JP2016070701A - Signal processing unit, detection apparatus and program - Google Patents
Signal processing unit, detection apparatus and program Download PDFInfo
- Publication number
- JP2016070701A JP2016070701A JP2014197342A JP2014197342A JP2016070701A JP 2016070701 A JP2016070701 A JP 2016070701A JP 2014197342 A JP2014197342 A JP 2014197342A JP 2014197342 A JP2014197342 A JP 2014197342A JP 2016070701 A JP2016070701 A JP 2016070701A
- Authority
- JP
- Japan
- Prior art keywords
- analysis
- sensor
- unit
- signal processing
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 99
- 230000033001 locomotion Effects 0.000 claims description 56
- 238000000034 method Methods 0.000 claims description 39
- 230000009471 action Effects 0.000 claims description 12
- 238000000513 principal component analysis Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 28
- 230000029058 respiratory gaseous exchange Effects 0.000 description 26
- 230000005540 biological transmission Effects 0.000 description 12
- 238000009499 grossing Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000035559 beat frequency Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
本発明は、一般に信号処理装置、検出装置、およびプログラム、より詳細には対象物で反射された電波を受信するセンサからのセンサ信号を信号処理する信号処理装置、検出装置、およびプログラムに関するものである。 The present invention generally relates to a signal processing device, a detection device, and a program, and more particularly to a signal processing device, a detection device, and a program that process a sensor signal from a sensor that receives a radio wave reflected by an object. is there.
従来、検知対象物によって反射された伝播波のドップラ信号を利用した人体検知装置がある。 Conventionally, there is a human body detection device using a Doppler signal of a propagation wave reflected by a detection target.
例えば、特許文献1には、ドップラ信号を自己回帰モデルを使用して解析し、ドップラ信号のピーク周波数及び振幅を算出して、このドップラ信号のピーク周波数及び振幅に基づいて人の行動状態を判定する検知装置が開示されている。
For example, in
例えば人の呼吸を検出する場合、センサ信号は低周波の非正弦波となる。しかしながら、従来技術では、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することは難しく、対象動作が発生しているにも関わらず検出しない失報、対象動作が発生していないにも関わらず検出してしまう誤検出が発生する可能性があった。 For example, when detecting human breathing, the sensor signal is a low-frequency non-sinusoidal wave. However, in the prior art, it is difficult to accurately detect the target motion from the low-frequency non-sinusoidal sensor signal, and there are unreported and target motions that are not detected despite the target motion occurring. There was a possibility that a false detection would occur despite the absence.
また、従来、対象動作の検出処理の効率を向上させたいという要望があった。 Conventionally, there has been a desire to improve the efficiency of target motion detection processing.
本発明は上記事由に鑑みて為されたものであり、その目的は、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができる信号処理装置、検出装置、およびプログラムを提供することにある。 The present invention has been made in view of the above-mentioned reasons, and its object is to detect a target motion with high accuracy from a low-frequency non-sinusoidal sensor signal and to improve the efficiency of the target motion detection process. An object is to provide a signal processing device, a detection device, and a program that can be improved.
本発明の信号処理装置は、対象物で反射した電波を受信するセンサから出力される前記対象物の動きに応じたセンサ信号に対して解析期間に亘って自己回帰モデルを適用し、自己回帰モデルの自己回帰係数からなる回帰係数ベクトルを求める解析処理を、前記解析期間を前回の解析期間よりシフト時間だけずらして順次行い、前記シフト時間を前記解析期間の時間長さより短く設定した解析部と、前記対象物の特定の動きである対象動作が発生しているときの前記センサ信号に対応する前記回帰係数ベクトルを識別するための基準データを格納しているデータベースと、前記解析部が求めた前記回帰係数ベクトルを前記基準データと照合することによって、前記対象動作の有無を判定する認識部とを備えることを特徴とする。 The signal processing apparatus of the present invention applies an autoregressive model over an analysis period to a sensor signal corresponding to the movement of the target object output from a sensor that receives a radio wave reflected by the target object. Analysis processing to obtain a regression coefficient vector consisting of the autoregressive coefficient of the analysis unit, the analysis period is sequentially shifted by a shift time from the previous analysis period, and the shift time is set shorter than the time length of the analysis period, A database storing reference data for identifying the regression coefficient vector corresponding to the sensor signal when a target motion, which is a specific motion of the target object, is generated; and the analysis unit obtains the database And a recognizing unit that determines the presence or absence of the target motion by collating a regression coefficient vector with the reference data.
