JP2015016188A - 生体情報処理装置、生体情報処理方法 - Google Patents

Abstract

【課題】被験者の多様な運動状況に応じて変動する体動ノイズを減衰しノイズの少ない脈波を抽出する生体情報処理装置を提供すること。
【解決手段】脈波成分および体動ノイズ成分を含む生体信号を検出し、体動ノイズ成分と相関する体動信号を検出し、生体信号に含まれる脈波成分および体動ノイズ成分を体動信号に基づいて分離するフィルターであって、フィルター特性が異なるフィルターを複数備え、フィルター毎に体動信号と脈波成分および体動ノイズ成分の少なくとも一つとの相関係数を算出し、相関係数に基づいて、いずれか一つのフィルターを用いて分離した脈波成分を脈波信号として決定する生体情報処理装置。この生体情報処理装置によれば、複数のフィルターにより抽出された脈波成分からノイズ成分が十分に減衰された脈波成分を選択することができる。
【選択図】図４

Description

本発明は、被験者の脈拍数を測定する生体情報処理装置および生体情報処理方法に関する。

従来から、被験者の腕などに装着して歩行やランニングなどの運動中に脈拍数を測定する脈拍計が知られている。脈拍計には脈波センサーが備えられ、被験者の血流量の変化を検知し生体信号を取得する。生体信号から脈波に相当する信号成分（脈波成分）を抽出し、脈拍数を求めている。生体信号には、脈波成分の他に被験者の運動中の体動に起因する体動成分も重畳されているため、脈拍計には、加速度センサーが更に備えられ、被験者の体動信号を検知して、生体信号から体動成分を推定して主たる脈波成分を抽出していた。体動成分を推定するために、例えば、特許文献１に記載の脈拍計においては、生体信号および体動信号のそれぞれにＦＦＴ（Fast Fourier Transform）処理を施し、生体信号の周波数成分から体動信号に対応する周波数成分を推定し、脈拍数に相当する周波数成分を選定していた。また、特許文献２に記載の信号抽出装置においては、ＦＩＲ（Finite Impulse Response）フィルターによって構成された適応フィルターを用いて、体動信号から体動成分を推定し、生体信号から体動成分を減らし主たる脈波成分を抽出していた。

特開平７−２２７３８３号公報 特開平１１−２７６４４８号公報

しかしながら、特許文献１および特許文献２に記載の装置では、被験者が急に運動を開始した時などのように脈拍数の変化と体動の変動を伴う状況において、体動に起因するノイズ成分が、抽出された推定脈波成分に多く残留してしまう場合があった。ノイズ成分の残留の程度によっては、脈拍数に相当する周波数成分の特定に影響を与えるため、更なる改善が必要であった。詳しくは、特許文献１では、運動開始時など被験者が急に激しい動きをするような場合には、被験者の脈拍数の上昇を伴うため、脈拍数に相当する周波数成分が分散する。分散した脈拍数の周波数成分は、体動に起因するノイズ成分の周波数成分に紛れてしまうため、脈拍数の特定は困難で生体信号や体動信号以外の情報までも利用して脈拍数を推定する必要があった。このような状況を鑑みて、生体信号に含まれるノイズ成分の残留が更に低減された推定脈波成分を抽出する工夫が必要とされていた。また、特許文献２では、被験者による急激な運動開始とその後の運動中のような運動状況が変化する一連の場面において、適応フィルターにより抽出された推定脈波成分には部分的にノイズ成分が多く残留していることがあった。ノイズ成分が多く残留している部分において、脈拍数に相当する周波数成分の特定に影響を与えるため、更なる改善が必要であった。
このように、被験者の多様な運動状況の変化があっても、被験者の脈拍数をより正確に測定するために、ノイズ成分が十分に減衰された推定脈波成分を抽出する必要があった。

本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態または適用例として実現することが可能である。

［適用例１］本適用例に係る生体情報処理装置は、脈波成分および体動ノイズ成分を含む生体信号を検出する生体信号検出部と、体動信号を検出する体動信号検出部と、生体信号から脈波成分および体動ノイズ成分を体動信号に基づいて分離する体動ノイズ除去部と、を備え体動ノイズ除去部は、学習特性が異なる複数のフィルター部と、体動信号と複数のフィルター部からの出力信号との相関度合いを示す相関情報を算出する相関情報算出部と、相関情報に基づいて複数のフィルター部からの出力信号を選択する選択部と、を備えることを特徴とする。

本適用例によれば、学習特性が異なるフィルター部を複数備えることにより、被験者の多様な運動状況の各場面に対応した出力信号を複数得ることができる。複数の出力信号は体動信号と相関情報とに基づいて比較され、その中から、体動信号と相関度合いの高い体動ノイズ成分が算出されており、その体動ノイズ成分が十分に減衰された脈波成分を有する出力信号を選択することができる。つまり、被験者の多様な運動状況の変化があっても、体動ノイズ成分が十分に減衰された脈波成分を抽出することができる。

［適用例２］学習特性は、体動信号の変動に対する追従特性を制御するステップサイズにより、学習特性を異ならしめるように構成することが好ましい。

本適用例によれば、学習特性はステップサイズを含んでいるため、学習特性が異なる複数のフィルター部は、それぞれが体動信号の変動に対応した異なる追従特性を有している。従って、被験者の多様な運動状況における体動信号の変動に対応して最も追従して算出された体動ノイズ成分が減衰された脈波成分を選択することができる。

［適用例３］相関情報算出部は、フィルター部からの出力信号毎に、相関情報を体動信号に基づいて算出し、選択部は、相関情報の絶対値が最小となるフィルター部からの出力信号を選択することが好ましい。

本適用例によれば、選択部は、体動信号に対して最も相関の低い出力信号を選択することができる。従って、選択された出力信号は、体動ノイズ成分の残留が最も少ないと推定される出力信号（推定脈波成分）である。

［適用例４］上記フィルター部からの出力信号は、脈波成分を推定する推定脈波信号であることが好ましい。

［適用例５］相関情報算出部は、フィルター部からの出力信号毎と体動信号とに基づいて相関情報を算出し、選択部は、相関情報の絶対値が最大となるフィルター部からの出力信号を選択することが好ましい。

本適用例によれば、選択部は、体動信号に対して最も近い相関を表した出力信号を選択することができる。従って、選択された出力信号は、体動信号とそれに伴うノイズを最も倣ったと推定される信号（推定体動ノイズ成分）である。生体信号から当該体動ノイズ成分を分離することで得られる脈波成分は体動ノイズ成分を最も減衰できている。従って、体動ノイズ成分が十分に減衰されている脈波成分を選択することができる。

［適用例６］上記フィルター部からの出力信号は、体動ノイズ成分を推定する推定体動ノイズ信号であることが好ましい。

［適用例７］選択部は、選択した出力信号を出力したフィルター部の相関情報と、他のフィルター部の相関情報との差分が、所定の閾値を超えた場合、選択した出力信号を出力したフィルター部の学習特性を他のフィルターの学習特性に設定することが好ましい。

本適用例によれば、生体信号から推定体動ノイズ成分を適切に減衰させてきたフィルターの学習特性を、他の成果の出せていないフィルターに設定することにより、フィルター動作途中において各フィルター性能を適切なレベルに上げることができる。つまり、学習特性が設定された時点から、複数のフィルターは性能が横並びとなり、以降はそれぞれの学習特性に基づいた適応処理（学習処理）を行うことができる。従って、学習特性が異なる複数のフィルターのそれぞれのフィルターの性能が向上することで、学習特性の特徴が直接出力信号に反映され、更に精密に推定体動ノイズ成分が減衰された推定脈波成分を抽出できる。

［適用例８］体動信号は、一軸方向あるいは互いに交差する少なくとも二軸方向の加速度信号を含み、各軸からの信号を順次体動信号として適用することが好ましい。

本適用例によれば、生体信号に重畳されている各軸方向の加速度信号などの体動信号を一つずつフィルターに適用することで、重畳されている信号に関係するノイズ成分を減衰させることができる。従って、生体信号に重畳されているノイズ成分を信号毎に減衰させることができ、ノイズ成分の少ない推定脈波成分を抽出することができる。

［適用例９］体動信号は、生体信号の検出部位の押圧を示す接触圧信号を含んでいても良い。

本適用例によれば、生体信号に更に重畳されている検出部位の押圧を示す接触圧信号などの体動信号をフィルターに適用することで、被験者の腕などに装着された生体情報処理装置の装着状態の変化などに起因するノイズ成分を減衰させることができる。

［適用例１０］選択部で選択した信号に基づいて脈拍数を算出する制御部をさらに有しても良い。

本適用例によれば、選択された信号はノイズ成分が減衰された推定脈波成分であるため、ＦＦＴ処理などによる脈拍数算出処理において、脈拍を示す周波数の特定が容易になり、信頼性の高い脈拍数算出を提供できる。また、算出に要する時間が短縮し、係る消費電力を抑えることができる。

［適用例１１］本適用例に係る生体情報処理方法は、脈波成分および体動ノイズ成分を含む生体信号を検出する生体信号検出工程と、体動信号を検出する体動信号検出工程と、生体信号から脈波成分および体動ノイズ成分を体動信号に基づいて分離するフィルター工程であって、学習特性が異なる複数のフィルター工程を用いて分離する体動ノイズ除去処理工程と、体動信号と複数のフィルター工程からの出力信号との相関度合いを示す相関情報を算出する相関情報算出工程と、相関情報に基づいて複数のフィルター工程からの出力信号を選択する選択工程と、を備えることを特徴とする。

