JP2015109946A - 運動諸量算出方法、運動諸量算出装置及び携帯機器 - Google Patents

Abstract

【課題】ユーザーの移動運動時の運動諸量を高精度に求めること。【解決手段】判定部は、ユーザーの手首に取り付けられた加速度センサー１２による検出加速度の分布に表れる第１方向を判定する。算出部は、前記第１方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出する。【選択図】図１

Description

本発明は、加速度センサーを用いた運動諸量算出方法、運動諸量算出装置及びそれを備えた携帯機器に関する。

ＧＰＳ（Global Positioning System）等を利用した測位機能を有する携帯型の電子機器（以下「携帯機器」という）が知られており、例えばユーザーの腕や足等の四肢の何れかに装着する「ランニングウォッチ」「トレーニングウォッチ」「ランナーズウォッチ」等と呼ばれる携帯機器が知られている（例えば特許文献１）。

この携帯機器では、ユーザーが計測の開始操作をすると、緯度・経度などを含む位置測定情報や速度情報、移動した距離情報、ピッチ情報などが周期的に計測・表示される。
移動運動しているユーザーの運動諸量の１つであるピッチ情報は、例えば１分間当たりの歩数（PPM：Paces Per Minute）として表され、携帯機器に内蔵された加速度センサーによる検出加速度のピークを検出して算出されるのが一般的であった。

特開２０１３−１４０１５８号公報

しかしながら、携帯機器をユーザーの四肢の何れかに装着した場合、加速度センサーによる検出加速度のピークには、１歩１歩の着地以外のピークが含まれ得た。すなわち、例えば携帯機器を腕に装着した場合には、着地時に大きな加速度が検出されるとともに、腕の前後動の変化時にも大きな加速度が検出される。そのため、検出加速度のうち、着地時のピークだけを検出することが難しく、算出されるピッチに誤差が含まれる場合があった。

また、移動運動しているユーザーの運動諸量の１つとしてピッチを例に挙げたが、着地の衝撃や地面を蹴る力といった接地時指標値についても同様の問題があった。

本発明は、上述した課題に鑑みて考案されたものであり、目的とするところは、ユーザーの身体（上記従来例では「四肢の何れか」）に取り付けられた加速度センサーによる検出加速度を用いて、ユーザーの移動運動時の運動諸量をより高精度に算出可能とする技術を実現することである。

上記の課題を解決するための第１の発明は、ユーザーの身体に取り付けられた加速度センサーによる検出加速度の分布に表れる第１方向を求めることと、前記第１方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出することと、を含む運動諸量算出方法である。

また、他の発明として、ユーザーの身体に取り付けられた加速度センサーによる検出加速度の分布に表れる第１方向を求める判定部と、前記第１方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出する算出部と、を備えた運動諸量算出装置を構成することとしてもよい（第７の発明）。

この第１の発明（または第７の発明）によれば、ユーザーの身体、例えばユーザーの四肢の何れかに取り付けられた加速度センサーによる検出加速度の分布に表れる第１方向が判定され、この第１方向に沿った検出加速度の値の変動サイクルを用いて運動諸量が算出される。例えば、ユーザーの移動運動に伴って着地時に加速度が大きく変化するとともに、ユーザーの移動運動に伴ってユーザーの四肢が前後に動くために加速度が周期的に変化する。よって、検出加速度の分布には、ユーザーの体の上下方向および四肢の前後動に係る方向の２方向が含まれる。しかし、この２方向は、後述する実施形態で説明する通り、検出加速度の分布において異なる散布方向に表れることが分かった。そのため、検出加速度の分布から当該２方向の何れかを判定することができる。そして、判定した方向（第１方向）に沿った検出加速度の値の変動サイクルを用いて運動諸量を算出することができる。よって、ユーザーの移動運動時の運動諸量をより高精度に算出可能となる。

また、第２の発明は、前記第１方向に沿って変動する前記検出加速度の複数の値を自己相関することで前記変動サイクルを算出すること、を更に含む第１の発明の運動諸量算出方法である。

この第２の発明によれば、第１方向に沿って変動する検出加速度の値から変動サイクルを算出することができる。そのとき、自己相関を用いて変動サイクルを求めるため、より精確な変動サイクルを算出することができる。変動サイクルとは、例えば、周期や周波数のことであり、運動諸量の１つであるピッチに相当する。ユーザーが歩行や走行といった移動運動を行っているのであれば、第１方向に沿った加速度が周期的に変動するため、この変動サイクルを自己相関により精確に算出することができる。

また、第３の発明は、前記自己相関することは、所定の周波数解析を行うこと、および、所定の逆周波数解析を行うこと、を含む、第２の発明の運動諸量算出方法である。

この第３の発明によれば、自己相関を、所定の周波数解析および所定の逆周波数解析を用いて行うことができるため、演算量を低減することができる。

また、第４の発明は、前記第１方向を求めることは、前記検出加速度の分布の散布方向に基づいて前記第１方向を求めることである、第１〜第３の何れかの発明の運動諸量算出方法である。

この第４の発明によれば、検出加速度の分布の散布方向に基づいて第１方向を求めることができる。

また、第５の発明は、前記第１方向を求めることは、前記検出加速度の分布の最大散布方向、および、当該最大散布方向に直交する散布方向の何れかに基づいて前記第１方向を求めることである、第４の発明の運動諸量算出方法である。

この第５の発明によれば、検出加速度の分布の最大散布方向、および、当該最大散布方向に直交する散布方向の何れかに基づいて第１方向を求めることができる。最大散布方向とは、検出加速度の分布の広がりとして最大の広がり幅を示す方向のことである。最大散布方向および最大散布方向に直交する散布方向は、ユーザーの体の上下方向および四肢の前後動に係る方向の何れかに対応する。このため、第１方向をより精確に特定することが可能となる。

また、第６の発明は、前記第１方向を求めることは、５秒以下の所定の単位時間の間の前記検出加速度の分布に表れる前記第１方向を求めることである、第１〜第５の何れかの発明の運動諸量算出方法である。