本発明の検出装置は、対象物で反射した電波を受信して、前記対象物の動きに応じたセンサ信号を出力するセンサと、信号処理装置とを備えることを特徴とする。 The detection apparatus of the present invention includes a sensor that receives a radio wave reflected by an object and outputs a sensor signal corresponding to the movement of the object, and a signal processing apparatus.
本発明のプログラムは、コンピュータを信号処理装置として機能させることを特徴とする。 A program according to the present invention causes a computer to function as a signal processing device.
以上説明したように、本発明では、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができるという効果がある。 As described above, according to the present invention, there is an effect that the target motion can be accurately detected from the low-frequency non-sinusoidal sensor signal and the efficiency of the target motion detection process can be improved. .
本実施形態の検出装置1のブロック構成を図1に示す。検出装置1は、対象物の特定の動きである対象動作を検出する機能を有している。本実施形態では、対象動作を人体9の呼吸として、検出装置1が人体9の呼吸を検出する。以下、この検出装置1について説明する。
FIG. 1 shows a block configuration of the
図1に示すように、検出装置1は、センサ11と、信号処理装置12とを備える。
As shown in FIG. 1, the
センサ11は、所定周波数の電波を検出範囲に向けて送信して、検出範囲内の人体9で反射された電波を受信し、送信した電波と受信した電波との周波数の差分に相当するドップラ周波数に応じたセンサ信号を出力する。すなわち、センサ11は、ドップラセンサで構成される。
The
あるいは、センサ11は、FMCW(Frequency Modulated Continuous Wave)方式を用いたセンサで構成されてもよい。この場合、センサ11は、送信する電波の周波数を上昇させた後に下降させるスイープ処理を繰り返す。センサ11にFMCW方式を用いることによって、検出装置1は対象物までの距離を測定することも可能になる。
Alternatively, the
以下、センサ11をドップラセンサで構成した場合について説明する。
Hereinafter, a case where the
センサ11が出力するセンサ信号は、人体9の動きに対応するアナログの時間軸信号である。図2は、センサ11から出力されるセンサ信号(実線)を示す。センサ11は、送受信周波数の差分を電圧に変換しており、センサ11の前方3mに存在する人体9の呼吸に合わせて、センサ信号の信号強度が増減している。センサ信号が正のとき、人体9は息を吐いており、センサ信号が負のとき、人体9は息を吸っており、図2の例では、呼吸の周期を約0.5〜0.8秒としている。また、図2の破線は、背景雑音を示す。
The sensor signal output from the
そして、センサ11は、送信制御部11a、送信部11b、送信アンテナ11c、受信アンテナ11d、受信部11eを備える。
The
送信部11bは、送信アンテナ11cを介して、電波を検出範囲に向けて送信する。送信制御部11aは、送信部11bが送信する電波の周波数、送信タイミング等を制御する。送信部11bが送波する電波は、例えば、周波数が24.15GHzのミリ波とすることができる。なお、送信部11bが送波する電波は、ミリ波に限らず、マイクロ波でもよい。また、送信部11bが送波する電波の周波数の値は、特に限定するものではない。
The
受信部11eは、受信アンテナ11dを介して、検出範囲内の人体9で反射された電波を受信し、送信した電波と受信した電波との周波数の差分に相当する周波数のセンサ信号を出力する。
The
また、センサ11は、FMCW方式を用いる場合、送信電波の周波数(送信周波数)と受信電波の周波数(受信周波数)との差分に相当するビート周波数のビート信号を生成して、このビート信号をセンサ信号として出力する。FMCW方式は、本来、対象物までの距離を測定するために用いられるが、送信電波および受信電波の位相成分を分析することによって、ドップラ信号と同様のセンサ信号が得られる。本実施形態では、センサ信号が生成された後の信号処理に着眼するため、FMCW方式のセンサ11が生成するセンサ信号についての詳細な説明は省略する。
Further, when the FMCW method is used, the
信号処理装置12は、センサ11から出力されるセンサ信号を信号処理する機能を有する。信号処理装置12は、増幅部12a、A/D変換部12b、平滑部12c、解析部12d、データベース12e、認識部12f、出力部12gを備える。さらに、信号処理装置12は、学習部12h、設定部12i、調整部12jを備えることが好ましい。
