JP2019122652A - バックル、覚醒状態判定システム及び覚醒状態判定方法 - Google Patents

Abstract

【課題】覚醒状態を高精度に判定すること。【解決手段】車両の乗員の呼吸に応じて変化する出力信号を出力するセンサと、前記出力信号から、前記呼吸の周波数成分を周波数分析により検出する検出部と、前記検出部により検出される前記周波数成分に基づいて、前記乗員の覚醒状態を判定する判定部とを備える、バックル。バックルに設けられるセンサは、車両の乗員の呼吸に応じて変化する出力信号を出力し、検出部は、前記出力信号から、前記呼吸の周波数成分を周波数分析により検出し、判定部は、前記検出部により検出される前記周波数成分に基づいて、前記乗員の覚醒状態を判定する、覚醒状態判定方法。【選択図】図２

Description

本発明は、バックル、覚醒状態判定システム及び覚醒状態判定方法に関する。

従来、呼吸センサにより取得される人の呼吸データに基づいて、人の覚醒状態を判定する技術が知られている。例えば、１２０秒程度の所定の区間における、呼吸間隔を示すＲＩ（Respiration Interval）の平均値やＲＩのばらつきを示すＲｒＭＳＳＤ（Respiration root Mean Square Successive Difference）とを指標として、覚醒状態を判定する装置が存在する（例えば、特許文献１参照）。

国際公開第２０１５／０６０２６８号

ＲＩの平均値やＲｒＭＳＳＤのような所定の区間における統計的指標は、その区間における呼吸の平均的特徴を表すのに適しており、覚醒状態の大まかな判定には有効である。しかしながら、区間内の呼吸の時系列的特徴（例えば、区間内の呼吸の増減の周期的変化や増減のパターンなど）の情報が、その区間における統計処理により丸め込まれてしまうと、覚醒状態の判定精度が低下するおそれがある。

そこで、本開示は、覚醒状態を高精度に判定できる、バックル、覚醒状態判定システム及び覚醒状態判定方法を提供する。

本開示は、
車両の乗員の呼吸に応じて変化する出力信号を出力するセンサと、
前記出力信号から、前記呼吸の周波数成分を周波数分析により検出する検出部と、
前記検出部により検出される前記周波数成分に基づいて、前記乗員の覚醒状態を判定する判定部とを備える、バックルを提供する。

また、本開示は、
車両の乗員の呼吸に応じて変化する出力信号を出力するセンサを有するバックルと、
前記出力信号から、前記呼吸の周波数成分を周波数分析により検出する検出部と、
前記検出部により検出される前記周波数成分に基づいて、前記乗員の覚醒状態を判定する判定部とを備える、覚醒状態判定システムを提供する。

また、本開示は、
バックルに設けられるセンサは、車両の乗員の呼吸に応じて変化する出力信号を出力し、
検出部は、前記出力信号から、前記呼吸の周波数成分を周波数分析により検出し、
判定部は、前記検出部により検出される前記周波数成分に基づいて、前記乗員の覚醒状態を判定する、覚醒状態判定方法を提供する。

本開示によれば、覚醒状態を高精度に判定することができる。

シートベルト装置の構成の一例を示す図である。 第１の実施形態におけるバックルの構成の一例を示すブロック図である。 検出部が実施する呼吸信号抽出処理の一例を示すフローチャートである。 検出部が実施する呼吸周期統計処理の一例を示すフローチャートである。 検出部が実施する呼吸周波数成分比検出処理の一例を示すフローチャートである。 正規化前の呼吸信号の一例を示す図である。 正規化後の呼吸信号の一例を示す図である。 振幅成形する正規化処理についてのいくつかの簡便な方法を説明するための図である。 所定区間における呼吸周期変動の統計的分析の一例を示す図である。 運転中の運転者から検出された各信号の一例を示す波形図である。 ＬＦＲ，ＨＦＲの周波数範囲と、ローパスフィルタとハイパスフィルタの通過周波数との関係の一例を示す図である。 ローパスフィルタとハイパスフィルタを用いて、ＬＦＲ，ＨＦＲ及びＲＬＨＲを算出する構成の一例を示す図である。 コンボリューションフィルタの生成用の関数ｆ１，ｆ２，ｆ３を示す図である。 Ｆ２−Ｆ１フィルタ特性とＦ３フィルタ特性の模式図を示す。 コンボリューションフィルタとローパスフィルタとハイパスフィルタとの重ね合わせを示す図である。 図１５のフィルタを用いてＲＬＨＲｎ（呼吸周波数成分比の正規化出力）を計算した結果の一例を示す図である。 ２０個の呼吸周期の時系列データの一例を示す図である。 ２０個の呼吸周期データについて、横軸を０．５秒刻みの周期区間とする度数分布（発生頻度）の一例を示す図である。 図１８の度数分布の横軸を周波数で区間分けして並べ変えた度数分布（発生頻度）の一例を示す図である。 繰り返し周期６秒の呼吸波形の一例を示す図である。 図２０の波形をスペクトル分析した結果の一例を示す図である。 呼吸周波数成分比の簡易推定方法の一例を示すフローチャートである。 呼吸周波数成分比の簡易推定方法の一例を示すフローチャートである。 呼吸周波数成分比の簡易推定法を用いてＲＬＨＲｎ（呼吸周波数成分比の正規化出力）を計算した結果の一例を示す図である。 第２の実施形態におけるバックルの構成の一例を示すブロック図である。

以下、本発明に係る実施形態を図面を参照して説明する。

図１は、シートベルト装置の構成の一例を示す図である。シートベルト装置１は、車両に搭載された車載システムの一例である。シートベルト装置１は、例えば、シートベルト４と、リトラクタ３と、ショルダーアンカー６と、タング７と、バックル８とを備える。

シートベルト４は、車両のシート２に座る乗員１１を拘束するシートベルトの一例であり、リトラクタ３に引き出し可能に巻き取られる帯状部材である。シートベルトは、ウェビングとも称される。シートベルト４の先端のベルトアンカー５は、シート２又はシート２の近傍の車体に固定される。

リトラクタ３は、シートベルト４の巻き取り又は引き出しを可能にする巻き取り装置の一例であり、車両衝突時等の所定値以上の減速度が車両に加わると、シートベルト４がリトラクタ３から引き出されることを制限する。リトラクタ３は、シート２又はシート２の近傍の車体に固定される。

ショルダーアンカー６は、シートベルト４が挿通するベルト挿通具の一例であり、リトラクタ３から引き出されたシートベルト４を乗員１１の肩部の方へガイドする部材である。ショルダーアンカー６は、シート２又はシート２の近傍の車体に固定される。