この第６の発明によれば、５秒以下の所定の単位時間の間の検出加速度の分布から第１方向を求める。このため、第１方向を求める際のデータ量を低減することができる。

また、第８の発明は、第７の発明に記載の運動諸量算出装置であって、前記加速度センサーは、前記ユーザーの四肢のいずれかに取り付けられる運動諸量算出装置である。

この第８の発明によれば、ユーザーの四肢のいずれかに取り付けられた加速度センサーによる検出加速度の分布に表れる第１方向が判定され、判定した第１方向に沿った検出加速度の値の変動サイクルを用いて運動諸量を算出することができる。よって、ユーザーの移動運動時の運動諸量をより高精度に算出可能となる。

また、第９の発明は、第７の発明または第８の発明に記載の運動諸量算出装置を備えた携帯機器である。

この第９の発明によれば、携帯機器は、上記発明の運動諸量算出装置を備えているので、この携帯機器を、四肢のいずれか、またはその他の身体の部位に装着して速度推定を実施する際に、携帯機器の付け方の影響を受け難くすることができ、また、ユーザーの四肢の動かし方や動作のフォームなどの個人差や異常動作の影響を受け難くして、ユーザーの速度推定を行うことができる。
したがって、携帯機器を装着したユーザーの移動速度を高精度に計測することが可能な携帯機器を提供することができる。

ランニングウォッチの主要な構成例を示すブロック図。 ランニングウォッチを構成する処理部の構成例を示すブロック図。 速度推定処理の処理手順を示すフローチャート。 加速度分布分析処理の詳細な処理手順を示すフローチャート。 過去２秒分の第１主成分データ（ＰＣＡ１）を示す図。 図５の第１主成分データ（ＰＣＡ１）の自己相関処理結果を示す図。 周波数解析処理としての自己相関処理の詳細な処理手順を示すフローチャート。 状態判定処理の詳細な処理手順を示すフローチャート。 ユーザーの状態の典型例三態を示す説明図。 学習処理の処理手順を説明するための図。 学習データのデータ構成例を示す図。 最小二乗法を説明するための図。

以下、図面を参照して、本発明の運動諸量算出方法及び運動諸量算出装置を実施するための一形態について説明する。以下では、運動諸量算出装置を具備した携帯機器としてランニングウォッチを例示する。このランニングウォッチは、ユーザーの手首に装着されて使用され、ユーザーの位置情報や速度情報、ピッチ情報、距離情報等を周期的に計測し、表示する。本実施形態では、運動諸量の一例として、速度およびピッチ情報を算出する例を具体的に説明するが、その他の特徴量の算出に本発明を適用することも勿論可能である。例えば、着地時の衝撃や地面を蹴る力といった接地時指標値を算出することとしてもよい。なお、以下説明する実施形態によって本発明が限定されるものではなく、本発明が適用可能な形態が以下の実施形態に限定されるものでもない。また、図面の記載において、同一部分には同一の符号を付す。

［構成］
図１は、ランニングウォッチ１の主要な機能構成例を示すブロック図である。また、図２は、ランニングウォッチ１を構成する処理部１８の機能構成例を示すブロック図である。図１に示すように、ランニングウォッチ１は、ＧＰＳモジュール１１と、加速度センサー１２と、操作部１３と、表示部１４と、音出力部１５と、通信部１６と、時計部１７と、処理部１８と、記憶部２０とを備える。

ＧＰＳモジュール１１は、測位用衛星の一種であるＧＰＳ衛星から送信されるＧＰＳ衛星信号をＧＰＳアンテナ１１１によって受信し、受信したＧＰＳ衛星信号に基づきユーザーの位置及び移動速度を計測して随時処理部１８に出力する。以下、ＧＰＳモジュール１１によって計測される移動速度を「ＧＰＳ移動速度」という。なお、ＧＰＳを利用して位置や移動速度を計測する方法については従来公知であるため、詳細な説明は省略する。

加速度センサー１２は、ユーザーの加速度ベクトルを検出する。加速度センサー１２としては、例えばＭＥＭＳ（Micro Electro Mechanical Systems）センサーが用いられる。この加速度センサー１２が検出した加速度ベクトルは、検出加速度として処理部１８に出力される。

操作部１３は、ボタンスイッチやレバースイッチ、ダイヤルスイッチ等の各種スイッチ、タッチパネル等の入力装置によって実現されるものであり、操作入力に応じた操作信号を処理部１８に出力する。

表示部１４は、ＬＣＤ（Liquid Crystal Display）やＥＬディスプレイ（Electroluminescence display）等の表示装置によって実現されるものであり、処理部１８から入力される表示信号に基づいて各種画面を表示する。

音出力部１５は、スピーカー等の音出力装置によって実現されるものであり、処理部１８から入力される音信号に基づいて各種の音の出力を行う。

通信部１６は、処理部１８の制御のもと、装置内部で利用される情報を外部の情報処理装置との間で送受するための通信装置である。通信部１６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、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。例えば、この通信部１６を介してランニングウォッチ１が計測したユーザーの位置情報や速度情報、距離情報等をＰＣ（パソコン：Personal Computer）に送信し、ＰＣにおいてこれらを閲覧したりデータ管理するといったことが適宜行われる。

時計部１７は、ランニングウォッチ１の内部時計であり、水晶振動子及び発振回路からなる水晶発振器等で構成される。時計部１７の計時時刻は、処理部１８に随時出力される。

処理部１８は、ＣＰＵ（Central Processing Unit）やＤＳＰ（Digital Signal Processor）等のマイクロプロセッサー、ＡＳＩＣ（Application Specific Integrated Circuit）等の制御装置及び演算装置によって実現されるものであり、ランニングウォッチ１の各部を統括的に制御する。この処理部１８は、運動諸量を算出する運動諸量算出部として機能する。処理部１８は、図２に示すように、判定部としての加速度分布分析処理部１８１と、変動サイクル算出部１８２と、状態判定部１８５と、学習可否判定部１８６と、導出部としての学習処理部１８７と、速度推定部としての移動速度推定部１８８と、乗り物判定部１８９と、移動速度出力制御部１９０と、ピッチ算出部１９１とを備える。なお、処理部１８を構成する各部は、専用のモジュール回路等のハードウェアで構成することとしてもよい。