The
増幅部12aは、例えば、オペアンプを用いた増幅器により構成されて、センサ信号を増幅する。
The amplifying
A/D変換部12bは、増幅部12aによって増幅されたセンサ信号をデジタルのセンサ信号に変換して出力する。A/D変換部12bのサンプリングレートは、一例として、1000spsに設定される。
The A /
本実施形態において、平滑部12cは、A/D変換部12bが出力するデジタルのセンサ信号を入力として、100サンプルの移動平均値を導出し、さらに移動平均値の50サンプル毎の中央値(メジアン)をとる。すなわち、平滑部12cは、A/D変換部12bが出力するデジタルのセンサ信号に対して移動平均処理およびメジアン処理を行うことで、図3に示すように平滑されたデジタルのセンサ信号を出力する。
In the present embodiment, the
解析部12dは、平滑部12cによって平滑されたセンサ信号を記憶し、この記憶したセンサ信号に対して自己回帰モデルを適用して、自己回帰モデルの自己回帰係数からなる回帰係数ベクトルを求める解析処理を行う。解析部12dは数1に示す自己回帰モデルを用いる。数1は、解析部12dに入力されたセンサ信号の自己回帰モデルであり、説明変数行列[X]に回帰係数ベクトル[a]を乗算した値に、誤差項[e]を足し合わせることで、目的変数ベクトル[Y]が求められる。なお、[ ]はベクトルを表す。
The
目的変数ベクトル[Y]、説明変数行列[X]、回帰係数ベクトル[a]、誤差ベクトル[e]は、3次の自己回帰モデルの場合、数2に表される。なお、数2は、説明のために3次の自己回帰モデルを示しているが、解析部12dが用いる自己回帰モデルの次数は3次に限定されるものではない。
The objective variable vector [Y], the explanatory variable matrix [X], the regression coefficient vector [a], and the error vector [e] are expressed by
目的変数ベクトル[Y]は、時系列的に連続するセンサ信号の値(平滑部12cの出力)を目的変数Y(n)〜Y(n−4)とする行ベクトルである。説明変数行列[X]は、時系列的に連続するセンサ信号の値(平滑部12cの出力)を説明変数Y(n−1)〜Y(n−7)とする5×3の行列である。回帰係数ベクトル[a]の成分は、自己回帰係数aであり、3次の自己回帰モデルである数2では、自己回帰係数a1,a2,a3を回帰係数ベクトル[a]の成分としている。誤差ベクトル[e]は、5つの成分e(n)〜e(n−4)からなる行ベクトルである。Y(n)〜Y(n−7)は、図4に示すように、時系列的に連続するセンサ信号の値である。なお、nは正の整数であり、(n)、(n−1)、(n−2)、(n−3)...は、サンプルの識別符号を示す。
The objective variable vector [Y] is a row vector whose objective variables Y (n) to Y (n-4) are sensor signal values (output of the smoothing
そして、解析部12dは、数3に示す式を用いて、回帰係数ベクトル[a]を決定して、自己回帰係数a(例えば、a1,a2,a3)を求める。この場合、誤差ベクトル[e]が最小となるように、回帰係数ベクトル[a]が決定される(最小二乗解)。例えば2次の自己回帰モデルを用いた場合、自己回帰モデルは、図5のベクトル図のように表される。[X][a]は、[X1][a1]と[X2][a2]との和であり、[X][a]と[Y]との差が誤差項[e]となる。そして、この誤差ベクトル[e]が最小となるように、回帰係数ベクトル[a]が決定される。
Then, the
また、解析部12dは、数4に示す式を用いて、回帰係数ベクトル[a]を決定することもできる。この場合、回帰係数ベクトル[a]は、最小二乗平均誤差解として求められる。なお、数4中のσ2nは背景雑音の分散値であり、σ2sは信号(本実施形態では人体9の呼吸信号)の分散値であり、Iは単位行列である。
The
また、解析部12dは、QR分解を用いて回帰係数ベクトル[a]を決定することもできる。
The
解析部12dが決定した回帰係数ベクトル[a]は、センサ信号の時間軸波形(センサ11の出力)の特徴が反映されている。このセンサ信号の時間軸波形は、周波数、振幅だけでなく、単位時間当たりの周波数の変化量、単位時間当たりの振幅の変化量等の各要素によって決まる。すなわち、回帰係数ベクトル[a]は、センサ信号の時間軸波形を構成する各要素が反映されており、回帰係数ベクトル[a]は、センサ信号の時間軸波形毎に異なるといえる。
The regression coefficient vector [a] determined by the
そして、解析部12dは、平滑部12cによって平滑されたセンサ信号を記憶しており、図3に示すように、解析期間T1内のセンサ信号(平滑部12cの出力)に対して、回帰係数ベクトル[a]を決定する上述の解析処理を行う。本実施形態において、解析期間T1=0.8(秒)に設定されている。
And the
