記時間ブロックの時間ブロック特徴量を算出する。

上記特徴によれば、周波数成分抽出部は、時間ブロックを複数に分割した区間毎に生体信号の周波数解析を行い周波数成分を抽出する。そして、区画特徴量算出部は、抽出した周波数成分に基づいて各区間の区画特徴量を算出し、ノイズ信号判定部は、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定する。時間ブロックの単位時間より短い単位時間の区画毎に周波数解析を行うので、Ｖ波やＫ複合波等の睡眠時特有の非定常波が観測された場合や、体動や筋電に起因する生体ノイズが混入した場合であっても、それらを健全な生体信号と明瞭に区別できる。そして、時間ブロック特徴量算出部は、ノイズ区画と判定した区画の区画特徴量を除く他の区間の区画特徴量に基づいて時間ブロック特徴量を算出するので、誤判定の原因となる上述の非定常波や生体ノイズの各時間ブロックに対する影響を低減することができる。よって、上記の如き信号処理（補正）された時間ブロック特徴量を用いることで、例えば生体の睡眠状態の判定や健康状態の判定を高精度に行うことができる。

さらに、本発明に係る生体信号処理方法としては、検出した生体の生体信号を補正する生体信号処理方法であって、所定の時間ブロックを複数の区間に分割し、複数に分割された区画毎に前記生体信号の周波数解析を行って各区間の周波数成分を抽出し、抽出した周波数成分に基づいて各区間の区画特徴量を算出し、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定し、前記ノイズ区画と判定した区画の区画特徴量を除く他の区間の区画特徴量に基づいて前記時間ブロックの時間ブロック特徴量を算出する。

また、上記記載の生体信号処理システムは、それを実行するためのコンピュータプログラムにより実現され、このコンピュータプログラムは記録媒体に記憶される。

本発明は睡眠状態判定システムの他、例えば、健康管理システムや居眠り防止システム、生体信号処理システム等としても利用することができる。

１：睡眠状態判定システム、１’：健康状態判定システム、２：脳波検出装置、２’：生体信号検出装置、３，３’：信号変換器、４：信号処理装置（携帯型端末、ＰＣ）、４ａ：ＣＰＵ、４ｂ：ＲＯＭ、４ｃ：ＲＡＭ、４ｄ：バス、４ｅ：入力部、４ｆ：記憶部、４ｇ：表示部、４ｈ：出力部、４ｉ：通信部、４ｊ：オーディオジャック（音声入出力部）、５：導電ワイヤ、２１：検出電極、２２：基準電極、２３：筋電心電電極、２４：呼吸計電極、３１：アンプ、３１’：アンプ群、３２：フィルタ、３２’フィルタ群、：３３：周波数変換部（変調部）、４０：ソフトウエア、４１：Ａ／Ｄ変換部、４２：周波数変換部（復調部）、４３：脳波データ記憶部、４４：周波数成分抽出部、４５：区画特徴量算出部、４６：ノイズ信号判定部、４７：時間ブロック特徴量算出部、４７ａ：フィルタ処理部、４８：睡眠状態判定部、４８’：健康状態判定部、４９：判定結果出力部、５０：記憶部、５１：脳波データ記憶部、５２：区画特徴量記憶部、５３：周波数解析結果記憶部、５４：判定結果記憶部、６０：脳波センサー、６１：耳介電極（検出電極）、６２：耳朶電極（基準電極）、６３：本体部、６４：ワイヤ、６５：アンプ、６６：フィルタ、６７：Ａ／Ｄ変換部、６８：無線通信部、６９：制御部、Ａ：区画、Ｂ：時間ブロック、Ｌ：生体、Ｓ：脳波、Ｅ：閾値、Ｐ：区画特徴量、Ｑ：時間ブロック特徴量、

Claims (9)

1. 生体の脳波信号を検出する電極を有する脳波検出装置と、検出した脳波信号に対して所定の時間ブロック単位で信号処理を行い、その結果に基づいて前記生体の該時間ブロックの睡眠状態を判定する信号処理装置とを備えた睡眠状態判定システムであって、
   前記信号処理装置は、周波数成分抽出部と、区画特徴量算出部と、ノイズ信号判定部と、時間ブロック特徴量算出部と、睡眠状態判定部とを有し、
   前記周波数成分抽出部は、前記時間ブロックを複数の区間に分割し、複数に分割された区画毎に前記脳波信号の周波数解析を行って各区間の周波数成分を抽出し、
   前記区間特徴量算出部は、抽出した周波数成分に基づいて各区間の区画特徴量を算出し、
   前記ノイズ信号判定部は、算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定し、
   前記時間ブロック特徴量算出部は、前記ノイズ区画と判定した区画の区画特徴量を除く他の区間の区画特徴量に基づいて前記時間ブロックの時間ブロック特徴量を算出し、
   前記睡眠状態判定部は、算出した時間ブロック特徴量に基づいて、該時間ブロックにおける前記生体の睡眠状態を判定する睡眠状態判定システム。
2. 前記算出した区画特徴量の少なくとも一つ及び前記閾値には、δ波の含有率を用いる請求項１記載の睡眠状態判定システム。
3. 前記時間ブロック特徴量算出部は、前記ノイズ区画の区画特徴量を除く他の区間の区画特徴量の和を前記分割の数から前記ノイズ区画の数を引いた数で除した平均値を前記時間ブロック特徴量として算出する請求項１又は２記載の睡眠状態判定システム。
4. 前記時間ブロック特徴量算出部は、フィルタ処理部をさらに有し、前記フィルタ処理部は、前記時間ブロック及びその時間ブロックの少なくとも直前直後の他の時間ブロックの時間ブロック特徴量の平均を求め、求めた平均値を当該時間ブロックの前記時間ブロック特徴量として更新する請求項１〜３のいずれかに記載の睡眠状態判定システム。
5. 前記睡眠状態判定部は、覚醒状態と、ＲＥＭ睡眠段階と、睡眠段階１と睡眠段階２を合わせたＬｉｇｈｔ睡眠段階と、睡眠段階３と睡眠段階４を合わせたＤｅｅｐ睡眠段階との４段階を判定する請求項１〜４のいずれかに記載の睡眠状態判定システム。
6. 前記信号処理装置は、少なくとも音声入出力を構成するオーディオジャックを備える携帯型端末であり、
   前記脳波検出装置は、前記検出した脳波信号をアナログ変調する周波数変換部を有する信号変換器をさらに備え、
   前記携帯型端末は、変調された脳波信号をデジタル信号に変換する周波数変換部と復調する復調部をさらに備え、
   前記検出した脳波信号は、前記信号変換器から前記オーディオジャックを介して前記携帯型端末へ入力される
   請求項１〜４のいずれかに記載の睡眠状態判定システム。
7. コンピュータに実行されることにより生体の睡眠状態を判定する睡眠状態判定プログラムであって、
   前記コンピュータを、
   所定の時間ブロックを複数の区間に分割し、複数に分割された区画毎に前記脳波信号の周波数解析を行って各区間の周波数成分を抽出する周波数成分抽出手段と、
   抽出した周波数成分に基づいて各区間の区画特徴量を算出する区間特徴量算出手段と、
   算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定するノイズ信号判定手段と、
   前記ノイズ区画と判定した区画の区画特徴量を除く他の区間の区画特徴量に基づいて前記時間ブロックの時間ブロック特徴量を算出する時間ブロック特徴量算出手段と、
   算出した時間ブロック特徴量に基づいて、該時間ブロックにおける前記生体の睡眠状態を判定する睡眠状態判定手段として機能させるための睡眠状態判定プログラム。
8. 請求項７記載の睡眠状態判定プログラムを記録したコンピュータに読み取り可能な記録媒体。
9. 生体の脳波信号を検出し、その脳波信号に基づいて前記生体の睡眠状態を判定する睡眠状態判定方法であって、
   所定の時間ブロックを複数の区間に分割し、複数に分割された区画毎に前記脳波信号の周波数解析を行って各区間の周波数成分を抽出し、
   抽出した周波数成分に基づいて各区間の区画特徴量を算出し、
   算出した区間特徴量の少なくとも一つが所定の閾値を超える場合にその区間をノイズ区間と判定し、
   前記ノイズ区画と判定した区画特徴量を除く他の区間の区画特徴量に基づいて前記時間ブロックの時間ブロック特徴量を算出し、
   算出した時間ブロック特徴量に基づいて、該時間ブロックにおける前記生体の睡眠状態を判定する睡眠状態判定方法。