JP2017148312A - センサ情報処理装置、センサユニット、及び、センサ情報処理プログラム - Google Patents

Abstract

【課題】慣性センサの検出信号に基づく被観測者の活動状態の判定精度を向上する。【解決手段】単位時間あたりに慣性センサの検出信号が時間領域で描く軌跡に相当する信号波形の長さである伸展時波長を算出し、伸展時波長に基づいて、慣性センサによる被観測者の活動状態を判定する。【選択図】図６

Description

本明細書に記載する技術は、センサ情報処理装置、センサユニット、及び、センサ情報処理プログラムに関する。

加速度センサの測定値（例えば、加速度の大きさ）を基に、当該加速度センサを装着されたユーザの行動や動きに関する状態（例えば、動的状態であるか静的状態であるか等）を判定する技術がある。

例えば、３軸の加速度センサの測定値を検出軸毎に閾値（「基準値」と称してもよい。）と比較したり、３軸の加速度センサの測定値にアフィン変換行列を適用して基準座標系のデータに変換したりすることで、ユーザの行動や動きに関する状態を判定する。なお、ユーザの行動や動きに関する状態は、便宜的に、「活動状態」と称してよい。

特開平１−１１５３４４号公報 特開２０１１−１１５４５９号公報 特開２００６−６８３００号公報 特開２００４−８１６３２号公報 特開２０１４−９４０４３号公報

しかしながら、上述したいずれの技術も、重力方向の加速度を基準に測定値の解析を行なうため、例えば、加速度センサが、ユーザに対して期待する向きで装着されないと、基準値や基準座標とのずれが生じ得る。

その結果、加速度センサのユーザへの取り付け角度の相違によって、解析結果が変わってしまい、ユーザの行動の判定精度が低下し得る。例えば、加速度センサが斜めに傾いてユーザが着用している服等のポケット等に収容された場合、ユーザの行動を正しく判定することが困難になる。

仮に、加速度センサのユーザへの取り付け角度に応じて、測定値の解析に用いる基準値や基準座標を設定し直せば、誤判定を低減できるかもしれないが、利便性が低下する。

１つの側面では、本明細書の記載する技術の目的の１つは、慣性センサの検出信号に基づく被観測者の活動状態の判定精度を向上することにある。

１つの側面において、センサ情報処理装置は、受信部と、処理部と、を備えてよい。受信部は、慣性センサの検出信号を受信してよい。処理部は、単位時間あたりに前記検出信号が時間領域で描く軌跡に相当する信号波形の長さである伸展時波長を算出し、前記伸展時波長に基づいて、前記慣性センサによる被観測者の活動状態を判定してよい。

また、１つの側面において、センサユニットは、慣性センサと、処理部と、を備えてよい。処理部は、単位時間あたりに前記慣性センサの検出信号が時間領域で描く軌跡に相当する信号波形の長さである伸展時波長を算出し、前記伸展時波長に基づいて、前記慣性センサによる被観測者の活動状態を判定してよい。

更に、１つの側面において、センサ情報処理プログラムは、以下の処理（１）及び（２）をコンピュータに実行させてよい。
（１）単位時間あたりに慣性センサの検出信号が時間領域で描く軌跡に相当する信号波形の長さである伸展時波長を算出する。
（２）前記伸展時波長に基づいて、前記慣性センサによる被観測者の活動状態を判定する。

１つの側面として、慣性センサの検出信号に基づく被観測者の活動状態の判定精度を向上できる。

一実施形態に係るセンサシステムの一例を示すブロック図である。 一実施形態に係るバイタルセンサの構成例を示すブロック図である。 一実施形態に係るバイタルセンサの構成例を示すブロック図である。 一実施形態に係る情報処理装置の構成例を示すブロック図である。 （Ａ）は、図２に例示した慣性センサの検出軸を模式的に示す図であり、（Ｂ）は、（Ａ）に例示した慣性センサを人体に取り付けた状態を模式的に示す図である。 一実施形態に係るセンサシステムの動作例を示すフローチャートである。 一実施形態に係る伸展時波長の概念を模式的に例示する図である。 一実施形態に係る伸展時波長の算出例を説明するための図である。 （Ａ）〜（Ｃ）は、一実施形態に係る伸展時波長の算出処理の一例を説明するための図である。 一実施形態に係る伸展時波長の他の算出例を説明するための図である。 一実施形態に係る被観測者の活動の一例を示す図である。 一実施形態に係る慣性センサの検出軸（Ｙ）についての１秒毎の伸展時波長（Ｌｙ）の一例を示す図である。 一実施形態に係る慣性センサの検出軸（Ｙ）についての１５秒間の伸展時波長（Ｌｙ）の一例を示す図である。 図６に例示した活動状態判定処理の第１例を示すフローチャートである。 図６に例示した活動状態判定処理の第２例を示すフローチャートである。 一実施形態に係る被観測者の活動の一例を示す図である。 （Ａ）は、一実施形態に係る慣性センサの検出軸（Ｙ）についての１秒毎の伸展時波長（Ｌｙ）の一例を示す図であり、（Ｂ）は、一実施形態に係る慣性センサの検出軸（Ｚ）についての１秒毎の伸展時波長（Ｌｚ）の一例を示す図である。 （Ａ）は、一実施形態に係る慣性センサの検出軸（Ｙ）についての１５秒間の伸展時波長（Ｌｚ）の一例を示す図であり、（Ｂ）は、一実施形態に係る慣性センサの検出軸（Ｚ）についての１５秒間の伸展時波長（Ｌｚ）の一例を示す図である。 図６に例示した心拍検出アルゴリズムの決定処理例を示すフローチャートである。 図１９に例示した第１の心拍検出処理例を示すフローチャートである。 図１９に例示した第２の心拍検出処理例の第１例を示すフローチャートである。 図２１に例示した心拍数推定処理の第１例を示すフローチャートである。 一実施形態に係る歩行率と心拍数との関係の一例を示す図である。 図２１に例示した心拍数推定処理の第２例を示すフローチャートである。 一実施形態に係る歩行率と歩行速度との関係の一例を示す図である。 一実施形態に係る歩行速度と運動強度（ＭＥＴｓ値）との関係の一例を示す図である。 図２１に例示した心拍数推定処理の第３例を示すフローチャートである。 （Ａ）は、一実施形態に係る運動強度と慣性センサの検出軸（Ｘ）についての伸展時波長（Ｌｘ）との関係の一例を示す図であり、（Ｂ）は、一実施形態に係る運動強度と慣性センサの検出軸（Ｙ）についての伸展時波長（Ｌｙ）との関係の一例を示す図である。 図１９に例示した第２の心拍検出処理例の第２例を示すフローチャートである。 図１９に例示した第３の心拍検出処理例を示すフローチャートである。 一実施形態に係る心拍数の計測結果の一例を示す図である。 一実施形態に係るＢＰＦの設定例を説明するための図である。 一実施形態に係るＢＰＦの通過帯域例を説明するための図である。 一実施形態に係るＢＰＦの帯域幅設定例を説明するための図である。 一実施形態に係る心拍数分布の一例を示す図である。 一実施形態に係る心拍数分布の一例を示す図である。 一実施形態に係る心拍数の統計処理例を示す図である。 一実施形態に係る心拍数の統計処理例を示す図である。 一実施形態に係るＢＰＦの帯域幅設定例を説明するための図である。 一実施形態に係るＢＰＦの帯域幅設定例を説明するための図である。 一実施形態に係るＢＰＦ帯域幅情報の一例を示す図である。

以下、図面を参照して実施の形態を説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形や技術の適用を排除する意図はない。また、以下に説明する各種の例示的態様は、適宜に組み合わせて実施しても構わない。なお、以下の実施形態で用いる図面において、同一符号を付した部分は、特に断らない限り、同一若しくは同様の部分を表す。

図１は、一実施形態に係るセンサシステムの一例を示すブロック図である。図１に示すセンサシステム１は、例示的に、センサ２、情報処理装置３、及び、ネットワーク（ＮＷ）４を備えてよい。

センサ２は、例示的に、通信機器６を介してネットワーク４に接続されて、ネットワーク４経由で情報処理装置３と通信することが可能であってよい。

センサ２は、例示的に、センシング対象の一例である生体の情報（「バイタル情報」と称してよい。）をセンシングすることが可能である。そのため、「センサ２」は、便宜的に、「バイタルセンサ２」と称してもよい。また、「センシング」は、「検出」あるいは「測定」と言い換えてもよい。

「バイタル情報」の非限定的な一例は、生体の心拍を示す情報である。心拍に応じて生体の血管が脈動するから、心拍を示す情報は、脈拍を示す情報と等価的に扱ってもよい場合がある。

生体の心拍あるいは脈拍は、例示的に、心臓の鼓動に応じた、電磁波や圧力、音の変化として捉えることができる。

例えば、指や耳たぶ等の血管に赤外線等の光を照射すると、血流の律動的な変化と光の吸収特性とによって、反射光が周期的に変動する。したがって、心拍あるいは脈拍は、血流変化に応じた反射光の変動として光学的に計測することが可能である。

あるいは、生体にマイクロ波等の電波を照射すると、心臓の鼓動に応じて生体表面（例えば、皮膚）に律動的な動きが生じるから、当該動きに応じて皮膚と電波の送信源との間の距離に変化が生じ、反射波にドップラー効果による変化が生じる。したがって、心拍あるいは脈拍は、生体に照射した反射波のドップラー効果による変動として計測することも可能である。

また、心臓が律動的に収縮と弛緩とを繰り返すと、血管の圧力（「血圧」と称してよい。）が律動的に変動するから、心拍あるいは脈拍は、血圧の律動的な変動として、圧力センサや圧電センサ等によって計測することも可能である。

更に、心拍は、心電計や心音計のように、心臓の鼓動に応じた心筋の電位変化や音の変化として計測することも可能である。

上述したいずれの計測手法であっても、心拍を計測可能なセンサを「心拍センサ」あるいは「心拍計」と称してよい。既述のように、「心拍」を示す情報は、「脈拍」を示す情報と等価的に扱ってよい場合があるから、「心拍センサ」あるいは「心拍計」は、「脈拍センサ」あるいは「脈拍計」と称してよいこともある。

本実施形態では、便宜的に、心拍センサの一例として、ドップラー効果を利用して心拍を計測することが可能な「電波センサ」が、バイタルセンサ２に備えられてよい。なお、「電波センサ」は、「マイクロ波センサ」、「ＲＦ（Radio Frequency）センサ」「ＵＷＢ（Ultra Wide Band）センサ」あるいは、「ドップラーセンサ」と称してよいこともある。

バイタルセンサ２は、例示的に、人体の皮膚に接するように取り付けられてもよいし、人体の着衣に取り付けられてもよい。バイタルセンサ２の人体への取り付けは、厳密に固定（「拘束」と称してもよい。）される態様である必要は無い。

着衣と人体表面との動きのずれに応じて、バイタルセンサ２と人体との間に相対的な動き（便宜的に「非同期な動き」と称してもよい。）が生じることが許容されてよい。

例えば、バイタルセンサ２は、人体に対して３次元方向のいずれかに相対的な動きが生じ得る態様で、人体に取り付けられてよい。

例示的に、バイタルセンサ２は、着衣のポケット、例えば上着の胸部ポケットに収容されてもよいし、ハーネス等の取り付け器具を用いて、着衣の上から取り付けられてもよい。

次に、図１に例示した通信機器６は、バイタルセンサ２のセンシング結果（例えば、心拍を示す情報）を、例えば、ネットワーク４経由で情報処理装置３へ送信することが可能である。そのため、通信機器６は、有線又は無線にてネットワーク４と接続可能であってよい。

別言すると、通信機器６は、無線及び有線の一方又は双方による通信をサポートする通信インタフェース（ＩＦ）を備えていてよい。通信機器６の無線による通信には、例示的に、３ＧＰＰ（3rd Generation Partnership Project）のＬＴＥ（Long Term Evolution）やＬＴＥ−Ａｄｖａｎｃｅｄに準拠した通信方式が適用されてよい。

また、通信機器６の無線による通信には、衛星通信が適用されてもよい。衛星通信を利用する場合、通信機器６は、ネットワーク４を経由せずに情報処理装置３と通信衛星経由で通信可能であってよい。

バイタルセンサ２のセンシング結果には、バイタル情報に限らず、バイタル情報を基にして得られた演算や判定の結果を示す情報が含まれてもよい。センシング結果は、便宜的に、「センサ情報」又は「センサデータ」と称してもよい。