本適用例によれば、学習特性の異なる複数のフィルターを備えることで、それぞれの学習特性に基づいた体動ノイズ成分および脈波成分を算出することができる。また、体動信号と出力信号との相関情報に基づいて、複数のフィルターからの出力信号の中から、体動ノイズ成分が少ない出力信号を選択することができる。運動状況の変化の多い部分であっても、選択される出力信号は、複数のフィルターにより算出された出力信号の中で残留する体動ノイズ成分が最も少ない信号である。従って、被験者の多様な運動状況の変化があってもノイズ成分が十分に除去された脈波成分を抽出ことができる。

脈拍計の正面図。 （ａ）脈拍計の背面図、（ｂ）脈拍計の使用状態図。 脈波センサーの動作の説明図。 脈拍計の機能構成の一例を示すブロック図。 体動ノイズ除去部の機能構成の一例を示すブロック図。 適応フィルターの原理構成ブロック図。 適応フィルターの適用例（運動開始時）。 適応フィルターの適用例（運動安定時）。 脈拍計の制御プログラムの流れを示すフローチャート図。 体動ノイズ成分除去処理の流れを示すフローチャート図。 算出脈拍数の一例を示すグラフ。 実施形態２における体動ノイズ成分除去処理の流れを示すフローチャート図。

以下、本発明の実施形態について、図面を参照して説明する。尚、以下の各図においては、各層や各部材を認識可能な程度の大きさにするため、各層や各部材の尺度を実際とは異ならせしめている。

（実施形態１）
（生体情報処理装置の外観構成）
図１は、本実施形態における脈拍計の正面図である。生体情報処理装置としての脈拍計１は、リストバンド２を備え、ケース３には、時刻や脈拍計１の動作状態、各種生体情報（脈拍数、運動強度、カロリー消費量等）を文字や数字、アイコン等によって表示するための表示パネル４が配置されている。

また、ケース３の周部（側面）には脈拍計１を操作するための操作ボタン５が配置されている。脈拍計１は、例えば内蔵する二次電池を電源として動作する。ケース３の側面には、外部の充電器と接続されて、内蔵二次電池を充電するための充電端子６が配設されている。

図２（ａ）は脈拍計１の背面図であり、ケース３の背面から脈拍計１を見たときの外観図を示している。図２（ｂ）は脈拍計１の使用状態図であり、被験者の手首ＷＲに装着された状態の脈拍計１の側面図を示している。

ケース３の背面には、被験者の手首ＷＲなどにおける皮下組織（浅い部位）の血流の変化を検出して生体信号を出力する脈波センサー１０が配設されている。好適例として、脈波センサー１０は、光電脈波センサーであり、血流量の変化を光学的に検出するための機構を備えている。

図３は、脈波センサー１０の構造の説明図であり、脈波センサー１０の内部構造をケース３の側面から見たときの拡大図である。脈波センサー１０は、ケース３の背面側に形成された円形底面を有する半球状の収納空間内に配置されている。そして、この収納空間内に、ＬＥＤ（Light Emitting Diode）などの発光素子１２と、フォトトランジスターなどの受光素子１３とが内蔵されている。半球の内面は鏡面加工された反射面１１であり、半球の開口面側を下方とすると、受光素子１３および発光素子１２は、それぞれ基板１４の上面および下面に実装されている。

発光素子１２によって被験者の手首ＷＲの皮膚ＳＫに向けて光Ｌｅが照射されると、その照射光Ｌｅの一部が皮下の血管ＢＶで反射して半球内に反射光Ｌｒとして戻ってくる。反射光Ｌｒは、半球状の反射面１１において更に反射して、受光素子１３に上方から入射する。

この血管ＢＶからの反射光Ｌｒは、血液中のヘモグロビンの吸光作用により、血流量の変化を反映してその反射光強度が変動する。脈波センサー１０は、拍動よりも速い周期で発光素子１２を所定の周期で点滅させる。そして、受光素子１３は、発光素子１２の点灯機会毎に反射光Ｌｒを受光し、その受光強度に応じた光電変換を行い、血流量の変化の信号として生体信号を出力する。脈波センサー１０は、例えば１２８Ｈｚの周波数で発光素子１２を点滅させる。

また、図２（ａ）に示すように、脈拍計１は、被験者の体動を検出するための加速度センサー２０を内蔵している。加速度センサー２０は、図１に示すように、例えば、ケース３のカバーガラス面の法線方向であって表示面側を正とするＺ軸、時計の１２時方向を正とする上下方向をＹ軸、時計の３時方向を正とする左右方向をＸ軸とする３軸の方向を有する加速度センサーである。

脈拍計１を腕に装着した状態において、Ｘ軸は、被験者の肘から手首に向かう方向と一致する。加速度センサー２０は、Ｘ軸、Ｙ軸、およびＺ軸の３軸の加速度を検出し、少なくともＸ軸およびＹ軸のそれぞれを順次体動信号として出力する。脈拍計１は、加速度センサー２０によって検出された体動信号に基づいて、歩行やランニングなどに伴う被験者の周期的な体動（例えば、ピッチや腕の動きなど）を含む多様な運動時における体動を検出する。
尚、加速度センサー２０は、３軸の加速度センサーを有するセンサーとしているが、少なくとも２軸の加速度センサーを有したセンサーであれば良い。略直交する２軸の加速度センサーを備えていても良いし、立体的に交差する多軸の加速度センサーを備えていても良い。

（脈拍計の機能構成）
図４は、脈拍計の機能構成の一例を示すブロック図である。
脈拍計１は、脈波センサー１０、加速度センサー２０、脈波ＡＤ変換部３０、加速度ＡＤ変換部４０、脈拍数算出部６０、体動ノイズ除去部１００、制御部２００、操作部２１０、表示部２２０、報知部２３０、通信部２４０、計時部２５０、記憶部２６０などから構成されている。

脈波センサー１０は、上述したように脈拍計１が装着された被験者の血流量の変化を計測するセンサーである。脈波センサー１０は、身体組織への血流の流入によって生じる容積変化を生体信号として検出し、所定のゲインで増幅された生体信号を脈波ＡＤ変換部３０に出力する。
脈波ＡＤ変換部３０は、増幅されたアナログ形式の生体信号を所定のサンプリング時間間隔でサンプリングし、所定の分解能を有するデジタル信号に変換する。そして、デジタル信号に変換された生体信号を体動ノイズ除去部１００に出力する。
加速度センサー２０は、上述したように脈拍計１が装着された被験者の体動を捉えるためのセンサーである。Ｘ軸、Ｙ軸、およびＺ軸の３軸方向に対する加速度信号を体動信号として検出する。体動信号は、所定のゲインで増幅され加速度ＡＤ変換部４０に出力される。
加速度ＡＤ変換部４０は、増幅されたアナログ形式の体動信号を所定のサンプリング時間間隔でサンプリングし、所定の分解能を有するデジタル信号に変換する。そして、デジタル信号に変換された体動信号を体動ノイズ除去部１００に出力する。
尚、脈波センサー１０、脈波ＡＤ変換部３０が、生体信号検出部に相当し、加速度センサー２０、加速度ＡＤ変換部４０が体動信号検出部に相当する。

体動ノイズ除去部１００は、生体信号および体動信号を入力として、生体信号に含まれる脈波成分と体動ノイズ成分とを分離するフィルター回路である。フィルター回路は、適応フィルターを用いて体動信号から推定体動ノイズ成分を算出する。その後、生体信号から推定体動ノイズ成分を減衰することで、推定脈波成分が抽出される。適応フィルターは、学習特性の異なる２種類の適応フィルターを備え、それぞれから推定体動ノイズ成分および生体信号から推定体動ノイズ成分が減衰された推定脈波成分を出力信号として出力する。尚、体動ノイズ除去部１００の詳細については後述する。

制御部２００は、ＭＰＵ（Micro Processing Unit）やＤＳＰ（Digital Signal Processor）等のプロセッサーであり、記憶部２６０内に格納された制御プログラム２６１に基づいて、脈拍計１を構成する脈波センサー１０、加速度センサー２０、体動ノイズ除去部１００、操作部２１０、表示部２２０などを含む各部を制御する。

脈拍数算出部６０は、体動ノイズ除去部１００により出力された推定脈波成分から脈拍数を演算する機能部であり、制御部２００により実行される制御プログラム２６１の一部が実現する機能を構成部位とみなした仮定部位である。例えば、推定脈波成分に対して周波数分解処理（ＦＦＴ処理）を行い、各周波数の信号強度値を分析し脈波に相当する周波数スペクトルを特定する。そして、脈波の周波数スペクトルの周波数から脈拍数を算出する。脈拍数算出部６０では、ＦＦＴ処理の過程において、入力した推定脈波成分にノイズが少ないと脈拍を呈する周波数をより特定し易い。
尚、図示しないが、体動信号を用いて被験者の運動状況を把握するピッチ（歩／分）、脈拍数あるいはピッチを用いて算出する運動強度（メッツ）および消費カロリーなどを算出する演算部も機能部として備えてもよい。

操作部２１０は、ボタンスイッチ等を有して構成される入力装置であり、押下されたボタンの信号を制御部２００に出力する。この操作部２１０の操作により、脈拍数の測定指示等の各種指示入力がなされる。操作部２１０は図１の操作ボタン５に相当する。尚、操作部２１０の構成はこれに限定されるものではなく、複数の操作入力が可能な構成であれば良く、表示パネル４がタッチパネル機能を備えていても良い。

表示部２２０は、ＬＣＤ（Liquid Crystal Display）等を有して構成され、制御部２００から入力される表示信号に基づく各種表示を行う表示装置である。表示部２２０には、各種の生体情報（脈拍数、運動強度、消費カロリー等）が表示される。表示部２２０は、図１の表示パネル４に相当する。

報知部２３０は、スピーカーや圧電振動子等を有して構成され、制御部２００から入力される報知信号に基づく各種報知を行う報知装置である。例えば、アラーム音をスピーカーから出力させたり、圧電振動子を振動させることで、被験者への各種報知を行う。

通信部２４０は、制御部２００の制御に従って、装置内部で利用される情報をＰＣ（Personal Computer）等の外部の情報処理装置との間で送受信するための通信装置である。この通信部２４０の通信方式としては、所定の通信規格に準拠したケーブルを介して有線接続する形式や、クレイドルと呼ばれる充電器と兼用の中間装置を介して接続する形式、近距離無線通信を利用して無線接続する形式等、種々の方式を適用可能である。

計時部２５０は、水晶振動子および発振回路でなる水晶発振器等を有して構成され、脈拍計１の時計機能、ストップウォッチ機能、生体情報や体動情報検出用のサンプリング時間の発生などの計時機能を有している。計時部２５０の計時時刻は、制御部２００に随時出力される。

記憶部２６０は、ＲＯＭ（Read Only Memory）やフラッシュＲＯＭ、ＲＡＭ（Random Access Memory）等の記憶装置によって構成され、脈拍計１の制御プログラム２６１や脈拍数算出部６０の機能、運動強度算出機能、消費カロリー算出機能などの各種機能を実現するための各種プログラム、データ等を記憶している。また、各種処理の処理中データ、処理結果などを一時的に記憶するワークエリアを有する。

（体動ノイズ除去部の構成）
次に体動ノイズ除去部１００の詳細を説明する。
図５は、体動ノイズ除去部の機能構成の一例を示すブロック図である。
体動ノイズ除去部１００は、適応フィルターＡ１１０、適応フィルターＢ１２０、相関情報算出部１３０、選択部１４０などから構成されている。適応フィルターＡ１１０および適応フィルターＢ１２０は、複数のフィルター部に相当する。
体動ノイズ除去部１００では、生体信号Ｄおよび体動信号としての第一軸信号Ｘ１を入力信号とし、推定脈波成分Ｅ１が出力される。第一軸信号Ｘ１は、例えば、Ｘ軸方向の加速度信号であり、推定脈波成分Ｅ１は、Ｘ軸方向の加速度に起因するノイズが減衰された信号成分である。更に、体動ノイズ除去部１００では、推定脈波成分Ｅ１および体動信号としての第二軸信号Ｘ２を入力信号とし、推定脈波成分Ｅ２が出力される。第二軸信号Ｘ２は、例えばＹ軸方向の加速度であり、推定脈波成分Ｅ２は、Ｘ軸方向およびＹ軸方向の加速度に起因するノイズが減衰された信号成分である。以下に詳細を説明する。

適応フィルターＡ１１０および適応フィルターＢ１２０は、適応アルゴリズムの学習特性が異なるフィルターである。
適応フィルターＡ１１０では、生体信号Ｄおよび第一軸信号Ｘ１が入力され、後述する学習特性を適応させながら推定体動ノイズ成分ＹＡが算出され、生体信号Ｄと推定体動ノイズ成分ＹＡとの差分が推定脈波成分ＥＡとして出力される。
適応フィルターＢ１２０では、生体信号Ｄおよび第一軸信号Ｘ１が入力され、適応フィルターＡ１１０とは異なる学習特性に基づいて推定体動ノイズ成分ＹＢが算出され、生体信号Ｄと推定体動ノイズ成分ＹＢとの差分が推定脈波成分ＥＢとして出力される。
尚、適応フィルターＡ１１０から出力される推定体動ノイズ成分ＹＡおよび推定脈波成分ＥＡ、適応フィルターＢ１２０から出力される推定体動ノイズ成分ＹＢおよび推定脈波成分ＥＢは、複数のフィルター部からの出力信号に相当する。

相関情報算出部１３０では、第一軸信号Ｘ１と、推定脈波成分ＥＡと、推定脈波成分ＥＢとが入力され、第一軸信号Ｘ１および脈波成分ＥＡの相関度合いを示す相関係数ＣＡと、第一軸信号Ｘ１および推定脈波成分ＥＢの相関度合いを示す相関係数ＣＢとがそれぞれ算出され、選択部１４０へ出力される。尚、相関係数ＣＡおよび相関係数ＣＢは、相関情報に相当する。また、図５に記載されている推定体動ノイズ成分ＹＡおよび推定体動ノイズ成分ＹＢが相関情報算出部１３０に入力されている部分は、実施形態２において詳細を説明する。
選択部１４０では、推定脈波成分ＥＡと、推定脈波成分ＥＢと、相関係数ＣＡと、相関係数ＣＢとが入力され、相関係数ＣＡおよび相関係数ＣＢの比較結果に基づいて推定脈波成分ＥＡあるいは推定脈波成分ＥＢのいずれかが推定脈波成分Ｅ１として出力される。相関係数の算出および比較の判定の詳細については後述する。

選択部１４０により出力された推定脈波成分Ｅ１は、生体信号Ｄに重畳されていた第一軸信号Ｘ１に相関関係を有する推定体動ノイズ成分ＹＡあるいはＹＢが減衰された推定脈波成分ＥＡあるいはＥＢである。第一軸信号Ｘ１が、例えばＸ軸方向であれば、被験者が脈拍計１を手首に装着してランニングなどの運動をしている状態で肘から手首の方向に発生した加速度信号である。従って、推定脈波成分Ｅ１は肘から手首方向に発生した推定体動ノイズ成分が減衰された推定脈波成分になる。ランニングなどの腕の動きは、直線的な動きだけではないため、Ｘ軸方向に加え、Ｙ軸方向の体動の変化も大きい。そのため、推定脈波成分Ｅ１には、複数の方向に対する体動ノイズ成分が重畳されており、推定脈波成分Ｅ１からＹ軸方向における体動ノイズ成分を低減する必要がある。

そこで、体動ノイズ除去部１００は、更に、推定脈波成分Ｅ１に残存する第二軸信号Ｘ２に相関関係を有する体動ノイズ成分を低減する。第二軸信号Ｘ２は、例えばＹ軸方向の信号である。推定脈波成分Ｅ１および第二軸信号Ｘ２を入力信号として、推定脈波成分Ｅ１から第二軸信号Ｘ２に関する推定体動ノイズ成分ＹＡおよびＹＢが適応フィルターＡ１１０および適応フィルターＢ１２０において算出され、推定脈波成分Ｅ１に残存する第二軸信号Ｘ２に相関関係を有する推定体動ノイズ成分ＹＡおよびＹＢを低減させた推定脈波成分ＥＡおよびＥＢが算出される。そして、相関情報算出部１３０において算出された相関係数ＣＡおよび相関係数ＣＢを用いて選択部１４０により選択された推定脈波成分Ｅ２が出力される。推定脈波成分Ｅ２は、体動信号Ｄから第一軸信号Ｘ１および第二軸信号Ｘ２の方向の体動ノイズ成分が除去された脈波成分を主成分とした信号であり、体動ノイズ除去部１００から脈波信号として出力される。
このようにして、並列に配置された適応フィルターによるノイズ除去処理を、複数の加速度信号に基づいて順次実行することで、体動ノイズ成分を減衰させる性能を更に向上させることが可能となる。

（適応フィルターの構成）
次に図６を用いて適応フィルターＡ１１０および適応フィルターＢ１２０の詳細について説明する。
図６は、適応フィルターの原理構成ブロック図である。
適応フィルター１５０は、適応フィルターＡ１１０および適応フィルターＢ１２０の原理構成である。適応フィルター１５０は、体動ノイズ算出部１５１、減算部１５２、フィルター係数設定部１５３などから構成される。また、適応フィルター１５０は、推定脈波成分Ｅ、推定体動ノイズ成分Ｙ、体動信号Ｘなどに基づいてフィルター係数Ｈを更新しながら推定脈波成分Ｅと推定体動ノイズ成分Ｙとを分離するフィルターである。体動ノイズ算出部１５１では、体動信号Ｘとフィルター係数Ｈとが積和演算され、体動ノイズ成分Ｙが算出される。減算部１５２では、生体信号Ｄから体動ノイズ成分Ｙが減算され、脈波成分Ｅが出力される。フィルター係数設定部１５３では、脈波成分Ｅと、生体ノイズ成分Ｙと、体動信号Ｘとからフィルター係数Ｈが算出され、体動ノイズ算出部１５１に出力される。

（適応フィルターの演算処理）
次に、適応フィルターの演算処理について説明する。
生体信号Ｄおよび体動信号Ｘは、所定のサンプリング周期で検出された時系列に並ぶ離散データである。生体信号Ｄのデータ列をｄ（ｉ）、体動信号Ｘのデータ列をｘ（ｉ）で表す。また、算出された体動ノイズ成分Ｙのデータ列をｙ（ｉ）、脈波成分Ｅのデータ列をｅ（ｉ）、フィルター係数Ｈのデータ列をｈ（ｉ）で表す。引数ｉは、データ列の引数として用いられる値である。データ列は時系列に並ぶデータであるため、引数ｉが大きい方が時間が進行したデータである。引数ｉの最大値は所定期間分の間に蓄積されたデータ数である。引数ｉが同じ値であるデータは、略同じタイミングで検出されたデータ、および略同じタイミングで算出されたデータである。また、引数ｉに対し引数ｉ−１のデータは時間が後退したデータであり、１サンプル過去のサンプル値である。体動ノイズ成分Ｙを例にすると、ｙ（ｉ）に対してＬサンプル分前までのデータはｙ（ｉ−１）、ｙ（ｉ−２）、・・・、ｙ（ｉ−Ｌ）である。