さらに解析部12dは、図3に示すように、次回の解析期間T1の始点を前回の解析期間T1の始点からシフト時間T2(秒)ずらすことで、解析処理を繰り返し行う。すなわち、次回の解析期間T1は、前回の解析期間T1からシフト時間T2だけ遅れて設定される。本実施形態において、シフト時間T2=0.2秒に設定されている。すなわち、解析部12dは、1回の解析処理に要する時間がシフト時間T2未満であり、実行中の解析処理が終了した後、シフト時間T2だけ遅らせた次回の解析期間T1の解析処理を行うことで、シフト時間T2毎に解析処理を行う。したがって、解析部12dは、解析期間T1より短い周期で解析処理を繰り返すことができるので、一定時間当たりに実行できる解析処理の回数を多くして、解析処理の高効率化を図ることができる。
Further, as shown in FIG. 3, the
認識部12fは、解析部12dが決定した回帰係数ベクトル[a]を、データベース12eの基準データと照合することによって、対象動作の有無を判定する。ここでは、認識部12fは、対象動作として人体9の呼吸の有無を判定する。人体9の呼吸の有無の判定処理に用いられる基準データは、人体9が呼吸しているときのセンサ信号に対応する回帰係数ベクトル[a]を識別するためのデータである。
The recognizing
認識部12fは、例えば、主成分分析(principal component analysis)によるパターン認識処理を行うことによって、人体9の呼吸の有無を判定することが好ましい。
The recognizing
学習部12hは、センサ11の検出範囲内に呼吸している人体9が存在する場合に、解析部12dが決定した回帰係数ベクトル[a]を学習データとして取得する。さらに、学習部12hは、センサ11の検出範囲内に呼吸している人体9が存在しない場合に、解析部12dが決定した回帰係数ベクトル[a]も学習データとして取得する。そして、学習部12hは、学習データに対して主成分分析を施すことで得られた基準データを、データベース12eに格納する。ここにおいて、データベース12eに格納された基準データは、パターン認識に利用するデータであり、対象物の動きと射影ベクトル及び判別境界値とを対応付けたカテゴリデータである。学習部12hは、センサ11の検出範囲内に呼吸している人体9が存在する場合/存在しない場合のそれぞれにおいて、学習データを複数回取得する。
The learning unit 12h acquires the regression coefficient vector [a] determined by the
図6は、2次の自己回帰モデルを用いた場合に、2つの自己回帰係数a1,a2を互いに直交する座標軸とした場合の2次元散布図と射影軸L1及び認識境界L2とをイメージ的に説明するために2次元で図示したものである。主成分分析に対応する学習部12hは、センサ11の検出範囲に人体9が存在しない場合の学習データに対応するグループG0と、検出範囲に人体9が存在する場合の学習データに対応するグループG1とを設定する。そして、主成分分析に対応する学習部12hは、グループG0,G1内の各散布点を射影軸上に射影したデータの分布(破線M0、実線M1で模式的に示してある)の平均値の間隔が最大となり、且つ、分散(variance)が最大となる条件で射影軸L1を決める。さらに、主成分分析に対応する学習部12hは、検出範囲に人体9が存在する領域と検出範囲に人体9が存在しない領域との認識境界L2を決める。
FIG. 6 shows an image of a two-dimensional scatter diagram, a projection axis L1 and a recognition boundary L2 when two autoregressive coefficients a1 and a2 are orthogonal to each other when a secondary autoregressive model is used. For illustration purposes, it is illustrated in two dimensions. The learning unit 12h corresponding to the principal component analysis includes a group G0 corresponding to learning data when the
そして、主成分分析を行う認識部12fは、解析部12dが決定した回帰係数ベクトル[a]を、データベース12eの基準データ(図6参照)と照合することによって、人体9の呼吸の有無を判定する。
Then, the recognizing
あるいは、認識部12fは、重回帰分析を用いた認識アルゴリズムを行うことによって、人体9の呼吸の有無を判定することが好ましい。この場合も、データベース12eに格納される基準データは、学習部12hによって作成される。
Or it is preferable that the
あるいは、認識部12fは、判別分析法を用いた認識アルゴリズムを行うことによって、人体9の呼吸の有無を判定することが好ましい。この場合も、データベース12eに格納される基準データは、学習部12hによって作成される。判別分析法には、無次元化ノルムを用いる方法、Fisher正解率を用いる方法、マハラノビス距離を用いる方法等がある。これらの3つの判別分析法のうち、前者のほうが後者に比べてアルゴリズムが簡単になる。
Alternatively, the
そして、信号処理装置12は、認識部12fによる検出結果を出力する出力部12gを備えている。出力部12gは、認識部12fにより人体9の呼吸が検出された場合、人体9の呼吸が検出されたことを示す出力信号を出力する。出力部12gは、認識部12fにより人体9の呼吸が検出されなかった場合、非検出であることを示す出力信号を出力する。
And the