通信機器６は、図１に例示するようにバイタルセンサ２に外付けであってもよいし、バイタルセンサ２に内蔵されていてもよい。バイタルセンサ２に外付けの通信機器６は、例えば、バイタルセンサ２を装着した人が携帯する機器であってよい。バイタルセンサ２が装着された人は、便宜的に、「利用者」、「被験者」あるいは「被観測者」と称してよい。

利用者が携帯する通信機器６は、例示的に、携帯電話（スマートフォンが含まれてよい。）や、ノートＰＣ、タブレットＰＣ等であってよい。「ＰＣ」は、「パーソナルコンピュータ」の略称である。

バイタルセンサ２と通信機器６との接続には、有線接続を適用してもよいし、無線接続を適用してもよい。別言すると、バイタルセンサ２は、無線及び有線の一方又は双方による通信をサポートする通信ＩＦを備えていてよい。無線接続には、例示的に、「ＷｉＦｉ（Wireless Fidelity）」（登録商標）や「Bluetooth」（登録商標）が用いられてよい。

なお、バイタルセンサ２に外付けの通信機器６は、ルータやネットワークスイッチであってもよい。通信機器６には、図１に例示するように、空調機７や照明器具８が、ネットワーク４経由で情報処理装置３と通信可能に接続されてもよい。

ネットワーク４は、例示的に、ＷＡＮ（Wide Area Network）や、ＬＡＮ（Local Area Network）、インターネット等であってよい。また、ネットワーク４には、無線アクセス網が含まれてもよい。無線アクセス網は、既述のＬＴＥやＬＴＥ−Ａｄｖａｎｃｅｄに準拠した無線アクセス網であってよい。

情報処理装置３は、バイタルセンサ２のセンサ情報を、ネットワーク４（又は、通信衛星でもよい。）経由で受信し、受信したセンサ情報を処理する。そのため、情報処理装置３は、便宜的に、「センサ情報処理装置３」と称してもよい。

センサ情報を処理することには、センサ情報を記憶、管理したり、センサ情報を基に利用者の心拍数や運動強度等を推定したりすることが含まれてよい。したがって、情報処理装置３は、例えば、利用者の活動状態をモニタすることができる。別言すると、センサシステム１は、利用者の「見守り機能」を提供できる。

センサ情報の管理には、センサ情報をデータベース（ＤＢ）化することが含まれてよい。ＤＢ化されたデータは、「クラウドデータ」や「ビッグデータ」等と称されてよい。

情報処理装置３は、例示的に、１又は複数のサーバによって実現されてよい。別言すると、バイタルセンサ２によって得られたセンサ情報は、情報処理装置３において、１つのサーバによって処理又は管理されてもよいし、複数のサーバによって分散的に処理又は管理されてもよい。サーバは、例えば、クラウドデータセンタに備えられたクラウドサーバに該当してもよい。

なお、情報処理装置３は、ネットワーク４を経由せずに、バイタルセンサ２と通信可能に接続されてもよい。例えば、情報処理装置３は、有線又は無線によりセンサ情報をバイタルセンサ２からダイレクトに受信することが可能であってよい。

（バイタルセンサ２の構成例）
次に、図２及び図３を参照して、バイタルセンサ２の構成例について説明する。図２及び図３に示すように、バイタルセンサ２は、例示的に、電波センサ２１、慣性センサ２２、プロセッサ２３、メモリ２４、及び、通信ＩＦ２５を備えてよい。電波センサ２１は、オプションであってもよい。

なお、バイタルセンサ２は、センサユニット２と称してもよい。以下、便宜的に、バイタルセンサ２あるいはセンサユニット２を、単に「センサ２」と略称することがある。

図３に例示するように、電波センサ２１、慣性センサ２２、プロセッサ２３、メモリ２４、及び、通信ＩＦ２５は、例示的に、バス２６によって、互いにプロセッサ２３を介した通信が可能に接続されてよい。

電波センサ２１は、心拍センサの一例であり、例示的に、ドップラーセンサであってよい。電波センサ２１は、空間へ送信した電波と、当該送信電波の反射波と、を位相検波してビート信号を生成してよい。ビート信号が電波センサ２１の出力信号としてプロセッサ２３に与えられてよい。

例えば図２に示すように、電波センサ２１は、アンテナ２１１、ローカル発振器（Oscillator, OSC）２１２、ＭＣＵ（Micro Control Unit）２１３、検波回路２１４、オペアンプ（ＯＰ）２１５、及び、電源部（又は電源回路）２１６を備えてよい。

アンテナ２１１は、ＯＳＣ２１２で生成された発振周波数をもつ電波を空間へ送信し、また、当該送信電波が空間に位置する利用者で反射した電波（反射波）を受信する。なお、図２の例において、アンテナ２１１は、送受信に共用であるが、送受信に個別であってもよい。

ＯＳＣ２１２は、例示的に、ＭＣＵ２１３の制御に応じて発振動作して、所定周波数の信号（便宜的に「ローカル信号」と称してよい。）を出力する。ローカル信号は、アンテナ２１１から送信電波として送信されると共に、検波回路２１４に入力される。

ＯＳＣ２１２の発振周波数（別言すると、電波センサ２１が送信する電波の周波数）は、例示的に、マイクロ波帯の周波数であってよい。マイクロ波帯は、例示的に、２．４ＧＨｚ帯でもよいし、２４ＧＨｚ帯でもよい。

これらの周波数帯は、日本の電波法で屋内での使用が認められている周波数帯の一例である。電波法の規制を受けない周波数帯を、電波センサ２１の送信電波に用いても構わない。

ＭＣＵ２１３は、例示的に、プロセッサ２３の制御に応じてＯＳＣ２１２の発振動作を制御する。

検波回路２１４は、例示的に、アンテナ２１１で受信された反射波と、ＯＳＣ２１２からのローカル信号（別言すると、送信電波）と、を位相検波してビート信号を出力する。

なお、検波回路２１４は、送信電波と反射波とをミキシングするミキサに置換されてもよい。ミキサによるミキシングは、位相検波と等価であると捉えてよい。

ここで、検波回路２１４によって得られるビート信号には、ドップラー効果によって、利用者の心拍に応じた、振幅変化と周波数変化とが現われる。別言すると、ビート信号には、利用者の心拍を示す情報が含まれる。

オペアンプ２１５は、例示的に、検波回路２１４から出力されるビート信号を増幅する。増幅されたビート信号は、プロセッサ２３に入力される。オペアンプ２１５の増幅率は、例示的に、可変であってよい。可変の増幅率は、例示的に、プロセッサ２３によって制御されてよい。

電源部２１６は、例示的に、ＭＣＵ２１３、検波回路２１４及びオペアンプ２１５に駆動電力を供給する。

慣性センサ２２は、例示的に、センサユニット２の動きを検出してよい。慣性センサ２２は、加速度センサでもよいし、ジャイロスコープでもよい。加速度センサには、例示的に、圧電式及び静電容量式のいずれのセンサを適用してもよい。ジャイロスコープには、回転機械（コマ）式、光学式、及び、振動式のいずれのセンサを適用してもよい。

慣性センサ２２は、１又は複数の検出軸を有していてよい。検出軸に沿う方向の重力成分が例えば「加速度」として検出されてよい。慣性センサ２２の検出信号は、プロセッサ２３に入力されてよい。

プロセッサ２３は、演算処理能力を備えた演算処理装置の一例である。演算処理装置は、演算処理デバイス又は演算処理回路と称されてもよい。演算処理装置の一例であるプロセッサ２３には、例示的に、ＭＰＵ（Micro Processing Unit）等の集積回路（Integrated Circuit, IC）や、ＤＳＰ（Digital Signal Processor）が適用されてよい。なお、「プロセッサ」は、「処理部」、「制御部」あるいは「コンピュータ」と称してもよい。

プロセッサ２３は、電波センサ２１の検出信号に基づいて、利用者の心拍を検出することができる。電波センサ２１の検出信号から心拍由来の信号成分（「心拍成分」又は「心拍信号」と称してよい。）を検出するために、電波センサ２１の検出信号には、例示的に、フィルタが適用されてよい。

フィルタには、非限定的な一例として、バンドパスフィルタ（ＢＰＦ）が適用されてよい。なお、プロセッサ２３は、検出した心拍に基づいて、利用者の睡眠に関する状態を判定してもよい。

慣性センサ２２の検出信号は、上述したＢＰＦのフィルタ特性（例示的に、通過中心周波数及び通過帯域幅）を制御するために用いられてよい。フィルタ特性を制御することは、電波センサ２１の検出信号において処理対象とする周波数帯を制御すること、と捉えてもよい。フィルタ特性の制御の一例については後述する。

なお、ＢＰＦの「通過中心周波数」及び「通過帯域幅」は、それぞれ、単に「中心周波数」及び「帯域幅」と略称されてもよい。

電波センサ２１の検出信号及び慣性センサ２２の検出信号は、いずれも、「検出値」あるいは「出力値」と称してもよい。また、電波センサ２１の検出値は、便宜的に、「電波センサ値」と称してよく、慣性センサ２２の検出値は、便宜的に、「慣性センサ値」と称してよい。

また、上述した心拍の検出及びフィルタ特性の制御は、センサユニット２のプロセッサ２３に代えて、情報処理装置３のプロセッサ３１（図４にて後述）において実施されてもよい。

次に、図３において、メモリ２４は、センサユニット２に備えられた記憶部又は記憶媒体の一例であり、ＲＡＭ（Random Access Memory）やフラッシュメモリ等であってよい。

メモリ２４には、プロセッサ２３が読み取って動作するために用いられる、プログラムやデータが記憶されてよい。「プログラム」は、「ソフトウェア」あるいは「アプリケーション」と称されてもよい。「データ」には、プロセッサ２３の動作に応じて生成されたデータが含まれてよい。

通信ＩＦ２５は、センサユニット２に備えられた通信部の一例であり、例示的に、通信機器６（図１参照）と接続されてネットワーク４経由で情報処理装置３との通信を可能にする。

例えば、通信ＩＦ２５は、電波センサ２１及び慣性センサ２２の各検出信号や、各検出信号の一方又は双方を基にして得られた情報を情報処理装置３宛に送信してよい。

別言すると、バイタルセンサ２から情報処理装置３宛に送信されるセンサ情報には、電波センサ２１及び慣性センサ２２による各測定値が含まれてよいし、各測定値の一方又は双方を基にして得られた情報が含まれてもよい。

なお、通信ＩＦ２５は、通信機器６やネットワーク４を経由せずに、情報処理装置３と接続されて、ダイレクトに情報処理装置３と通信することが可能であってよい。

（情報処理装置３の構成例）
次に、図４を参照して、図１に例示した情報処理装置３の構成例について説明する。図４に示すように、情報処理装置３は、例示的に、プロセッサ３１、メモリ３２、記憶装置３３、通信インタフェース（ＩＦ）３４、及び、ペリフェラルＩＦ３５を備えてよい。

プロセッサ３１、メモリ３２、記憶装置３３、通信ＩＦ３４、及び、ペリフェラルＩＦ３５は、例示的に、バス３６によって、互いにプロセッサ３１を介した通信が可能に接続されてよい。

プロセッサ３１は、演算処理能力を備えた演算処理装置の一例である。演算処理装置は、演算処理デバイス又は演算処理回路と称されてもよい。演算処理装置の一例であるプロセッサ３１には、例示的に、ＣＰＵやＭＰＵ等のＩＣ、ＤＳＰが適用されてよい。なお、「プロセッサ」は、「処理部」、「制御部」あるいは「コンピュータ」と称してもよい。

プロセッサ３１は、例示的に、情報処理装置３の全体的な動作を制御する。プロセッサ３１による制御には、ネットワーク４を経由した通信を制御することが含まれてよい。通信の制御によって、ネットワーク４経由で例えば空調機７や照明器具８が遠隔制御されてよい。

例示的に、プロセッサ３１は、通信ＩＦ３４で受信された、バイタルセンサ２のセンサ情報を基に、既述の心拍の検出やフィルタ特性の制御を実施してよい。

また、プロセッサ３１は、例示的に、バイタルセンサ２の利用者が位置する空間の環境を制御するための制御信号、例えば、空調機７や照明器具８の動作を制御する制御信号を生成してよい。

当該制御信号は、例示的に、バイタルセンサ２から取得したセンサ情報を基に検出された利用者の心拍数や、心拍数を基に推定又は判定した利用者の睡眠に関する状態等に基づいて生成されてよい。

プロセッサ３１にて生成された制御信号は、例示的に、通信ＩＦ３４を介して、空調機７や照明器具８等に宛てて送信されてよい。

メモリ３２は、記憶媒体の一例であり、ＲＡＭやフラッシュメモリ等であってよい。メモリ３２には、プロセッサ３１が読み取って動作するために用いられる、プログラムやデータが記憶されてよい。

記憶装置３３は、種々のデータやプログラムを記憶してよい。記憶装置３３には、ハードディスクドライブ（ＨＤＤ）や、ソリッドステートドライブ（ＳＳＤ）、フラッシュメモリ等が用いられてよい。

記憶装置３３に記憶されるデータには、例示的に、通信ＩＦ３４で受信された、センサ２のセンサ情報や、センサ情報を基に検出された心拍数、心拍数を基に推定又は判定された、利用者の睡眠に関する状態等が含まれてよい。

記憶装置３３に記憶されたデータは、適宜に、データベース（ＤＢ）化されてよい。ＤＢ化されたデータは、「クラウドデータ」や「ビッグデータ」等と称されてよい。なお、記憶装置３３及びメモリ３２は、情報処理装置３における「記憶部３０」と総称してもよい。

記憶部３０に記憶されるプログラムには、図６や図１４、図１５、図１９〜図２１、図２９、図３０にて後述する処理のいずれか１つ以上を実行するプログラムが含まれてよい。

図６や図１４、図１５、図１９〜図２１、図２９、図３０にて後述する処理を実行するプログラムは、便宜的に、「センサ情報処理プログラム」と称してよい。

プログラムを成すプログラムコードの全部又は一部は、記憶部に記憶されてもよいし、オペレーティングシステム（ＯＳ）の一部として記述されてもよい。

プログラムやデータは、コンピュータ読取可能な記録媒体に記録された形態で提供されてよい。記録媒体の一例としては、フレキシブルディスク、ＣＤ−ＲＯＭ，ＣＤ−Ｒ，ＣＤ−ＲＷ，ＭＯ，ＤＶＤ、ブルーレイディスク、ポータブルハードディスク等が上げられる。また、ＵＳＢ（Universal Serial Bus）メモリ等の半導体メモリも記録媒体の一例である。

あるいは、プログラムやデータは、サーバ等からネットワーク４経由で情報処理装置３に提供（ダウンロード）されてもよい。例えば、通信ＩＦ３４を通じてプログラムやデータが情報処理装置３に提供されてよい。また、プログラムやデータは、ペリフェラルＩＦ３５に接続された後述の入力機器等から情報処理装置３に入力されてもよい。

通信ＩＦ３４は、情報処理装置３に備えられた通信部の一例であり、例示的に、ネットワーク４に接続されて、ネットワーク４を経由した通信を可能にする。

通信ＩＦ３４は、受信処理に着目すれば、バイタルセンサ２が情報処理装置３宛に送信した情報を受信する受信部（「取得部」と称してもよい。）の一例である。

一方、送信処理に着目すれば、通信ＩＦ３４は、例えば、プロセッサ３１が生成した制御信号をバイタルセンサ２や空調機７、照明器具８宛に送信する送信部の一例である。通信ＩＦ３４には、例示的に、イーサネット（登録商標）カードが適用されてよい。

なお、通信ＩＦ３４は、ネットワーク４を経由せずに、バイタルセンサ２の通信ＩＦ２５と接続されて、バイタルセンサ２とダイレクトに通信することが可能であってもよい。

ペリフェラルＩＦ３５は、例示的に、情報処理装置３に周辺機器を接続するためのインタフェースである。

周辺機器には、情報処理装置３に情報を入力するための入力機器や、情報処理装置３が生成した情報を出力する出力機器が含まれてよい。

入力機器には、キーボードやマウス、タッチパネル等が含まれてよい。出力機器には、ディスプレイやプリンタ等が含まれてよい。

（慣性センサ２２の取り付け例）
図５（Ａ）は、慣性センサ２２の検出軸の一例を示し、図５（Ｂ）は、慣性センサ２２（別言すると「バイタルセンサ２」）が人体に取り付けられた様子を模式的に示す側面図である。

図５（Ａ）に例示する慣性センサ２２は、互いに直交する３つの検出軸（Ｘ，Ｙ及びＺ）を有する３軸慣性センサである。例示的に、検出軸Ｙは、第１の検出軸の一例であり、検出軸Ｚは、第２の検出軸の一例であり、検出軸Ｘは、第３の検出軸の一例である。

慣性センサ２２は、例示的に、幅Ｗ［ｃｍ］×高さＨ［ｃｍ］×厚さＤ［ｃｍ］のサイズを有する。非限定的な一例として、Ｗ＝３［ｃｍ］、Ｈ＝５［ｃｍ］、Ｄ＝１［ｃｍ］であってよい。

非限定的な一例として、図５（Ａ）に例示するように、慣性センサ２２の幅（Ｗ）方向に検出軸Ｘが設定され、高さ（Ｈ）方向に検出軸Ｙが設定され、厚さ（Ｄ）方向に検出軸Ｚが設定されてよい。

また、図５（Ｂ）に例示するように、慣性センサ２３は、検出軸Ｘ及びＹが成す面が人体表面と平行な位置関係になるように、人体に取り付けられてよい。

例えば、バイタルセンサ２を人体の着衣の胸部ポケットに収容すると、人体に対する３つの検出軸Ｘ，Ｙ及びＺは、図５（Ｂ）に例示するような配置関係となる。

当該配置関係において、検出軸Ｚは、人体胸部から離れる方向（又は近づく方向）の動きを例えば加速度として検出できる。また、図５（Ｂ）に例示する取り付け態様では、検出軸Ｚは、検出軸Ｙと直交し且つ被観測者の歩行方向に対応付けられていると捉えてもよい。

当該検出軸Ｚは、電波センサ２１の送信電波が有する指向性の方向に方向付けられていてよい。電波センサ２１の送信電波が有する指向性の方向は、電波センサ２１の検出軸の方向に相当すると捉えてもよい。

したがって、慣性センサ２２は、電波センサ２１の検出軸方向の加速度を検出可能に、いずれかの検出軸が方向付けられていてよい。

人体の姿勢に応じて検出軸Ｘ，Ｙ及びＺの検出値（重力加速度［Ｇ］）が変化するので、プロセッサ３１は、検出軸Ｘ，Ｙ及びＺの検出値を基に、人体の姿勢を判定することができる。

（動作例）
以下、一実施形態に係るセンサシステム１の動作例について説明する。なお、以下では、非限定的な一例として、センサ情報の処理が、情報処理装置３にて行なわれる例について説明する。ただし、センサ情報の処理は、センサユニット２（例えば、プロセッサ２３）にて行なわれてもよい。

図６は、一実施形態に係るセンサシステム１の動作例を示すフローチャートである。図６に例示するように、情報処理装置３（例えば、プロセッサ３１）は、センサユニット２から、慣性センサ値を受信すると（処理Ｐ１１）、慣性センサ値の「伸展時波長」を算出してよい（処理Ｐ１２）。

「伸展時波長」とは、例示的に、慣性センサ値の信号波形（別言すると、時間変化）を時間領域で直線に伸ばした時の長さを表す。したがって、「伸展時波長」は、通常の「波長」とは異なる概念である。

「伸展時波長」は、或る単位時間において、慣性センサ値が時間領域で描く軌跡の長さに相当する、と捉えてもよい。なお、単位時間は、「秒」単位でもよいし、「分」単位でもよい。

図７に「伸展時波長」の概念を模式的に例示する。図７の横軸は時間（ｔ）を示し、図７の縦軸は慣性センサ値（例えば、電圧［Ｖ］）を示す。

図７において、点線Ａで示す信号波形は、例示的に、センシング対象である被観測者が安静な状態にある時の、慣性センサ値の時間変化を模式的に表す。実線Ｂで示す信号波形は、例示的に、被観測者が活動中である時の、慣性センサ値の時間変化を模式的に表す。

「伸展時波長」は、図７の下部に例示するように、点線Ａ及び実線Ｂで示される、単位時間（ΔＴ）あたりの信号波形を、時間方向に直線に伸ばした時の長さに相当する。

「伸展時波長」は、例示的に、慣性センサ値を、或る周期（「サンプリング周期」と称してよい。）で、逐次的に、記憶部３０（図４参照）に記憶してゆき、単位時間にわたって振幅値の変化量を加算することで算出できる。

「伸展時波長」の算出例について、図８を参照して説明する。図８の横軸は、時間（ｔ）を表し、図８の縦軸は、慣性センサ値（例えば、振幅値に相当する電圧［Ｖ］）を表す。

図８に例示する信号波形では、或るタイミングｔ＝Ｔ_Ｎ＋２、ｔ＝Ｔ_Ｎ＋１、及び、ｔ＝Ｔ_Ｎにおいて、それぞれ、慣性センサ値は、「Ａ_α＋２」、「Ａ_α＋１」、及び、「Ａ_α」である。

なお、「Ｎ」はタイミングのラベルを表す整数である。「Ａ」は電圧値［Ｖ］がとり得る実数であり、「α」は電圧値のラベルを表す整数である。各タイミングｔ＝Ｔ_Ｎ＋２、ｔ＝Ｔ_Ｎ＋１、及び、ｔ＝Ｔ_Ｎは、それぞれ「サンプリングタイミング」と称してよい。サンプリングタイミングの間隔は、一定でもよいし異なっていてもよい。

情報処理装置３（例えば、プロセッサ３１）は、例示的に、各サンプリングタイミングで得られた振幅値（電圧値）を基に、サンプリングタイミング間の振幅変化量を求める。例えば、情報処理装置３は、隣り合うサンプリングタイミングでの振幅値の差分を、サンプリングタイミング間の振幅変化量として求めてよい。

例示的に、情報処理装置３は、サンプリングタイミングｔ＝Ｔ_Ｎ＋２と、次のサンプリングタイミングｔ＝Ｔ_Ｎ＋１との間の振幅変化量を絶対値｜Ａ_α＋１−Ａ_α＋２｜として求めてよい。同様に、情報処理装置３は、サンプリングタイミングｔ＝Ｔ_Ｎ＋１と次のサンプリングタイミングｔ＝Ｔ_Ｎとの間の振幅変化量を絶対値｜Ａ_α−Ａ_α＋１｜として求めてよい。

情報処理装置３は、このような演算を、単位時間あたりのサンプリング回数にわたって繰り返し実施し、得られた振幅変化量を、｜Ａ_α−Ａ_α＋１｜＋｜Ａ_α＋１−Ａ_α＋２｜＋…のように、加算することで、「伸展時波長」を算出できる。

なお、図７及び図８に例示したように、慣性センサ値が電圧値［Ｖ］で表される場合、「伸展時波長」の単位は、例えば「電圧／時間」（Ｖ／ｍｉｎ）で表されてよい。

図９（Ａ）〜図９（Ｃ）に、伸展時波長算出処理の一例を示す。図９（Ａ）は、慣性センサ値の元波形を示し、図９（Ｂ）は、差分波形を示し、図９（Ｃ）は差分波形を単位時間（本例では１秒）にわたって合計した値を示す。

図９（Ｂ）に例示する差分波形は、所定の微小時間毎の振幅変化量を表し、例示的に、１ｋＨｚのサンプリング周期で算出された差分波形である。したがって、振幅変化量は、例示的に、１／１０００秒毎の振幅変化量を表す。

差分波形は、図７に例示した期間ΔＴにおいて、１秒毎に合計されてよい。例えば、振幅変化量が、期間ΔＴにおいて、１０００個毎に合計されてよい。これにより、図９（Ｃ）に例示するように、期間ΔＴにおける伸展時波長が算出される。

なお、単位時間あたりの振幅値のサンプリング数は、少なすぎると「伸展時波長」の算出精度が低下し、多すぎると演算負荷が高くなり演算遅延等が生じ得るから、現実的なレンジで設定されてよい。更に、「伸展時波長」は、所定時間にわたって時間平均されてよい。例えば、単位時間を１秒として１分間に得られた６０個の「伸展時波長」の平均をとってよい。

また、情報処理装置３は、「伸展時波長」を次のようにして算出してもよい。例えば図１０に、曲線ＡＢの「伸展時波長」を算出する例を示す。ＡＢ間をｎ個の微小区間に分割し、各微小区間を線分で近似し、その長さの和Ｓｎを以下の式（１）で表す。

微小区間のｘ方向の微小変位をΔｘｋ、ｙ方向の微小変位をΔｙｋとすると、三平方の定理より、ΔＳｋは、以下の式（２）で表される。

以下の式（３）に示すように、数式２の微小区間の個数ｎを無限に増やすと、和Ｓｎは、曲線ＡＢの長さＬに近づく。

式（３）において、ｘ方向を時間軸とし、慣性センサ値のサンプリング周期が一定（例えば、１ｋＨｚ）であるとすると、「ｘ_ｋ」は一定であり、「ｙ_ｋ」に慣性センサ値（振幅値）を代入することで、「伸展時波長」が算出される。