次に、適応フィルター１５０を構成する数式を上述のデータ列を用いて説明する。
数式（１）は、引数ｉ番目の体動ノイズ成分ｙ（ｉ）を求める数式である。フィルター係数ｈ（ｋ）と体動信号ｘ（ｉ−ｋ）との積をｋを１〜Ｌまで増加させながらＬ回分加算する。体動信号ｘ（ｉ−ｋ）は、Ｌサンプル分前までの体動信号である。また、Ｌは適応フィルターにおけるフィルター長と等しく、フィルターのタップである。
ｙ（ｉ）＝Σ［ｈ（ｋ）・ｘ（ｉ−ｋ）］ ｋ＝１〜Ｌ・・・数式（１）

数式（２）は、引数ｉ番目の脈波成分ｅ（ｉ）を求める数式である。生体信号ｄ（ｉ）から数式（１）により算出されたｙ（ｉ）を減算することにより脈波成分ｅ（ｉ）を算出することができる。
ｅ（ｉ）＝ｄ（ｉ）−ｙ（ｉ）・・・数式（２）

（適応フィルターの学習特性）
数式（３）は、フィルター係数ｈ（ｋ）を更新する数式である。既に算出されている右辺の各変数の値を計算した値を、左辺のｈ（ｋ）に代入しフィルター係数ｈ（ｋ）が更新される。右辺は、ステップサイズμと脈波成分ｅ（ｉ）と体動ノイズ成分ｙ（ｉ−ｋ）とを乗算しフィルター係数ｈ（ｋ）に加算して算出される。右辺のフィルター係数ｈ（ｋ）の値が定まっていない場合などは、予め設定された値などが設定される。ステップサイズμについては後述する。
ｈ（ｋ）＝ｈ（ｋ）＋μ・ｅ（ｉ）・ｙ（ｉ−ｋ） ｋ＝１〜Ｌ・・・数式（３）
更新されたフィルター係数ｈ（ｋ）は、次の体動ノイズ成分ｙ（ｉ＋１）を算出するために数式（１）に代入される。所定期間の最後に算出されたフィルター係数ｈ（ｋ）は、次の所定期間のフィルター係数ｈ（ｋ）の値として設定される。但し、適応フィルターの出力結果が算出された相関係数値の判定により必要とされた場合は、他方の適応フィルターのフィルター係数ｈ（ｋ）を、次の所定期間のフィルター係数ｈ（ｋ）の値として設定しても良い。尚、フィルター係数ｈ（ｋ）は、フィルターの学習特性に相当する。
このようにして、ｈ（１）〜ｈ（Ｌ）のＬ個のフィルター係数が更新される。更新されたフィルター係数ｈ（ｋ）は、フィルターの学習特性を決定付ける係数であり、体動信号Ｘの変動に追従した体動ノイズ成分Ｙを生成できるかどうかを左右する係数である。

ステップサイズμは、数式（３）の右辺に見られるように、フィルター係数ｈ（ｋ）を決定付けるパラメーターであり、固定値または後述する数式（４）のように式で求められても良い。ステップサイズμの値の大きさを調整することで、体動信号Ｘの変化に対する追従性能とノイズの減衰性能を相対的に制御することができる。つまり、大きい値に設定すると、体動信号Ｘの変化に対する追従性能の高いフィルターとなり、一方でノイズの減衰性が低くなる。そして、小さい値に設定するとノイズの減衰性能が高いフィルターになる一方で体動信号Ｘの変化に対する追従性能が低くなる。適応フィルターＡ１１０および適応フィルターＢ１２０では、それぞれのステップサイズμが異なる大きさの値に設定されている。

ステップサイズμを数式（４）のように算出しても良い。ステップサイズμは、固定値αを体動信号ｘ（ｉ−ｋ）を二乗した総和と固定値βとを加算した値で除算した値である。固定値αおよび固定値βの値を変更することで、ステップサイズμの数値の大きさを調整することができる。
μ＝α／［β＋Σｘ²（ｉ−ｋ）］ ｋ＝１〜Ｌ ・・・数式（４）
ステップサイズμを体動信号のパワーで正規化することにより、ステップサイズμの体動信号に対する依存性を吸収している。
数式（４）を用いた場合は、適応フィルターＡ１１０および適応フィルターＢ１２０において、それぞれが固定値αおよび固定値βを保持しており、異なる値が設定されている。

このようにして、適応フィルターＡ１１０および適応フィルターＢ１２０に、異なるステップサイズμが設定されることで、数式（３）および数式（１）を経て体動ノイズ成分ｙ（ｉ）も異なる情報として算出される。具体的には、ステップサイズμは、数値が大きくなると、算出される体動ノイズ成分ｙ（ｉ）は、運動の周期性が急に変化した時などに、その変化後の運動周期に応じた周波数特性へとより早く追従できる傾向にある。つまり、短時間に上昇する体動信号に対する追従性能が高い。反対にステップサイズμの数値が小さくなると、算出される体動ノイズ成分ｙ（ｉ）は、運動の周期性が安定しているときなどに、体動信号ｘ（ｉ）および体動信号ｘ（ｉ）の応答成分を推定し、数式（２）より算出された脈波成分ｅ（ｉ）では、ノイズ成分が十分に減衰される傾向にある。つまり、運動の周期性が安定した体動信号に対するノイズ成分の減衰性能が高い。
このようにして追従性および減衰性を制御することができる学習特性を有する適応フィルターを構築することができる。尚、ステップサイズμの数値と、適応フィルターを適応した信号成分の傾向の関連性については、理論的な仮説に基づいて、実際に複数の被験者により様々な運動状況を繰り返し得られた実験データを分析して導出されている。

（適応フィルターおよび学習特性の作用）
図７および図８は、適応フィルターの適用例を示したグラフである。図７と図８は被験者の運動（ランニング）中に測定した実験に基づいて導出されたシミュレーションデータである。図７は、被験者の運動開始時を想定した信号データとその処理結果であり、図８は被験者の運動時間経過後に定常的に同じピッチでランニングをしている最中を想定した信号データとその処理結果である。また、適応フィルターＡ１１０のステップサイズμの値は、適応フィルターＢ１２０のステップサイズμの値よりも大きい値が設定されている。
生体信号５０１は、生体信号検出部により検出された生体信号Ｄである。縦軸は生体信号Ｄの波形の変位を表すＡＤ値であり、横軸は測定時間（秒）である。以降、信号および信号成分の波形を示すグラフは同様な座標軸を有する。
体動信号５０２は、体動信号検出部により検出された体動信号ＸでありＸ軸方向の加速度データである。生体信号５０１では、０〜約８秒の間では波形の変位が約４２０〜６００の範囲に周期的に現れており、約８〜１６秒の間では波形の変位が約２５０〜７８０の範囲に振幅の大きな波形で現れている。体動信号５０２の波形では、０〜約８秒の時点までの波形は略直線であり、約８〜１６秒の間では波形の変位が約３２０〜７００の範囲に周期的に現れており、８秒間に１０回のピーク（約７００）が現れている。これらの波形は単純運動開始の前後におけるセンサー信号をシミュレートしたものである。
脈波成分（理論値）５０３は、ノイズが含まれていない脈波成分をシミュレーションして算出した理論値である。

推定体動ノイズ成分５０４、推定脈波成分５０５、および推定脈波成分５０６は、いずれも適応フィルターＡ１１０を適用した結果である。推定体動ノイズ成分５０７、推定脈波成分５０８、および推定脈波成分５０９は、適応フィルターＢ１２０を適用した結果である。推定脈波成分５０６および推定脈波成分５０９のグラフは、推定脈波成分をＦＦＴ処理し周波数毎にパワースペクトル値を表したグラフであり、縦軸はパワースペクトル値の強さ、横軸は周波数（Ｈｚ）である。
推定体動ノイズ成分５０４は、体動信号５０２から適応フィルターＡ１１０を適用して算出された推定体動ノイズ成分である。推定体動ノイズ成分５０７は、体動信号５０２から適応フィルターＢ１２０を適用して算出された推定体動ノイズ成分である。推定体動ノイズ成分５０４は、約８〜１６秒の間では波形の変位が約３５０〜７４０の範囲にあり、体動信号５０２に比べ波形の変位に変化が見られる。推定体動ノイズ成分５０７は、約９秒から波形の変位が現れ出し、徐々に増幅し１６秒の近傍では約４２０〜５９０の変位が現れている。

推定脈波成分５０５は、生体信号５０１から推定体動ノイズ成分５０４を減算して得られた波形であり、推定脈波成分５０８は、生体信号５０１から推定体動ノイズ成分５０７を減算して得られた波形である。推定脈波成分５０８は、約８〜１６秒の間では波形の変位が約３２０〜７７０の範囲に変化した波形が現れている。推定脈波成分５０５は、約８〜１６秒の間では波形の変位が約４６０〜５８０の狭い範囲に周期的に現れており、推定脈波成分５０８と比較すると安定した波形になっている。
推定脈波成分５０６は、推定脈波成分５０５のパワースペクトル値を表しており、推定脈波成分５０９は、推定脈波成分５０８のパワースペクトル値を表している。推定脈波成分５０６および推定脈波成分５０９において両方とも最も強い基線が周波数１．６２５Ｈｚである。周波数１．６２５Ｈｚは、脈波成分（理論値）５０３の周波数成分においても最も強い基線を示している（図示しない）ため、脈波成分と考えられる。推定脈波成分５０９には周波数約１．３Ｈｚの近傍と周波数約２．７Ｈｚの近傍に比較的強い基線が残っている。これらの周波数は、体動信号５０２の周波数成分においても強い基線を示しており（図示しない）、体動ノイズ成分が残留したものである。推定脈波成分５０６には、周波数約１．３Ｈｚの近傍と周波数約２．７Ｈｚの近傍には強い基線が現れていないので、体動ノイズ成分の残留が少ないことがわかる。

以上のように、被験者の運動開始時においては、推定脈波成分５０６を算出した適応フィルターＡ１１０が、適応フィルターＢ１２０よりも体動ノイズ成分をより減衰できていることが確認できる。

次に図８を用いて被験者の運動時間経過後を想定した信号データに対する適応フィルターの適用例について説明する。グラフの配置および種類は図７と同じであり、生体信号５１１は検出された生体信号Ｄ、体動信号５１２は検出された体動信号Ｘであり、脈波成分（理論値）５１３は、脈波成分をシミュレーションして算出した理論値である。推定体動ノイズ成分５１４、推定脈波成分５１５、および推定脈波成分５１６は、いずれも適応フィルターＡ１１０を適用した結果であり、推定体動ノイズ成分５１７、推定脈波成分５１８、および推定脈波成分５１９は、適応フィルターＢ１２０を適用した結果である。また、測定時間は１６秒間で０〜１６秒の間、運動状況を略維持しながら測定している。
生体信号５１１では、波形の変位が約２５０〜７８０の範囲で変動している波形が現れている。体動信号５１２では、波形の変位が約３２０〜７００の範囲に周期的に現れており、１６秒間に２１回のピーク（約７００）が現れている。この波形は、１６秒の間に腕振り間隔を７８回／分のペースでピッチでは約１５６（歩／分）のペースでランニングを継続している状況をシミュレーションした信号データである。

適応フィルターＡ１１０を適用して算出された推定体動ノイズ成分５１４は、波形の変位が約２８０〜７５０の範囲に変動した波形が現れている。適応フィルターＢ１２０を適用して算出された推定体動ノイズ成分５１７は、波形の変位が約３５０〜６９０の範囲に周期的に現れおり、推定体動信号５１２とピーク回数も同じ２１回であり、波形の形状も類似している。推定脈波成分５１５は、波形の変位が約４８０〜５７０の比較的狭い範囲に周期的に現れている。推定脈波成分５１８は、波形の変位が約４２０〜６００の範囲に周期的に現れている。推定脈波成分５１５および推定脈波成分５１８の波形を脈波成分（理論値）５１３と比較すると、推定脈波成分５１８の方が脈波成分（理論値）５１３と波形の形状が類似している。
推定脈波成分５１６および推定脈波成分５１９のパワースペクトル値では、パワースペクトル分布形状は両方とも類似しており、両方とも最も強い基線の周波数は約１．６８７Ｈｚである。しかし、推定脈波成分５１９の方が推定脈波成分５１６よりもメインローブに対するサイドローブの割合が小さい。つまり、推定脈波成分５１９の方が推定脈波成分５１６よりもノイズ成分が低減されている。

以上のように、被験者の運動時間経過後においては、推定脈波成分５１９を算出した適応フィルターＢ１２０が、適応フィルターＡ１１０よりも体動ノイズ成分が低減されていることが確認できる。
このように、運動開始時のような運動の周期性が急に変化した体動信号に対しては、ステップサイズμの値を大きくした学習特性を有する適応フィルターが、体動ノイズ成分を十分に減衰させた推定脈波成分を抽出している。そして、運動継続時のような運動の周期性が安定している体動信号に対しては、ステップサイズμの値を小さくした学習特性を有する適応フィルターが体動ノイズ成分を十分に減衰させた推定脈波成分を抽出している。
学習特性のステップサイズμに異なる値を設定することで、運動の周期性の変化や安定した多様な状況に対応することができる。ただし、単一の学習特性では多様な状況に対応して体動ノイズ成分を十分に減衰させた推定脈波成分を抽出することができない。そこで、学習特性の異なる複数の適応フィルターを備え、それぞれからの出力信号（推定脈波成分や推定体動ノイズ成分）の中からどの信号を選択するか、について相関係数を用いて判定する。相関係数は、体動信号Ｘと適応フィルターからの出力信号との相関関係の度合いを示す指標である。

（相関係数による判定）
次に、相関係数の詳細について説明する。相関係数は、図５に示した相関情報算出部１３０により算出される係数であり、適応フィルターＡ１１０の出力信号に基づいて相関係数ＣＡが、適応フィルターＢ１２０の出力信号に基づいて相関係数ＣＢが算出される。
適応フィルターＡ１１０および適応フィルターＢ１２０によって算出されたそれぞれの推定脈波成分ＥＡおよびＥＢは体動信号Ｘに係るノイズ成分が減衰された信号成分であるため、体動信号Ｘとの相関度合いが弱い方が、体動ノイズ成分がより十分に減衰されている。相関度合いは、相関係数を用いて判定される。相関係数は、数式（５）〜（８）により算出される。数式（５）〜（８）では、データ列１をｄ１（ｉ）およびデータ列２をｄ２（ｉ）とし、相関係数Ｃが求められる。また、ｄ１ｍはデータ列１の平均値、ｄ２ｍはデータ列２の平均値である。ｉは自然数であり１からデータ数ｎまでの数値である。Ｖｘ、Ｖｙ、およびＶｘｙは、媒介変数である。
Ｖｘ＝Σ［ｄ１（ｉ）−ｄ１ｍ］² ｉ＝１〜ｎ ・・・数式（５）
Ｖｙ＝Σ［ｄ２（ｉ）−ｄ２ｍ］² ｉ＝１〜ｎ ・・・数式（６）
Ｖｘｙ＝Σ｛［ｄ１（ｉ）−ｄ１ｍ］・［ｄ２（ｉ）−ｄ２ｍ］｝ ｉ＝１〜ｎ ・・・数式（７）
Ｃ＝Ｖｘｙ／（√Ｖｘ・√Ｖｙ） ・・・数式（８）
適応フィルターＡ１１０により算出された推定脈波成分ＥＡおよび体動信号Ｘのデータ列を、データ列１およびデータ列２として数式（５）〜（８）に適用し相関係数が求められる。求められた相関係数をＣＡとする。適応フィルターＢ１２０により算出された推定脈波成分ＥＢおよび体動信号Ｘのデータ列を数式（５）〜（８）に適用し求められた相関関数をＣＢとする。相関係数は−１〜＋１の範囲を有し、０に近いほど相関度合が弱く、＋１および−１に近いほど相関度合いが強い。従って、相関係数ＣＡと相関係数ＣＢとの大きさ（絶対値）を比較して小さい方の推定脈波成分が選択される。選択された推定脈波成分の方が選択されなかったものに比べ体動ノイズ成分が十分に減衰されている。また、選択された推定脈波成分を出力した適応フィルターの学習特性が、選択されなかったものよりも体動信号Ｘに適して体動ノイズ成分を減衰させている。
このようにして、体動信号Ｘが、運動の周期性の変化や安定状態などのいずれの状況であっても、複数備えられた適応フィルターから出力された推定脈波成分の中から相関係数を用いて、体動信号Ｘに適してノイズを減衰させた推定脈波成分を選択することができる。

（脈拍計の制御プログラム）
図９は、脈拍計の制御プログラムの処理の流れを示すフローチャート図である。以降、図９を中心に適宜、図４〜図６を交えて説明する。尚、以下のフローは、生体情報処理方法に相当し、記憶部２６０に格納されている制御プログラム２６１に基づいて、制御部２００が記憶部２６０を含む各部を制御することにより実行される。また、制御プログラム２６１の実行により、脈波センサー１０、加速度センサー２０、脈波ＡＤ変換部３０、加速度ＡＤ変換部４０、脈拍数算出部６０、および体動ノイズ除去部１００を含む各機能部の機能が実現される。

ステップＳ５００では、脈波センサー１０および加速度センサー２０による生体信号および体動信号検出の準備が行われる。詳しくは、まず計時部２５０のリアルタイムクロックを用いてタイマーを設定する。タイマーは少なくとも、脈波センサー１０、加速度センサー２０、脈波ＡＤ変換部３０、および加速度ＡＤ変換部４０のサンプリング周期を設定する。また、脈拍数を算出する所定期間を設定する。例えば１〜６秒間などの時間を設定すると、１〜６秒に一回脈拍数を算出する。

ステップＳ５１０では、生体信号Ｄが検出される。詳しくは、脈波センサー１０により生体信号を所定期間分検出し、アナログ信号の生体信号を脈波ＡＤ変換部３０によりデジタル信号の生体信号Ｄに変換する。尚、ステップＳ５１０は、生体信号検出工程に相当する。
ステップＳ５２０では、体動信号が検出される。詳しくは、加速度センサー２０により体動信号を所定期間分検出し、アナログ信号の体動信号を加速度ＡＤ変換部４０によりデジタル信号の体動信号Ｘに変換する。体動信号Ｘは、加速度センサー２０により検出されるＸ軸、Ｙ軸、Ｚ軸方向の加速度信号の中からＸ軸方向およびＹ軸方向の加速度信号を検出する。ここでは、Ｘ軸方向を第一軸方向Ｘ１とし、Ｙ軸方向を第二軸方向Ｘ２とする。尚、ステップＳ５２０は、体動信号検出工程に相当する。

ステップＳ５３０では、生体信号Ｄと体動信号として第一軸信号Ｘ１とが体動ノイズ除去処理Ｓ１０の入力として設定される。詳しくは、検出した生体信号Ｄと、体動信号Ｘから第一軸信号Ｘ１を選択し、次に行なわれる体動ノイズ除去処理Ｓ１０への入力信号とする。体動ノイズ除去処理Ｓ１０では、生体信号Ｄから第一軸信号Ｘ１に基づいて算出された推定体動ノイズ成分を減衰処理する。
ステップＳ１０は、体動ノイズ成分を減衰するためのサブルーチンプログラムであり、生体信号Ｄから体動信号Ｘを用いて体動ノイズ成分を減衰する処理が行われ、推定脈波成分が出力される。当該サブルーチンプログラムは、機能部としての体動ノイズ除去部１００の機能を実現するプログラムであり、適応フィルターＡ１１０、適応フィルターＢ１２０、相関情報算出部１３０、選択部１４０の各機能を含む。当該サブルーチンプログラムの詳細については後述する。
ステップＳ５４０では、第一軸信号Ｘ１および第二軸信号Ｘ２の両方の体動信号を用いた体動ノイズ除去処理Ｓ１０が行われたか確認される。第一軸信号Ｘ１および第二軸信号Ｘ２の両方の処理が終了した場合は（Ｙｅｓ）、ステップＳ５５０に進む。第一軸信号Ｘ１のみが処理されている場合は（Ｎｏ）、ステップＳ５６０に進み第二軸信号Ｘ２に対する処理に進む。

ステップＳ５５０では、体動ノイズ除去処理Ｓ１０から出力された推定脈波成分Ｅ２が出力信号とされる。詳しくは、体動ノイズ除去処理Ｓ１０により、生体信号Ｄに重畳されていた第一軸信号Ｘ１および第二軸信号Ｘ２に基づいてノイズ成分は十分に減衰された推定脈波成分Ｅ２が出力される。
ステップＳ５６０では、推定脈波成分Ｅ１と体動信号として第二軸信号Ｘ２とが体動ノイズ除去処理Ｓ１０の入力として設定される。詳しくは、生体信号Ｄから第一軸信号Ｘ１に係るノイズ除去が減衰された推定脈波成分Ｅ１と第二軸信号Ｘ２とを選択し、次に行なわれる体動ノイズ除去処理Ｓ１０への入力信号とする。体動ノイズ除去処理Ｓ１０では、推定脈波成分Ｅ１から第二軸信号Ｘ２に基づいて算出された推定体動ノイズ成分を減衰処理する。

ステップＳ５７０は、脈拍数を算出するためのサブルーチンプログラムであり、体動ノイズ除去処理Ｓ１０の出力信号である推定脈波成分Ｅ２を用いて脈拍数を算出する。詳しくは、ＦＦＴ処理を行い脈拍数に相当する周波数成分を特定する。特定された周波数成分から脈拍数を算出する。当該サブルーチンプログラムは、機能部としての脈拍数算出部６０の機能を実現するプログラムである。ＦＦＴ処理の過程において、推定脈波成分Ｅ２にノイズが少ないと脈拍を呈する周波数をより特定し易い。

ステップＳ５８０では、脈拍測定を終了するか否かを判定する。詳しくは、ステップＳ５００〜Ｓ５７０およびステップＳ１０の間で、被験者によって計測終了である旨の操作ボタン５（図１）が押下されていた場合（Ｙｅｓ）は、制御プログラム２６１の体動ノイズ除去処理および脈拍数測定処理を含む処理を終了する。押下されていない場合（Ｎｏ）は、ステップＳ２０に進み、次の所定期間に検出する生体信号から体動ノイズ除去処理および脈拍数測定処理を含む処理を行う。

（体動ノイズ除去処理のサブルーチンプログラム）
図１０は、体動ノイズ除去処理の流れを示すフローチャート図である。以降、図１０を中心に適宜、図４〜図６、図９を交えて説明する。尚、以下のフローは、体動ノイズ除去処理工程に相当し、記憶部２６０に格納されている制御プログラム２６１の一部であるサブルーチンプログラムとして、制御部２００が記憶部２６０を含む各部を制御することにより実行される。また、制御プログラム２６１のフローにおけるステップＳ６０（体動ノイズ除去処理）から呼び出されるサブルーチンプログラムである。

ステップＳ３０では、体動ノイズ除去処理のサブルーチンプログラム実行の準備が行われる。サブルーチンプログラムで使われる変数や記憶領域の初期化などが行われる。

ステップＳ４０〜Ｓ６０およびステップＳ７０〜Ｓ９０は、並列処理される処理群である。それぞれの処理群は、ステップＳ３０が実行終了した後に開始され、それぞれの処理群が終了すると、ステップＳ１００が開始される。並列処理は、制御プログラム２６１による疑似マルチタスク構造を採用して実現しても良いし、制御部２００に複数のＭＰＵやＤＳＰを搭載し処理を分担させて実現しても良い。尚、ステップＳ４０〜Ｓ５８およびステップＳ７０からＳ８８は、フィルター工程に相当し、ステップＳ６０およびステップＳ９０は、相関情報算出工程に相当する。

ステップＳ４０では、信号抽出処理に用いるフィルターとして適応フィルターＡが選択される。詳しくは、フィルター係数設定部１５３に適応フィルターＡの学習特性を有するステップサイズＡを含むフィルター係数Ａを設定する。
ステップＳ４５では、所定の期間分、たとえばフィルターのタップ数分の繰り返し処理の前処理が行われる。詳しくは、例えば、４秒分といった所定のサンプル数の出力信号を得るまで、ステップＳ４５〜Ｓ５８の間の処理を繰り返す。フィルターのタップ数は、適応フィルター係数Ａの数と一致する。
ステップＳ５０では、生体信号Ｄから推定生体ノイズ成分ＹＡおよび推定脈波成分ＥＡが分離される。詳しくは、体動信号Ｘおよびフィルター係数Ａを用いて推定体動ノイズ成分ＹＡを算出する。生体信号Ｄから推定体動ノイズ成分ＹＡの差分をとって、推定脈波成分ＥＡを算出する。
ステップＳ５５では、フィルター係数Ａが更新される。詳しくは、ステップサイズＡを体動信号Ｘを利用して算出し、ステップサイズＡと推定体動ノイズ成分ＹＡと算出された推定脈波成分ＥＡとを用いてフィルター係数Ａを更新する。フィルター係数Ａはタップサイズの数分算出される。
ステップＳ５８は、所定の期間分、たとえばフィルターのタップ数分の繰り返しが終了される。フィルターのタップ数分の処理をステップＳ４５〜Ｓ５８まで繰り返すまでは、ステップＳ４５に進み、タップ数分の処理が終了したら次のステップＳ６０に進む。

ステップＳ６０では、体動信号Ｘおよび推定脈波成分ＥＡの相関係数ＣＡが算出される。詳しくは、相関情報算出部１３０では、体動信号Ｘおよび適応フィルターＡから出力される推定脈波成分ＥＡを入力している。体動信号Ｘおよび推定脈波成分ＥＡを数式（５）〜数式（８）に適用し相関係数ＣＡを算出する。尚、適応フィルターＡから出力される推定脈波成分ＥＡは、フィルター部からの出力信号に相当する。
ステップＳ７０〜Ｓ９０では、ステップＳ４０〜Ｓ６０と同様の手順で適応フィルターＢを用いて処理される。また、適応フィルターＢでは、適応フィルターＢのフィルター係数設定部１５３に適応フィルターＡの学習特性とは異なるステップサイズＢを含むフィルター係数Ｂを設定する。その過程で、推定脈波成分ＥＢ，推定体動ノイズ成分ＹＢ、フィルター係数Ｂ、相関係数ＣＢを含む各種データが生成される。

ステップＳ１００では、相関係数ＣＡの絶対値と相関係数ＣＢの絶対値とが比較される。詳しくは、ステップＳ６０およびＳ９０で算出された相関係数は、推定脈波成分と体動信号の相関係数であるため、推定脈波成分が体動信号と相関が弱い方が、体動ノイズ成分をより減衰できたことになる。従って、相関係数の絶対値が小さい方がより体動ノイズが少ない脈波成分を算出できている。相関係数ＣＡの絶対値が相関係数ＣＢの絶対値以下であれば（Ｙｅｓ）、推定脈波成分ＥＡが体動信号Ｘとの相関が低いとされ、ステップＳ１１０に進み、超えていれば（Ｎｏ）、推定脈波成分ＥＢが体動信号Ｘとの相関が低いとされステップＳ１４０に進む。

ステップＳ１１０では、推定脈波成分ＥＡが体動ノイズ除去処理の出力信号と選択される。詳しくは、ステップＳ１００において推定脈波成分ＥＡが体動信号Ｘと相関が低いため、推定脈波成分ＥＡは体動信号Ｘとそれに伴うノイズがより減衰されている信号成分である。つまり、適応フィルターＡにより算出された推定脈波成分ＥＡの方が、適応フィルターＢにより算出された推定脈波成分ＥＢよりもノイズ成分が少ない。選択部１４０は、適応フィルターＡの出力信号である推定脈波成分ＥＡを体動ノイズ除去処理の出力信号と選定する。選定された推定脈波成分ＥＡが、ステップＳ５７０の脈拍数を算出するサブルーチンに入力され、当該推定脈波成分ＥＡに基づいて脈拍数が算出される。

ステップＳ１２０では、相関係数ＣＡおよび相関係数ＣＢの差の絶対値が所定の閾値Ｐｒより大きいか判定される。詳しくは、相関係数ＣＡと相関係数ＣＢとの差分が大きい場合（所定の閾値Ｐｒを超えた場合）は、相関度合いが乖離しているため、適応フィルターＢの精度が上がらずフィルター係数Ｂの調整が必要である。従って、相関度合いが所定の閾値Ｐｒよりも大きければ（Ｙｅｓ）、適応フィルターＢの調整が必要とされ、ステップＳ１３０に進み、所定の閾値Ｐｒ以下であれば、ステップＳ１７０に進む。

ステップＳ１３０では、フィルター係数ＣＡが適応フィルターＢに設定される。詳しくは、フィルター係数設定部１５３において、ステップＳ７０において設定されるフィルター係数ＣＢの値を、ステップＳ５５において更新された最新のフィルター係数ＣＡの値に設定する。具体的には、適応フィルターＢのフィルター係数を算出する数式（３）のｈ（ｋ）の設定値として最初に用いられるｈ（１）〜ｈ（Ｌ）にフィルター係数ＣＡの値を代入する。

ステップＳ１４０〜ステップＳ１６０では、ステップＳ１１０〜Ｓ１３０と同様な手順で、適応フィルターＢを対象として処理される。その過程で、選択部１４０は、推定脈波成分ＥＢを選択し、体動ノイズ除去処理の出力信号とする。そして、相関係数ＣＢの絶対値および相関係数ＣＡの絶対値の差が所定の閾値Ｐｒを超えた場合は、フィルター係数ＣＢが適応フィルターＡの値に設定される。尚、ステップＳ１００〜Ｓ１６０は、選択工程に相当する。詳しくは、フィルター係数設定部１５３に適応フィルターＡの学習特性を有するステップサイズＡを含むフィルター係数Ａを設定する。なお、上記では相関係数の差分と閾値とを比較してフィルター係数の設定を制御するように構成したが、たとえば、各フィルターの相関係数の比、たとえばＣＡ／ＣＢを計算してこれを閾値と比較するように構成しても良い。

以上のように、学習特性の異なる適応フィルターＡ１１０および適応フィルターＢ１２０を用いてそれぞれに算出された推定脈波成分ＥＡおよび推定脈波成分ＥＢを体動信号Ｘと比較し、より相関関係の低い推定脈波成分を出力すべき信号として選択している。従来の一つの適応フィルターを用いて算出された推定脈波成分では、体動信号の状況によって一時的に十分には体動ノイズを減衰させられない状態となることがあったが、所定期間毎に複数の適応フィルターによる抽出結果から、よりノイズ成分が少ない脈波成分を抽出することができる。
また、選定された推定脈波成分を算出した適応フィルターで算出されたフィルター係数を、相関係数の差分が所定の閾値を超えていれば、選定されなかった推定脈波成分を算出した適応フィルターのフィルター係数に設定する。
これにより、選択されなかった推定脈波成分を算出した適応フィルター性能を上げることができる。つまり、フィルター係数が適応フィルターに設定された時点から、両方の適応フィルターの性能が横並びとなり、以降はそれぞれの学習特性に基づいた適応処理（学習処理）を行うことができる。従って、学習特性が異なる複数のフィルターのそれぞれのフィルター性能が向上し、学習特性の特徴が直接反映され、更に精密に推定体動ノイズが減衰された推定脈波成分を抽出できる。
尚、本実施形態では適応フィルターを２種類備えるとして説明しているが、３種類以上の複数の異なる学習特性を有する適応フィルターを備えても良い。

（効果）
次に、図１１を用いて本実施形態を適用した脈拍計１の効果の一例を説明する。
図１１は、算出脈拍数の一例を表すグラフである。図１１におけるグラフの横軸は、経過時間（秒）であり、縦軸は脈拍数（ｂｐｍ）（beats per minute）である。グラフは、本実施例における適応フィルターＡ１１０および適応フィルターＢ１２０を備えた脈拍計１が示した脈拍数Ｌ１（点線）、従来のひとつの適応フィルターで構成された脈拍計が示した脈拍数Ｌ２（一点鎖線）、および、被験者の心拍数Ｌ３（実線）である。心拍数Ｌ３は、ホルター心電計等で計測された心拍数である。尚、脈拍数は、体動ノイズ除去部１００（図４）により選択された推定脈波成分を脈拍数算出部６０（図４）により算出した数値である。
被験者は、０〜約６０秒までは心拍数Ｌ３が約８５〜９０ｂｐｍの間を安定しており、脈拍数Ｌ１および脈拍数Ｌ２においても略近い値を示している。被験者は、約６０秒から運動を開始している。運動開始後から心拍数Ｌ３は、約６０〜１２０秒の間に山形の曲線を描きながら脈拍数９０ｂｐｍから１３０ｂｐｍまで急激に上がっている。脈拍数Ｌ２は、約６０〜１２０秒の間は脈拍数約８５〜９０ｂｐｍを示しており、実際の心拍数Ｌ３に追従できていない。従来の脈拍計に搭載されていた適応フィルターでは、運動状況の変化による体動ノイズ成分を十分に減衰できず、脈波成分の基線を判別できなかった結果である。
脈拍数Ｌ１は、約６０〜１２０秒の間は実際の心拍数Ｌ３の曲線の近傍を大体同じように推移している。更に、約１２０秒以降についても運動負荷に応じて徐々に脈拍数を約１３０ｂｐｍから約１５０ｂｐｍに増加しており、心拍数Ｌ３と大体同じ推移を示している。脈拍数Ｌ１は、約６０〜１２０秒の間は適応フィルターＡ１１０による推定脈波成分が選択され、約１２０秒以降は適応フィルターＢ１２０による推定脈波成分が選択され、脈拍数が算出された結果である。
本実施形態における脈拍数Ｌ１は、計測中全般に亘り実際の心拍数Ｌ３が推移する曲線の近傍にあり、被験者の心拍数に近い数値が算出できている。つまり、脈拍数の算出に使われた推定脈波成分が、ＦＦＴ処理の過程で脈波の周波数成分を強く示す基線を有しており、更にノイズ成分が少なかったということがわかる。
このように、実際の脈拍計１に搭載して検証した結果、被験者の運動状況の変化に応じて変動する体動ノイズ成分を十分に減衰した推定脈波成分が抽出され、実際の心拍数と近い脈拍数を算出できている。

（実施形態２）
次に、実施形態２について、図１２を中心に、適宜各図を交えて説明する。
図１２は、実施形態２における体動ノイズ成分除去処理の流れを示すフローチャート図である。本実施形態は、実施形態１における体動ノイズ成分除去処理の流れを示すフロー（図１０）の一部が異なる。尚、以下のフローは、生体情報処理方法に相当し、記憶部２６０に格納されている制御プログラム２６１に基づいて、制御部２００が記憶部２６０を含む各部を制御することにより実行される。
実施形態１では、相関係数算出工程としてのステップＳ６０およびステップＳ９０において、体動信号Ｘと推定脈波成分ＥＡまたは推定脈波成分ＥＢとの相関係数を算出していたのに対し、本実施形態では、ステップＳ２６０およびステップＳ２９０として、推定体動ノイズ成分ＹＡまたは推定体動ノイズ成分ＹＢと体動信号Ｘとの相関係数を算出している点が異なる。また、実施形態１では、選択工程の一部の処理としてのステップＳ１００において、相関係数ＣＡの絶対値が相関係数ＣＢの絶対値以下ならばという判定が、本実施形態のステップＳ３００では、相関係数ＣＡの絶対値が相関係数ＣＢの絶対値以上ならばという判定になっている点が異なる。

ステップＳ２６０では、推定体動ノイズ成分ＹＡおよび体動信号Ｘの相関係数ＣＡが算出される。詳しくは、相関情報算出部１３０には、体動信号Ｘおよび適応フィルターＡ１１０の出力である推定体動ノイズ成分ＹＡが入力される。体動信号Ｘおよび推定体動ノイズ成分ＹＡを数式（５）〜数式（８）に適用し相関係数ＣＡを算出する。

ステップＳ２９０では、推定体動ノイズ成分ＹＢおよび体動信号Ｘの相関係数ＣＢが算出される。詳しくは、相関情報算出部１３０には、体動信号Ｘおよび適応フィルターＢ１２０の出力である推定体動ノイズ成分ＹＢが入力される。体動信号Ｘおよび推定体動ノイズ成分ＹＢを数式（５）〜数式（８）に適用し相関係数ＣＢを算出する。

ステップＳ３００では、相関係数ＣＡの絶対値と相関係数ＣＢの絶対値とが比較される。詳しくは、ステップＳ２６０およびＳ２９０で算出された相関係数は、推定体動ノイズ成分と体動信号との相関係数であるため、推定体動ノイズ成分および体動信号の相関が強い方が、体動ノイズをより追従して算出できたことになる。従って、相関係数の絶対値が大きい方が体動ノイズに追従した推定体動ノイズ成分を算出できており、抽出される推定脈波成分も体動ノイズの残留は少なくなる。従って、相関係数ＣＡの絶対値が相関係数ＣＢの絶対値以上であれば（Ｙｅｓ）、推定脈波成分ＥＡの方が体動ノイズを少ないため、ステップＳ１１０に進み、推定脈波成分ＥＡを出力信号と選択する。未満であれば（Ｎｏ）、推定脈波成分ＥＢが体動ノイズを少なく算出されており、ステップＳ１４０に進み、推定脈波成分ＥＢを出力信号として選択する。

以上述べたように、本実施形態では、相関係数を算出する対象を体動信号および推定体動ノイズ成分として、推定脈波成分を選択することによっても、実施形態１と同様な効果を得ることができる。
また、本実施形態は実施形態１と組み合わせて用いられても良い。例えば、適応フィルターを３つ以上備え、３つの適応フィルターから１つを排除するために、実施形態１による相関係数の判定を適用し、残りの２つの適応フィルターを本実施形態の相関関数による判定を適用することによって、更にノイズ成分を減衰させた推定脈波成分を抽出することができる可能性がある。

尚、本発明は上述した実施形態に限定されず、上述した実施形態に種々の変更や改良などを加えることが可能である。変形例を以下に述べる。

（変形例１）
上述の実施形態では、体動信号検出部に加速度センサー２０を備える構成であったが、この構成に限定されるものではなく、接触圧センサーを備え、検出される接触圧変位量信号を体動信号に含める構成であっても良い。詳しくは、接触圧センサーは、脈拍計１を腕に装着した状態で、脈波センサー１０の腕接触面側に隣接し配設され、脈波センサー１０と腕の間に生じる物理的な押圧の変位量を測定するセンサーである。主に手の握り開きの動作や脈拍計１の腕装着状態のずれなどを接触圧変位量信号として検出する。
このような接触圧変位量信号に基づいて、推定脈波成分の抽出処理を行うことによって、生体信号に重畳されている手の握り開きの動作や腕装着状態のずれなどの体動ノイズ成分を減衰させることができる。

（変形例２）
上述の実施形態および変形例では、適応フィルターのフィルター係数の算出式を数式（３）としていたが、数式（９）を用いてフィルター係数の更新をしても良い。
ｈ（ｋ）＝ｈ（ｋ）＋μ・ｅ（ｉ）／［ｐ（ｉ−ｋ）／Σｐ²（ｉ−ｋ）] ｋ＝１〜Ｌ ・・・数式（９）
数式（９）において、ｐ（ｉ−ｋ）は、アフィン射影法に基づいて体動信号の遅延信号ｘ（ｉ−ｋ）から算出される係数であり、数式（１０）により算出される。
ｐ（ｉ−ｋ）＝ｘ（ｉ−ｋ）＋〔｛Σｘ［（ｉ−ｋ）・ｘ（ｉ−ｋ−１）］｝／［Σｘ²（ｉ−ｋ−１）］〕・ｘ（ｉ−ｋ） ｋ＝１〜Ｌ ・・・数式（１０）
また、更にフィルター係数の更新にあたっては、上述の実施形態および変形例に限らず、異なる演算式を伴う別の数式であっても良い。例えば、ＬＭＳ、ｎＬＭＳ、などのアルゴリズムであっても良い。少なくとも２種類以上の適応アルゴリズムや学習特性を有する適応フィルターを用いることと、フィルター係数ｈ（ｋ）のタップ数（Ｌの値）が同じであれば良い。但し、フィルター係数のタップ数は、フィルター係数を別の適応フィルターに設定する処理を含めない場合は、同じタップ数でなくても良い。これらにより、推定体動ノイズ成分の算出方法が多様になり、変動する体動信号に追従できる推定体動ノイズ成分を算出できる可能性が広がり、結果としてノイズを最小限に抑えた推定脈波成分を抽出することができる。

（変形例３）
上述の実施形態および変形例では、Ｘ軸、Ｙ軸、Ｚ軸方向の加速度信号を適応フィルターに適用する順番については規定していなかったが、Ｘ軸、Ｙ軸、Ｚ軸の３軸において動きの大きい軸から順番に適応フィルターを適用しても良い。詳しくは、まず、体動信号検出部において、各軸方向の加速度信号の変化量の総和を算出し記憶する。体動ノイズ除去部１００に入力する体動信号を変化量の総和が大きい軸方向の加速度信号から順に適用させ、生体信号から各軸方向の体動ノイズを除去していく。加速度信号の変化量の総和は、被験者の動きを表した値であるため、生体信号に重畳された影響の大きな体動ノイズ成分から除去することができる。
更に、図５に示す選択部１４０により出力された推定脈波成分を評価し、他の体動信号によるノイズ除去処理が必要か判別する処理を加えても良い。詳しくは、最初の体動信号に基づいて抽出された推定脈波成分に基本周波数が存在し、基本周波数とそれを除くノイズ成分との比が所定の値以上である場合、または相関係数による判定で所定の相関度合い以上の高い相関が出た場合に次の体動信号によるノイズ除去処理をしないで、選択された推定脈波成分を出力信号として選択する。
これらによれば、まず、体動信号を動きの大きな軸方向の加速度から入力させることにより、生体信号から主要な体動ノイズ成分が除去される。次に、出力された推定脈波成分を評価することで十分にノイズが減衰されていると判断されれば、推定脈波成分は全ての方向の体動信号の除去処理をせずとも十分にノイズの減衰ができている。従って、被験者の運動状況が一定の軸方向の運動である場合は、推定脈波成分抽出処理の時間が節約され高速処理と消費電力を抑えることができる。また、被験者の運動状況が複合的な複数軸方向の運動である場合は、軸毎に推定脈波成分を抽出する処理を繰り返すことで重畳されている多軸のノイズ成分を減衰することができる。
尚、体動信号は加速度信号だけに限らず、接触圧センサーによる接触圧変位量信号でも良く、またそれに限らず生体信号に重畳されているノイズと相関関係を示す信号であれば良い。

１…脈拍計、２…リストバンド、３…ケース、４…表示パネル、５…操作ボタン、６…充電端子、１０…脈波センサー、１１…反射面、１２…発光素子、１３…受光素子、１４…基板、２０…加速度センサー、３０…脈波ＡＤ変換部、４０…加速度ＡＤ変換部、６０…脈拍数算出部、１００…体動ノイズ除去部、１１０…適応フィルターＡ、１２０…適応フィルターＢ、１３０…相関情報算出部、１４０…選択部、１５０…適応フィルター、１５１…体動ノイズ算出部、１５２…減算部、１５３…フィルター係数設定部、２００…制御部、２１０…操作部、２２０…表示部、２３０…報知部、２４０…通信部、２５０…計時部、２６０…記憶部、２６１…制御プログラム。

Claims (11)

1. 脈波成分および体動ノイズ成分を含む生体信号を検出する生体信号検出部と、
   体動信号を検出する体動信号検出部と、
   前記生体信号から前記脈波成分および前記体動ノイズ成分を前記体動信号に基づいて分離する体動ノイズ除去部と、を備え
   前記体動ノイズ除去部は、学習特性が異なる複数のフィルター部と、
   前記体動信号と前記複数のフィルター部からの出力信号との相関度合いを示す相関情報を算出する相関情報算出部と、
   前記相関情報に基づいて前記複数のフィルター部からの出力信号を選択する選択部と、
   を備えることを特徴とする生体情報処理装置。
2. 前記学習特性は、前記体動信号の変動に対応した追従特性を制御するステップサイズを含むことを特徴とする請求項１に記載の生体情報処理装置。
3. 前記相関情報算出部は、前記フィルター部からの前記出力信号毎に、前記相関情報を前記体動信号に基づいて算出し、前記選択部は、前記相関情報の絶対値が最小となる前記フィルター部からの出力信号を選択することを特徴とする請求項１または２に記載の生体情報処理装置。
4. 前記フィルター部からの前記出力信号は、前記脈波成分を推定する推定脈波信号であることを特徴とする請求項３に記載の生体情報処理装置。
5. 前記相関情報算出部は、前記フィルター部からの前記出力信号毎と前記体動信号とに基づいて前記相関情報を算出し、前記選択部は、前記相関情報の絶対値が最大となる前記フィルター部からの出力信号を選択することを特徴とする請求項１または２に記載の生体情報処理装置。
6. 前記フィルター部からの前記出力信号は、前記体動ノイズ成分を推定する推定体動ノイズ信号であることを特徴とする請求項５に記載の生体情報処理装置。
7. 前記選択部は、選択した前記出力信号を出力した前記フィルター部の前記相関情報と、他の前記フィルター部の前記相関情報との差分が、所定の閾値を超えた場合、前記選択した前記出力信号を出力した前記フィルター部の前記学習特性を前記他のフィルターの前記学習特性に設定することを特徴とする請求項１乃至６のいずれか一項に記載の生体情報処理装置。
8. 前記体動信号は、一軸方向あるいは互いに交差する少なくとも二軸方向の加速度信号を含み、各軸からの信号を順次前記体動信号として適用することを特徴とする請求項１乃至７のいずれか一項に記載の生体情報処理装置。
9. 前記体動信号は、前記生体信号の検出部位の押圧を示す接触圧信号を含むことを特徴とする請求項１乃至８のいずれか一項に記載の生体情報処理装置。
10. 前記選択部で選択した信号に基づいて脈拍数を算出する制御部をさらに有することを特徴とする請求項１乃至９のいずれか一項に記載の生体情報処理装置。
11. 脈波成分および体動ノイズ成分を含む生体信号を検出する生体信号検出工程と、
    体動信号を検出する体動信号検出工程と、
    前記生体信号から前記脈波成分および前記体動ノイズ成分を前記体動信号に基づいて分離するフィルター工程であって、学習特性が異なる複数の前記フィルター工程を用いて分離する体動ノイズ除去処理工程と、
    前記体動信号と前記複数のフィルター工程からの出力信号との相関度合いを示す相関情報を算出する相関情報算出工程と、
    前記相関情報に基づいて前記複数のフィルター工程からの出力信号を選択する選択工程と、
    を備えることを特徴とする生体情報処理方法。

Images