上述のように、信号処理装置12は、解析部12dと、データベース12eと、認識部12fとを備える。解析部12dは、人体9(対象物)で反射した電波を受信するセンサ11から出力される人体9の動きに応じたセンサ信号に対して解析期間T1に亘って自己回帰モデルを適用する。解析部12dは、自己回帰モデルの自己回帰係数からなる回帰係数ベクトル[a]を求める解析処理を、解析期間T1を前回の解析期間T1よりシフト時間T2だけずらして順次行う。解析部12dは、シフト時間T2を解析期間T1の時間長さより短く設定している。データベース12eは、人体9の特定の動きである対象動作(例えば呼吸)が発生しているときのセンサ信号に対応する回帰係数ベクトル[a]を識別するための基準データを格納している。認識部12fは、解析部12dが求めた回帰係数ベクトル[a]を基準データと照合することによって、人体9の対象動作の有無を判定する。
As described above, the
ここで、人体9の呼吸を検出したセンサ信号は、低周波の非正弦波の波形となる。低周波の非正弦波の周期性信号の存在を検出する従来の手段としては、FFT等による周波数分析を用いる手段や、センサ信号の時間軸波形自体を時間軸波形のサンプル信号と照合する手段がある。しかしながら、周波数分析を用いた方法では、0.1Hz以上の分解能がFFT処理に要求され、1回の解析処理に少なくとも10秒以上のセンサ信号が必要であり、ハードウェア的なリソースが大きくなる。時間軸波形自体の照合を用いた方法でも、1回の解析処理に長時間のセンサ信号が必要となる。
Here, the sensor signal that detects the respiration of the
一方、本実施形態の信号処理装置12は、呼吸の1周期程度の解析期間T1を設定して、この解析期間T1のセンサ信号を用いて呼吸の有無を検出できる。すなわち、信号処理装置12は、低速の非正弦波の周期性信号の解析に必要なセンサ信号の長さを短くできる。また、信号処理装置12は、自己回帰モデルを用いた解析を行い、回帰係数ベクトル[a]を用いた認識処理を行うので、基準データのデータ量も少なくできる。また、信号処理装置12は、解析期間T1より短い周期で解析処理を繰り返すことができるので、一定時間当たりに実行できる解析処理の回数を多くして、解析処理の高効率化を図ることができる。
On the other hand, the
したがって、信号処理装置12は、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができる。なお、対象動作は、呼吸等の人体9の動きに限定されず、例えば犬、猫等の小動物の動き、窓、扉等の構造体の揺れ等を対象動作としてもよく、対象動作の具体的な内容は限定されない。
Therefore, the
また、解析部12dは、センサ信号の移動平均値に対して自己回帰モデルを適用し、解析期間T1の時間長さを、人体9の呼吸(対象動作)の周期に対応する時間長さに設定することが好ましい。
The
したがって、信号処理装置12は、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができる。
Therefore, the
また、認識部12fは、判別分析または主成分分析または重回帰分析を用いることが好ましい。
The
したがって、信号処理装置12は、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができる。
Therefore, the
また、信号処理装置12は、学習部12hを備えることが好ましい。学習部12hは、センサ信号に基づいて基準データを生成し、生成した基準データをデータベース12eに格納する。
The
したがって、信号処理装置12は、実際のセンサ信号から基準データを生成するので、対象動作の検出精度がさらに向上する。
Therefore, since the
さらに、信号処理装置12は、複数の対象動作を検出対象とすることが好ましい。この場合、信号処理装置12は、人体9の呼吸以外に、人の手足の動き、人の移動、犬、猫等の小動物の動き、窓、扉等の構造体の揺れ等を対象動作とすることができる。そして、データベース12eには、複数の基準データを格納されている。複数の基準データのそれぞれは、複数の対象動作のそれぞれが発生しているときのセンサ信号に対応する回帰係数ベクトル[a]を識別するためのデータである。
Furthermore, it is preferable that the
そして、設定部12iは、認識部12fが判定する対象動作として、予め決められている複数の対象動作からいずれか1つを選択する。設定部12iは、ユーザ操作可能なタッチパネル、スイッチ等で構成される。または、設定部12iは、有線通信または無線通信を用いた遠隔操作によって、対象動作を選択してもよい。
Then, the
ここで、検出対象となる対象動作によってセンサ信号の波形は異なる。したがって、解析部12dの解析期間T1、シフト時間T2の最適値も、検出対象となる対象動作によって異なる。例えば、解析期間T1の時間長さは、対象動作の周期に等しい(あるいはほぼ等しい)値に設定されることが好ましい。シフト時間T2は、解析部12dの1回の解析処理に要する時間より長く、且つ対象動作の波形の特徴点が現れる周期に一致(あるいはほぼ一致)する値に設定されることが好ましい。
Here, the waveform of the sensor signal varies depending on the target operation to be detected. Therefore, the optimal values of the analysis period T1 and the shift time T2 of the