なお、慣性センサ値の「伸展時波長」は、慣性センサ２２の複数の検出軸（例えば、Ｘ軸、Ｙ軸及びＺ軸）の別に求められてよい。

慣性センサ値の伸展時波長は、慣性センサ値の振幅が大きいほど長くなり、慣性センサ値の周波数が高いほど長くなる。したがって、慣性センサ値の伸展時波長は、被観測者の動きが大きいほど長くなり、被観測者の動きが速いほど長くなる傾向にある。よって、慣性センサ値の伸展時波長は、被観測者の動きに応じた運動量の指標に用いることができる。

図１２及び図１３に、慣性センサ値の伸展時波長の一例を示す。図１２及び図１３に例示する伸展時波長は、慣性センサ２２の検出軸Ｙ（図５（Ｂ）参照）について得られた慣性センサ値の伸展時波長（Ｌｙ）に相当する。

また、図１２及び図１３に例示する伸展時波長Ｌｙは、図１１に例示するように、測定開始から測定終了までの間に被観測者が活動に応じて採った姿勢（便宜的に「測定条件」と称してよい。）に応じて得られた伸展時波長に相当する。

図１１には、測定開始から測定終了までの間に、被観測者が、３分間「直立」した状態（時速０ｋｍ）から、時速３．６ｋｍで３分間「直立歩行」し、その後、歩行を停止して３分間「直立」した状態（時速０ｋｍ）であった場合が例示されている。

図１１に例示する測定条件において、図１２に例示する伸展時波長Ｌｙは、例示的に、１秒毎の伸展時波長に相当し、図１３に示す伸展時波長Ｌｙは、例示的に、１秒毎の伸展時波長を１５秒間にわたって累計した伸展時波長に相当する。

図１２及び図１３に例示するように、慣性センサ値の伸展時波長Ｌｙは、被観測者が「直立歩行」した３分間において、「直立」したまま歩行していない３分間に比べて長くなる。

慣性センサ値の伸展時波長Ｌｙが求まると、情報処理装置３は、図６に例示するように、当該伸展時波長Ｌｙを基に、被観測者の活動状態を判定してよい（処理Ｐ１３）。なお、活動状態の判定周期は、例示的に、上述した伸展時波長が得られる１秒周期でもよいし１５秒周期でもよい。

（活動状態判定処理の第１例）
図１４に、活動状態判定処理（Ｐ１３）の第１例を示す。図１４に例示するように、情報処理装置３（例えば、プロセッサ３１）は、伸展時波長Ｌｙと閾値ＴＨｙ１とを比較して、Ｌｙ≧ＴＨｙ１であるか否かを判定してよい（処理Ｐ２１）。

閾値ＴＨｙ１は、第１の閾値の一例であり、非限定的な一例として、１秒毎の伸展時波長Ｌｙであれば、ＴＨｙ１＝１０００に設定されてよく、１５秒間の伸展時波長Ｌｙであれば、ＴＨｙ１＝１５０００に設定されてよい。

判定の結果、Ｌｙ≧ＴＨｙ１であれば（処理Ｐ２１でＹＥＳ）、情報処理装置３は、被観測者が「直立歩行」状態であると判定してよい（処理Ｐ２２）。

一方、Ｌｙ＜ＴＨｙ１であれば（処理Ｐ２１でＮＯ）、情報処理装置３は、伸展時波長Ｌｙと第２の閾値ＴＨｙ２とを比較して、Ｌｙ≦ＴＨｙ２であるか否かを判定してよい（処理Ｐ２３）。

閾値ＴＨｙ２は、第２の閾値の一例であり、例えば、ＴＨｙ２＜ＴＨｙ１を満たす値でよい。非限定的な一例として、１秒毎の伸展時波長Ｌｙであれば、ＴＨｙ２＝２００に設定されてよく、１５秒間の伸展時波長Ｌｙであれば、ＴＨｙ２＝５０００に設定されてよい。

判定の結果、Ｌｙ≦ＴＨｙ２であれば（処理Ｐ２３でＹＥＳ）、情報処理装置３は、被観測者が「安静」な状態にあると判定してよい（処理Ｐ２４）。

一方、Ｌｙ＞ＴＨｙ２であれば（処理Ｐ２３でＮＯ）、情報処理装置３は、被観測者が、「直立歩行」及び「安静」の各状態とは異なる他の状態にあると判定してよい（処理Ｐ２５）。

なお、「他の状態」の非限定的な一例としては、後述する「前傾歩行」の状態や「前屈み」での活動状態等が挙げられる。

以上のようにして、情報処理装置３は、慣性センサ値の伸展時波長を基に、被観測者の活動状態を判定（別言すると、分類）することができる。

（活動状態判定処理の第２例）
上述した判定、分類は、慣性センサ２２の１つの検出軸Ｙについての伸展時波長Ｌｙに基づく判定、分類であるが、慣性センサ２２の２以上の検出軸についての伸展時波長を複合的に用いて、被観測者の活動状態を判定、分類してもよい。

非限定的な一例として、慣性センサ２２の２つの検出軸Ｙ及びＺについての伸展時波長Ｌｙ及びＬｚを基に、被観測者の活動状態を判定する例について、図１５〜図１８を参照して説明する。

図１５は、図６に例示した活動状態判定処理（Ｐ１３）の第２例を示すフローチャートであり、図１６は、測定開始から測定終了までの被観測者の測定条件の他の例を示す図である。

図１６には、測定条件の非限定的な一例として、被観測者が、３分間「前屈み」の状態（時速０ｋｍ）から、前傾した姿勢で３分間時速１．５ｋｍで歩行（「前傾歩行」と称してよい。）し、その後、３分間「しゃがんだ」姿勢となった例が示されている。

なお、「前傾歩行」は、例示的に、被観測者が前のめりの状態で行う歩行に相当してよい。例えば、急な坂道を登るときのように、直立した姿勢と比較して前のめりの状態で歩行するケースがこれに相当する。

また、例示的に、被観測者が腰をかがめたり頭を低くしたりする姿勢をとるように、上体が前屈みに傾いている状態のままで行われる歩行に相当してよい。例えば、物陰に隠れながら、直立した時よりも頭を低くした状態のまま歩行するケースがこれに相当する。

図１７（Ａ）及び図１７（Ｂ）は、それぞれ、図１６に例示した姿勢条件において検出軸Ｙ及びＺについて得られた、１秒毎の伸展時波長の一例を示す図である。

更に、図１８（Ａ）及び図１８（Ｂ）は、それぞれ、図１６に例示した姿勢条件において検出軸Ｙ及びＺについて得られた、１５秒間の伸展時波長の一例を示す図である。

図１５に例示するように、情報処理装置３（例えば、プロセッサ３１）は、検出軸Ｙについての伸展時波長Ｌｙと閾値ＴＨｙ１とを比較して、Ｌｙ≧ＴＨｙ１であるか否かを判定してよい（処理Ｐ３１）。

閾値ＴＨｙ１は、第１例と同様に、１秒毎の伸展時波長Ｌｙであれば、ＴＨｙ１＝１０００に設定されてよく、１５秒間の伸展時波長Ｌｙであれば、ＴＨｙ１＝１５０００に設定されてよい。

判定の結果、Ｌｙ≧ＴＨｙ１であれば（処理Ｐ３１でＹＥＳ）、情報処理装置３は、被観測者が「直立歩行」状態であると判定してよい（処理Ｐ３２）。

一方、Ｌｙ＜ＴＨｙ１であれば（処理Ｐ３１でＮＯ）、情報処理装置３は、第１例と同様に、伸展時波長Ｌｙと閾値ＴＨｙ２とを比較して、Ｌｙ≦ＴＨｙ２であるか否かを判定してよい（処理Ｐ３３）。

閾値ＴＨｙ２は、第１例と同様に、ＴＨｙ２＜ＴＨｙ１を満たす値でよい。非限定的な一例として、１秒毎の伸展時波長Ｌｙであれば、ＴＨｙ２＝２００に設定されてよく、１５秒間の伸展時波長Ｌｙであれば、ＴＨｙ２＝５０００に設定されてよい。

判定の結果、Ｌｙ≦ＴＨｙ２であれば（処理Ｐ３３でＹＥＳ）、情報処理装置３は、被観測者が「安静」な状態にあると判定してよい（処理Ｐ３４）。

一方、Ｌｙ＞ＴＨｙ２であれば（処理Ｐ３３でＮＯ）、情報処理装置３は、検出軸Ｚについての伸展時波長Ｌｚと閾値ＴＨｚ１とを比較して、Ｌｚ≧ＴＨｚ１であるか否かを判定してよい（処理Ｐ３５）。

閾値ＴＨｚ１は、第３の閾値の一例であり、例示的に、ＴＨｙ２＜ＴＨｚ１＜ＴＨｙ１を満たす値でよい。非限定的な一例として、１秒毎の伸展時波長Ｌｙであれば、ＴＨｚ１＝４００に設定されてよく、１５秒間の伸展時波長Ｌｙであれば、ＴＨｚ１＝７０００に設定されてよい。

判定の結果、Ｌｚ＜ＴＨｚ１であれば（処理Ｐ３５でＮＯ）、情報処理装置３は、例示的に、被観測者が「前傾歩行」の状態であると判定してよい（処理Ｐ３６）。

一方、Ｌｚ≧ＴＨｚ１であれば（処理Ｐ３５でＹＥＳ）、情報処理装置３は、検出軸Ｘ、Ｙ及びＺについての伸展時波長が、それぞれ、Ｌｘ、Ｌｙ及びＬｚであると仮定して、下記の差分Ｌｄ１と差分Ｌｄ２とを減算して差分Ｌｄを算出してよい（処理Ｐ３７）。

Ｌｄ１＝Ｌｚ−Ｌｘ
Ｌｄ２＝Ｌｙ−Ｌｘ
Ｌｄ＝Ｌｄ１−Ｌｄ２＝Ｌｚ−Ｌｙ

Ｌｄ１及びＬｄ２の減算結果である差分Ｌｄが求まると、情報処理装置３は、例示的に、差分Ｌｄと閾値ＴＨｄとを比較して、Ｌｄ≧ＴＨｄであるか否かを判定してよい（処理Ｐ３８）。

閾値ＴＨｄは、第４の閾値の一例であり、例示的に、ＴＨｄ＜ＴＨｙ２を満たす値でよい。非限定的な一例として、１秒毎の伸展時波長を用いる場合、ＴＨｄ＝１５０に設定されてよく、１５秒間の伸展時波長を用いる場合、ＴＨｄ＝２０００に設定されてよい。

判定の結果、Ｌｄ≧ＴＨｄであれば（処理Ｐ３８でＹＥＳ）、情報処理装置３は、例示的に、被観測者が、前屈みで活動している第１の状態＃１（便宜的に「前屈み活動状態＃１」と略称することがある。）であると判定してよい（処理Ｐ３９）。

一方、Ｌｄ＜ＴＨｄであれば（処理Ｐ３８でＮＯ）、情報処理装置３は、例示的に、被観測者が、前屈みで活動している第２の状態＃２（便宜的に「前屈み活動状態＃２」と略称することがある。）であると判定してよい（処理Ｐ４０）。

前屈み活動状態＃１及び＃２の相違は、差分Ｌｄ＝Ｌｚ−Ｌｙの大小に起因する。例えば図５（Ｂ）に例示した検出軸Ｘ、Ｙ及びＺの関係から、差分Ｌｄが大きいほど、バイタルセンサ２は、Ｙ軸方向よりもＺ軸方向への動きが相対的に大きいと云える。

逆に、差分Ｌｄが小さいほど、バイタルセンサ２は、Ｚ軸方向よりもＹ軸方向への動きが相対的に大きいと云える。

したがって、前屈み活動状態＃１では、前屈み活動状態＃２よりも「前屈み」の程度が大きい状態であると云える。

非限定的な一例として、前屈み活動状態＃１は、被観測者が前屈みでゴミ拾いや草むしり等を行なっている状態に対応付けることができ、前屈み活動状態＃２は、被観測者がモップがけや掃除機がけ等を行なっている状態に対応付けることができる。

以上のように、活動状態判定処理の第１例及び第２例によれば、慣性センサ値の伸展時波長を基に、被観測者の活動状態を判定、分類することができる。

ここで、慣性センサ値の伸展時波長は、或るタイミングでの瞬間的な慣性センサ値や慣性センサ値の或る時間にわたる時間平均値とは異なり、単位時間あたりに慣性センサ２２が動いた量（別言すると、被観測者が動いた量）を示す情報である。

したがって、慣性センサ値の伸展時波長によれば、瞬間的な慣性センサ値や慣性センサ値の時間平均値と、基準値（閾値）と、を比較する場合に比して、耐ノイズ性が向上する。耐ノイズ性が向上するから、被観測者の活動状態の判定精度も向上する。

また、バイタルセンサ２が被観測者の着衣等のポケットに収容されて、バイタルセンサ２と被観測者との間に非同期な動きが生じても、慣性センサ値の伸展時波長によれば、被観測者が動いた量を定量的に検出できる。したがって、被観測者の活動状態の判定精度を向上できる。

更に、伸展時波長は、或る時間区間のセンサ値を積分して面積を算出したり、アフィン行列等の行列式を演算したりする場合に比して、少ない演算量で求めることができるので、例えば情報処理装置３の処理負荷の軽減や、処理速度の向上を図ることができる。

なお、上述した各閾値ＴＨｙ１、ＴＨｙ２、ＴＨｚ１及びＴＨｄは、例示的に、情報処理装置３の記憶部３０に記憶されてよい。図１４や図１５に例示した処理が、センサユニット２のプロセッサ２３にて実行される場合には、各閾値ＴＨｙ１、ＴＨｙ２、ＴＨｚ１及びＴＨｄは、センサユニット２の例えばメモリ２４に記憶されてよい。

（心拍検出アルゴリズムの選択、決定）
既述の活動状態判定処理の第１例又は第２例によって被観測者の活動状態が判定、分類されると、情報処理装置３は、図６に例示するように、判定、分類した活動状態に応じた「心拍検出アルゴリズム」を適応的に選択、決定してよい（処理Ｐ１４）。

心拍検出アルゴリズム（「方法」又は「処理」と言い換えてもよい。）は、例示的に、電波センサ値を基に、あるいは、電波センサ値及び慣性センサ値を基に、被観測者の心拍数を検出するアルゴリズムである。

非限定的な一例として、情報処理装置３は、図１９に例示するように、活動状態の判定結果が「安静」であれば（処理Ｐ１４１でＹＥＳ）、第１の心拍検出アルゴリズムを選択してよい（処理Ｐ１４２）。

第１の心拍検出アルゴリズムは、電波センサ値に基づく心拍検出処理の一例であり、詳細な処理例については後述する。

一方、活動状態の判定結果が「直立歩行」であれば（処理Ｐ１４１でＮＯ且つ処理Ｐ１４３でＹＥＳ）、情報処理装置３は、第２の心拍検出アルゴリズムを選択してよい（処理Ｐ１４４）。

第２の心拍検出アルゴリズムは、電波センサ値及び慣性センサ値に基づく心拍検出処理の一例であり、詳細な処理例については後述する。

また、活動状態の判定結果が「前傾歩行」や「前屈み活動状態」であれば（処理Ｐ１４３でＮＯ且つ処理Ｐ１４５でＹＥＳ）、情報処理装置３は、第３の心拍検出アルゴリズムを選択してよい（処理Ｐ１４６）。

第３の心拍検出アルゴリズムは、第２の心拍検出アルゴリズムと同様に、電波センサ値及び慣性センサ値に基づく心拍検出処理の一例である。ただし、第３の心拍検出アルゴリズムは、電波センサ２１による検出感度を補正する処理を含む点で、第２の心拍検出アルゴリズムと相違する。第３の心拍検出アルゴリズムの詳細な処理例については後述する。

なお、活動状態の判定結果が、「安静」、「直立歩行」、「前傾歩行」及び「前屈み活動状態」のいずれでもなければ（処理Ｐ１４１、Ｐ１４３及びＰ１４５でそれぞれＮＯ）、情報処理装置３は、処理を終了してよい。

当該処理の終了前に、図１９に点線で例示するように、情報処理装置３は、ディスプレイやプリンタ等の出力機器にエラー情報を出力してもよい（処理Ｐ１４７）。

情報処理装置３は、以上のようにして選択、決定した心拍検出アルゴリズムにて、被観測者の心拍数を検出してよい（図６の処理Ｐ１５）。

算出された心拍数は、被観測者が位置する空間の環境を制御するパラメータとして用いられてよい（図６の処理Ｐ１６）。また、算出された心拍数は、図６に点線で例示するように、適宜に、ディスプレイやプリンタ等の出力機器に出力されてよい（図６の処理Ｐ１７）。

なお、処理Ｐ１２で算出した伸展時波長の情報や、処理Ｐ１３での活動状態の判定結果、処理Ｐ１４で決定した心拍検出アルゴリズムの情報、処理Ｐ１５での心拍検出処理の状況を示す情報等が、ディスプレイやプリンタ等の出力機器に適宜に出力されてもよい。

この場合、例えば、算出された伸展時波長や、活動状態の判定状況、心拍検出処理の状況等を、出力機器において確認できる。

以上のように、情報処理装置３において、被観測者の活動状態の判定結果に応じて、心拍検出アルゴリズムを適応的に選択、決定（「変更」と称してもよい。）するので、被観測者の活動状態に適した心拍検出アルゴリズムにて被観測者の心拍を検出できる。

例えば、被観測者の動きの有無や動きの程度に応じて適切な心拍検出アルゴリズムを、被観測者の心拍検出に適用できる。

ここで、心拍検出アルゴリズムの選択、決定のベースとなる、被観測者の活動状態の判定結果は、既述のように、慣性センサ値の「伸展時波長」に基づくことで精度が向上している。したがって、心拍検出アルゴリズムの選択、決定の精度も向上する。

（心拍検出処理例）
次に、図１９に例示した第１の心拍検出処理の一例について、図２０を参照して説明し、図１９に例示した第２の心拍検出処理の一例について、図２１〜図２９を参照して説明する。また、図１９に例示した第３の心拍検出処理の一例について、図３０を参照して説明する。

（第１の心拍検出処理例）
図２０は、一実施形態に係る第１の心拍検出処理の一例を示すフローチャートである。図２０に示すフローチャートは、例示的に、情報処理装置３のプロセッサ３１にて実行されてよい。

図２０に例示するように、情報処理装置３は、被観測者が「安静」な状態であると判定して第１の心拍検出処理を選択、決定すると、バイタルセンサ２から受信された電波センサ値を周波数解析してよい（処理Ｐ５１及びＰ５２）。被観測者が「安静」な状態であると判定した場合、情報処理装置３は、心拍検出処理に、慣性センサ値を用いなくてよい。

受信した電波センサ値は、記憶部３０（図４参照）に記憶されてよい。また、受信した電波センサ値は、図２０において点線で例示するように、適宜に増幅されてもよいし（処理Ｐ５１ａ）、増幅されなくてもよい。電波センサ値が増幅されてもされなくてもよい点は、図２１や図２９にて後述する処理においても同様である。

電波センサ値の周波数解析には、例示的に、高速フーリエ変換（fast Fourier transform, FFT）や離散フーリエ変換（discrete Fourier transform, DFT）が用いられてよい。ＦＦＴやＤＦＴによって、電波センサ値は、時間領域の信号から周波数領域の信号（便宜的に「周波数信号」と称してよい。）に変換される。

情報処理装置３は、電波センサ値の周波数信号において、例えば、ピーク値を有する周波数（「ピーク周波数」と称してよい。）を検出してよい。ピーク周波数は、心拍に応じた特徴的な変化を示す周波数成分の一例である。

検出したピーク周波数を基に、情報処理装置３は、電波センサ値に適用するバンドパスフィルタ（ＢＰＦ）の特性（「ＢＰＦ特性」と略称してよい。）を決定してよい（処理Ｐ５３）。

非限定的な一例として、情報処理装置３は、ピーク周波数を中心周波数に有し、ピーク周波数が高いほど狭い（ピーク周波数が低いほど広い帯域幅）を有するＢＰＦ特性を、電波センサ値に適用するＢＰＦ特性に決定してよい。ピーク周波数が高いほどＢＰＦの帯域幅を狭く設定、制御する理由、及び、可変ＢＰＦ特性の詳細な決定例については後述する。

情報処理装置３は、処理Ｐ５３で決定したＢＰＦ特性のＢＰＦを電波センサ値に適用してよい（処理Ｐ５４）。ＢＰＦを適用する電波センサ値は、記憶部３０から適宜に読み出されてよい。

ＢＰＦの適用によって、電波センサ値から、被観測者の心拍由来の信号成分ではないノイズ成分（例えば、被観測者の体動由来の信号成分）を除去又は抑圧できる。

情報処理装置３は、ＢＰＦ適用後の電波センサ値から、被観測者の心拍に応じた特徴的な変化を示す心拍成分を「特徴点」として検出してよい（処理Ｐ５５）。「特徴点」は、例えば、ＢＰＦ適用後の電波センサ値の信号波形において、一次微分がゼロになる点であってよい。

「特徴点」の検出に応じて、情報処理装置３は、例えば、特徴点の時間間隔（例えば「秒」を求め、求めた時間間隔で１分（＝６０秒）を除することにより、被観測者の１分あたりの心拍数を算出できる（処理Ｐ５６）。

以上のように、第１の心拍検出処理例によれば、被観測者が「安静」な状態である場合に、ＢＰＦ特性が可変のＢＰＦを電波センサ値に適用することで、電波センサ値において、被観測者の心拍由来の信号成分ではないノイズ成分を効果的に抑圧することができる。したがって、被観測者が「安静」な状態である場合の心拍数の検出精度を向上できる。

（第２の心拍検出処理例の第１例）
図２１は、一実施形態に係る第２の心拍検出処理の第１例を示すフローチャートである。図２１に示すフローチャートは、例示的に、情報処理装置３のプロセッサ３１にて実行されてよい。

図２１に例示するように、情報処理装置３（例えば、プロセッサ３１）は、被観測者が「直立歩行」の状態であると判定して第２の心拍検出処理を選択、決定すると、バイタルセンサ２から受信された慣性センサ値を基に、被観測者の心拍数を推定してよい（処理Ｐ６１及びＰ６２）。なお、受信した慣性センサ値は、記憶部３０（図４参照）に記憶されてよい。

図２２及び図２３に、心拍数推定処理の第１例を示し、図２４〜図２６に、心拍数推定処理の第２例を示し、図２７及び図２８に、心拍数推定処理の第３例を示す。

（心拍数推定処理の第１例）
図２２に例示するように、情報処理装置３は、慣性センサ値を基に、被観測者の単位時間（例示的に、１秒）あたりの歩数（「歩行率」と称してよい。）を算出してよい（処理Ｐ６２１）。歩数は、一般的な歩数計と同様に、例えば、慣性センサ値が或る閾値を超えた回数をプロセッサ３１にてカウントすることで得ることができる。

ここで、歩行率と心拍数とは、或る関係式によって関係付けることができる。関係式は、例示的に、複数の実測値を用いて、カーブフィッティング（別言すると、曲線あてはめ）によって導出されてよい。

非限定的な一例として、歩行率と心拍数との関係式は、図２３に例示するように、下記の多項式（４）で表すことができる。
ｙ＝８Ｅ−０５ｘ^３−０．００１１ｘ^２−０．０８５５ｘ＋６１．５９７…（４）

なお、図２３の横軸「ｘ」が歩行率［歩数／秒］を表し、図２３の縦軸「ｙ」が単位時間（例示的に、１分）あたりの心拍数［beats per minute, bpm］を表す。また、「８Ｅ−０５」は、「８×１０^−５」を表す。

情報処理装置３は、処理Ｐ６２１において算出した歩行率から、式（４）を演算することによって、心拍数を算出してよい（図２２の処理Ｐ６２４）。算出された心拍数は、便宜的に、「推定心拍数」と称してよい。

なお、図２３に例示した関係は、例えばテーブル形式のデータ（「テーブルデータ」と略称してよい。）で表されてもよい。当該テーブルデータは、例えば、情報処理装置３の記憶部３０（図４参照）に記憶されてよい。情報処理装置３は、当該テーブルデータを参照することで、歩行率に対する推定心拍数を演算によらずに求めてもよい。

（心拍数推定処理の第２例）
次に、図２１の心拍数推定処理（Ｐ２２）の第２例ついて、図２４〜図２６を参照して説明する。上述した心拍数推定処理の第１例は、被観測者の歩行率から心拍数を求める例である。第２例では、被観測者の運動強度から心拍数を求めてよい。

図２４に例示するように、情報処理装置３（例えば、プロセッサ３１）は、第１例（図２２）と同様にして、電波センサ値から被観測者の歩行率を算出してよい（処理Ｐ６２１）。

歩行率の算出に応じて、情報処理装置３は、歩行率から歩行速度を算出してよい（処理Ｐ６２２）。

ここで、歩行率と歩行速度とは、或る関係式によって関係付けることができる。関係式は、例示的に、複数の実測値を用いて、カーブフィッティングによって導出されてよい。

非限定的な一例として、歩行率と歩行速度との関係式は、図２５に例示するように、下記の多項式（５）で表すことができる。
ｙ＝１Ｅ−０５ｘ^３−０．００１４ｘ^２＋０．０７２５ｘ−０．０１１９…（５）

図２５の横軸「ｘ」が歩行率［歩数／秒］を表し、図２５の縦軸「ｙ」が単位時間（例示的に、１時間）あたりの歩行速度［ｋｍ／ｈ］を表す。また、「１Ｅ−０５」は、「１×１０^−５」を表す。

なお、単位時間あたりの歩行距離が増えるほど、１歩あたりの距離である歩幅、及び、歩数も増加する傾向にある。例えば、分速７０ｍ（＝時速４．２ｋｍ）で歩行する場合は、歩幅＝身長×０．３７となり、分速９０ｍ（＝時速５．４ｋｍ）では、歩幅＝身長×０．４５、分速１１０ｍ（＝時速６．６ｋｍ）では、歩幅＝身長×０．５となる、といわれている。このような歩幅と、歩行率と、を基に、単位時間あたりの歩行距離である歩行速度を概算することができる。

情報処理装置３は、処理Ｐ６２１において算出した歩行率から、式（５）を演算することによって、歩行速度を算出してよい。

なお、図２５に例示した関係は、図２３に例示した関係と同様に、例えばテーブルデータで表されて、記憶部３０（図４参照）に記憶されてよい。情報処理装置３は、当該テーブルデータを参照することで、歩行率に対する歩行速度を演算によらずに求めてもよい。

歩行速度の算出に応じて、情報処理装置３は、歩行速度を基に利用者の運動強度を算出してよい（図２４の処理Ｐ６２３）。運動強度は、人の活動量等を表す指標値であり、ＭＥＴｓ値（メッツ値）によって表されてよい。

ＭＥＴｓは、「Metabolic equivalents」の略称である。メッツ値は、人の活動時の代
謝量（あるいは「カロリー消費量」）を安静時の代謝量に対する相対値（例えば、倍数）として表した数値であってよい。人の活動の別にメッツ値を対応付けた表は、「メッツ表」と称され、例えば、国立健康・栄養研究所によって発行されている。

図２６に、歩行速度とメッツ値との関係の一例を示す。歩行速度＝０［ｋｍ／ｈ］の場合がメッツ値＝１に対応し、基準となる安静時の運動強度に対応する。図２６に例示するように、歩行速度が速くなるほどメッツ値も大きくなる。

例えば、歩行速度＝２．５［ｋｍ／ｈ］では、メッツ値は基準メッツ値（＝１）の３倍となり、歩行速度＝４［ｋｍ／ｈ］では、メッツ値は基準メッツ値の５倍となる。

メッツ値が求まると、例示的に、利用者の年齢と安静時の心拍数とを基に、現在の心拍数を求めることができる。例えば、メッツ値は、以下の式（６）によって表すことができる。
メッツ値＝（心拍数−安静時心拍数）÷（最大心拍数−安静時心拍数）×１０…（６）

安静時心拍数及び最大心拍数には、所定値が用いられてよい。所定値は、人体の平均的な心拍数として設定されてもよいし、被観測者毎の実測値として設定されてもよい。「最大心拍数」は、「２２０−年齢」として簡易的に求められてもよい。

したがって、情報処理装置３は、メッツ値から現在の心拍数を式（６）によって求めることができる（図２４の処理Ｐ６２４）。別言すると、利用者の運動中や活動中に心拍数を精度良く検出することが難しい場合であっても、式（６）によって、メッツ値から心拍数を推定すること可能である。

（心拍数推定処理の第３例）
次に、図２１の心拍数推定処理（Ｐ２２）の第３例ついて、図２７及び図２８を参照して説明する。心拍数推定処理の第２例で算出した運動強度（図２４の処理Ｐ６２３参照）は、慣性センサ値の伸展時波長から求めてもよい。

例えば図２７に示すように、情報処理装置３（例えば、プロセッサ３１）は、慣性センサ値の伸展時波長を算出し（処理Ｐ６２０）、算出した伸展時波長と運動強度との関係を基に、被観測者の運動強度を算出してよい（処理Ｐ６２３ａ）。

なお、図２７における伸展時波長の算出処理Ｐ６２０は、図６に例示した伸展時波長の算出処理Ｐ１２に対応してよい。別言すると、処理Ｐ１２で算出された伸展時波長が、処理Ｐ６２３での運動強度の算出に用いられてよい。

慣性センサ値の伸展時波長は、既述のとおり、慣性センサ２２の複数の検出軸の別に算出されてよい。

慣性センサ値の伸展時波長と運動強度とは、或る関係式によって関係付けることができる。関係式は、例示的に、複数の実測値を用いて、カーブフィッティング（別言すると、曲線あてはめ）によって導出されてよい。

非限定的な一例として、図５（Ｂ）に例示した検出軸Ｘ及びＹの方向についての慣性センサ値の伸展時波長と、運動強度と、の関係式は、それぞれ、図２８（Ａ）及び図２８（Ｂ）に例示するように、下記の多項式（７）及び式（８）で表すことができる。
ｙ＝１０８０．２ｘ^２−１５４０．７ｘ−１６２．９６…（７）
ｙ＝１４０．９５ｘ^２＋２５２．５８ｘ−４５２．５４…（８）

なお、図２８（Ａ）及び図２８（Ｂ）の横軸「ｘ」が運動強度（ＭＥＴｓ）を表し、図２８（Ａ）の縦軸「ｙ」が検出軸Ｘについての伸展時波長を表し、図２８（Ｂ）の縦軸「ｙ」が検出軸Ｙについての伸展時波長を表す。

情報処理装置３は、処理Ｐ６２０において算出した伸展時波長を基に、例えば、式（７）及び式（８）を演算することによって、検出軸Ｘ及びＹについての被観測者の運動強度を算出してよい（処理Ｐ６２３ａ）。

なお、図２８（Ａ）及び図２８（Ｂ）に例示した関係は、例えばテーブルデータで表されてもよい。当該テーブルデータは、例えば、情報処理装置３の記憶部３０（図４参照）に記憶されてよい。情報処理装置３は、当該テーブルデータを参照することで、伸展時波長に対する運動強度を演算によらずに求めてもよい。

運動強度が求まると、情報処理装置３は、心拍数推定処理の第２例（図２４〜図２６参照）と同様にして、運動強度から被観測者の心拍数を算出してよい（処理Ｐ６２４）。例えば、運動強度は、検出軸Ｘ、検出軸Ｙ、及び、検出軸Ｚについての伸展時波長の合計から算出されてよい。

このように、被観測者の心拍数の推定に、被観測者の動き量を定量的に表すことが可能な慣性センサ値の「伸展時波長」を用いることで、耐ノイズ性が向上し、心拍数の推定精度も向上する。したがって、下記の、電波センサ値に適用するＢＰＦ特性の決定精度も向上する。

上述した心拍推定処理の第１例、第２例又は第３例によって推定心拍数が求まると、情報処理装置３は、電波センサ値に適用する、推定心拍数に応じたＢＰＦ特性を決定してよい（図２１の処理Ｐ６３）。

例えば、情報処理装置３は、推定心拍数を周波数に変換し、変換した周波数を電波センサ値に適用するＢＰＦの中心周波数に設定してよい。なお、心拍数は、例示的に、６０（秒）で除することにより周波数に変換できる。また、情報処理装置３は、第１の心拍検出処理（図２０）と同様に、推定心拍数が高いほど狭い帯域幅をＢＰＦに設定してよい。

情報処理装置３は、決定したＢＰＦ特性のＢＰＦを、処理Ｐ５１で受信した電波センサ値に適用して、電波センサ値をフィルタリングしてよい（図２１の処理Ｐ５４）。当該フィルタリングによって、電波センサ値から、被観測者の心拍由来の信号成分ではない例えば体動由来のノイズ成分を除去できる。

ＢＰＦ適用後の電波センサ値から、情報処理装置３は、第１の心拍検出処理と同様にして、「特徴点」を検出し（図２１の処理Ｐ５５）、検出した「特徴点」を基に被観測者の心拍数を算出してよい（図２１の処理Ｐ５６）。

以上のように、第２の心拍検出処理例によれば、被観測者が「直立歩行」の状態である場合に、慣性センサ値を基に推定した心拍数に対応する周波数に応じて、電波センサ値に適用するＢＰＦ特性が制御される。

したがって、電波センサ値において平均的に心拍成分が出現すると想定される周波数帯域（便宜的に「心拍出現帯域」と称してよい。）に現われたノイズ成分を効率的に除去することができる。よって、電波センサ値に基づく心拍信号の検出精度を向上することができる。

例えば、心拍出現帯域の一例である０．８〜４．０Ｈｚの帯域のうち、体動由来のノイズ成分による影響が大きいと考えられる１．５〜４．０Ｈｚの帯域で、心拍信号の検出精度が向上する。

（第２の心拍検出処理の第２例）
上述した第２の心拍検出処理の第１例では、慣性センサ値を基に推定した心拍数の高低に関わらず、推定した心拍数を基にＢＰＦ特性を決定した。しかし、推定した心拍数によっては、慣性センサ値に基づかずに、電波センサ値を基にＢＰＦ特性を決定してもよいことがある。

例えば、慣性センサ値あるいは慣性センサ値の「伸展時波長」を基に推定した心拍数が高いと、対応する運動強度の指標であるメッツ値も大きい傾向にある。そのため、推定心拍数、メッツ値、又は、慣性センサ値の伸展時波長が或る閾値を超過していれば、第１例のように、慣性センサ値を基に推定した心拍数からＢＰＦ特性を決定してよい。

推定心拍数が高い、別言すると、メッツ値が高いほど、あるいは、慣性センサ値の伸展時波長が長いほど、体動由来のノイズ成分が、電波センサ値についての心拍出現帯域に混入し易いと云えるからである。

逆に、慣性センサ値を基に推定した心拍数又はメッツ値、あるいは慣性センサ値の伸展時波長が閾値以下であれば、電波センサ値を基にＢＰＦ特性を決定しても、体動由来のノイズ成分を十分に除去できることがある。

別言すると、慣性センサ値を基に推定した心拍数又はメッツ値、あるいは慣性センサ値の「伸展時波長」が閾値以下であれば、体動由来のノイズ成分による心拍成分検出に対する影響が小さいと扱ってよい場合がある。

そこで、第２の心拍検出処理の第２例では、情報処理装置３（例えば、プロセッサ３１）は、図２９に例示するフローチャートを実行してよい。

例示的に、情報処理装置３は、推定心拍数（又は、メッツ値、あるいは慣性センサの「伸展時波長」でもよい。以下、同様。）の閾値判定（処理Ｐ６２ａ）によって、慣性センサ値及び電波センサ値のいずれを基にＢＰＦ特性を決定するかを制御してよい。

例えば、情報処理装置３（例えば、プロセッサ３１）は、閾値超過の判定（処理Ｐ６２ａでＹＥＳ）に応じて、慣性センサ値を基に推定した心拍数に対応する周波数を基準に、ＢＰＦ特性を決定してよい（処理Ｐ６３）。なお、心拍数に対応する周波数を、便宜的に、「心拍周波数」と称することがある。処理Ｐ６２ａで用いる「閾値」は、例示的に、記憶部３０に記憶されてよい。

一方、閾値以下の判定（処理Ｐ６２ａでＮＯ）に応じて、情報処理装置３は、電波センサ値を基に心拍数を検出して、検出した心拍周波数を基準にＢＰＦ特性を決定してよい（処理Ｐ５２ａ及びＰ５３ａ）。

電波センサ値から心拍数を検出するには、第１の心拍検出処理（例えば図２０参照）と同様に、周波数解析（処理Ｐ５２ａ）が用いられてよい。周波数解析には、ＦＦＴやＤＦＴが用いられてよい。ＦＦＴやＤＦＴによって、電波センサ値は、時間領域の信号から周波数信号に変換される。

情報処理装置３は、電波センサ値の周波数信号において、例えば、ピーク値を有するピーク周波数を検出し、検出したピーク周波数を基に、情報処理装置３は、ＢＰＦ特性を決定してよい（処理Ｐ５３ａ）。

例えば、情報処理装置３は、第１の心拍検出処理と同様に、ピーク周波数を中心周波数に有し、ピーク周波数が高いほど狭い（ピーク周波数が低いほど広い帯域幅）を有するＢＰＦ特性を、電波センサ値に適用するＢＰＦ特性に決定してよい。

なお、上述の周波数解析処理（Ｐ５２ａ）に備えて、情報処理装置３が処理Ｐ５１にて受信した電波センサ値は、記憶部３０に記憶されてよい。記憶部３０に記憶される電波センサ値は、適宜に増幅されてもよいし（処理Ｐ５１ａ）、増幅されなくてもよい。

記憶部３０に記憶された電波センサ値は、例示的に、処理Ｐ５４ａにおいて、プロセッサ３１によって読み出されて、処理Ｐ５３ａ又はＰ６３で決定したＢＰＦ特性のＢＰＦが適用される。

以降の特徴点検出処理（Ｐ５５）及び心拍数算出処理（Ｐ５６）は、第１の心拍検出処理（例えば図２０参照）と同様でよい。

以上のように、第２の心拍検出処理の第２例によれば、第１例と同様の作用効果が得られるほか、慣性センサ値が、体動由来のノイズ成分による心拍成分検出に対する影響が小さいと扱ってよいことを示す場合は、電波センサ値を基にＢＰＦ特性が制御される。

したがって、例えば、心拍出現帯域の一例である０．８〜４．０Ｈｚの帯域のうち、体動由来のノイズ成分による影響が小さいと扱ってよい０．８〜１．５Ｈｚの帯域で、心拍信号の検出精度が向上する。

（第３の心拍検出処理）
図３０は、一実施形態に係る第３の心拍検出処理の一例を示すフローチャートである。図３０に示すフローチャートは、例示的に、情報処理装置３のプロセッサ３１にて実行されてよい。

なお、図３０に示すフローチャートは、図２１に例示した第２の心拍検出処理（第２例）の変形例に相当すると捉えてもよい。そのため、図３０において図２１で用いた符号と同一符号を付した処理は、図２１にて既述の処理と同一若しくは同様の処理に相当すると捉えてよい。

情報処理装置３は、被観測者が「前傾歩行」の状態あるいは「前屈み活動」の状態であると判定して第３の心拍検出処理を選択、決定すると、電波センサ２１による検出感度を制御してよい。

被観測者が「前傾歩行」の状態あるいは「前屈み活動」の状態は、例えば、被観測者の人体表面から離れ易い状態であると云える。例えば、センサユニット２が上着の胸部ポケット等に収容されており被観測者に対して相対的な動きが生じる場合には、センサユニット２が、被観測者の人体表面から、より離れ易い状態であると云える。

したがって、被観測者の「安静」な状態や「直立歩行」の状態に比べて、図５（Ｂ）に例示した検出軸Ｚに沿う方向にセンサユニット２が動き易いと云える。

そこで、情報処理装置３は、第３の心拍検出処理において、電波センサ２１による検出感度を、第１又は第２の心拍検出処理における電波センサ２１による検出感度よりも高く設定してよい。

電波センサ２１による検出感度は、例示的に、電波センサ２１の送信電力、電波センサ２１の検出信号レベル、及び、心拍成分の「特徴点」の検出閾値の少なくともいずれかを制御（「補正」又は「調整」と称してもよい。）することで変更できる。

電波センサ２１の送信電力、電波センサ２１の検出信号レベル、及び、心拍成分の「特徴点」の検出閾値は、電波センサ２１による検出感度に変化を与えるパラメータ（便宜的に「検出感度パラメータ」と称してよい。）の一例であると捉えてもよい。

図３０のフローチャートには、非限定的な一例として、図２１に例示したフローチャートにおいて、検出感度パラメータの１つである電波センサ２１の送信電力を制御することで、検出感度を補正する例が示されている（処理Ｐ７１及びＰ７２）。

例示的に、情報処理装置３は、第３の心拍検出処理の選択、決定に応じて、電波センサ２１の送信電力についての補正値を決定し、決定した補正値に応じた送信電力制御信号を生成して、ネットワーク４経由でセンサユニット２宛に送信してよい。

当該送信電力制御信号は、例えば、センサユニット２のプロセッサ２３（図２及び図３参照）にて受信される。プロセッサ２３は、受信した送信電力制御信号に応じて、電波センサ２１の例えばＭＣＵ２１３を制御することで、ＯＳＣ２１２による送信電波の電力を制御する。

これにより、電波センサ２１から送信される電波の送信電力が、第１又は第２の心拍検出処理での送信電力よりも大きな送信電力に制御され、電波センサ２１による検出感度が、「前傾歩行」の状態あるいは「前屈み活動」の状態に適した検出感度に制御される。

したがって、被観測者の人体表面とセンサユニット２との相対的な距離の遠近によって、電波センサ値において被観測者の心拍成分が過小検出あるいは過大検出されたり検出困難になったりすることを回避あるいは抑制できる。

なお、図３０において点線で例示するように、情報処理装置３が変更の対象とする検出感度パラメータは、電波センサ２１の検出信号レベルであってもよいし、「特徴点」の検出閾値であってもよい。

例えば、電波センサ２１の検出信号レベルは、処理Ｐ５１で受信した電波センサ値を処理Ｐ５１ａにて増幅する際の増幅率を可変することで調整可能である。

例えば、情報処理装置３は、受信した電波センサ値の増幅率を、第１又は第２の心拍検出処理での増幅率よりも大きな増幅率に制御してよい。これにより、被観測者が「前傾歩行」の状態あるいは「前屈み活動」の状態である場合に適した検出感度に、電波センサ２１による検出感度を調整できる。

代替的又は追加的に、情報処理装置３は、処理Ｐ５５での「特徴点」の検出処理に用いる閾値を、第１又は第２の心拍検出処理での閾値よりも小さな値に制御してよい。閾値を下げると、電波センサ値における心拍成分の「特徴点」の検出感度が上がる。したがって、被観測者が「前傾歩行」の状態あるいは「前屈み活動」の状態である場合に適した検出感度に、電波センサ２１による検出感度を調整できる。

なお、上述した検出感度パラメータの制御は、図２９に例示した第２の心拍検出処理の第２例に適用されてもよい。

また、情報処理装置３は、「前傾歩行」の状態と「前屈み活動」の状態との判定結果の（例えば図１５参照）間で、電波センサ２１による検出感度を異ならせてもよい。

例示的に、「前傾歩行」よりも「前屈み活動」の状態の方が、平均的に被観測者の人体表面からセンサユニット２が離れ易い状態であると云える場合、情報処理装置３は、「前屈み活動」での検出感度を「前傾歩行」での検出感度よりも高く設定、制御してよい。

更に、情報処理装置３は、同じ「前屈み」の活動状態であっても、第１及び第２の状態＃１及び＃２（例えば図１５参照）の間で、電波センサ２１による検出感度を異ならせてもよい。

例示的に、被観測者がモップがけや掃除機がけ等を行なっている第２の状態＃２よりも、被観測者が前屈みでゴミ拾いや草むしり等を行なっている第１の状態＃１の方が、被観測者の人体表面からセンサユニット２が離れ易い状態であると云える場合がある。

この場合、情報処理装置３は、第１の状態＃１と判定した場合の検出感度を、第２の状態＃２と判定した場合の検出感度よりも高く設定、制御してよい。例えば、情報処理装置３は、第１の状態＃１と判定した場合の電波センサ２１の送信電力を、第２の状態＃２と判定した場合の送信電力よりも高く設定、制御してよい。

なお、上述したように電波センサ２１による検出感度を変更することも、心拍検出アルゴリズムを変更することの一例であると捉えてよい。

（ＢＰＦ特性の決定例）
次に、図３１〜図４１を参照して、既述のＢＰＦ特性を決定（又は設定）する処理（例えば、図２０の処理Ｐ５３、図２１、図２９及び図３０の処理Ｐ６３、並びに、図２９の処理Ｐ５３ａ）の詳細例について説明する。

以下に説明するＢＰＦ特性の決定例は、第１〜第３の心拍検出処理に共通でよい。ただし、以下の説明において、「基準心拍数」は、第１の心拍検出処理については、電波センサ値を基に検出された心拍数に相当し、第２の心拍検出処理の第１例については、慣性センサ値を基に推定された心拍数に相当する。また、第２の心拍検出処理の第２例について、「基準心拍数」は、慣性センサ値を基に推定された心拍数、又は、電波センサ値を基に検出された心拍数に相当する。

例えば、第２の心拍検出処理の第２例において、図２９の閾値判定処理Ｐ６２ａでＹＥＳと判定された場合の「基準心拍数」は、慣性センサ値を基に推定された心拍数に相当する。これに対し、閾値判定処理Ｐ６２ａでＮＯと判定された場合の「基準心拍数」は、電波センサ値を基に検出された心拍数に相当する。

第３の心拍検出処理については、検出感度パラメータが制御される点を除いて第２の心拍検出処理と同様でよいから、「基準心拍数」は、慣性センサ値を基に推定された心拍数、又は、電波センサ値を基に検出された心拍数に相当する。

図３１は、単位時間あたりの心拍数と心拍毎の時間長のばらつきとの関係を例示しており、符号１２２は、心拍数の計測データ（ｘ（ｎ），ｘ（ｎ＋１））を表し、直線１２４は、各計測データ１２２の中心値を表している。

中心値１２４を表す直線は、例示的に、各計測データ１２２に関して例えば最小二乗法で求められた直線であり、ａｘ（ｎ）＋ｂｘ（ｎ＋１）＋ｃ＝０で表されると仮定する。ただし、係数ａ、ｂ、ｃは、実数である。

ここで、各計測データ１２２（ｘ（ｎ）、ｘ（ｎ＋１））から直線１２４に下す垂線の長さｄは、下記の式（９）で表すことができる。

長さｄの最大値を有する計測点が、座標（ｘ（ｍ），ｘ（ｍ＋１））で表される最大距離点１２６であると仮定する。ただし、「ｍ」は、ｍ≦ｎを満たす正の整数である。

当該最大距離点１２６と、例えば心拍周波数＝２Ｈｚの時に、「−０．１Ｈｚ」に相当する座標（図３１の例では、座標（１２０，１１４））と、を通る直線を、帯域幅の下限を示す直線とする。

帯域幅の上限を示す直線は、例えば、点（１２０，１２６）を通り、任意の周波数で、帯域幅の下限と同一の幅を持つ点を通る直線としてよい。なお、心拍周波数＝２Ｈｚの時の帯域幅は、例えば、図３１の計測データ１２２において心拍数ｘ（ｎ）＝１２０の時の次の心拍の最高値および最低値を参照して決定するようにしてもよい。

次に、図３２は、ＢＰＦ特性の設定例を説明するための図である。図３２には、例示的に、予め設けた式に基準心拍数を代入することにより算出された、ＢＰＦの帯域の上限及び下限の一例が示されている。

図３２において、横軸は、基準心拍数［Ｈｚ］を表し、縦軸は、帯域幅の上限及び下限に相当する心拍数［Ｈｚ］を表す。図３２において、帯域幅の上限は、帯域上限値１３２で表され、帯域幅の下限は、帯域下限値１３４で表されている。図３２には、幾つかの基準心拍数における帯域幅の上限値及び下限値が例示されている。

なお、既述の「予め設けた式」は、例えば、図３１に例示した、最大距離点１２６、並びに、計測データ１２２を基にして決定された基準座標（１２０，１２６）及び（１２０，１１４）等に基づき、内挿や外挿によって決定されてもよい。

次に、図３３は、ＢＰＦの通過帯域の一例を示す図である。図３３において、横軸は、ＢＰＦの中心周波数、縦軸は、ＢＰＦの帯域幅を示している。また、図３３において、固定最小心拍１４１又は可変最小心拍１４４は、或る中心周波数に対して対応する帯域幅を採用した際の帯域の下限に対応する心拍数を表す。

また、図３３において、固定最大心拍１４２又は可変最大心拍１４５は、或る中心周波数に対して対応する帯域幅を採用した際の帯域の下限に対応する心拍数を表す。

なお、固定最小心拍１４１及び固定最大心拍１４２は、本実施形態においてＢＰＦの帯域幅が可変であることとの比較のために、心拍数に応じて帯域幅が変化しない場合の例を示している。

可変最小心拍１４４及び可変最大心拍１４５より、例えば、心拍数＝１Ｈｚ近傍においては、ＢＰＦの帯域幅は、符号１４８で示す帯域幅であり、心拍数＝４Ｈｚ近傍においては、帯域幅１４８よりも狭い帯域幅１４９である。このように、より低い心拍数ではより広い帯域幅１４８が設定され、より高い心拍数では、より狭い帯域幅１４９が設定される。

図３４は、ＢＰＦの帯域幅の設定例を示す図である。図３４において、横軸は、中心周波数を表し、縦軸は、帯域幅を表す。図３４において、直線１５２は、中心周波数に対する帯域幅の設定値の一例を示す。例えば、図３１や図３３を参照して説明した例では、帯域幅１５２は、中心周波数の増加に対し、線形的に減少するように設定されてよい。

中心周波数と帯域幅との関係は、中心周波数が低いほど帯域幅が広くなる関係にあればよく、必ずしも直線で表される関係でなくてもよい。例えば、図３４において符号１５４に示すように、中心周波数に対して段階的に帯域幅が変化するように帯域幅が設定されてもよい。なお、帯域幅と中心周波数との関係は、例えば、実測値を基にして決定された、或る２点以上の点に基づき、単調増加の好適な１つ以上の関数にて内挿及び外挿することで決定されてもよい。

次に、図３５〜図３８は、帯域幅の他の設定例を示す図である。図３５及び図３６は、心拍数分布の一例を示す図であり、図３７及び図３８は、心拍数の統計処理例を示す図である。図３５及び図３６において、横軸は、或る時点での心拍間隔に対する次の心拍間隔の差を示す時間を表し、縦軸は、計測数を表す。

図３５は、心拍数が５５〜６０付近の心拍数分布を例示しており、図３６は、心拍数が７５〜８０付近の心拍数分布を例示している。図３５及び図３６の比較により、心拍数が５５〜６０付近よりも、心拍数が７５〜８０付近の方が、計測データは縦軸付近に集中しており、心拍数のばらつきが小さい。なお、統計処理に用いる計測データは、例えば電極を生体に接触させて心拍を計測する心電計等で計測したデータであってよい。

図３７及び図３８は、心拍数が６０付近と心拍数が１２０付近とのそれぞれの実測データの統計処理の一例を示す。図３７及び図３８に例示する統計処理例においては、５３２個のデータの確率分布を求め、計測データが一定以上の確率である範囲に入るように、ＢＰＦの帯域幅を計算している。

図３７の統計処理例では、心拍数が６０付近において、算出された確率分布の８σ及びＣＰ値＝１．３３となるように範囲を決定すると、帯域幅は、±０．１６５Ｈｚである。なお、σは、標準偏差を表し、「ＣＰ」は、「Ｐｒｏｃｅｓｓ Ｃａｐａｂｉｌｉｔｙ」を表す。心拍数が１２０付近で、当該帯域幅と同じ帯域幅をもつには、ＣＰ値＝２．１６である。

同様に、図３８の統計処理例では、心拍数が１２０付近において、算出された確率分布の８σ及びＣＰ値＝１．３３になる範囲を決定すると、帯域幅は、±０．１０１５Ｈｚである。心拍数が６０付近で、当該帯域幅と同じ帯域幅をもつには、ＣＰ値＝０．８２である。

以上のように実測値の統計処理を行ない、或る確率以上でデータ検出が可能なＢＰＦの帯域幅を設定する。このとき、帯域幅と基準心拍数に相当する中心周波数との関係は、或る２点に基づいて線形的に決定されてもよいし、より細かい間隔の中心周波数について上記統計処理を行ない、内挿することで決定されてもよい。

あるいは、帯域幅と中心周波数との関係は、或る２点以上が決定された場合に、各点に基づき、単調増加の好適な１つ以上の関数にて内挿及び外挿することで決定されてもよいし、中心周波数に対して段階的に帯域幅が変化するように設定されてもよい。

図３９及び図４０は、帯域幅の設定例を説明するための図である。図３９及び図４０において、横軸は、周波数［Ｈｚ］を表し、縦軸は、ゲイン［ｄＢ］を表す。図３９及び図４０において、符号１６２は、心拍出現帯域を表し、例えば、０．８〜４．０Ｈｚである。

図３９に例示する、電波センサ値の周波数解析結果（例えば、ＦＦＴ結果）１６０では、心拍出現帯域１６２に、符号１６３で示すピークゲインが存在している。当該ピークゲイン１６３に対応する周波数が、ＢＰＦの中心周波数に設定され、例えば符号１６４で例示する帯域幅がＢＰＦの帯域幅に設定される。

一方、図４０に例示する、ＦＦＴ結果１６５では、心拍出現帯域１６２に符号１６８で示すピークゲインが存在している。当該ピークゲイン１６８に対応する周波数が、ＢＰＦの中心周波数に設定される。

ここで、ピークゲイン１６８に対応する中心周波数は、図３９におけるピークゲイン１６３に対応する周波数よりも高いため、ＢＰＦの帯域幅には、図３９における帯域幅１６４よりも狭い帯域幅１６６が設定される。

このように、ＢＰＦの中心周波数を基準心拍数に対応する周波数に設定し、かつ、帯域幅を当該中心周波数の高低に応じて適応的に可変制御することで、心拍出現帯域に現われたノイズ成分を効率的に除去することができる。

別言すると、生体の心拍特性に応じた可変の中心周波数及び帯域幅を有するＢＰＦを用いることにより、心拍数の高低に依存せずに、心拍出現帯域における不要な信号成分を効率的に除去することができる。したがって、心拍出現帯域における心拍信号の検出精度を向上できる。

図４１は、帯域幅情報の一例を示す図である。図４１に例示する帯域幅情報１７０は、例えば、情報処理装置３の記憶部３０に記憶されてよい。帯域幅情報１７０には、非限定的な一例として、基準心拍数情報１７１、ＢＰＦ幅下限情報１７２、及び、ＢＰＦ幅上限情報１７３が含まれてよい。

情報処理装置３（例えば、プロセッサ３１）が、記憶部３０における当該帯域幅情報１７０を参照することで、基準心拍数に対応するＢＰＦの帯域を決定、設定できる。

（その他）
なお、上述した各実施例を含む実施形態では、心拍センサ２１の一例として、ドップラーセンサ等の電波センサを用いる例について説明したが、心拍センサ２１は、例えば、イヤークリップのような血流変化を光学的に計測するセンサでもよい。

体動によって血流量が変化して、体動由来の信号成分がノイズ成分としてセンサ検出信号に混入しても、上述した可変ＢＰＦ特性の制御によって、ノイズ成分を効率的に除去することができる。

なお、血流変化を光学的に計測する心拍センサ２１の場合には、屋外等において外光が血流に対する反射光に混入することでセンサ検出信号にノイズ成分が混入した場合にも、上述した可変ＢＰＦ特性の制御によって、ノイズ成分を除去し得る。

また、心拍センサ２１は、心筋の電位変化や音の変化を計測する心電計や心音計であってもよい。体動により利用者の筋肉が動いてしまい、体動由来の信号成分がノイズ成分としてセンサ検出信号に混入しても、上述した可変ＢＰＦ特性の制御によって、ノイズ成分を効率的に除去することができる。

更に、上述した各実施例を含む実施形態では、心拍センサ２１と慣性センサ２２とが、センサユニット２に一体化されている例について説明したが、心拍センサ２１と慣性センサ２２とは、同一利用者に取り付けられるのであれば、別体であってもよい。別言すると、心拍センサ２１と慣性センサ２２とは、同一利用者をセンシング対象にするのであれば、一体化されているか別体であるかは問わなくてよい。

心拍センサ２１と慣性センサ２２とがセンサユニット２として一体化されていれば、心拍センサ２１と慣性センサ２２とを個別的に管理したり利用者に取り付けたりする手間が省けるから、扱い易さや利便性が向上する。また、心拍センサ２１及び慣性センサ２２の一方の取り付け忘れや紛失等を防止あるいは抑制できる。一方、心拍センサ２１と慣性センサ２２とが別体の場合は、利用者に対する各センサ２１及び２２の取り付け位置を個別的に調整でき、取り付け位置の自由度向上が期待できる。

１ センサシステム
２ バイタルセンサ（センサユニット）
２１ 電波センサ
２１１ アンテナ
２１２ ローカル発振器（Oscillator, OSC）
２１３ ＭＣＵ（Micro Control Unit）
２１４ 検波回路
２１５ オペアンプ（ＯＰ）
２１６ 電源部
２２ 慣性センサ
２３ プロセッサ
２４ メモリ
２５ 通信インタフェース（ＩＦ）
２６ バス
３ 情報処理装置
３０ 記憶部
３１ プロセッサ
３２ メモリ
３３ 記憶装置
３４ 通信ＩＦ
３５ ペリフェラルＩＦ
３６ バス
４ ネットワーク
６ 通信機器
７ 空調機
８ 照明器具

Claims (12)

1. 慣性センサの検出信号を受信する受信部と、
   単位時間あたりに前記検出信号が時間領域で描く軌跡に相当する信号波形の長さである伸展時波長を算出し、前記伸展時波長に基づいて、前記慣性センサによる被観測者の活動状態を判定する処理部と、
   を備えた、センサ情報処理装置。
2. 前記慣性センサの検出信号と、前記被観測者に向けて電波を照射する電波センサの検出信号と、を受信し、
   前記処理部は、
   前記活動状態の判定結果に応じて、前記電波センサの検出信号において前記被観測者の心拍成分を検出するアルゴリズムを変更する、請求項１に記載のセンサ情報処理装置。
3. 前記慣性センサは、重力方向に対応する第１の検出軸を有し、
   前記処理部は、前記第１の検出軸についての前記伸展時波長が第１の閾値以上である場合に、前記被観測者の活動状態が直立歩行の状態であると判定する、請求項１又は２に記載のセンサ情報処理装置。
4. 前記処理部は、前記第１の検出軸についての前記伸展時波長が、前記第１の閾値よりも小さい第２の閾値以下である場合に、前記被観測者の活動状態が安静な状態であると判定する、請求項１又は２に記載のセンサ情報処理装置。
5. 前記処理部は、
   前記安静な状態であるとの前記判定に応じて、前記電波センサの検出信号を周波数解析した結果においてピーク値を有するピーク周波数を検出し、前記ピーク周波数を基に前記被観測者の心拍成分を検出する、請求項４に記載のセンサ情報処理装置。
6. 前記慣性センサは、
   重力方向に対応する第１の検出軸と、
   前記第１の検出軸と直交し且つ前記被観測者の歩行方向に対応する第２の検出軸と、を有し、
   前記処理部は、
   前記第１の検出軸についての伸展時波長が、第１の閾値未満であり、且つ、前記第１の閾値よりも小さい第２の閾値を超えている場合であって、前記第２の検出軸についての伸展時波長が、前記第２の閾値よりも大きく且つ前記第１の閾値よりも小さい第３の閾値未満である場合に、前記被観測者の活動状態が前傾歩行の状態であると判定する、請求項１又は２に記載のセンサ情報処理装置。
7. 前記処理部は、
   前記前傾歩行の状態であるとの前記判定に応じて、前記慣性センサの検出信号を基に前記被観測者の心拍数を推定し、
   前記被観測者に向けて電波を照射する電波センサの検出信号において、前記被観測者の心拍成分を検出する対象の周波数帯域を前記推定した心拍数に応じて制御し、
   前記周波数帯域において前記心拍成分を検出する、請求項６に記載のセンサ情報処理装置。
8. 前記慣性センサは、
   前記第１及び第２の検出軸と直交する第３の検出軸を有し、
   前記処理部は、
   前記第２の検出軸についての伸展時波長が前記第３の閾値以上である場合、前記第２及び第３の検出軸についての各伸展時波長の差分と、前記第１及び第３の検出軸についての各伸展時波長の差分と、を減算し、
   前記減算した結果が、前記第２の閾値よりも小さい第４の閾値以上であると、前記被観測者の活動状態が第１の前屈み活動状態であると判定し、
   前記減算した結果が、前記第４の閾値未満であると、前記被観測者の活動状態が、前記第１の前屈み活動状態よりも前屈みの程度が小さい第２の前屈み活動状態であると判定する、請求項６に記載のセンサ情報処理装置。
9. 前記処理部は、
   前記被観測者に向けて電波を照射する電波センサの送信電力を、前記第２の前屈み活動状態であると判定した場合よりも前記第１の前屈み活動状態であると判定した場合の方が大きくなるように制御する、請求項８に記載のセンサ情報処理装置。
10. 慣性センサと、
    単位時間あたりに前記慣性センサの検出信号が時間領域で描く軌跡に相当する信号波形の長さである伸展時波長を算出し、前記伸展時波長に基づいて、前記慣性センサによる被観測者の活動状態を判定する処理部と、
    を備えた、センサユニット。
11. 前記センサユニットは、前記被観測者に向けて電波を照射する電波センサを備え、
    前記処理部は、前記活動状態の判定結果に応じて、前記電波センサの検出信号において前記被観測者の心拍成分を検出するアルゴリズムを変更する、請求項１０に記載のセンサユニット。
12. 単位時間あたりに慣性センサの検出信号が時間領域で描く軌跡に相当する信号波形の長さである伸展時波長を算出し、
    前記伸展時波長に基づいて、前記慣性センサによる被観測者の活動状態を判定する、
    処理を、コンピュータに実行させる、センサ情報処理プログラム。

Images