加速度分布分析処理部１８１は、後述する加速度分布分析処理を行い（図４を参照）、検出加速度に基づいて第１主成分データ（以下適宜「ＰＣＡ１」という）、第２主成分データ（以下適宜「ＰＣＡ２」という）、及び固有ベクトル等を取得する。検出加速度の主成分分析結果である第１主成分データ（ＰＣＡ１）及び第２主成分データ（ＰＣＡ２）は、例えば、一方がユーザーの身体の上下動方向成分、他方が腕振り方向成分に対応する。

変動サイクル算出部１８２は、例えば、ユーザーが単位時間当たりに踏むステップ数であるピッチに相当するステップ動作の変動サイクルとしての周波数を得るための処理を行う。ここで、本実施形態では、変動サイクルとしての「周波数」には算出方法の違いにより幾つかの種類あり、例えば、ＦＦＴや自己相関などの周波数解析を用いて算出する方法があり、また、最尤推定を用いて算出する方法を用いることで、より精度を上げて算出することができる。

変動サイクル算出部１８２は、周波数解析処理部１８４を含む。周波数解析処理部１８４は、周波数解析処理として、例えば後述する自己相関処理を行い（図７を参照）、第１主成分データ（ＰＣＡ１）及び第２主成分データ（ＰＣＡ２）に基づいてＰＣＡ１の周波数（第１の変動サイクル）とパワー（第１の変動強度）、ＰＣＡ２の周波数（第２の変動サイクル）とパワー（第２の変動強度）、及びＰＣＡ２のＦＦＴ最大パワー（第２の変動強度）とを取得する。これらの取得値についても詳細に後述する。

ピッチ算出部１９１は、この変動サイクル算出部１８２によって算出された変動サイクルである周波数、特にユーザーのステップ動作の周波数に基づいてピッチ情報（単位時間当たりの歩数）を算出する。例えば、単位時間を１分間とするならば、ステップ動作の周波数を１分間当たりに換算してピッチ情報とする。なお、変動サイクル算出部１８２によって算出された身体上下動の周波数に対して、何らかのフィルター処理（例えばＬＰＦ処理）を施した周波数から、ピッチ情報を算出する等としてもよい。

状態判定部１８５は、後述する状態判定処理を行い（図８を参照）、ＰＣＡ１の周波数（第１の周波数）とＰＣＡ２の周波数（第２の周波数）とが、事前に設定される周波数閾値に対してどのような値を示しているかに基づいてユーザーの状態を「走行」「歩行」又は「移動運動状態以外」として判定する。

学習可否判定部１８６は、後述する学習可否判定処理を行い、ＧＰＳ衛星信号の信号強度及びユーザーの状態に基づいて学習の可否を判定する。

学習処理部１８７は、学習可否判定部１８６によりユーザーの状態が学習可と判定した場合に学習処理を行う（図１０を参照）。具体的には、学習処理部１８７は、ＧＰＳ移動速度、第１の主成分方向および第２の主成分方向の少なくとも一方の周波数（変動サイクル）、及び第１の変動強度及び第２の変動強度の少なくとも一方の変動強度に基づいて、ユーザーの状態に応じて走行用又は歩行用の移動速度関係式を導出する。

移動速度推定部１８８は、ユーザーの状態が「走行」の場合は走行用の移動速度関係式を用い、「歩行」の場合は歩行用の移動速度関係式を用いてユーザーの移動速度を「推定移動速度」として算出する。

乗り物判定部１８９は、後述する乗り物判定処理を行い、ＧＰＳ移動速度やユーザーの第１の主成分方向および第２の主成分方向の少なくとも一方の周波数（変動サイクル）等に基づいて、ユーザーが自動車や列車等の乗り物に乗車しているか否かを判定する。

移動速度出力制御部１９０は、ユーザーが乗り物に乗車中でなければ推定移動速度をユーザーの移動速度として出力する一方、乗車中の場合はＧＰＳ移動速度をユーザーの移動速度として出力する。

記憶部２０は、ＲＯＭ（Read Only Memory）やフラッシュＲＯＭ、ＲＡＭ（Random Access Memory）等の各種ＩＣ（Integrated Circuit）メモリーやハードディスク等の記憶媒体により実現されるものである。記憶部２０には、ランニングウォッチ１を動作させ、このランニングウォッチ１が備える種々の機能を実現するためのプログラムや、このプログラムの実行中に使用されるデータ等が事前に記憶され、或いは処理の都度一時的に記憶される。

この記憶部２０には、処理部１８を加速度分布分析処理部１８１、変動サイクル算出部１８２、状態判定部１８５、学習可否判定部１８６、学習処理部１８７、移動速度推定部１８８、乗り物判定部１８９、移動速度出力制御部１９０、及びピッチ算出部１９１として機能させ、速度推定処理（図３を参照）を行うための速度推定プログラム２１が記憶される。また、速度推定プログラム２１には、サブルーチンプログラムとして、ピッチ算出処理に係るピッチ算出プログラム２１１が含まれる。

また、記憶部２０には、分析結果データ２２と、状態判定結果２３と、ヒストグラムデータ２４と、学習データ２６と、関係式データ２７と、移動速度データ２８と、ピッチデータ２９とが記憶される。

分析結果データ２２は、前回データ２２１と、今回データ２２３とを含む。後述するように、速度推定処理は１秒毎に繰り返し行われる。前回データ２２１は、加速度分布分析処理部１８１が前回（１秒前に）取得した第１主成分データ（ＰＣＡ１）、第２主成分データ（ＰＣＡ２）、及び固有ベクトル等を記憶する。そして、今回データ２２３は、加速度分布分析処理部１８１が今回取得した第１主成分データ（ＰＣＡ１）、第２主成分データ（ＰＣＡ２）、及び固有ベクトル等を記憶する。

状態判定結果２３は、状態判定部１８５が今回判定したユーザーの状態（「走行」「歩行」又は「移動運動状態以外」）を記憶する。

ヒストグラムデータ２４は、繰り返される速度推定処理の過程で収集したＰＣＡ１の周波数（第１の変動サイクル）及びＰＣＡ２の周波数（第２の変動サイクル）のヒストグラムを記憶する。

学習データ２６は、繰り返される速度推定処理の過程で収集される。そして学習データ２６は、学習処理部１８７が移動速度関係式を学習・更新する際に参照される。この学習データ２６の具体的なデータ構成については後述する（図１１を参照）。

関係式データ２７は、学習処理部１８７が導出した最新の移動速度関係式データ２７３を記憶する。

移動速度データ２８は、移動速度出力制御部１９０が速度推定処理のたびに出力するユーザーの移動速度（推定移動速度又はＧＰＳ移動速度）を時系列で記憶する。

ピッチデータ２９は、ピッチ算出部１９１が算出したピッチ情報を時系列で記憶する。

〔処理の流れ〕
図３は、速度推定処理の処理手順を示すフローチャートである。なお、ここで説明する処理は、処理部１８が記憶部２０から速度推定プログラム２１を読み出して実行することで実現できる。ランニングウォッチ１は、図３の処理手順に従って処理を行うことで速度推定方法を実施する。

ここで、図３に示す速度推定処理は、例えば、操作部１３を介してユーザーの計測開始操作がなされると開始され、計測終了操作がなされるまでの間、ステップａ１〜ａ２５の処理が１秒毎に繰り返し実行される。また、計測開始操作がなされると、別途ＧＰＳモジュール１１によるＧＰＳ移動速度等の計測や加速度センサー１２による検出加速度の検出等が開始され、速度推定処理が終了するまで並行実行される。加速度センサー１２からは随時検出結果信号が出力されるが、処理部１８では、所定のサンプリングレートで検出加速度としてサンプリングして取り込み、速度推定処理に利用する。サンプリングレートは、例えば１秒間に３２サンプルとすることができるが、勿論、他のサンプリングレートであってもよい。

速度推定処理では先ず、加速度センサー１２により、３軸（ｘ，ｙ，ｚ）の各軸方向の加速度が取得される（ステップａ１）。
続いて、加速度分布分析処理部１８１が、加速度分布分析処理を行う。具体的には、加速度センサー１２の各軸方向（ｘ，ｙ，ｚ）に対応する座標（センサー座標）空間内における検出加速度の分布を分析して、主要な成分（主成分）の分布の方向を抽出する主成分分析を行う（ステップａ３）。主成分の方向は、例えば上位２つの主成分に着目すると、分布の広がりが最も大きい最大散布方向を第１主成分、これと交差（例えば直交）する次に分布の広がりが大きい散布方向を第２主成分として抽出することができ、各々の散布方向の主成分データである第１主成分データ（ＰＣＡ１）及び第２主成分データ（ＰＣＡ２）が得られる。なお、ここでは主成分分析の他に、複数の加法的な成分に分離するための計算手法である独立成分分析を用いて加速度分布分析処理を行うこととしてもよい。

図４は、加速度分布分析処理の詳細な処理手順を示すフローチャートである。図４に示すように、加速度分布分析処理では、加速度分布分析処理部１８１は、主成分分析によって過去１秒間の３２サンプル分の検出加速度の分布の散布方向を分析する（ステップｂ１）。なお、主成分分析の詳細については従来公知であるため説明は省略するが、本実施形態では、図４に示した第１主成分及び第２主成分と直交する方向を第３主成分（上下動方向成分及び腕振り方向成分以外の成分）として３つの主成分を抽出し、これら各主成分の固有値及び固有ベクトルを算出する。

そして、この主成分分析により、加速度分布分析処理部１８１は、第１主成分の方向を第１の座標軸、第２主成分の方向を第２の座標軸、第３主成分の方向を第３の座標軸とする分布座標を設定し（ステップｂ３）、検出加速度の各値を分布座標に変換して（ステップｂ５）、分布座標における検出加速度の第１の座標軸の各値を第１主成分データ（ＰＣＡ１）、第２の座標軸の各値を第２主成分データ（ＰＣＡ２）として取得する（ステップｂ７）。

その後、加速度分布分析処理部１８１は、ステップｂ９の処理として、第１主成分データ（ＰＣＡ１）、第２主成分データ（ＰＣＡ２）、及び固有ベクトルを少なくとも含めたものを今回データ２２３として分析結果データ２２を更新する。また、２回目以降の速度推定処理では、加速度分布分析処理部１８１は、更新前の今回データ２２３を前回データ２２１として分析結果データ２２を更新する。

以上説明した加速度分布分析処理によれば、検出加速度から身体の上下動方向成分及び腕振り方向成分を分離・抽出することができる。これによれば、検出加速度の値に含まれる走り方や歩き方、腕の振り方等に相関しない除外成分（第３主成分）を除外した上で以降の処理に用いることができる。また、このようにすることで、以降の処理においては、加速度センサー１２の各軸方向（ｘ，ｙ，ｚ）を意識する必要がない。これによれば、ランニングウォッチ１の装着向き等の装着状態に影響されることなく推定移動速度の算出を行える。

図３に戻る。ステップａ３の加速度分布分析処理（主成分分析処理）を終えると、続いて周波数解析処理部１８４が、周波数解析処理を行う（ステップａ５）。ここでの処理は、前回データ２２１及び今回データ２２３として分析結果データ２２に記憶されている過去２秒分の第１主成分データ（ＰＣＡ１）及び第２主成分データ（ＰＣＡ２）を用いる。

図５は、過去２秒分の第１主成分データ（ＰＣＡ１）を示す図である。上記したように、第１主成分データ（ＰＣＡ１）及び第２主成分データ（ＰＣＡ２）は、それぞれ対応する第１主成分方向の動作及び第２主成分方向の動作の変動サイクルで周期的に変化する。したがって、例えば、図５の第１主成分データ（ＰＣＡ１）に着目すれば、その周波数は、周期変動波形のピークＰ２１，Ｐ２２，Ｐ２３を検出し、ピークＰ２１，Ｐ２２，Ｐ２３間の時間Ｔ２１，Ｔ２３の平均値等から求めることができる。しかし、実際の周期変動波形には、周期変動のピークＰ２１，Ｐ２２，Ｐ２３以外にも図５中に破線で囲って示す別のピークＰ２５，Ｐ２６が出現するため、誤検出の原因となる。

この誤検出を低減するには、ピーク検出を行う第１主成分データ（ＰＣＡ１）や第２主成分データ（ＰＣＡ２）の時間長を長くする方法が考えられるが、ピッチ等の時間変化に対する追従性が損なわれる他、これら第１主成分データ（ＰＣＡ１）等の周期変動波形そのものからは第１主成分方向や第２主成分方向のパワーを特定することができない。そこで、周波数解析処理部１８４は、過去２秒分の第１主成分データ（ＰＣＡ１）及び第２主成分データ（ＰＣＡ２）から周波数及びパワーを取得するために、周波数解析処理を行う。周波数解析処理は、例えば自己相関処理を用いて行うことができる。

図６は、図５の第１主成分データ（ＰＣＡ１）の周波数解析処理としての自己相関処理の処理結果を示す図である。図６に示すように、自己相関処理をすると、第１主成分データ（ＰＣＡ１）の周期性のみがピークとして現れた周期変動波形の全体的な形状を得ることができる。したがって、この自己相関処理結果についてピーク検出を行うことにより、ピークＰ４１，Ｐ４２，Ｐ４３間の時間Ｔ４１，Ｔ４３からＰＣＡ１の周波数（第１の変動サイクル）を算出することができる。また、周波数解析処理部１８４は、第１主成分データ（ＰＣＡ１）の自己相関処理結果から、相関値の最大値（図６では、ピークＰ４１の相関値Ｄ４１）を自己相関のパワー（第１の変動強度）としてさらに取得する。第２主成分データ（ＰＣＡ２）についても、周波数解析処理部１８４は、自己相関処理結果について同様の要領でピーク検出を行い、ＰＣＡ２の周波数（第２の変動サイクル）およびパワー（第２の変動強度）を算出する。

なお、この自己相関処理は、所定の周波数解析及び所定の逆周波数解析を用いた処理、例えばＦＦＴ（Fast Fourier Transform）処理及び逆ＦＦＴ処理を用いた処理で代替することができる。ＦＦＴ処理結果から上下動方向のパワー（ＰＣＡ１のＦＦＴ最大パワー）及び腕振り方向のパワー（ＰＣＡ２のＦＦＴ最大パワー）をそれぞれ取得できる。ＦＦＴ処理及び逆ＦＦＴ処理を利用することで、演算量を削減して、処理の高速化を図ることができる。図７は、周波数解析処理としての自己相関処理の詳細な処理手順を示すフローチャートである。

図７に示すように、自己相関処理では、周波数解析処理部（ここでは自己相関処理部）１８４は先ず、分析結果データ２２を参照して前回データ２２１及び今回データ２２３から第１主成分データ（ＰＣＡ１）を読み出し、過去２秒分の第１主成分データ（ＰＣＡ１）を処理対象に設定する（ステップｃ１）。

続いて、周波数解析処理部（自己相関処理部）１８４は、処理対象に設定した過去２秒分の第１主成分データ（ＰＣＡ１）をＦＦＴ処理し（ステップｃ３）、

続いて、周波数解析処理部（自己相関処理部）１８４は、ステップｃ３のＦＦＴ処理結果を逆ＦＦＴ処理する（ステップｃ７）。そして、周波数解析処理部（自己相関処理部）１８４は、逆ＦＦＴ処理結果についてピーク検出を行い、ＰＣＡ１の周波数（第１の変動サイクル）及び自己相関のパワー（第１の変動強度）を取得する（ステップｃ９）。

その後、周波数解析処理部（自己相関処理部）１８４は、分析結果データ２２を参照して前回データ２２１及び今回データ２２３から第２主成分データ（ＰＣＡ２）を読み出し、過去２秒分の第２主成分データ（ＰＣＡ２）を処理対象に設定する（ステップｃ１１）。そして、周波数解析処理部（自己相関処理部）１８４は、ステップｃ３〜ステップｃ７と同様の要領で、処理対象に設定した過去２秒分の第２主成分データ（ＰＣＡ２）をＦＦＴ処理し（ステップｃ１３）、ステップｃ１３のＦＦＴ処理結果を逆ＦＦＴ処理する（ステップｃ１７）。そして、周波数解析処理部（自己相関処理部）１８４は、逆ＦＦＴ処理結果についてピーク検出を行い、ＰＣＡ２の周波数（変動サイクル）を取得する（ステップｃ１９）。

なお、ステップｃ７及びステップｃ１７の逆ＦＦＴ処理の前に、第１主成分方向成分や第２主成分方向成分として想定される周波数域を外れた周波数をカットするようにしてもよく、このようにすれば自己相関処理の精度を向上させることができる。

以上説明した周波数解析処理（自己相関処理）によれば、ＰＣＡ１の周波数（第１の変動サイクル）及びＰＣＡ２の周波数（第２の変動サイクル）を誤算出することなく取得することができる。したがって、結果として後述する推定移動速度の算出精度の向上が図れる。また、相関値は、ＰＣＡ１及びＰＣＡ２のパワー（第１および第２の変動強度）として取得することができる。

図３に戻る。ステップａ５の周波数解析処理を終えると、続いて、最尤推定方法を用いることによって、より確度の高い変動サイクルを算出することができる（ステップａ７）。
続いて、状態判定部１８５が、ユーザーの運動状態を判定する状態判定処理を行う（ステップａ９）。この状態判定処理では、状態判定部１８５は、ユーザーの状態が移動運動状態である「走行」又は「歩行」なのか、「移動運動状態以外」なのかを判定する。

ここで、図９を参照し、ユーザーの状態が「走行」なのか「歩行」なのかの判定原理を説明する。図９は、状態判定処理におけるユーザーの状態の典型例三態を示す説明図である。図９（ａ）〜（ｃ）では、縦軸を周波数として、ユーザーの状態を判定可能とするために予め設定される周波数の閾値（破線）に対して、第１の変動サイクルにおけるＰＣＡ１の周波数（白丸）と、第２の変動サイクルにおけるＰＣＡ２の周波数（黒丸）がどのような値となっているかを示している。以下、具体的に説明する。
まず、図９（ａ）では、走行中におけるＰＣＡ１の周波数（白丸）及びＰＣＡ２の周波数（黒丸）の典型例を示している。即ち、図９（ａ）に示すように、ＰＣＡ１の周波数及びＰＣＡ２の周波数が共に閾値を超えている場合は、ユーザーの状態を「走行」と判定することができる。
また、図９（ｂ）では、歩行中におけるＰＣＡ１の周波数（白丸）及びＰＣＡ２の周波数（黒丸）の典型例を示している。即ち、図９（ｂ）に示すように、ＰＣＡ１の周波数及びＰＣＡ２の周波数のうち、いずれか一方が閾値を超え他方が閾値以下である場合は、ユーザーの状態を「歩行」と判定することができる。
また、図９（ｃ）では、「走行中」でも「歩行中」でもない「移動運動状態以外」の状態におけるＰＣＡ１の周波数（白丸）及びＰＣＡ２の周波数（黒丸）を示している。即ち、上述した図９（ａ）及び図９（ｂ）に示す閾値に対する各周波数の値とは異なり、ＰＣＡ１の周波数及びＰＣＡ２の周波数は共に、閾値に満たない値を示している場合は、ユーザーの状態を「走行」でも「歩行」でもない「移動運動状態以外」と判定することができる。

なお、例示した移動運動状態条件及び状態判定条件はあくまでも図９（ａ）〜図９（ｃ）に示した典型例に基づくものである。したがって、実際には、様々なユーザーからデータを収集・解析することで個人差を吸収した最適な移動運動状態条件及び状態判定条件を適宜設定してよい。

ところで、ユーザーは、走行中又は歩行中に、ランニングウォッチ１の表示を見たり、汗をぬぐったりといった通常の腕振り動作とは異なる動作（異常動作）をする場合があり、このような場合、検出加速度の主成分の方向すなわち散布方向が変位することとなる。一方で、後述する学習処理では、速度推定処理の過程で所定の特性値を収集した上で、ユーザーの移動速度を推定するための移動速度関係式を更新する。そのため、このような異常動作をしたときに得た特性値を学習処理に用いてしまうと、推定移動速度の算出精度が低下する問題がある。なお、ユーザーが走行又は歩行を一時中止或いは終了して停止している場合も同様の問題がある。

そこで、状態判定部１８５は、まず、ユーザーの状態として異常動作が行われたかを判定する。この異常動作は、今回の固有ベクトルと前回の固有ベクトルとの固有ベクトル内積（内積値）によって判定したり、固有ベクトル内積が大きく変化するタイミングでＰＣＡ２の周波数（第２の変動サイクル）とＰＣＡ１の周波数（第１の変動サイクル）との関係が大きくくずれたことが確認できたとき、これを利用して「異常動作」を判定したりするようにしてもよい。

図８は、状態判定処理の詳細な処理手順を示すフローチャートである。
図８に示すように、状態判定処理では、状態判定部１８５は先ず、変動サイクル算出部１８２から第１の変動サイクル及び第２の変動サイクルを取得する。（ステップｄ１）。
次に、状態判定部１８５は、取得した第１の変動サイクル及び第２の変動サイクルにおいて、第１の変動サイクルの周波数（ＰＣＡ１の周波数）及び第２の変動サイクルの周波数（ＰＣＡ２の周波数）に対して状態判定のために適用する所定の周波数の閾値（例えば１．５Ｈｚ）を設定する（ステップｄ３）。
続いて、状態判定部１８５は、ＰＣＡ１の周波数及びＰＣＡ２の周波数のそれぞれが、ステップｄ３で設定された周波数の閾値に対してどのような値を示しているかに基づいて、ユーザーの状態を判定する。例えば、図９（ａ）に示すように、ＰＣＡ１の周波数及びＰＣＡ２の周波数が共に閾値を超えている場合は（ステップｄ５：Ｙｅｓ）、ユーザーの状態を「走行」と判定し（ステップｄ７）、状態判定結果２３を「走行」に更新する。

一方、状態判定部１８５は、ステップｄ５において、ＰＣＡ１の周波数及びＰＣＡ２の周波数が共に閾値を超えている状態とは異なる状態である場合は（ステップｄ５：Ｎｏ）、その後ステップｄ９に移行する。
続いて、状態判定部１８５は、図９（ｂ）に示すように、ＰＣＡ１の周波数及びＰＣＡ２の周波数のうち、いずれか一方が閾値を超え他方が閾値以下である場合は（ステップｄ９：Ｙｅｓ）、ユーザーの状態を「歩行」と判定し（ステップｄ１１）、状態判定結果を「歩行」に更新する。
また、図８のステップｄ９において、図９（ｃ）に示すように、第１の周波数及び第２の周波数のうち、いずれか一方のみが閾値を超えているのとは異なる状態である場合は（ステップｄ９：Ｎｏ）、ユーザーの状態を「走行」でも「歩行」でもない「移動運動状態以外」と判定し、状態判定結果２３を「移動運動状態以外」として（ステップｄ１３）状態判定結果を更新する。

図３に戻る。ステップａ９の状態判定処理を終えると、続いてピッチ算出を行う（ステップａ１０）。具体的には、ピッチ算出部１９１が、最尤推定により導出されるステップ動作（身体上下動）の周波数（変動サイクル）を用いて、ピッチ情報を算出する。ステップ動作（身体上下動）の周波数を１分間当たりの数に換算することでピッチ情報を算出することができる。算出したピッチ情報は、記憶部２０のピッチデータ２９に記憶される。また、表示出力することとしてもよい。

速度推定処理からピッチ算出処理を切り離し、ピッチ情報のみを算出及び出力する場合には、ステップａ１〜ａ１０までがピッチ算出処理と言うことができる。

続いて学習可否判定部１８６が、学習可否判定処理を行う（ステップａ１１）。例えば、学習可否判定部１８６は、ＧＰＳモジュール１１がＧＰＳアンテナ１１１によって受信したＧＰＳ衛星信号の信号強度を閾値処理し、所定の閾値以下の場合は学習しないと判定する。後段の学習処理では、上述の状態判定処理で判定されたユーザーの状態に対応した歩行用または走行用の移動速度関係式の学習・更新にＧＰＳ移動速度を用いるが、ＧＰＳ衛星信号の信号強度が弱い場合にはＧＰＳ衛星信号の信頼性が低下するため、学習しないこととする。ここでの処理は、ＧＰＳ衛星信号の信号強度の信頼性を示す指標値とし、所定の閾値を低信頼性条件として事前に設定しておくことで実現できる。加えて、学習可否判定処理では、学習可否判定部１８６は、状態判定結果２３を参照し、ユーザーの状態として「移動運動状態以外」が設定されている場合も学習しないと判定する。

一方、学習可否判定部１８６は、ＧＰＳ衛星信号の信頼性が低信頼性条件を満たさない場合や、状態判定結果２３に設定されているユーザーの状態が「移動運動状態以外」でない場合は、学習すると判定する。

学習しないということは、後段の学習処理で行う学習データ２６の更新も行わないこととなる。したがって、以上説明した学習可否判定処理によれば、ＧＰＳ衛星信号の信頼性が低信頼性条件を満たす場合や、ユーザーが移動運動状態でない場合は学習データ２６の更新を抑止し、これを用いた移動速度関係式の学習・更新に用いることを抑止できる。これによれば、推定移動速度の算出精度が低下する事態を低減できる。

そして、ステップａ１１の学習可否判定処理の結果学習すると判定した場合は（ステップａ１３：Ｙｅｓ）、学習処理部１８７が学習処理を行い（ステップａ１５）、その後ステップａ１７に移行する。学習しないと判定した場合は（ステップａ１３：Ｎｏ）、ステップａ１５の学習処理を行わずにステップａ１９に移行する。図１０は、学習処理の処理手順を説明する図である。

図１０に示すように、学習処理では先ず、学習処理部１８７は、ＧＰＳ移動速度Ｄ９１と、変動サイクル（第１の変動サイクルおよび第２の変動サイクルの少なくとも一方）Ｄ９２、及び変動強度（第１の変動強度および第２の変動強度の少なくとも一方）Ｄ９３を歩行用学習データ２６に追加して更新する（ｆ１）。ここで、上述の状態判定処理により「走行」と判定された場合には、変動サイクル及び変動強度を走行用学習データに追加して更新する。

図１１は、実績データとしての学習データ２６のデータ構成例を示す図である。図１１に示すように、学習データ２６は、Ｓｐｅｅｄ：ＧＰＳ移動速度と、φ１：変動サイクルと、φ２：変動強度とが対応付けられたデータテーブルである。ここでの処理により、学習データ２６には、ユーザーの状態が「歩行」のとき、又は「走行」のときに取得した変動サイクルと、変動強度とを、ＧＰＳ移動速度と対応付けたものが、上述したように走行用学習データと歩行用学習データとで別々に区別して蓄積されることとなる。

図１０に戻り、続いて、学習処理部１８７は、学習データ２６を用い、公知の最小二乗法を適用して次式（１）に示す移動速度関係式を学習によって導出する（ｆ３）。次式（１）において、ｗｊは確率変数を表す。最小二乗法では、ＳｐｅｅｄとしてＧＰＳ移動速度を用い、所定の特性値φｊに基づいて確率変数ｗｊを統計的に決定する。

ここで、ユーザーが単位時間当たりに踏むステップ数（ピッチ）に相当する変動サイクルは、ユーザーの移動速度と大きく相関する。また、その変動サイクルの強度（変動強度）も、ユーザーの移動速度と相関していると考えられる。そこで、本実施形態では、図１１中にφ１、φ２として示した変動サイクルと変動強度とを、特性値として用いる。

図１２は、最小二乗法を説明するための図である。図１１に示すように、学習データ２６には、ＧＰＳ移動速度と、変動サイクルと変動強度とが対応付けられたデータセットが、図１２に示す通りデータセットＤＳ−１，ＤＳ−２，ＤＳ−３，・・・のように随時蓄積されていく。ここで、１０個目のデータセットＤＳ−１０を学習データ２６に追加したタイミングでは、学習処理部１８７は、追加したデータセットＤＳ−１０を含む１０個のデータセットＤＳ−１〜ＤＳ−１０を用いて最小二乗法を行い、確率変数ｗｊを新たに決定する。また、最下段のデータセットＤＳ−ｎを学習データ（歩行用）２６に追加したタイミングでは、学習処理部１８７は、追加したデータセットＤＳ−ｎを含む全てのデータセットＤＳ−（ｎ−９）〜ＤＳ−ｎを用いて最小二乗法を行い、確率変数ｗｊを新たに決定する。したがって、今回のデータセットを反映した歩行用の移動速度関係式の導出が実現できる。
なお、移動速度関係式の導出には、上述の最小二乗法以外の逐次的な統計手法を用いることができる。

その後、学習処理部１８７は、最小二乗法によって学習データ２６を用いて導出した移動速度関係式を歩行用のものとし、新たに決定した確率変数ｗｊを設定して移動速度関係式データ２７３を更新する（ｆ５）。

以上説明した学習処理によれば、ユーザーの移動速度と相関する変動サイクルや変動強度といった特性値を用い、歩行用又は走行用の移動速度関係式を導出することができる。また、歩行用または走行用の移動速度関係式の導出に当たり、ＧＰＳ移動速度を用いることができる。このＧＰＳ移動速度は、前段の学習可否判定処理において、そのＧＰＳ衛星信号についてＧＰＳ衛星信号の信頼性が低信頼性条件を満たさないと判定された値である。

図３に戻る。その後のステップａ１７では、移動速度推定部１８８が、記憶部２０から移動速度関係式データ２７３を読み出して用い、推定移動速度を算出する。具体的には、移動速度推定部１８８は、移動速度関係式データ２７３として記憶されている確率変数をｗｊ、今回の速度推定処理で取得した変動サイクルをφ１、変動強度をφ２として次式（２）に代入し、求めたＳｐｅｅｄを推定移動速度とする。

以上のようにして、推定移動速度を算出したならば、続いて乗り物判定部１８９が、乗り物判定処理を行う（ステップａ１９）。例えば、乗り物判定部１８９は、ユーザーが単位時間当たりに踏むステップ数（ピッチ）に相当する変動サイクルの周波数の値が十分に小さくユーザーが「走行」又は「歩行」の移動運動状態にない非運動状態の場合であって、ＧＰＳ移動速度が十分に速い場合は、ユーザーが自転車やバイク、自動車、電車等の乗り物に乗車中と判定する。非運動状態か否かを判定するための、上述の第１の変動サイクル及び第２の変動サイクルの少なくとも一方の周波数の閾値及びＧＰＳ移動速度を判定するための閾値は、事前に設定しておくことができる。

また、別の例としては、変動サイクルの周波数が所定の閾値以上でありユーザーが移動運動状態にあっても、ＧＰＳ移動速度が十分に速い場合は、乗り物に乗車しつつ「走行」又は「歩行」している場合（例えば、電車内で歩いているような場合）と考えられる。そこで、移動運動状態か否かを判定するための変動サイクルの周波数の閾値及びＧＰＳ移動速度を判定するための閾値を事前に設定しておき、前述のような場合を乗り物に乗車中と判定するようにしてもよい。

そして、移動速度出力制御部１９０が、ステップａ１９の乗り物判定処理の結果に基づきユーザーが乗り物に乗車中でなければ（ステップａ２１：Ｎｏ）、推定移動速度をユーザーの移動速度として出力する（ステップａ２５）。乗り物に乗車中と判定した場合は（ステップａ２１：Ｙｅｓ）、移動速度出力制御部１９０は、ＧＰＳ移動速度をユーザーの移動速度として出力する（ステップａ２３）。その後、１回の速度推定処理を終える。

ここでの処理によれば、ユーザーが乗り物に乗車中の場合には、推定移動速度に代えてＧＰＳ移動速度をユーザーの移動速度として出力することができる。ユーザーが乗り物に乗車中でなければ、推定移動速度をユーザーの移動速度として出力することができる。

以上説明したように、本実施形態によれば、取得した３軸の検出加速度の分布の散布方向を主成分分析により分析して、例えば上位２つの主成分の分布の方向を分離・抽出し、各主成分方向の変動サイクルや変動強度といった移動速度に影響する値を分布座標における特性値として取得することができる。そして、取得した特性値を用い、ユーザーの状態が「走行」なのか「歩行」なのかに応じて走行用の移動速度関係式又は歩行用の移動速度関係式を随時学習・更新しながらこれらを切り替えて用い、ユーザーの移動速度を推定することができる。したがって、走行中又は歩行中などのユーザーの状態別の移動速度とする推定移動速度を高精度に算出することができる。

なお、上記した実施形態では、変動サイクル及び変動強度を特性値として用いて、走行用の移動速度関係式及び歩行用の移動速度関係式を随時学習・更新しながら、この走行用の移動速度関係式及び歩行用の移動速度関係式を用いて推定移動速度を算出することとした。しかし、走行用の移動速度関係式及び歩行用の移動速度関係式の学習に用いる特性値はこれら２つに限定されるものではない。例えば、これら２つのうちの少なくとも１つを特性値として用いる構成としてもよい。また、ユーザーの移動速度に相関するその他の値をさらに用い、或いはこれらを複数組み合わせて特性値として用いる構成としてもよい。

また、上記した実施形態では、算出する運動諸量として速度およびピッチ情報を例に挙げて説明した。これに加えて、例えば、検出加速度の値の変動サイクルに基づいて求めた自己相関のパワーを用いて、着地時の衝撃や地面を蹴る力といった接地時指標値を運動諸量の１つとして算出して、表示出力することとしてもよい。

また、上記した実施形態では、運動諸量算出装置を具備した携帯機器として手首装着型のランニングウォッチ１を例示したが、これに限定されるものではなく、例えば足首や上腕部等、ユーザーの四肢の別の個所に装着して使用する携帯機器として実現してもよい。また、その携帯機器の装着箇所はユーザーの四肢に限らず、ベルトを介して腰に装着するなど、身体の任意の位置とすることができる。

また、測位用衛星信号は、ＧＰＳ衛星信号に限らず、ＷＡＡＳ（Wide Area Augmentation System）やＱＺＳＳ（Quasi Zenith Satellite System）、ＧＬＯＮＡＳＳ（Global Navigation Satellite System）、ＧＡＬＩＬＥＯ等の別の測位用衛星信号を利用する構成としてもよい。

１…携帯機器としてのランニングウォッチ、１１…ＧＰＳモジュール、１２…加速度センサー、１３…操作部、１４…表示部、１５…音出力部、１６…通信部、１７…時計部、１８…処理部、２０…記憶部、２１…速度推定プログラム、２２…分析結果データ、２３…状態判定結果、２４…ヒストグラムデータ、２６…学習データ、２７…関係式データ、２８…移動速度データ、Ｄ９１…ＧＰＳ移動速度、Ｄ９２…変動サイクル、Ｄ９３…変動強度、１１１…ＧＰＳアンテナ、１８１…加速度分布分析処理部、１８２…変動サイクル算出部、１８４…周波数解析処理部、１８５…状態判定部、１８６…学習可否判定部、１８７…学習処理部、１８８…移動速度推定部、１８９…乗り物判定部、１９０…移動速度出力制御部、２２１…前回データ、２２３…今回データ、２７３…移動速度関係式データ。

Claims (9)

1. ユーザーの身体に取り付けられた加速度センサーによる検出加速度の分布に表れる第１方向を求めることと、
   前記第１方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出することと、
   を含む運動諸量算出方法。
2. 前記第１方向に沿って変動する前記検出加速度の複数の値を自己相関することで前記変動サイクルを算出すること、
   を更に含む請求項１に記載の運動諸量算出方法。
3. 前記自己相関することは、所定の周波数解析を行うこと、および、所定の逆周波数解析を行うこと、を含む、
   請求項２に記載の運動諸量算出方法。
4. 前記第１方向を求めることは、前記検出加速度の分布の散布方向に基づいて前記第１方向を求めることである、
   請求項１〜３の何れか一項に記載の運動諸量算出方法。
5. 前記第１方向を求めることは、前記検出加速度の分布の最大散布方向、および、当該最大散布方向に直交する散布方向の何れかに基づいて前記第１方向を求めることである、
   請求項４に記載の運動諸量算出方法。
6. 前記第１方向を求めることは、５秒以下の所定の単位時間の間の前記検出加速度の分布に表れる前記第１方向を求めることである、
   請求項１〜５の何れか一項に記載の運動諸量算出方法。
7. ユーザーの身体に取り付けられた加速度センサーによる検出加速度の分布に表れる第１方向を求める判定部と、
   前記第１方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出する算出部と、
   を備えた運動諸量算出装置。
8. 前記加速度センサーは、前記ユーザーの四肢のいずれかに取り付けられる請求項７に記載の運動諸量算出装置。
9. 請求項７または８に記載の運動諸量算出装置を備える携帯機器。

Images