そこで、調整部12jは、複数の対象動作のそれぞれに対応する解析期間T1、シフト時間T2のデータを予め記憶している。そして、調整部12jは、設定部12iによって設定された対象動作に応じて、解析部12dの解析期間T1、シフト時間T2を設定する。
Therefore, the
そして、解析部12dは、調整部12jによって設定された解析期間T1、シフト時間T2を用いて、回帰係数ベクトル[a]を決定する解析処理を行う。認識部12fは、設定部12iによって設定された対象動作に対応する基準データを用いて、対象動作の有無を判定する。
Then, the
設定部12iは、複数の対象動作から選択する対象動作を一定時間毎に順次切り替えることもできる。この場合、解析部12dは、解析期間T1、シフト時間T2を順次切り替えながら、回帰係数ベクトル[a]を決定する解析処理を行う。認識部12fは、基準データを順次切り替えて、複数の対象動作のそれぞれの有無を判定する。
The
すなわち、データベース12eは、複数の対象動作のそれぞれが発生しているときのセンサ信号に対応する回帰係数ベクトル[a]を識別するための複数の基準データを格納していることが好ましい。この場合、認識部12fは、解析部12dが求めた回帰係数ベクトル[a]を1つ以上の基準データと照合することによって、対象動作の有無を判定する。
That is, the
したがって、信号処理装置12は、複数の対象動作のそれぞれの有無を検出でき、汎用性が向上する。
Therefore, the
また、認識部12fの判定対象に設定された対象動作に応じて、解析期間T1の時間長さおよびシフト時間T2を変化させる調整部12jを備えることが好ましい。
Moreover, it is preferable to provide the
したがって、検出対象となる対象動作に適した解析期間T1、シフト時間T2が設定される。 Therefore, the analysis period T1 and the shift time T2 suitable for the target operation to be detected are set.
さらに、上述の検出装置1は、人体9(対象物)で反射した電波を受信して、人体9の動きに応じたセンサ信号を出力するセンサ11と、信号処理装置12とを備えることを特徴とする。
Furthermore, the above-described
したがって、検出装置1は、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができる。
Therefore, the
また、センサ11は、ドップラセンサ、またはFMCW(Frequency Modulated Continuous Wave)方式を用いたセンサであることが好ましい。
The
したがって、検出装置1は、呼吸等のような微細な動きを検出することができる。
Therefore, the
また、信号処理装置12は、マイクロコンピュータ等で構成されたコンピュータを搭載しており、このコンピュータがプログラムを実行することによって、信号処理装置12の各機能が実現されている。なお、信号処理装置12を構成するコンピュータとしては、プログラムに従って動作するプロセッサおよびインターフェースを主なハードウェア構成として備える。この種のプロセッサとしては、DSP(Digital Signal Processor)、CPU(Central Processing Unit)、MPU(Micro-Processing Unit)等を含み、プログラムを実行することによって以下の信号処理装置12の機能を実現することができれば、その種類は問わない。
Further, the
また、プログラムの提供形態としては、コンピュータに読み取り可能なROM(Read Only Memory)、光ディスク等の記録媒体に予め格納されている形態、インターネット等を含む広域通信網を介して記録媒体に供給される形態等がある。 As a program providing form, a computer-readable ROM (Read Only Memory), a form stored in advance in a recording medium such as an optical disc, or the like is supplied to the recording medium via a wide area communication network including the Internet. There are forms.
すなわち、プログラムは、コンピュータを、信号処理装置12として機能させることを特徴とする。
In other words, the program causes the computer to function as the
したがって、このプログラムを実行するコンピュータは、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができる。 Therefore, the computer that executes this program can accurately detect the target motion from the low-frequency non-sinusoidal sensor signal, and can improve the efficiency of the target motion detection process.