タング７は、シートベルト４が挿通するベルト挿通具の一例であり、ショルダーアンカー６によりガイドされたシートベルト４にスライド可能に取り付けられた部品である。

バックル８は、タング７が着脱可能に連結される部品であり、例えば、シート２又はシート２の近傍の車体に固定される。

バックル８は、本体部８ａと、ステー８ｂとを有する。本体部８ａは、タング７が着脱可能に連結される部位である。ステー８ｂは、バックル８の本体部８ａを支持する支持部材の一例である。ステー８ｂは、シート２又はシート２の近傍の車体に固定される。

タング７がバックル８に連結された状態で、シートベルト４のうちショルダーアンカー６とタング７との間の部分が、乗員１１の胸部及び肩部を拘束するショルダーベルト部９である。タング７がバックル８に連結された状態で、シートベルト４のうちベルトアンカー５とタング７との間の部分が、乗員１１の腰部を拘束するラップベルト部１０である。

図２は、第１の実施形態におけるバックル８の構成の一例を示すブロック図である。第１の実施形態では、バックル８は、センサ２０と、推定部３０とを備える。センサ２０は、車両の乗員１１の呼吸に応じて変化する出力信号を出力する。推定部３０は、センサ２０から出力される出力信号に基づいて、乗員１１の覚醒状態を推定する。

推定部３０は、例えば、少なくとも一つのＣＰＵ（Central Processing Unit）と少なくとも一つのメモリとを備える少なくとも一つのコンピュータを含んで構成されている。コンピュータの具体例として、マイクロコンピュータが挙げられる。推定部３０の各機能は、少なくとも一つのプログラムがＣＰＵに実行させる処理により実現される。プログラムは、メモリに読み出し可能に記憶されている。推定部３０は、検出部４０と、判定部７０と、出力部８０との複数の機能ブロックを有する。

検出部４０は、センサ２０の出力信号から、乗員１１の呼吸状態を表す呼吸情報を検出する。判定部７０は、検出部４０により検出される呼吸情報に基づいて、乗員１１の覚醒状態を判定する。出力部８０は、判定部７０による覚醒状態の判定結果を、バックル８の外部装置に有線又は無線で出力する。外部装置は、当該判定結果に基づいて、所定の制御（例えば、乗員に対して警報する制御や、車両の走行を支援する制御など）を実行する。

ここで、人の覚醒状態を、人の呼吸状態を表す呼吸情報を用いて推定するのではなく、人の心拍状態を表す心拍情報を用いて推定する技術がある。例えば、心拍間隔ＲＲＩから導出される心拍変動ＨＲＶが、人の覚醒状態の推定に用いられることがある。心拍変動ＨＲＶは、自律神経の活動を表す情報を含んでいる。特に、交感神経と副交感神経の活動バランスの指標であるＬＦ／ＨＦは、覚醒状態にかかわる神経の重要な活動指標として用いられる。交感神経には、脳や体の活動を高める作用があり、例えば、朝起きると交感神経が活発になり、人は覚醒状態となる。副交感神経には、脳の興奮を抑える作用があり、副交感神経の活動が優位になると、覚醒状態が低下する。例えば、夜眠るときはこの状態になる。したがって、ＬＦ／ＨＦの数値が大きいと交感神経優位となり、ＬＦ／ＨＦの数値が小さいと副交感神経優位となる。

このＬＦ／ＨＦ指標は、所定の区間（例えば、１〜２分間）の心拍間隔ＲＲＩの時系列変動を表す心拍変動ＨＲＶの波形を周波数分析し、周波数分析後の波形のパワースペクトラムを計測することによって算出される。周波数分析後の波形の周波数軸上の０．０４Ｈｚから０．１５Ｈｚの範囲の低周波成分のパワースペクトラム振幅の積算値をＬＦとし、０．１５Ｈｚから０．５Ｈｚの範囲の高周波成分のパワースペクトラム振幅の積算値をＨＦとする。ＨＦは、副交感神経の活動を示す指標となり、副交感神経の活動が活発になると、ＨＦは高まる。一方、ＬＦは、交感神経と副交感神経の活動を示す指標として知られており、ＬＦは、交感神経が活発に活動しても副交感神経が活発に活動しても高まる。したがって、ＬＦとＨＦとの比（ＬＦ／ＨＦ）を取ることで、交感神経と副交感神経との活動バランスの大小を推定することができ、このＬＦ／ＨＦが覚醒状態の推定にも用いられる。例えば、交感神経が活発になれば、ＬＦ／ＨＦは、大きくなり、副交感神経が活発になれば、ＬＦ／ＨＦは、小さくなる。つまり、交感神経が優位となることにより、ＬＦ／ＨＦが所定の判定閾値よりも大きくなると、人は覚醒状態にあると判定可能となる。なお、ＬＦ／ＨＦの周波数区分は、文献によって多少異なる。本文では、０．０４Ｈｚ、０．１５Ｈｚ、０．５Ｈｚの数値が使われているが、周波数区分は、これらの数値に限定されない。

一方、人の呼吸は、２秒から６秒の周期で吸気と呼気を繰り返し、体に酸素を取り入れる。吸気は、肺を拡張し、その中を負圧にすることで空気を肺に取り入れる。呼気は、肺を圧縮し、その中を正圧にすることで空気を吐き出す。この時、肺から血液に取り入れられる酸素濃度は、負圧の時に減少し、正圧の時に上昇する。そうすると、呼吸の周期に応じて、肺から血液に取り入れられる酸素濃度は、上下に変化する。

心臓は、血液に取り込まれた酸素を全身に送る機能を有する。心臓の心房の収縮を司る洞結節は、心臓のペースメーカーとして心房を収縮させ、心室に血液を送る。房室結節は、洞結節の興奮から時間遅れで心室を収縮させ、強い圧力で血液を全身に送る。洞結節は、血液中の酸素濃度に反応し、酸素濃度が低下すると心拍を早め、酸素濃度が上昇すると心拍を抑える自動調整機能を持つ。このように、心拍変動は、酸素濃度の変化を通して呼吸の影響を受けることから、心拍変動には呼吸変動の情報が含まれており、心拍変動と呼吸が相関すると言える。

また、心拍を検出する方式として、心電計を用いる接触検知や、脈波を計測する脈拍計測などが存在する。体表面の微小な動きをマイクロ波や静電センサで検知して心拍を検出する技術もある。しかしながら、車載環境下では、乗員にわずらわしさを感じさせずに心拍検知する非接触検知を行う場合でも、ベッド上の安静状態とは異なり、車両走行による振動や体の動きがあるので、体表の微小な動きを安定して検知することは難しくなる。

これに対し、呼吸は、心拍に比べて体の表面が大きく動き、呼吸の周波数は、１Ｈｚ以上の車両振動周波数領域とはあまり重ならない（心拍の周波数は、車両振動周波数領域と略重なる）。そのため、車載環境下では、呼吸状態を表す呼吸情報の検出は、心拍状態を表す心拍情報の検出に比べて有利である。例えば、シートベルトに生ずる張力の変化は、胸などの動きに同期し、呼吸情報を含む。したがって、乗員がシートベルトを装着した状態で、シートベルトの張力変化を検出することで、乗員にわずらわしさを感じさせずに、呼吸情報を精度良く検出することが可能となる。

このように、心拍変動は、呼吸と相関し、車載環境下では、呼吸情報は、心拍情報に比べて高精度に検出できる。そこで、本実施形態の推定部３０は、乗員の自律神経の活動に関係する特徴的情報（例えば、心拍変動から得られる上述のＬＦ／ＨＦに相当するような情報）を検出部４０により得られる呼吸情報から取り出し、その特徴的情報に基づき乗員の覚醒状態を推定する。

なお、呼吸は、呼吸よりも変位が大きな身体の移動（体動）によっても変化する。そのため、体動も呼吸活動の一部とみなすと考えると、乗員の覚醒状態の推定に呼吸情報を利用することで、体動の状態が乗員の覚醒状態の推定に加味されると考えることもできる。体動には、例えば、シート上での乗員の姿勢変化などが含まれる。

次に、図２に示される本実施形態の構成及び機能について、より詳細に説明する。

センサ２０は、乗員１１の呼吸に応じた変化をモニタし、そのモニタ結果に応じた出力信号を出力する。乗員１１の呼吸に応じた変化とは、例えば、胸、腹、腰、背中又は臀部などの呼吸に同期する体動変化、鼻孔から吸排気される息の流れや温度などの呼吸に同期する変化などが挙げられる。検出部４０は、センサ２０により取得される乗員１１の呼吸に応じた変化から、呼吸情報を検出する。センサ２０は、例えば、シート２、シートベルト４、バックル８、タング７又はダッシュボードなどに搭載される。

例えば、センサ２０は、シートベルト４に生ずる張力（以下、「張力Ｆ」とも称する）を検出し、検出された張力Ｆに応じて変化する出力信号を出力する。シートベルト４が乗員１１に装着されていると、乗員１１の体動や呼吸によって生ずる乗員１１の胸や腹の動きがシートベルト４に伝わるため、シートベルト４の張力Ｆが変化する。シートベルト４の張力Ｆの変化は、タング７に伝達し、タング７を介してバックル８に伝達する。センサ２０は、バックル８の本体部８ａに設けられてもよいし、バックル８のステー８ｂに設けられてもよい。このように、センサ２０は、乗員１１の呼吸に応じた変化を張力Ｆの変化として検出してもよい。

センサ２０は、例えば、シートベルト４の張力Ｆの変化によって生ずる変形又は変位を、シートベルト４の張力Ｆとして検出する。例えば、センサ２０は、シートベルト４からタング７を介してバックル８に入力される荷重の変化を検出するひずみセンサでもよいし、シートベルト４の張力Ｆの変化によって生ずる静電容量の変化を検出する静電容量センサでもよい。また、シートベルト４の張力Ｆが変化すると、シートベルト４にタング７を介して接続されるバックル８自体が変位する。そのため、センサ２０は、バックル８自体の変位をシートベルト４の張力Ｆの変化として検出するデバイスでもよい。例えば、光又は電波の送受によって、バックル８外部の反射対象物との相対距離を検出する非接触センサなどが挙げられる。

乗員１１の胸の動きは、ショルダーベルト部９の張力を主に変化させ、乗員１１の腹の動きは、ラップベルト部１０の張力を主に変化させる。そして、バックル８には、ショルダーベルト部９とラップベルト部１０との両方がタング７を介して接続されている。したがって、バックル８に設けられるセンサ２０は、乗員１１の胸と腹の両方の動きの情報を張力変化から検出できるので、センサ２０がバックル８に設けられることで、張力Ｆの検出精度が向上し、ひいては乗員１１の呼吸情報の検出精度が向上する。

検出部４０は、センサ２０の出力信号から、乗員１１の呼吸情報を含む呼吸信号を取り出す。検出部４０は、例えば、センサ２０の出力信号の取りうる数値範囲が適正範囲内かをチェックした後で、ノイズ除去や、呼吸信号の周期や振幅を選択的に強調するためのフィルタリングをセンサ２０の出力信号に対して行う。運転中の定常呼吸の周期は、通常３秒から６秒の範囲にあるが、その範囲は各人によって異なるとともに、各人の覚醒状態などによっても異なる。そのため、検出部４０は、運転中の定常呼吸の周波数範囲よりも広い周波数範囲（例えば、０．０４Ｈｚ（２５秒周期）から０．５Ｈｚ（２秒周期）までの範囲）の信号を通過させ、その周波数範囲以外の周波数の信号を選択的にカットするフィルタを用いるとよい。

図３は、検出部４０が実施する呼吸信号抽出処理の一例を示すフローチャートである。図４は、検出部４０が実施する呼吸周期統計処理の一例を示すフローチャートである。図５は、検出部４０が実施する呼吸周波数成分比検出処理の一例を示すフローチャートである。検出部４０は、図３〜５に示されるこれらの各処理を所定の周期で繰り返し実施する。次に、図３〜５に示される各処理について説明する。

図３は、検出部４０が実施する呼吸信号抽出処理の一例を示すフローチャートである。検出部４０は、センサ２０から出力される出力信号ｓを読み込み（ステップＳ１１）、読み込んだ出力信号ｓから呼吸信号Ｒｓを取り出す処理を実施する（ステップＳ１３）。検出部４０は、例えば、ローパスフィルタ及びハイパスフィルタを用いて、０．０４Ｈｚ（２５秒周期）から０．５Ｈｚ（２秒周期）までの周波数範囲の信号を通過させ、その範囲以外の周波数の信号をカットする処理を出力信号ｓに対して実施する。これにより、呼吸信号Ｒｓが出力信号ｓから取り出される。

ステップＳ１５にて、検出部４０は、取り出された呼吸信号Ｒｓを正規化し、正規化された呼吸信号Ｒｓｎを生成する。検出部４０は、呼吸周期や呼吸信号Ｒｓの周波数成分の検出精度を高めるため、呼吸信号Ｒｓの振幅やオフセットを調整する正規化処理を行うことで、呼吸信号Ｒｓを正規化する。

図６は、正規化前の呼吸信号Ｒｓの一例を示す図である。図７は、正規化後の呼吸信号Ｒｓｎの一例を示す図である。例えば、検出部４０は、呼吸信号Ｒｓの周期や周波数成分の検出精度を高めるため、呼吸信号Ｒｓの振幅中心Ｒｃがゼロとなり、呼吸信号Ｒｓの平均振幅Ｒｓｍａｖｅが１となるように、呼吸信号Ｒｓを正規化し、正規化された呼吸信号Ｒｓｎを生成する。

呼吸信号Ｒｓの振幅を正規化する方法は、目的に応じて多種考えられる。呼吸周期や呼吸周波数成分を検出することを目的とする場合、振幅変動の影響を避けるため、検出部４０は、例えば、平均振幅Ｒｓｍａｖｅが１となるように正規化してもよいし、次の簡便な方法で振幅成形して正規化してもよい。

図８は、振幅成形する正規化処理についてのいくつかの簡便な方法を説明するための図である。図８（ａ）は、正規化前の呼吸信号Ｒｓの一例を示す。図８（ｂ）は、呼吸信号Ｒｓの振幅を所定レベルで制限して、正規化された呼吸信号Ｒｓを生成する正規化処理の一例を示す。図８（ｃ）は、呼吸信号Ｒｓの振幅変化速度を所定の上限レベルと下限レベルとで制限することで、速い振幅変化と遅い振幅変化を抑制し、振幅が或るレベルに制限された呼吸信号Ｒｓｎを生成する正規化処理の一例を示す。図８（ｄ）は、呼吸信号Ｒｓの振幅をゼロクロスでコンパレートし、変化エッジに角度制限を施すことで、アイパターン（eye pattern）の呼吸信号Ｒｓｎを生成する正規化処理の一例を示す。図８（ｅ）は、呼吸信号Ｒｓの振幅をゼロクロスでコンパレートしたときの呼吸信号Ｒｓの元波形の一例を示す。

図４は、検出部４０が実施する呼吸周期統計処理の一例を示すフローチャートである。ステップＳ２１にて、検出部４０は、正規化された呼吸信号Ｒｓｎから、呼吸情報の一つである呼吸周期ＲＩを検出し、呼吸周期ＲＩの時系列データである呼吸周期変動ＲＩＶを生成する。検出部４０は、正規化された呼吸信号Ｒｓｎのゼロクロス又はピークを検知することにより、呼吸周期ＲＩを検出する。

ステップＳ２３にて、検出部４０は、例えば、所定区間における呼吸周期変動ＲＩＶの統計的分析を行う。検出部４０は、例えば、平均呼吸周期ＲＩｓａｖｅ、呼吸周期標準偏差ＲＩｓｓｔｄ、平均差分変動ＲＩＶｓａｖｅ及び平均振幅Ｒｓｍａｖｅなどの呼吸情報を検出する。

図９は、所定区間における呼吸周期変動ＲＩＶの統計的分析の一例を示す図である。

検出部４０は、所定の計算区間で測定されるｎ（ｎは、２以上の整数）個の呼吸周期ＲＩの測定データＳ_１〜Ｓ_ｎの平均値を平均呼吸周期ＲＩｓａｖｅとして算出する。

検出部４０は、所定の計算区間で測定されるｎ個の呼吸周期ＲＩの測定データＳ_１〜Ｓ_ｎの標準偏差を呼吸周期標準偏差ＲＩｓｓｔｄとして算出する。呼吸周期標準偏差ＲＩｓｓｔｄは、計算区間の平均値からのばらつきを表し、呼吸周期ＲＩが安定していると小さくなり、呼吸周期ＲＩが変動すると大きくなる。呼吸周期ＲＩが計算区間でランダムに変動するかゆっくり大きく変動するかは、呼吸周期標準偏差ＲＩｓｓｔｄからは区別できない。

検出部４０は、一呼吸ごとの差分変化の二乗積算値の平方根を、平均差分変動ＲＩＶｓａｖｅとして算出する。つまり、「ＲＩＶｓａｖｅ＝√（（Ｓ_２−Ｓ_１）^２＋（Ｓ_３−Ｓ_２）^２＋・・・（Ｓ_ｎ−Ｓ_ｎ−１）^２）」である。平均差分変動ＲＩＶｓａｖｅは、呼吸周期ＲＩが計算区間でランダムに変動すると大きくなり、呼吸周期ＲＩが計算区間でゆっくり大きく変動すると小さくなる。

検出部４０は、呼吸信号の振幅の平均値を、平均振幅Ｒｓｍａｖｅとして算出する。判定部７０は、例えば、呼吸信号Ｒｓの振幅が平均振幅Ｒｓｍａｖｅの２倍以上である場合、呼吸が、深呼吸や体動など通常とは異なる呼吸状態であると判定する。

図５は、検出部４０が実施する呼吸周波数成分比検出処理の一例を示すフローチャートである。なお、呼吸周波数成分比検出処理を行う場合、呼吸信号Ｒｓを必ずしも正規化する必要はなく、呼吸信号Ｒｓをそのまま呼吸周波数成分比検出処理に用いてもよい。しかし、本実施形態では、図３のステップＳ１５で正規化された呼吸信号Ｒｓｎを用いて周波数分析することで、振幅変動の影響を減じている。

ステップＳ３１にて、検出部４０は、呼吸信号Ｒｓ（又は、正規化後の呼吸信号Ｒｓｎ）を所定のサンプリング周波数ｆｓでサンプリングする。例えば、検出部４０は、呼吸信号Ｒｓ（又は、正規化後の呼吸信号Ｒｓｎ）をサンプリング周波数ｆｓ（＝４Ｈｚ）でサンプリングし、２^８（＝２５６）個以上の時系列データを作成する。サンプリング周波数ｆｓが１０Ｈｚであれば、２^９（＝５１２）個以上の時系列データ（例えば、２^１０（＝１０２４）個）を作成することが好ましい。

ステップＳ３３にて、検出部４０は、０．０４Ｈｚから０．５Ｈｚの範囲の呼吸信号Ｒｓの周波数成分を分析する。検出部４０は、２のべき乗の個数の時系列データに、同数の窓関数を掛け合わせて、高速フーリエ変換（ＦＦＴ）を行う。検出部４０は、呼吸信号Ｒｓに対してＦＦＴを行うことによって、呼吸信号Ｒｓの低周波呼吸成分のパワースペクトラム振幅の積算値ＬＦＲと、呼吸信号Ｒｓの高周波呼吸成分のパワースペクトラム振幅の積算値ＨＦＲとを算出する。検出部４０は、例えば、上述のＬＦと同じ周波数範囲（０．０４Ｈｚから０．１５Ｈｚの範囲）の低周波呼吸成分のパワースペクトラム振幅の積算値ＬＦＲを算出することが好ましい。また、検出部４０は、例えば、上述のＨＦと同じ周波数範囲（０．１５Ｈｚから０．５Ｈｚの範囲）の高周波呼吸成分のパワースペクトラム振幅の積算値ＨＦＲとを算出することが好ましい。パワースペクトラムは、例えば、呼吸信号ＲｓｎのＦＦＴ演算後、複素共役が掛け合わされ、実数として計算される。

サンプリング周波数ｆｓが４Ｈｚで２^８（＝２５６）個以上の時系列データの場合、最小周波数分解能が０．０３３Ｈｚ（＝２×４／２５６）となるので、０．０４Ｈｚよりも小さな値であり、時系列データの個数は適正である。サンプリング周波数ｆｓが４Ｈｚで２^９（＝５１２）個以上の時系列データの場合、最小周波数分解能が０．０１６Ｈｚ（＝２×４／５１２）となるので、０．０４Ｈｚよりもさらに小さな値であり、時系列データの個数はより適正である。

ステップＳ３５にて、検出部４０は、ＬＦＲをＨＦＲで除算することで、ＬＦＲとＨＦＲとの比（ＬＦＲ／ＨＦＲ）である呼吸周波数成分比ＲＬＨＲを算出する。検出部４０は、ＲＬＨＲについて無限インパルス応答フィルタによるフィルタ処理を行って、過去のＲＬＨＲの時間平均ＲＬＨＲａｖｅを計算し、ＲＬＨＲｎ（＝ＲＬＨＲ／ＲＬＨＲａｖｅ）を計算する。ＲＬＨＲｎは、呼吸周波数成分比の正規化出力となる。

図１０は、運転中の運転者から検出された各信号の一例を示す波形図である。図１０（ａ）は、呼吸信号Ｒｓ及び心拍間隔ＲＲＩを示す波形図である。心拍間隔ＲＲＩは、心電計で計測された値である。横軸は、データポイントを表し、ＲＲＩの縦軸は、一分間の心拍数を表す。図１０（ａ）に示されるように、呼吸の変化と心拍変動が連動している。

図１０（ｂ）は、ＬＦ／ＨＦとＬＦＲ／ＨＦＲを示す波形図である。ＬＦ／ＨＦは、心電計で計測した心拍間隔ＲＲＩから求められたＬＦ／ＨＦの値を示し、全区間の平均値が１となるように正規化されている。一方、ＬＦＲ／ＨＦＲは、図５の上述の呼吸周波数成分比検出処理で呼吸信号Ｒｓから求められたＬＦＲ／ＨＦＲの値を示し、全区間の平均値が１となるように正規化されている。図１０（ｂ）に示されるように、ＬＦＲ／ＨＦＲは、ＬＦ／ＨＦと同様に推移する。

図１０（ｃ）は、呼吸周期ＲＩを示す。縦軸の単位は秒である。

図１０に示されるように、呼吸信号Ｒｓに基づき図５の上述の呼吸周波数成分比検出処理で計算されたＲＬＨＲ（＝ＬＦＲ／ＨＦＲ）又はＲＬＨＲｎ（呼吸周波数成分比の正規化出力）は、心拍間隔ＲＲＩに基づき計算されたＬＦ／ＨＦの値と類似した変化となる。つまり、呼吸信号Ｒｓに基づき計算されたＲＬＨＲ（＝ＬＦＲ／ＨＦＲ）又はＲＬＨＲｎ（呼吸周波数成分比の正規化出力）は、心拍間隔ＲＲＩに基づき計算されたＬＦ／ＨＦと同様に、交感神経と副交感神経の活動を示す指標データとして利用可能である。

したがって、呼吸信号Ｒｓから計算されるＲＬＨＲ又はＲＬＨＲｎの周波数比の範囲を、心拍間隔ＲＲＩから計算する周波数比の範囲と上述のように同じにすることにより、ＬＦ／ＨＦの代わりに、ＲＬＨＲ又はＲＬＨＲｎを覚醒状態の推定に使用することができる。

特に、呼吸は、副交感神経の活動と密接に関連するため、交感神経の活動が低下し、副交感神経の活動が活発になる状態では、呼吸信号Ｒｓから推定された自律神経の活動状態は、心拍間隔ＲＲＩから推定された自律神経の活動とよく一致すると考えられる。なぜなら、ＲＬＨＲ又はＲＬＨＲｎの値が比較的低くなる期間では、副交感神経が優位に働いており、呼吸との相関がより高くなるからである。したがって、判定部７０は、例えば、ＲＬＨＲ又はＲＬＨＲｎの値が所定の判定閾値よりも低下した場合、自律神経が副交感神経優位の状態であると判定し、覚醒状態が低下していると判定できる。例えば図１０（ｂ）において、判定部７０は、ＲＬＨＲｎの値が所定の判定閾値０．４よりも低下した場合、自律神経が副交感神経優位の状態であると判定し、覚醒状態が低下していると判定する。

また、ＲＬＨＲ又はＲＬＨＲｎの値が比較的低くなる期間では、覚醒が低下し、リラックス状態を経過した後に眠気が生じる場合がある。眠気が強まり、乗員が眠気に気づくと、乗員は目を覚まそうとする努力（覚醒努力）をし始め、覚醒させる交感神経が活発になり、副交感神経との活動バランスが大きく変動する。したがって、判定部７０は、ＲＬＨＲ又はＲＬＨＲｎの値が所定の判定閾値よりも低下した後に上昇する繰り返しパターンが検出部４０から得られた場合、乗員に眠気が生じていると判定できる。

また、図１０（ｂ）に示されるＲＬＨＲ（＝ＬＦＲ／ＨＦＲ）は、表示されている全区間の平均値が１となるように正規化されたＲＬＨＲｎを表す。ＲＬＨＲｎを計算するための周波数範囲を呼吸周期に変換すると、ＨＦＲが２秒〜６秒の呼吸周期に相当し、ＬＦＲは、６秒から２５秒の呼吸周期に相当する。ＨＦＲは、呼吸そのものの周期として理解することができ、ＬＦＲは、呼吸周期の周期的増減変動成分として理解することができる。したがって、ＲＬＨＲ（＝ＬＦＲ／ＨＦＲ）の値は、平均呼吸周期の大小変化でも、ＬＦＲとＨＦＲの比率の変化により変動し、ＲＬＦＲの絶対値は、呼吸周期が遅くなると、大きくなる傾向がある。したがって、呼吸の変化を確実にとらえるには、正規化することが好ましい。

例えば、呼吸の平均周期とＲＬＨＲの大小の相関を取り、その相関係数に応じてＲＬＨＲを平均周期で除算することで、正規化が行われる。ＲＬＨＲの変化に注目する場合は、ＲＬＨＲの現在から過去数分の区間の平均値、又は無限インパルス応答フィルタ値で、ＲＬＨＲを除算することで、正規化ができる。このように正規化された場合、各人の平均呼吸周期の変化を吸収でき、ＲＬＨＲに変化があると、ＲＬＨＲｎには、その変化が強調して現れる。したがって、ＲＬＨＲｎを覚醒状態の推定に利用することで、その推定精度を高めることができる。

また、一般的に、深くゆっくりとした呼吸は、リラックスしており、覚醒が低いと解釈される。一例として、５秒周期呼吸から８秒周期呼吸に変化した場合、呼吸がゆっくりになることを表しているので、通常は覚醒が低下していることに対応している。５秒周期はＨＦＲの周波数領域に一致し、８秒周期はＬＦＲの周波数領域に一致する。そうすると、５秒周期呼吸から８秒周期呼吸に変化したということは、ＨＦＲが大きい状態からＬＦＲが大きい状態に遷移し、ＬＦＲ／ＨＦＲが小さい状態から大きい状態に遷移したとも思われる。つまり、ＬＦＲ／ＨＦＲの数値からでは、覚醒度が大きくなることになるので、覚醒の低下と相反しているように思われる。

しかし、通常、呼吸が速い場合は吸気時間と排気時間がほぼ同じであるが、呼吸が長くなると排気時間が長くなる。つまり、吸気時間は、余り変わらない。そうすると、吸気にかかる時間が２秒から３秒とすると、残りの時間はずっと排気していることになるので、吸気による周波数成分が、ＨＦＲの領域のパワースペクトルを大きくする。その吸気の繰り返し周期がＬＦＲのパワースペクトルとして加わるため、ＲＬＨＲ（＝ＬＦＲ／ＨＦＲ）の分母と分子の両方が同時に大きくなり、結果としてバランスが取られる。結局、長周期の呼吸をしたからといって、長周期に相当するＬＦＲだけが大きくなるのではなくＨＦＲも大きくなるので、結果的には、覚醒度が大きく上がるということは起こりにくい。したがって、呼吸の周期だけに着目して覚醒状態を判定する方法に比べて、呼吸の周波数成分を分析して覚醒状態を判定する本実施形態は、高精度に覚醒状態を判定できる。このようなメカニズムで、呼吸から自律神経の活動が関連付けられる。

上述の実施例では、ＦＦＴを用いて呼吸の周波数成分を分析する方法が使われているが、ＦＦＴを用いなくても、簡便なローパスフィルタ、ハイパスフィルタ及びスライドウインドウフィルタを用いても、呼吸の周波数成分を分析することができる。最も簡単な離散系のローパスフィルタ及びハイパスフィルタは、無限インパルス応答フィルタであり、アナログのＣＲフィルタの特性を差分方程式の簡単な計算で実現できる。ＬＦＲ，ＨＦＲの周波数範囲は、ローパスフィルタとハイパスフィルタとの組み合わせで、図１１，１２のようになる。しかし、フィルタのカットオフ特性が急峻でないため、ＬＦＲとＨＦＲのコントラストが低下する。そこで、０．１５Ｈｚ付近にノッチ特性を持つフィルタを重ね合わせることで、フィルタ特性の改善が可能となる。

計算処理が簡便なノッチ特性を持つフィルタとして、コンボリューションフィルタが考えられる。次に、コンボリューションフィルタについて、図１３〜１５を参照して説明する。

呼吸信号Ｒｓｎのデータ列をＳ０、Ｓ−１、Ｓ−２、・・・Ｓ−ｎとする。検出部４０は、最も簡単な実施例として矩形関数を用い、矩形関数を所定の遅れ時間を起点に平行移動しながら、データ列をＳ０、Ｓ−１、Ｓ−２、・・・Ｓ−ｎに重ね足し合わせる畳み込み演算を行う。実施例では、起点はＴ＝０である。矩形関数の振幅は１または−１であるため、検出部４０は、矩形関数が１である区間のＳｎの総和を、その区間のデータ数で割ればよい。検出部４０は、矩形関数の振幅が−１の区間では、その区間のデータに−１をかけてＳｎの総和を演算する。フィルタ特性は、サンプリング周波数とｎ０，ｎ１，ｎ２，ｎ３，ｎ４，ｎ５の数値選択により決まる（例えば、サンプリング周波数＝４Ｈｚ，ｎ０＝０，ｎ１＝１３，ｎ２＝４，ｎ３＝１０，ｎ４＝１９，ｎ５＝３９）。図１４は、Ｆ２−Ｆ１フィルタ特性とＦ３フィルタ特性の模式図を示す。図１５は、コンボリューションフィルタとローパスフィルタとハイパスフィルタとの重ね合わせを示す図である。

図１６は、図１５のフィルタを用いてＲＬＨＲｎ（呼吸周波数成分比の正規化出力）を計算した結果の一例を示す図である。図１６（ｂ）にＲＬＨＲｎの波形が追加されている点を除いて、図１６は、図１０と同じである。ＦＦＴを用いて呼吸の周波数成分を分析する方法による計算結果と比べると、フィルタの周波数弁別能力が荒いため、コントラストは低下しているが、ＲＬＨＲｎの増減の傾向は、ＬＦ／ＨＦと略一致している。したがって、計算処理が簡便なノッチ特性を持つフィルタを用いても、自律神経の活動を推測することが可能である。

次に、呼吸周波数成分比の演算量を抑えた実施例について説明する。この実施例は、８ビットのＭＰＵ（Micro Processing Unit）など、メモリや演算精度が十分でない計算環境への実装に好適である。

図８（ｅ）のように、検出部４０は、呼吸信号Ｒｓの振幅を１，０の二値信号に変換し、二値信号の立ち上がりエッジ又は立ち下がりエッジ毎に、１呼吸周期を計算する。または、検出部４０は、二値信号の変化点（半周期）毎に、一呼吸周期を計算する。図１７は、このようにして得られた２０個の呼吸周期の時系列データである（Ｎ＝２０）。図１８は、２０個の呼吸周期データについて、横軸を０．５秒刻みの周期区間とする度数分布（発生頻度）を示す。呼吸周期はそのまま、呼吸の基本周波数に対応するため、周期の逆数が呼吸の基本周波数に相当する。４秒の場合は０．２５Ｈｚ、６秒の場合は０．１６６Ｈｚとなる。図１９は、図１８の度数分布の横軸を周波数で区間分けして並べ変えた度数分布（発生頻度）を示す。図１９の度数分布は、呼吸の基本周波数のＦＦＴ解析結果と一致する。

したがって、呼吸周期の度数分布を用いて、簡易的に周波数分析し、呼吸周波数成分の比を推定することが可能である。図の実施例では、０．０４Ｈｚから０．１５Ｈｚまでの度数の総和をＬＦ＿ｂｉｎとし、０．１６Ｈｚから０．５Ｈｚまでの度数の総和をＨＦ＿ｂｉｎとすると、それぞれＬＦ＿ｂｉｎ＝１、ＨＦ＿ｂｉｎ＝１９となる。したがって、ＬＦＲ／ＨＦＲ＝１／１９＝０．０５となる。これが、呼吸周期から求めた自律神経の活動の簡易指標となる。しかし、呼吸周期が６秒以下で安定の場合は、ＬＦ＿ｂｉｎ＝０となり、ＬＦ／ＨＦ＝０となる。また、呼吸周期が７秒以上で安定の場合は、ＬＦ＿ｂｉｎ＝２０となり、ＬＦ／ＨＦ＝２０で常時活性となるなど不自然な判定となる。

図２０は、繰り返し周期６秒の呼吸波形の一例を示す。図２１は、図２０の波形をスペクトル分析した結果の一例を示す。図２１では、サンプリング周波数を２Ｈｚとし、６４点のデータでＦＦＴ分析が行われている。０．１６Ｈｚ付近と０．３３Ｈｚ付近に、２つのスペクトルピークが観測される。０．１６Ｈｚは、呼吸波形の繰り返し周期６秒に対応し、一呼吸の基本周波数である。０．３３Ｈｚは、吸気と排気の時間のアンバランスに伴う高調波スペクトルに対応し、周期３秒の二次高調波成分である。この二次高調波成分は、図２０の整形後の波形のデューティー比が５０％とならないアンバランスが現れることに対応する。特に長周期呼吸ほど、アンバランスは大きくなる。

度数分布を用いた簡易周波数比計算法は、呼吸周期の時系列から呼吸振幅の周波数成分を所定のルールに基づいて推定する。そして、一呼吸波形が持つ周波数成分をＨＦＲ成分に振り分け、呼吸の時系列変動が持つ周波数成分をＬＦＲ成分に振り分け、度数分布を生成し、ＬＦＲとＨＦＲの度数の比で呼吸周波数成分比を推定する。

次に、呼吸周波数成分比の簡易推定のルールの一実施例を図２２，２３を参照して説明する。周期列は、I(0)からI(-20)とする（括弧内の数字nは、現在から過去にさかのぼって、n番目の呼吸とし、I(n)はその呼吸周期とする）。

（０）検出部４０は、呼吸信号Ｒｓから呼吸振幅データを読み込む（ステップＳ４１）。検出部４０は、読み込んだ呼吸振幅データの変化に基づいて１呼吸周期を繰り返し計算して、I(0)からI(-20)までの２１個の呼吸周期の信号列を作成する（ステップＳ４３）。

（１）検出部４０は、２秒から６秒の呼吸周期を、高調波スペクトルを含めて、すべてＨＦ＿ｂｉｎの度数としてカウントする（ステップＳ４５からステップＳ５１まで）。

（２）一方、６秒から１２秒の呼吸周期は、二次の高調波、三次の高調波成分が６秒以下となるため、６秒以上の基本周波数と６秒以下の高調波周波数を持つ。そのため、検出部４０は、６秒から１２秒の呼吸周期を、ＬＦ＿ｂｉｎとＨＦ＿ｂｉｎの両方の度数としてカウントする（ステップＳ４９からステップＳ５５まで）。ＬＦ＿ｂｉｎとＨＦ＿ｂｉｎへの組み入れの割合（つまり、ＬＦ＿ｂｉｎとＨＦ＿ｂｉｎとのうち、どちらの度数として組み入れるのかの割合）は、一周期のデューティー比に基づいて決められるとよい。実施例では、簡易化のため、組み入れの割合を1:1とした。ただし、６秒を境に度数組み入れの計算が変わり不連続が生じるため、５秒から７秒の周期では（ステップＳ４９ Ｙｅｓ）、その周期に応じてＬＦ＿ｂｉｎとＨＦ＿ｂｉｎへの組み入れバランスを連続的に変えることにより（ステップＳ５１）、不連続を減じる。

つまり、ステップＳ４５にて、検出部４０は、I(n)が５秒未満の呼吸周期のデータであるか否かを判定する。検出部４０は、I(n)が５秒未満の呼吸周期のデータであると判定した場合（ステップＳ４５ Ｙｅｓ）、ＨＦ＿ｂｉｎを一つインクリメントする（ステップＳ４７）。一方、検出部４０は、I(n)が５秒以上の呼吸周期のデータであると判定した場合（ステップＳ４５ Ｎｏ）、ＨＦ＿ｂｉｎをインクリメントしない。次に、ステップＳ４９にて、検出部４０は、I(n)が５秒以上７秒未満の呼吸周期のデータであるか否かを判定する。検出部４０は、I(n)が５秒以上７秒未満の呼吸周期のデータであると判定した場合（ステップＳ４９ Ｙｅｓ）、ステップＳ５１に記載の二つの式に従って、ＨＦ＿ｂｉｎとＬＦ＿ｂｉｎを計算する。次に、検出部４０は、I(n)が７秒以上１２秒以下の呼吸周期のデータであるか否かを判定する（ステップＳ５３）。検出部４０は、I(n)が７秒以上１２秒以下の呼吸周期のデータであると判定した場合（ステップＳ５３ Ｙｅｓ）、ＬＦ＿ｂｉｎを一つインクリメントする（ステップＳ５５）。一方、検出部４０は、I(n)が７秒以上１２秒以下の呼吸周期のデータでないと判定した場合（ステップＳ５３ Ｎｏ）、ＬＦ＿ｂｉｎをインクリメントしない。検出部４０は、I(0)からI(-20)までの２１個の呼吸周期のデータそれぞれについて、ステップＳ４５からステップＳ５５までの処理を実施する。

（３）検出部４０は、２つの呼吸周期I(n)、I(n-1)の和Ａが６秒以上１２秒以下の場合は、その差分Ｂ（=abs(I(n)-I(n-1))）を評価する（ステップＳ６１からステップＳ７０まで）。"abs(*)"は、*の絶対値を表す。つまり、検出部４０は、差分Ｂが1秒より小さい場合は（ステップＳ６９ Ｙｅｓ）、I(n)とI(n-1)は６秒以下の同一周期の周波数成分を持つとして、ＨＦ＿ｂｉｎの度数を一つインクリメントしてカウントする（ステップＳ７０）。検出部４０は、差分Ｂが2秒より大きな場合は（ステップＳ６５ Ｙｅｓ）、I(n)とI(n-1)は６秒以上１２秒以下の周波数成分を持つとして、ＬＦ＿ｂｉｎの度数を一つインクリメントしてカウントする（ステップＳ６７）。

（４）検出部４０は、２つの呼吸周期I(n)、I(n-1)の和Ａが６秒以上２４秒以下の場合において、２つの呼吸周期の和Ａ（=I(n)+I(n-1)）を一吸収周期と仮にみなし、その差分Ｃ（=(I(n)+I(n-1))-(I(n-2)+I(n-3))）を評価する（ステップＳ７１からステップＳ７９まで）。つまり、検出部４０は、差分Ｃが1秒より小さい場合は（ステップＳ７７ Ｙｅｓ）、４つの呼吸周期（I(n), I(n-1), I(n-2), I(n-3)）に長周期変動がなく、それら４つの呼吸周期が６秒以下の類似周期の周波数成分を持つと判断する。検出部４０は、この場合、ＨＦ＿ｂｉｎの度数を一つインクリメントしてカウントする（ステップＳ７９）。検出部４０は、差分Ｃが3秒より大きな場合は（ステップＳ７３ Ｙｅｓ）、４つの呼吸周期（I(n), I(n-1), I(n-2), I(n-3)）に長周期変動があり、それら４つの呼吸周期が６秒以上２４秒以下の周波数成分を持つと判断する。検出部４０は、この場合、ＬＦ＿ｂｉｎの度数を一つインクリメントしてカウントする（ステップＳ７５）。

（５）検出部４０は、０から−１７までのnのそれぞれについて、ステップＳ６１からステップＳ７９までの処理を実施する（ステップＳ８１）。そして、検出部４０は、ＬＦ＿ｂｉｎをＨＦ＿ｂｉｎで除算することによって、ＬＦＲ／ＨＦＲに相当するＬＦ／ＨＦ＿ｂｉｎを算出する（ステップＳ８３）。なお、３つの呼吸周期の和に対しても、（４）を３つ以上に拡張して同様に計算できる。また、ＬＦ＿ｂｉｎとＨＦ＿ｂｉｎへの組み入れでは、（１）から（５）までにおいて、それぞれ重み係数がかけられて組み入れられるが、本実施例では、すべて重み係数１として計算した。

図２４は、呼吸周波数成分比の簡易推定法を用いてＲＬＨＲｎ（呼吸周波数成分比の正規化出力）を計算した結果の一例を示す図である。図２４（ｂ）に簡易推定法によるＲＬＨＲｎの波形が追加されている点を除いて、図２４は、図１６と同じである。簡易推定法によるＲＬＨＲｎの波形は、１０個の呼吸周期の時系列データで、一呼吸確定毎に計算された結果を表す。ＦＦＴを用いて呼吸の周波数成分を分析する方法による計算結果と比べると、簡易推定法によるＲＬＨＲｎの増減の傾向は、ＬＦ／ＨＦと略一致している。したがって、呼吸周波数成分比の簡易推定法を用いても、自律神経の活動を推測することが可能である。

なお、呼吸信号から呼吸周波数成分を推定する方法は、上記に限られない。例えば、心拍間隔ＲＲＩから推定される自律神経の活動指標に対応するため、ＬＦＲとＨＦＲとを分割するための閾値を６秒（０．１６Ｈｚ）としているが、呼吸パターンの特徴を取り出す目的であれば、閾値を４秒や８秒としても、その特徴の検出は可能である。周波数度数の分割範囲を増やしてもよい。また、分析する呼吸数が一定であれば、ＬＦＲとＨＦＲとの比（ＲＬＨＲ）を算出せずに、ＬＦＲを、ＬＦ／ＨＦに対応する値として使用されてもよい。つまり、ＬＦＲが、交感神経と副交感神経の活動を示す指標データとして利用可能であれば、覚醒状態の判定に使用する指標として利用されてよい。このように、覚醒状態の判定に使用する指標は、ＬＦＲとＨＦＲとの比（ＲＬＨＲ）に限定されない。

２周期や３周期など、複数周期に亘る変動の周波数成分の推定の閾値や差分演算方法も、同様に特徴検出の目的に合わせて変えることができる。また、２周期や３周期に亘る変動の判定閾値の前後で判定条件の変化による数値の不連続変化を抑えるには、１周期の場合で例示したバランスを連続的に変える手法の適用が可能である。ＦＦＴ手法、フィルタ手法及び度数分布手法の３つの実施例が上記されている。いずれの手法も、呼吸信号の一振幅周期が持つ周波数成分と、呼吸の時系列繰り返し変動が持つ周波数成分とを分析し、その分析結果から呼吸を特徴づける数値を取り出し、呼吸状態の推定、及び呼吸から自律神経の活動を推定する。これらの手法で取り出した呼吸状態及び神経の活動状態は、乗員の覚醒状態やストレス状態の推定に役立つ。

図２５は、第２の実施形態におけるバックルの構成の一例を示すブロック図である。第２の実施形態のうち第１の実施形態と同様の構成及び効果についての説明は、上述の説明を援用することで省略又は簡略する。第１の実施形態（図２参照）では、判定部７０及び出力部８０は、バックル８に設けられているのに対し、第２の実施形態（図２５参照）では、判定部７０及び出力部８０は、バックル８とは別のデバイスに設けられている。図２５に示される覚醒状態判定システム１５は、バックル８と、推定部３０とを備える。推定部３０は、検出部４０と、判定部７０と、出力部８０とを備える。

以上、バックル、覚醒状態判定システム及び覚醒状態判定方法を実施形態により説明したが、本発明は上記実施形態に限定されるものではない。他の実施形態の一部又は全部との組み合わせや置換などの種々の変形及び改良が、本発明の範囲内で可能である。

例えば、シート２は、車両の前側座席でもよいし、後部座席でもよい。また、図２５において、検出部４０は、バックル８とは別のデバイスに設けられてもよい。また、センサ２０の出力信号ｓに対して実施される複数の処理の一部（例えば、正規化処理）は、検出部４０で実行されるのではなく、判定部７０で実行されてもよい。

１ シートベルト装置
８ バックル
１５ 覚醒状態判定システム
２０ センサ
３０ 推定部
４０ 検出部
７０ 判定部
８０ 出力部

Claims (8)

1. 車両の乗員の呼吸に応じて変化する出力信号を出力するセンサと、
   前記出力信号から、前記呼吸の周波数成分を周波数分析により検出する検出部と、
   前記検出部により検出される前記周波数成分に基づいて、前記乗員の覚醒状態を判定する判定部とを備える、バックル。
2. 前記検出部は、前記周波数成分を用いて、交感神経と副交感神経の活動を示す指標データを算出し、
   前記判定部は、前記検出部により算出される前記指標データに基づいて、前記乗員の覚醒状態を判定する、請求項１に記載のバックル。
3. 前記判定部は、前記指標データが所定の判定閾値よりも低下した場合、前記乗員の覚醒状態が低下していると判定する、請求項２に記載のバックル。
4. 前記判定部は、前記指標データが所定の判定閾値よりも低下した後に上昇する繰り返しパターンが前記検出部から得られた場合、前記乗員に眠気が生じていると判定する、請求項２又は３に記載のバックル。
5. 前記指標データは、前記呼吸の低周波成分のパワースペクトラムの振幅の積算値と、周波数範囲が前記低周波成分よりも高い前記呼吸の高周波成分のパワースペクトラムの振幅の積算値との比である、請求項２から４のいずれか一項に記載のバックル。
6. 前記指標データは、正規化されたデータである、請求項２から５のいずれか一項に記載のバックル。
7. 車両の乗員の呼吸に応じて変化する出力信号を出力するセンサを有するバックルと、
   前記出力信号から、前記呼吸の周波数成分を周波数分析により検出する検出部と、
   前記検出部により検出される前記周波数成分に基づいて、前記乗員の覚醒状態を判定する判定部とを備える、覚醒状態判定システム。
8. バックルに設けられるセンサは、車両の乗員の呼吸に応じて変化する出力信号を出力し、
   検出部は、前記出力信号から、前記呼吸の周波数成分を周波数分析により検出し、
   判定部は、前記検出部により検出される前記周波数成分に基づいて、前記乗員の覚醒状態を判定する、覚醒状態判定方法。

Images