なお、上述の実施の形態は本発明の一例である。このため、本発明は、上述の実施形態に限定されることはなく、この実施の形態以外であっても、本発明に係る技術的思想を逸脱しない範囲であれば、設計等に応じて種々の変更が可能であることは勿論である。 The above-described embodiment is an example of the present invention. For this reason, the present invention is not limited to the above-described embodiment, and various modifications can be made depending on the design and the like as long as the technical idea according to the present invention is not deviated from this embodiment. Of course, it is possible to change.
1 検出装置
11 センサ
12 信号処理装置
12a 増幅部
12b A/D変換部
12c 平滑部
12d 解析部
12e データベース
12f 認識部
12g 出力部
12h 学習部
12i 設定部
12j 調整部
9 人体(対象物)
DESCRIPTION OF
Claims (9)
前記対象物の特定の動きである対象動作が発生しているときの前記センサ信号に対応する前記回帰係数ベクトルを識別するための基準データを格納しているデータベースと、
前記解析部が求めた前記回帰係数ベクトルを前記基準データと照合することによって、前記対象動作の有無を判定する認識部と
を備えることを特徴とする信号処理装置。 Applying an autoregressive model over the analysis period to the sensor signal corresponding to the movement of the object output from the sensor that receives the radio wave reflected by the object, and a regression coefficient comprising the autoregressive coefficient of the autoregressive model Analyzing processing for obtaining a vector, sequentially performing the analysis period shifted by a shift time from the previous analysis period, and setting the shift time shorter than the time length of the analysis period;
A database storing reference data for identifying the regression coefficient vector corresponding to the sensor signal when a target motion that is a specific motion of the target is occurring;
A signal processing apparatus comprising: a recognition unit that determines whether or not the target motion exists by comparing the regression coefficient vector obtained by the analysis unit with the reference data.
前記認識部は、前記解析部が求めた前記回帰係数ベクトルを1つ以上の前記基準データと照合することによって、前記対象動作の有無を判定する
ことを特徴とする請求項1乃至3いずれか記載の信号処理装置。 The database stores a plurality of the reference data for identifying the regression coefficient vector corresponding to the sensor signal when each of the plurality of target actions is occurring,
The said recognition part determines the presence or absence of the said target operation | movement by collating the said regression coefficient vector which the said analysis part calculated | required with one or more said reference data. Signal processing equipment.
A program for causing a computer to function as the signal processing device according to any one of claims 1 to 6.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014197342A JP6369787B2 (en) | 2014-09-26 | 2014-09-26 | Signal processing device, detection device, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014197342A JP6369787B2 (en) | 2014-09-26 | 2014-09-26 | Signal processing device, detection device, and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016070701A true JP2016070701A (en) | 2016-05-09 |
JP6369787B2 JP6369787B2 (en) | 2018-08-08 |
Family
ID=55866681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014197342A Active JP6369787B2 (en) | 2014-09-26 | 2014-09-26 | Signal processing device, detection device, and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6369787B2 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110236556A (en) * | 2018-03-08 | 2019-09-17 | 松下电器(美国)知识产权公司 | Or not determination method, non-transient recording medium, sensor processing system and sensing system |
JPWO2021038628A1 (en) * | 2019-08-23 | 2021-03-04 | ||
JP2022501571A (en) * | 2019-08-30 | 2022-01-06 | 華為技術有限公司Huawei Technologies Co., Ltd. | Methods and devices for identifying target behavior, as well as radar systems |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001083978A (en) * | 1999-07-15 | 2001-03-30 | Matsushita Electric Ind Co Ltd | Speech recognition device |
JP2007187552A (en) * | 2006-01-13 | 2007-07-26 | Nippon Telegr & Teleph Corp <Ntt> | State recognition system and state recognition method |
JP2011015887A (en) * | 2009-07-10 | 2011-01-27 | Mitsubishi Electric Corp | Biological state acquisition device, biological state acquisition program, and equipment and air conditioner provided with the biological state acquisition device |
JPWO2011099600A1 (en) * | 2010-02-15 | 2013-06-17 | 国立大学法人九州大学 | Signal frequency measurement system for subject condition analysis |
JP2014010095A (en) * | 2012-07-02 | 2014-01-20 | Oki Electric Ind Co Ltd | Object detection device, object detection method and program |
US20140058256A1 (en) * | 2011-04-29 | 2014-02-27 | Nederlandse Organisatie Voor Toegepast- Natuurwetenschappelijk Onderzoek Tno | Radar apparatus for detecting multiple life - signs of a subject, a method and a computer program product |
-
2014
- 2014-09-26 JP JP2014197342A patent/JP6369787B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001083978A (en) * | 1999-07-15 | 2001-03-30 | Matsushita Electric Ind Co Ltd | Speech recognition device |
JP2007187552A (en) * | 2006-01-13 | 2007-07-26 | Nippon Telegr & Teleph Corp <Ntt> | State recognition system and state recognition method |
JP2011015887A (en) * | 2009-07-10 | 2011-01-27 | Mitsubishi Electric Corp | Biological state acquisition device, biological state acquisition program, and equipment and air conditioner provided with the biological state acquisition device |
JPWO2011099600A1 (en) * | 2010-02-15 | 2013-06-17 | 国立大学法人九州大学 | Signal frequency measurement system for subject condition analysis |
US20140058256A1 (en) * | 2011-04-29 | 2014-02-27 | Nederlandse Organisatie Voor Toegepast- Natuurwetenschappelijk Onderzoek Tno | Radar apparatus for detecting multiple life - signs of a subject, a method and a computer program product |
JP2014010095A (en) * | 2012-07-02 | 2014-01-20 | Oki Electric Ind Co Ltd | Object detection device, object detection method and program |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110236556A (en) * | 2018-03-08 | 2019-09-17 | 松下电器(美国)知识产权公司 | Or not determination method, non-transient recording medium, sensor processing system and sensing system |
JPWO2021038628A1 (en) * | 2019-08-23 | 2021-03-04 | ||
WO2021038628A1 (en) * | 2019-08-23 | 2021-03-04 | 日本電信電話株式会社 | Radar device and distance measuring method |
JP7239862B2 (en) | 2019-08-23 | 2023-03-15 | 日本電信電話株式会社 | Radar device and distance measurement method |
JP2022501571A (en) * | 2019-08-30 | 2022-01-06 | 華為技術有限公司Huawei Technologies Co., Ltd. | Methods and devices for identifying target behavior, as well as radar systems |
JP7111843B2 (en) | 2019-08-30 | 2022-08-02 | 華為技術有限公司 | Method and apparatus for identifying target behavior and radar system |
US12044796B2 (en) | 2019-08-30 | 2024-07-23 | Huawei Technologies Co., Ltd. | Method and apparatus for identifying behavior of target, and radar system |
Also Published As
Publication number | Publication date |
---|---|
JP6369787B2 (en) | 2018-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10795012B2 (en) | System and method for human behavior modelling and power control using a millimeter-wave radar sensor | |
US20150186569A1 (en) | Object detection device, object detection method, and storage medium | |
US9459733B2 (en) | Signal processing systems | |
CN113454481A (en) | Smart device based radar system to detect user gestures in the presence of saturation | |
JP6828813B2 (en) | Information processing device and detection device | |
JP2018173285A (en) | Activity recognition system and activity recognition method | |
WO2007010460A3 (en) | Apparatus for the detection of heart activity | |
JP6369787B2 (en) | Signal processing device, detection device, and program | |
JP6771178B2 (en) | Radio wave sensor and equipment equipped with radio wave sensor | |
US11615344B2 (en) | Condition monitoring device, method, and storage medium | |
EP3289971B1 (en) | Biometric device and biometric method | |
JP2019152441A (en) | Vital sensor | |
JP2007271559A (en) | Apparatus for detecting mobile object | |
JP2016206033A (en) | Oscillation state estimating device, oscillation state estimating method, and program | |
CN111142102A (en) | Respiratory data calculation method and related equipment | |
CN110974195A (en) | Method, device and storage medium for adjusting sleep environment | |
US20210128057A1 (en) | Method and device for measuring sleep efficiency by using radar | |
JP5589832B2 (en) | Object detection apparatus and object detection method | |
Vanderelst et al. | Dominant glint based prey localization in horseshoe bats: a possible strategy for noise rejection | |
JP6299172B2 (en) | Information processing apparatus, information processing method, and program | |
JP2016114577A (en) | Signal processing device, signal processing method, and program | |
JP4815607B2 (en) | Non-destructive measuring device and non-destructive measuring method of reinforcing bar diameter in reinforced concrete structure by electromagnetic wave radar | |
KR102270544B1 (en) | Real time wireless breath measurement system and method | |
JP6037279B2 (en) | Signal processing device | |
KR102437037B1 (en) | Apparatus for processing rader signal and method thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170126 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20170126 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180219 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180605 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180629 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6369787 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |