JP2019129903A - 筋電信号推定装置、筋電信号推定方法、およびプログラム - Google Patents

Abstract

【課題】筋肉表面に接着させる電極の数を増やすことなく、複数筋電信号が混入している計測対象となる筋肉の筋電信号から、他の筋活動を推定することが可能な筋電信号推定装置、筋電信号推定方法、およびプログラムを提供すること。【解決手段】 パラメータ毎にフィルタリングした筋電信号計測装置２０により計測された特徴量Ｒ（Ａｃ、Ｌｃ１、Ｌｃ２）から回帰式（Ｍ１、Ｍ２）を導出し、回帰式（Ｍ１、Ｍ２）と、特徴量Ｒ（Ａｖ）と、を用いて、筋電推定信号（Ｓｖ１、Ｓｖ２）を算出する。算出した信号Ｓｖ（Ｓｖ１、Ｓｖ２）と、特徴量Ｒ（Ｌｖ１、Ｌｖ２）と、から最も高い相関係数（ｒ１、ｒ２）を算出し、相関係数（ｒ１、ｒ２）を得ることの出来る、パラメータと、回帰式（Ｍ１、Ｍ２）と、を選択し、パラメータＤＢ１３ｄと、筋電信号回帰モデルＤＢ１３ｆに格納する。【選択図】図３

Description

本発明は、筋電信号推定装置、筋電信号推定方法、およびプログラムに関する。

生体を構成する細胞一つ一つは、微弱な電気信号（以下、筋電信号）を発生しており、主に前記筋電信号を計測して四肢の筋（筋肉）活動を把握する。

しかし、複数の筋肉が活動している場合、計測の対象とする筋肉には、当該対象の筋肉の筋電信号に加え、他の筋肉における筋電信号が混入することがある。

この筋電信号の混入を防止するための対処法として、筋肉表面に電極を３つ接着し、当該電極から得られた筋電信号に対して二回の差動増幅を行うことで、対象となる筋肉および他の筋肉の筋電信号を計測することが知られている（例えば、非特許文献１を参照。）。

Carlo J. De Luca et al.,"Surface myoelectric signal cross-talk among muscles of the leg", Elsevier Scientific Publishers Ireland, Ltd, Eleclroencephalography and clinical Neurophysiology, 1988, 69: 568-575.

しかし、前記計測方法では、３つの電極であっても筋電信号を高精度に計測することができなかった。

そこで、計測の精度を向上させるためには、前記筋肉表面に接着させる電極の数を増やせばよい。

しかし、面積が小さい電極であれば、前記筋肉表面に接着させる当該電極の数を増加させても問題はないが、布電極のようにインピーダンスが大きい電極を前記筋肉表面に接着させる場合、当該電極自体の面積が大きいため、目的とする対象部位に電極が収まらない可能性がある。

したがって、電極の数を増やすことなく、複数筋電信号が混入している計測対象となる筋肉の筋電信号から、他の筋肉における筋活動を推定する必要がある。

本発明は、前記課題に鑑みてなされたものであり、筋肉表面に接着させる電極の数を増やすことなく、複数筋電信号が混入している計測対象となる筋肉の筋電信号から、他の筋活動を推定する筋電信号推定装置、筋電信号推定方法、およびプログラムを提供することを目的とする。

本発明に係る筋電信号推定装置は、生体の複数部位の筋電信号が混信した第１部位の筋電信号、および前記複数部位のうち推定対象とする第２部位の筋電信号のそれぞれについて、キャリブレーション用信号および検証用信号と指定して格納する信号格納手段と、前記信号格納手段により格納された第１部位の筋電信号のキャリブレーション用信号と、検証用信号と、を予め設定された複数の周波数パラメータでフィルタリングする筋電信号フィルタリング手段と、前記筋電信号フィルタリング手段によりフィルタリングされた前記第１部位の筋電信号のキャリブレーション用信号に関する特徴量と、前記信号格納手段により格納された前記第２部位の筋電信号のキャリブレーション用信号に関する特徴量と、に基づいて前記複数の周波数パラメータでフィルタリングされた第１部位の筋電信号のキャリブレーション用信号毎に、複数の回帰モデル毎の回帰式を導出する回帰式導出手段と、前記回帰式導出手段により導出された回帰式と、前記信号格納手段により格納された第１部位の筋電信号の検証用信号に関する特徴量と、を用いて、前記第２部位における筋電推定信号の値を、前記回帰モデル毎に複数算出する筋電推定信号算出手段と、筋電推定信号算出手段により算出された前記第２部位における筋電推定信号と、前記第２部位の筋電信号の検証用信号に関する特徴量と、の相関係数を前記複数算出した筋電推定信号の値毎に算出する相関係数算出手段と、前記相関係数算出手段により算出された複数の相関係数の中で最も高い相関係数に対応する、前記筋電信号フィルタリング手段によるフィルタリングの周波数と、前記回帰式導出手段により導出された回帰式と、を記憶部に格納する格納手段と、を備える。

本発明によれば、筋肉表面に接着させる電極の数を増やすことなく、複数筋電信号が混入している計測対象となる筋肉の筋電信号から、他の筋活動を推定することが可能になる。

本発明の実施形態に係る筋電信号推定装置１０を備えた筋電信号推定システムの全体構成を示す図。 前記筋電信号推定システムにおける筋電信号計測装置２０が備える電極２０Ａ、２０Ｌ_１および２０Ｌ_２を、生体の脚部（ａ、ｌ_１およびｌ_２）に接着させた様子を示した図。 前記筋電信号推定装置１０により実現されるキャリブレーション用設定機能（回帰式設定機能、フィルタリング用パラメータ設定機能）を示した機能ブロック図。 前記電極２０Ａにて計測した筋電信号Ａを示す図。 前記電極２０Ｌ_１にて計測した筋電信号Ｌ_１を示す図。 前記電極２０Ｌ_２にて計測した筋電信号Ｌ_２を示す図。 前記電極２０Ａにて計測した筋電信号Ａを示す図。 前記電極２０Ｌ_１にて計測した筋電信号Ｌ_１を示す図。 前記電極２０Ｌ_２にて計測した筋電信号Ｌ_２を示す図。 前記筋電信号推定装置１０におけるバンドパスフィルタＢＦ１（１〜１０１［Ｈｚ］）を用いてキャリブレーション用信号Ａｃをフィルタリングした様子を示した図。 前記筋電信号推定装置１０におけるバンドパスフィルタＢＦ２（１０１〜２０１［Ｈｚ］）を用いてキャリブレーション用信号Ａｃをフィルタリングした様子を示した図。 前記筋電信号推定装置１０におけるバンドパスフィルタＢＦ３（２０１〜３０１［Ｈｚ］）を用いてキャリブレーション用信号Ａｃをフィルタリングした様子を示した図。 前記バンドパスフィルタＢＦ１（１〜１０１［Ｈｚ］）を用いてフィルタリングしたキャリブレーション用信号Ａｃ_{（１−１０１［Ｈｚ］）}の特徴量Ｒを示した図。 前記バンドパスフィルタＢＦ２（１０１〜２０１［Ｈｚ］）を用いてフィルタリングしたキャリブレーション用信号Ａｃ_{（１０１−２０１［Ｈｚ］）}の特徴量Ｒを示した図。 前記バンドパスフィルタＢＦ３（２０１〜３０１［Ｈｚ］）を用いてフィルタリングしたキャリブレーション用信号Ａｃ_{（２０１−３０１［Ｈｚ］）}の特徴量Ｒを示した図。 前記特徴量Ｒから、回帰式（Ｍ１およびＭ２）を導出する概念を示した図。 前記バンドパスフィルタＢＦに使用するパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）を、筋肉活動の推定の対象とされる脚部（ｌ_１およびｌ_２）毎に格納した際のパラメータＤＢ１３ｄを示す図。 測定対象とする部位毎（ａ：足首前方向、ｌ_１：前脛骨筋、ｌ_２：腓腹筋）に設定された回帰式（Ｍ１およびＭ２）を筋電信号回帰モデルＤＢに格納した図。 筋電信号推定装置１０によるキャリブレーション設定処理を示したフローチャート。 前記筋電信号推定装置１０により実現される筋電信号推定機能を示したブロック図。 生体の脚部ｌ_１における筋電推定信号Ｓ_１を示す図。 生体の脚部ｌ_２における筋電推定信号Ｓ_２を示す図。 前記筋電信号推定装置１０の筋電信号推定処理を示したフローチャート。

以下、本発明の実施形態に係る筋電信号推定装置、筋電信号推定方法、およびプログラムについて図面を参照して説明する。

本実施形態に係る筋電信号推定装置、筋電信号推定方法、およびプログラムでは、測定対象の筋肉における筋電信号から、他の筋肉の筋肉活動を推定するための各種パラメータおよび回帰式を算出するキャリブレーション処理と、当該キャリブレーション処理で算出した各種パラメータと、回帰式を用いて、前記他の筋肉の筋肉活動を推定する筋電信号推定処理から構成される。

まず、キャリブレーション処理について説明する。
＜キャリブレーション処理＞
図１は、本発明の実施形態に係る筋電信号推定装置１０を備えた筋電信号推定システムの全体構成を示す図である。

筋電信号推定システムでは、電極２０Ａ、２０Ｌ_１および２０Ｌ_２を備えた筋電信号計測装置２０からの筋電信号が筋電信号推定装置１０に入力される。

図２は、前記筋電信号計測装置２０の電極２０Ａ、２０Ｌ_１および２０Ｌ_２を生体の脚部（ａ、ｌ_１およびｌ_２）に接着させた様子を示した図である。

なお、脚部ａは足首、脚部ｌ_１は前脛骨筋、脚部ｌ_２は腓腹筋とし、これら部位に接着させる電極は正極、負極の対で当該１つの電極が構成される。

筋電信号推定装置１０は、コンピュータとして機能する制御部（ＣＰＵ）１１を備える。

このＣＰＵ１１には、ＲＡＭ１２、ＲＯＭ１３、外部入力Ｉ／Ｆ１４、表示データ出力部１５および入力部１６が接続される。また、表示データ出力部１５には、例えばＰＣモニタなどの表示部（可視化装置）３０が接続される。

ＲＡＭ１２は、作業エリア１２ａを備える。
ＲＯＭ１３は、ハードディスクや、フラッシュメモリ等から構成され、キャリブレーション用設定プログラム１３ａおよび筋電信号推定用プログラム１３ｂが格納されるプログラムエリアを備える。

つまり、キャリブレーション用設定プログラム１３ａは、前記ＣＰＵ１１により作業エリア１２ａを用いて起動・実行され、当該キャリブレーション用設定プログラム１３ａに基づいたＣＰＵ１１からの制御信号に従って、回路各部の動作を制御することでキャリブレーション用設定機能を実現する。

同様に、筋電信号推定用プログラム１３ｂは、前記ＣＰＵ１１により作業エリア１２ａを用いて起動・実行され、当該筋電信号推定用プログラム１３ｂに基づいたＣＰＵ１１からの制御信号に従って、回路各部の動作を制御することで後述する筋電信号推定機能を実現する。

さらに、前記ＲＯＭ１３は、フィルタリング用パラメータ格納部１３ｃ、パラメータＤＢ１３ｄ、回帰モデルＤＢ１３ｅ、および筋電信号回帰モデルＤＢ１３ｆを備える。

フィルタリング用パラメータ格納部１３ｃは、筋電信号ＡをフィルタリングするためのバンドパスフィルタＢＦに使用する（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）の組み合わせからなるパラメータを複数備える。以下、表１に前記組み合わせを示す。

本実施形態では、これらのパラメータを用いて設計したバンドパスフィルタＢＦにて、筋電信号計測装置２０の電極２０Ａを用いて計測した筋電信号Ａをフィルタリングする。なお、この筋電信号Ａを、単に信号Ａと表記することがある。

パラメータＤＢ１３ｄは、前記フィルタリング用パラメータ格納部１３ｃに格納された前記組み合わせからなるパラメータのうち、脚部（ｌ_１およびｌ_２）における筋電信号を高精度に推定可能にする（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）の組み合わせが記憶される。
回帰モデルＤＢ１３ｅは、下記表２に示すＮｏ１〜Ｎｏ１１に係る「回帰モデルＭ」を記憶する。

前記Ｎｏ１〜Ｎｏ１１に係る「回帰モデルＭ」は、電極２０Ａを用いて計測される筋電信号Ａから、電極２０Ｌ_１および電極２０Ｌ_２が接着される脚部（ｌ_１およびｌ_２）における筋肉の筋電信号（信号Ｌ_１および信号Ｌ_２）を推定するため回帰式を導出するためのモデル類型である。

筋電信号回帰モデルＤＢ１３ｆは、前記回帰モデルＤＢ１３ｅに格納されたＮｏ１〜Ｎｏ１１までの「回帰モデルＭ」毎に算出された回帰式の中から、最適な推定結果を得ることができる回帰式が格納される。

外部入力Ｉ／Ｆ１４は、前記筋電信号計測装置２０が備える電極２０Ａ、２０Ｌ_１、および２０Ｌ_２を用いて計測した筋電信号Ａ、筋電信号Ｌ_１および筋電信号Ｌ_２を入力する。

表示データ出力部１５は、後述する筋電信号推定処理にて推定された脚部（ｌ_１およびｌ_２）における筋電信号（信号Ｌ_１および信号Ｌ_２）を表示部３０へ出力する。これにより、表示部３０には、脚部（ｌ_１およびｌ_２）における筋電信号（信号Ｌ_１および信号Ｌ_２）に応じた筋肉活動が表示される。

入力部１６は、ユーザ操作によるキー入力信号を受付け、例えばＲＯＭ１３内のフィルタリング用パラメータ格納部１３ｃに格納させる、前記表１に示すフィルタリング用パラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）を入力する。

このように構成された筋電信号推定装置１０は、前記ＣＰＵ１１が前記キャリブレーション用設定プログラム１３ａに記述された命令に従い回路各部の動作を制御し、ソフトウェアとハードウェアとが協働して動作することにより、以下図３を参照して述べるようなキャリブレーション用設定機能（フィルタリング用パラメータ設定機能および回帰式設定機能）を実現する。

図３は、前記筋電信号推定装置１０により実現されるキャリブレーション用設定機能（回帰式設定機能、フィルタリング用パラメータ設定機能）を示したブロック図である。

すなわち、ＣＰＵ１１は、筋電信号格納部１３ａ_１、パラメータ設定部１３ａ_２、筋電信号周波数分割部１３ａ_３、特徴量算出部１３ａ_４、筋活動推定部１３ａ_５および推定精度算出部１３ａ_６として機能する。

筋電信号格納部１３ａ_１は、筋電信号計測装置２０からの筋電信号（信号Ａ、信号Ｌ_１および信号Ｌ_２）のデータを、サンプリング順に並べた上で所定のサンプリング番号ｋでキャリブレーション用信号（以下、信号Ａｃ、信号Ｌｃ_１および信号Ｌｃ_２）と、検証用信号（以下、信号Ａｖ、信号Ｌｖ_１および信号Ｌｖ_２）を格納する。なお、キャリブレーション用信号と検証用信号とは一連の計測信号の分割を通じて取得しても良いし、複数回の計測で得られた各計測信号をキャリブレーション用信号と検証用信号とのどちらかとしても良い。

図４Ａ〜図４Ｃは、筋電信号計測装置２０が備える電極２０Ａ、２０Ｌ_１および２０Ｌ_２を用いて計測した筋電信号（信号Ａ、信号Ｌ_１および信号Ｌ_２）を示す図である。

ここでは、筋電信号（信号Ａ、信号Ｌ_１および信号Ｌ_２）のうち、図中横軸に示すサンプリング番号ｋが０〜３５０００付近の信号をキャリブレーション用信号とした。

図５Ａ〜図５Ｃは、筋電信号計測装置２０が備える電極２０Ａ、２０Ｌ_１および２０Ｌ_２を用いて計測した筋電信号（信号Ａ、信号Ｌ_１および信号Ｌ_２）を示した図である。

ここでは、筋電信号（信号Ａ、信号Ｌ_１および信号Ｌ_２）のうち、図中横軸に示すサンプリング番号ｋが３５０００〜３７５００付近（図中、０〜２５００と記載）の信号を検証用信号とした。

また、各グラフにおいて、縦軸を筋電信号の電圧［ｍＶ］とし、前記横軸を筋電信号（信号Ａ、信号Ｌ_１および信号Ｌ_２）のサンプリングしたデータ数［個］としている。

ここで、キャリブレーション用信号とは、脚部ａにおける信号Ａｃから、脚部（ｌ_１およびｌ_２）の信号Ｌｃ_１および信号Ｌｃ_２を推定するための回帰式を導出するために用いられる信号であり、検証用信号とは、導出されたこの回帰式に当該検証用信号を代入することで、脚部ａの筋電信号から、脚部（ｌ_１およびｌ_２）の筋電信号を算出できているかについて検証するための信号である。

つまり、高精度の前記回帰式を得るためには計測する筋電信号（信号Ａ、信号Ｌ_１および信号Ｌ_２）のサンプルデータが多い方が良いことから、キャリブレーション用信号（信号Ａｃ、信号Ｌｃ_１および信号Ｌｃ_２）を、検証用信号（信号Ａｖ、信号Ｌｖ_１、および信号Ｌｖ_２）よりも多いサンプルデータ数として設定する。

このように、キャリブレーション用信号と、検証用信号と、に分割するサンプリング番号ｋは、どの番号でもよいが、キャリブレーション用信号のサンプルデータ数が、検証用信号のサンプルデータ数よりも大きいことが求められる。

なお、回帰式により算出した信号Ｌｃ_１および信号Ｌｃ_２の検証については、後述する相関係数を用いる。

パラメータ設定部１３ａ_２は、ユーザ操作により前記入力部１６にキー入力され、前記フィルタリング用パラメータ格納部１３ｃに格納された複数のパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦからなる組み合わせ）の中から、１つずつ順に選択する機能を有する（表１を参照）。

具体的には、前記キャリブレーション用信号および検証用信号を、所定の周波数間隔で分割するバンドパスフィルタＢＦを設定するための、パラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）を順番に選択する。

本実施形態では、これら複数のパラメータを用いて、前記キャリブレーション用信号Ａｃおよび検証用信号Ａｖを一定の帯域幅を有した周波数間隔毎にフィルタリングする。

また、複数のパラメータの中から最適な１つを設定する方法の一例として、例えば、分割周波数幅ｆｗが大きいために、所定の周波数間隔毎にフィルタリングした複数の筋電信号間に他の筋肉による筋電信号の混入が差として現れてこない場合には、細かい値（表１でｆｗ＝１０など）の当該分割周波数幅ｆｗを使用すればよい。

本実施形態では、表１に示す全通りのパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）を用いて計測した筋電信号Ａをフィルタリングするが、説明を簡単にする上で、以下では、最適な回帰式（Ｍ１、Ｍ２）を得ることができたパラメータの組み合わせとして、（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）＝（１００、１００、１および３０１）を選択した場合について説明する。

筋電信号周波数分割部１３ａ_３は、バンドパスフィルタＢＦとしての機能を有する。すなわち、前記筋電信号格納部１３ａ_１から出力される前記キャリブレーション用信号Ａｃおよび検証用信号Ａｖを、前記パラメータ設定部１３ａ_２により選択されたパラメータに従って設定されたバンドパスフィルタＢＦでフィルタリングする機能を有する。

まず、バンドパスフィルタＢＦの設定について説明する。
前記バンドパスフィルタＢＦは、下記（１）式で表される。
（ｍｉｎＦ＋ｍｆ×（ｎ−１））［Ｈｚ］〜（ｍｉｎＦ＋ｍｆ×（ｎ−１）＋ｆｗ）［Ｈｚ］ …（１）
ここで、ｎは自然数であり、ｆｗ、ｍｆ、ｍｉｎＦ、およびｍａｘＦは、前記パラメータ設定部１３ａ_２にて選択された数値である。

また、自然数であるｎは、下記（２）式を満足する必要がある。

（ｍｉｎＦ＋ｍｆ×（ｎ−１）＋ｆｗ）＜ｍａｘＦ＜（ｍｉｎＦ＋ｍｆ×ｎ＋ｆｗ） …（２）
本実施形態では、パラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）を（１００、１００、１、３０１）としたため、前記（１）式にｎ＝１、２、３を適用し、バンドパスフィルタＢＦ１、ＢＦ２、およびＢＦ３を用いることとした。

したがって、前記（１）式より、筋電信号周波数分割部１３ａ_３には、バンドパスフィルタＢＦ１＝１〜１０１［Ｈｚ］、バンドパスフィルタＢＦ２＝１０１〜２０１［Ｈｚ］、およびバンドパスフィルタＢＦ３＝２０１〜３０１［Ｈｚ］が設定される。

前記筋電信号周波数分割部１３ａ_３にて設定されたバンドパスフィルタＢＦ（ＢＦ１〜ＢＦ３）を用いて前記キャリブレーション用信号（信号Ａｃ、信号Ｌｃ_１および信号Ｌｃ_２）のうち信号Ａｃをフィルタリングした様子を図６Ａ〜図６Ｃに示す。

図６Ａ〜図６Ｃは、前記バンドパスフィルタＢＦ（ＢＦ１、ＢＦ２、およびＢＦ３）を用いて信号Ａｃをフィルタリングした様子を示した図である。

図６Ａは、前記信号Ａｃを、バンドパスフィルタＢＦ１を用いてフィルタリングした様子を示した図である。すなわち、信号Ａｃを、１−１０１［Ｈｚ］の周波数帯域でフィルタリングする。以下、信号ＡｃをバンドパスフィルタＢＦ１でフィルタリングして得られた筋電信号を、信号Ａｃ_{（１−１０１［Ｈｚ］）}と表す。

また、図６Ｂおよび図６Ｃに、バンドパスフィルタＢＦ２およびＢＦ３でフィルタリングした様子を示す。すなわち、図６Ｂおよび図６Ｃに示すように、信号Ａｃを、１０１−２０１［Ｈｚ］、および２０１−３０１［Ｈｚ］の周波数帯域でフィルタリングする。

また同様に、バンドパスフィルタＢＦ２、ＢＦ３でフィルタリングされたキャリブレーション用信号Ａｃについても、信号Ａｃ_{（１０１−２０１［Ｈｚ］）}および信号Ａｃ_{（２０１−３０１［Ｈｚ］）}と表す。

その他の信号、すなわち、脚部ａにおける検証用信号Ａｖについても前記バンドパスフィルタＢＦ（ＢＦ１〜ＢＦ３）を用いて同様のフィルタリングを実行する。

ここで、検証用信号ＡｖについてバンドパスフィルタＢＦ（ＢＦ１〜ＢＦ３）を用いてフィルタリングして得られた信号を、信号Ａｖ１_{（１−１０１［Ｈｚ］）}、信号Ａｖ１_{（１０１−２０１［Ｈｚ］）}、信号Ａｖ１_{（２０１−３０１［Ｈｚ］）}と表す。

なお、例えば、筋電信号Ａを細かい周波数幅でフィルタリングしたい場合には、前記パラメータを、例えば（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）＝（１０、１０、１および５０１）とすればよい。この場合、ｎの値を「１〜５０」とするバンドパスフィルタＢＦ１〜ＢＦ５０を備え、１０［Ｈｚ］刻みの細かい周波数幅で筋電信号Ａをフィルタリングできる。

特徴量算出部１３ａ_４は、前記フィルタリングしたキャリブレーション用信号（信号Ａｃ_{（１−１０１［Ｈｚ］）}、信号Ａｃ_{（１０１−２０１［Ｈｚ］）}および信号Ａｃ_{（２０１−３０１［Ｈｚ］）}）ならびに検証用信号（信号Ａｖ_{（１−１０１［Ｈｚ］）}、信号Ａｖ_{（１０１−２０１［Ｈｚ］）}および信号Ａｖ_{（２０１−３０１［Ｈｚ］）}）の他、脚部（ｌ_１およびｌ_２）の信号Ｌｃ_１、信号Ｌｃ_２、信号Ｌｖ_１および信号Ｌｖ_２について、二乗平均平方根（ＲＭＳ：Root Mean Square）を用いて特徴量Ｒを算出する機能を有する。

また、前記特徴量算出部１３ａ_４は、算出した各信号（信号Ａｃ、信号Ｌｃ_１、信号Ｌｃ_２、信号Ａｖ、信号Ｌｖ_１および信号Ｌｖ_２）の前記特徴量Ｒを筋活動推定部１３ａ_５に出力する。

ここで、ＲＭＳは、統計値や確率変数を二乗した値の平均値の平方根で得られる値である。

特徴量Ｒは、下記（３）式にて表される。

ここで、Ａ（ｋ）は、前記筋電信号計測装置２０が備える電極２０Ａを用いて計測した、信号Ａにおけるｋ番目の筋電信号のデータであり、ｍはＲＭＳの時定数を示し、ここでは、一例としてｍ＝１００とする。なお、この時定数ｍは、前記パラメータ設定部１３ａ_２に記憶されている。

図７Ａ〜図７Ｃは、信号Ａｃ_{（１−１０１［Ｈｚ］）}、信号Ａｃ_{（１０１−２０１［Ｈｚ］）}および信号Ａｃ_{（２０１−３０１［Ｈｚ］）}のそれぞれの特徴量Ｒを示した図である。

図７Ａは、信号Ａｃ_{（１−１０１［Ｈｚ］）}に基づいて算出した特徴量Ｒを示す図である。以下では、信号Ａｃ_{（１−１０１［Ｈｚ］）}の特徴量ＲをＲ（Ａｃ）_{（１−１０１［Ｈｚ］）}と表す。

同様に、信号Ａｃ_{（１０１−２０１［Ｈｚ］）}および信号Ａｃ_{（２０１−３０１［Ｈｚ］）}に対する特徴量ＲをＲ（Ａｃ）_{（１０１−２０１［Ｈｚ］）}およびＲ（Ａｃ）_{（２０１−３０１［Ｈｚ］）}とし、これら値を図７Ｂおよび図７Ｃに表す。

同様に、検証用信号Ａｖの特徴量Ｒを、Ｒ（Ａｖ）［Ｒ（Ａｖ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａｖ）_{（１０１−２０１［Ｈｚ］）}およびＲ（Ａｖ）_{（２０１−３０１［Ｈｚ］）}］とする。

なお、Ｒ（Ａｃ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａｃ）_{（１０１−２０１［Ｈｚ］）}およびＲ（Ａｃ）_{（２０１−３０１［Ｈｚ］）}ならびにＲ（Ａｖ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａｖ）_{（１０１−２０１［Ｈｚ］）}、Ｒ（Ａｖ）_{（２０１−３０１［Ｈｚ］）}を区別しない場合には、単にそれぞれをＲ（Ａｃ）およびＲ（Ａｖ）と記載する。

また、信号Ｌｃ_１の特徴量ＲをＲ（Ｌｃ_１）、信号Ｌｃ_２の特徴量ＲをＲ（Ｌｃ_２）とし、さらに信号Ｌｖ_１の特徴量ＲをＲ（Ｌｖ_１）、信号Ｌｖ_２の特徴量ＲをＲ（Ｌｖ_２）とする。

筋活動推定部１３ａ_５は、
（ｉ）前記表２に示したＮｏ１〜Ｎｏ１１に係る「回帰モデルＭ」を用いて当該回帰モデルＭ毎に回帰式（以下、回帰式Ｍ１およびＭ２とする）を１つずつ導出する機能の他、
（ｉｉ）導出した回帰モデルＭ毎の回帰式（Ｍ１およびＭ２）、特徴量Ｒ［Ｒ（Ｌｖ_１）およびＲ（Ｌｖ_２）］に加えて、回帰モデルＭ毎の回帰式（Ｍ１およびＭ２）のそれぞれに当該特徴量Ｒ［Ｒ（Ｌｖ_１）およびＲ（Ｌｖ_２）］を代入して得られた、回帰モデルＭ毎の演算結果（以下、筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２））を出力する機能を有する。

まず、筋活動推定部１３ａ_５による、回帰式（Ｍ１およびＭ２）の導出過程を説明する。

図８は、下記（４）式および（５）式を用いて回帰式（Ｍ１およびＭ２）を導出する概念図である。

具体的には、特徴量Ｒ［Ｒ（Ａｃ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａｃ）_{（１０１−２０１［Ｈｚ］）}およびＲ（Ａｃ）_{（２０１−３０１［Ｈｚ］）}］を前記Ｎｏ１〜Ｎｏ１１までの回帰モデルＭにそれぞれ代入し、その結果が、脚部（ｌ_１およびｌ_２）のキャリブレーション用信号（信号Ｌｃ_１および信号Ｌｃ_２）の特徴量Ｒ［Ｒ（Ｌｃ_１）およびＲ（Ｌｃ_２）］となるように当該回帰式（Ｍ１およびＭ２）をフィッティングする様子を示した図である。

下記（４）式および（５）式に、Ｎｏ１〜Ｎｏ１１までの回帰モデルＭに係る一般式（Ｍ１、Ｍ２）を含んだ等式を示す。
Ｍ１［Ｒ（Ａｃ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａｃ）_{（１０１−２０１［Ｈｚ］）}、Ｒ（Ａｃ）_{（２０１−３０１［Ｈｚ］）}］＝Ｒ（Ｌｃ_１） …（４）
Ｍ２［Ｒ（Ａｃ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａｃ）_{（１０１−２０１［Ｈｚ］）}、Ｒ（Ａｃ）_{（２０１−３０１［Ｈｚ］）}］＝Ｒ（Ｌｃ２） …（５）
ここで、前記（４）式および（５）式における回帰モデルＭを示す回帰式（Ｍ１、Ｍ２）は、当該回帰モデルＭ毎に異なることから、当該回帰式は（Ｍ１およびＭ２）と前記一般式で表わされ、また一般式である当該回帰式（Ｍ１およびＭ２）には図示せぬ変数（ｘ、ｙおよびｚなど）や係数（ａ、ｂなど）が使用される関数式になる。

すなわち、（４）式に示す回帰式Ｍ１の変数（例えば、ｘ、ｙおよびｚなど）に、特徴量Ｒ（Ａｃ）_{（１−１０１［Ｈｚ］）}、特徴量Ｒ（Ａｃ）_{（１０１−２０１［Ｈｚ］）}および特徴量Ｒ（Ａｃ）_{（２０１−３０１［Ｈｚ］）}を代入し、その結果得られる値が、脚部（ｌ_１）で計測された筋電信号Ｌ_１のデータに係る特徴量Ｒ（Ｌｃ_１）となるような係数（ａ１およびｂ１など）を導出する。

同様に、（５）式に示す回帰式Ｍ２の変数（例えば、ｘ、ｙおよびｚなど）に、特徴量Ｒ（Ａｃ）_{（１−１０１［Ｈｚ］）}、特徴量Ｒ（Ａｃ）_{（１０１−２０１［Ｈｚ］）}および特徴量Ｒ（Ａｃ）_{（２０１−３０１［Ｈｚ］）}を代入し、その結果得られる値が、脚部（ｌ_２）で計測された筋電信号Ｌ_２のデータに係る特徴量Ｒ（Ｌｃ_２）となるような係数（ａ２およびｂ２など）を算出する。

そして、前記（４）式および（５）式を用いた係数（ａ１、ｂ１、ａ２およびｂ２など）の算出を、表１に示すＮｏ１〜Ｎｏ１１までの「回帰モデルＭ」毎に実行する。

次に、下記（６）式および（７）式を用いて、回帰モデルＭ毎に脚部（ｌ_１およびｌ_２）における筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２）の値を算出する。

Ｍ１［Ｒ（Ａｖ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａｖ）_{（１０１−２０１［Ｈｚ］）}、Ｒ（Ａｖ）_{（２０１−３０１［Ｈｚ］）}］＝Ｓｖ_１ …（６）
Ｍ２［Ｒ（Ａｖ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａｖ）_{（１０１−２０１［Ｈｚ］）}、Ｒ（Ａｖ）_{（２０１−３０１［Ｈｚ］）}］＝Ｓｖ_２ …（７）
（６）式および（７）式に示すように、前記係数（ａ１、ｂ１、ａ２およびｂ２など）を用いて得られた各回帰モデルＭの回帰式Ｍ１および回帰式Ｍ２に、検証用信号Ａｖに基づいて算出された特徴量Ｒ（前記Ｒ（Ａｖ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａｖ）_{（１０１−２０１［Ｈｚ］）}、Ｒ（Ａｖ）_{（２０１−３０１［Ｈｚ］））}をそれぞれ代入することで筋電推定信号Ｓｖ_１、および筋電推定信号Ｓｖ_２を得る。

筋活動推定部１３ａ_５は、このように算出された前記筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２）、特徴量Ｒ（Ｌｖ_１およびＬｖ_２）、回帰式Ｍ１および回帰式Ｍ２を前記推定精度算出部１３ａ_６へ出力する。

推定精度算出部１３ａ_６は、
（ｉ）前記筋活動推定部１３ａ_５からの筋電推定信号Ｓｖ_１と、脚部ｌ_１における検証用信号に基づく特徴量Ｒ（Ｌｖ_１）と、の間、および筋電推定信号Ｓｖ_２と、脚部ｌ_２における検証用信号に基づく特徴量Ｒ（Ｌｖ_２）と、の間でそれぞれ相関係数ｒ（ｒ_１およびｒ_２）を、前記パラメータ設定部１３ａ_２に格納されたパラメータ毎に算出し、最も高い相関係数が得られるパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）を、前記表１から１つ選択する機能（前記表１を参照）、
（ｉｉ）当該最も高い相関係数ｒ（ｒ_１およびｒ_２）を得ることのできる筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２）および特徴量Ｒ（Ｌｖ_１およびＬｖ_２）の組み合わせを選択する機能の他、
（ｉｉｉ）前記選択した筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２）を導出する回帰式（Ｍ１およびＭ２）を選択する機能を有する。

すなわち、推定精度算出部１３ａ_６は、キャリブレーション用信号Ａｃから、実際に計測されたデータに近い筋電信号Ｌ_１および筋電信号Ｌ_２を精度よく算出することのできる最適な回帰式（Ｍ１およびＭ２）を導出し、当該導出した回帰式（Ｍ１およびＭ２）を選択する機能を有する。

なお、相関係数とは、２つの確率変数の間にある線形な関係の強弱を図る指標である。この相関係数は、−１以上１以下の値（無単位）をとり、１に近づくほど相関係数が強くなる。

またなお、最も高い相関係数ｒを得ることのできるパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）が、脚部ｌ_１における筋電推定信号Ｓｖ_１と、脚部ｌ_１における検証用信号に基づく特徴量Ｒ（Ｌｖ_１）と、の間、および脚部ｌ_２における筋電推定信号Ｓｖ_２と、脚部ｌ_２における検証用信号に基づく特徴量Ｒ（Ｌｖ_２）と、の間でそれぞれ異なる場合、部位毎（ｌ_１およびｌ_２）に異なるパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）を選択する。

そして、推定精度算出部１３ａ_６は、選択された最適なパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）、筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２）、特徴量Ｒ（Ｌｖ_１およびＬｖ_２）を、パラメータＤＢ１３ｄに出力し、回帰式（Ｍ１およびＭ２）を筋電信号回帰モデルＤＢ１３ｆに出力する。

図９は、推定精度算出部１３ａ_６の（ｉ）の機能により選択されたパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）を、筋肉活動を推定する対象である脚部（ｌ_１およびｌ_２）毎に格納したパラメータＤＢ１３ｄを示す図である。

図１０は、測定対象とする部位毎（ａ：足首前方向、ｌ_１：前脛骨筋、ｌ_２：腓腹筋）に推定精度算出部１３ａ_６の（ｉｉ）の機能により選択された回帰式（Ｍ１、Ｍ２）を筋電信号回帰モデルＤＢ１３ｆに格納した図である。

以上により、前記ＣＰＵ１１によるキャリブレーション用設定機能（フィルタリング用パラメータ設定機能および回帰式設定機能）を実現する。

次に、前記構成の筋電信号推定装置１０の動作について説明する。

図１１は、筋電信号推定装置１０によるキャリブレーション設定処理を示したフローチャートである。
まず、外部入力Ｉ／Ｆ１４を介して入力された、筋電信号計測装置２０を用いて計測した筋電信号（信号Ａ、信号Ｌ_１および信号Ｌ_２）を、ＣＰＵ１１によりキャリブレーション用信号（信号Ａｃ、信号Ｌ_１および信号Ｌ_２）と検証用信号（信号Ａｖ、信号Ｌｖ_１および信号Ｌｖ_２）とに分割して、ＲＡＭ１２内の作業エリア１２ａに格納する（ステップＳ１）。

その後、ＣＰＵ１１により、フィルタリング用パラメータ格納部１３ｃに格納された複数のパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦ、および最大周波数ｍａｘＦ）によって設定されるバンドパスフィルタＢＦを用いて、前記キャリブレーション用信号Ａｃと検証用信号Ａｖを複数の周波数帯域でフィルタリングする（ステップＳ２）。

次いで、ステップＳ２にて、ＣＰＵ１１により、複数の周波数帯域でフィルタリングした前記キャリブレーション用信号Ａｃおよび検証用信号Ａｖ、ならびに前記キャリブレーション用信号（信号Ｌｃ_１、信号Ｌｃ_２）および検証用信号（信号Ｌｖ_１、信号Ｌｖ_２）のそれぞれの特徴量Ｒを、前記（３）式を用いて算出する。

すなわち、特徴量Ｒ［Ｒ（Ａ（ｃ）およびＲ（Ａ（ｖ））］、ならびに特徴量Ｒ［Ｒ（Ｌｃ_１）、Ｒ（Ｌｃ_２）、Ｒ（Ｌｖ_１）およびＲ（Ｌｖ_２）］を算出する（ステップＳ３）。

ＣＰＵ１１は、ステップＳ３にて算出した、複数の周波数帯域毎の特徴量Ｒ（Ａ（ｃ））を、表１に示す回帰モデルＤＢ１３ｅに格納されたＮｏ１〜Ｎｏ１１までの回帰モデルＭにそれぞれ代入し、その演算結果が、脚部（ｌ_１およびｌ_２）に基づく特徴量Ｒ［Ｒ（Ｌｃ_１）およびＲ（Ｌｃ_２）］となるような回帰式（Ｍ１およびＭ２）を前記（４）式および（５）式に従い導出する（ステップＳ４）。

この結果、回帰式（Ｍ１およびＭ２）について、Ｎｏ１〜Ｎｏ１１までの計１１個が作成される。

更に、ＣＰＵ１１によりステップＳ４にて得られたそれぞれの回帰式（Ｍ１、Ｍ２）に、脚部ａにおける検証用信号Ａｖに基づいた特徴量Ｒ（Ａ（ｖ））を代入し、前記（６）および（７）式に従い脚部（ｌ_１およびｌ_２）における筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２）を算出する（ステップＳ５）。

最後に、ＣＰＵ１１は、ステップＳ５にて算出した筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２）の値と、特徴量Ｒ［Ｒ（Ｌｖ_１）およびＲ（Ｌｖ_２）］と、の間で相関係数ｒが最も高くなる特徴量Ｒ［Ｒ（Ｌｖ_１）およびＲ（Ｌｖ_２）］、回帰式（Ｍ１およびＭ２）、および筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２）をパラメータＤＢ１３ｄ、筋電信号回帰モデルＤＢ１３ｆに格納させる（ステップＳ６）。

＜筋電信号推定処理＞
次に、本実施形態に係る筋電信号推定装置１０による筋電信号推定処理について説明する。

図１２は、前記筋電信号推定装置１０のＣＰＵ１１が、前記作業エリア１２ａを用いて筋電信号推定用プログラム１３ｂを起動することで実現される筋電信号推定機能を示したブロック図である。

すなわち、ＣＰＵ１１は、筋電信号格納部１３ｂ_１、筋電信号周波数分割部１３ｂ_２、特徴量算出部１３ｂ_３、および筋活動推定部１３ｂ_４として機能する。

以下、筋電信号推定機能について説明する。

筋電信号格納部１３ｂ_１は、筋電信号計測装置２０が備える電極２０Ａからの筋電信号Ａを格納し、筋電信号周波数分割部１３ｂ_２へ出力する。

筋電信号周波数分割部１３ｂ_２は、前記筋電信号格納部１３ｂ_１からの筋電信号Ａを、前記パラメータＤＢ１３ｄに記憶される、前記フィルタリング用パラメータ設定機能にて算出されたパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）＝（１００、１００、１および３０１）でフィルタリングする機能を有する。

すなわち、前記（１）式から得られるバンドパスフィルタＢＦ（ＢＦ１〜ＢＦ３）を用いて、前記信号Ａを、３つの周波数帯域（信号Ａ_{（１［Ｈｚ］〜１０１［Ｈｚ］）}、信号Ａ_{（１０１［Ｈｚ］〜２０１［Ｈｚ］）}、および信号Ａ_{（２０１［Ｈｚ］〜３０１［Ｈｚ］）}）にフィルタリングし、これを特徴量算出部１３ｂ_３に出力する。

特徴量算出部１３ｂ_３は、前記筋電信号周波数分割部１３ｂ_２からの信号Ａ_{（１［Ｈｚ］〜１０１［Ｈｚ］）}、信号Ａ_{（１０１［Ｈｚ］〜２０１［Ｈｚ］）}、および信号Ａ_{（２０１［Ｈｚ］〜３０１［Ｈｚ］）}のそれぞれについて特徴量Ｒを算出する機能を有する。

すなわち、特徴量算出部１３ｂ_３は、前記（３）式を用いて、信号Ａの特徴量Ｒ［Ｒ（Ａ_{（１［Ｈｚ］〜１０１［Ｈｚ］）}）、Ｒ（Ａ_{（１０１［Ｈｚ］〜２０１［Ｈｚ］）}）およびＲ（Ａ_{（２０１［Ｈｚ］〜３０１［Ｈｚ］）}）］を算出する。

筋活動推定部１３ｂ_４は、前記信号Ａに基づく特徴量Ｒ［Ｒ（Ａ_{（１［Ｈｚ］〜１０１［Ｈｚ］）}）、Ｒ（Ａ_{（１０１［Ｈｚ］〜２０１［Ｈｚ］）}）、Ｒ（Ａ_{（２０１［Ｈｚ］〜３０１［Ｈｚ］）}）］を、前記回帰式設定機能にて算出され、前記筋電信号回帰モデルＤＢ１３ｆに記憶された回帰式（Ｍ１およびＭ２）に代入することで、測定したい対象である脚部（ｌ_１およびｌ_２）の筋電推定信号Ｓ（Ｓ_１およびＳ_２）を算出する機能を有する。

脚部（ｌ_１およびｌ_２）における筋電推定信号Ｓ（Ｓ_１およびＳ_２）は、下記（８）式、および下記（９）式を用いて算出される。

Ｍ１［Ｒ（Ａ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａ）_{（１０１−２０１［Ｈｚ］）}、Ｒ（Ａ）_{（２０１−３０１［Ｈｚ］）}］＝Ｓ_１ …（８）
Ｍ２［Ｒ（Ａ）_{（１−１０１［Ｈｚ］）}、Ｒ（Ａ）_{（１０１−２０１［Ｈｚ］）}、Ｒ（Ａ）_{（２０１−３０１［Ｈｚ］）}］＝Ｓ_２ …（９）
前記（８）式および（９）式によって得られた前記筋電推定信号Ｓ_１、および筋電推定信号Ｓ_２を図１３に示す。

図１３Ａおよび図１３Ｂは、生体の脚部（ｌ_１およびｌ_２）における筋電推定信号Ｓ（Ｓ_１およびＳ_２）を示す図である。

このように、パラメータＤＢ１３ｄに格納したパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）＝）１００、１００、１および３０１）と、前記回帰式設定機能により導出された回帰式（Ｍ１、Ｍ２）を用いることで、脚部ａの筋電信号から、脚部（ｌ_１およびｌ_２）の筋電信号Ｓ（Ｓ_１およびＳ_２）を推定することができる。

次に、前記構成の筋電信号推定装置１０の動作について説明する。
図１４は、筋電信号推定装置１０の筋電信号推定処理を示したフローチャートである。
まず、外部入力Ｉ／Ｆ１４を介して入力した、筋電信号計測装置２０にて計測された筋電信号Ａを、ＣＰＵ１１により、ＲＡＭ１２内の作業エリア１２ａに格納する（ステップＴ１）。

その後、ＣＰＵ１１により、フィルタリング用パラメータ格納部１３ｃに格納されたパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）によって設定されるバンドパスフィルタＢＦを用いて、前記信号Ａを複数の周波数帯域でフィルタリングする（ステップＴ２）。

次いで、ステップＴ２にて、ＣＰＵ１１により、複数の周波数帯域でフィルタリングした前記信号Ａの特徴量Ｒ（Ａ）を、前記（３）式を用いて算出する（ステップＴ３）。

次いで、ＣＰＵ１１は、前記（８）式および（９）式を用いて、ステップＴ３にて算出した前記信号Ａの特徴量Ｒ（Ａ）を、前記筋電信号回帰モデルＤＢ１３ｆに記憶され、前記回帰式設定機能にて導出された回帰式（Ｍ１およびＭ２）に代入し、脚部（ｌ_１およびｌ_２）における筋電推定信号Ｓ（Ｓ_１、Ｓ_２）を算出する（ステップＴ４）。

したがって、前記構成の筋電信号推定装置１０によれば、複数のパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）毎にフィルタリングした筋電信号計測装置２０により計測された脚部ａの信号Ａの特徴量Ｒ（Ａｃ）と、脚部（ｌ_１およびｌ_２）の筋電信号Ｌ_１および筋電信号Ｌ_２の特徴量Ｒ（Ｌｃ_１、Ｌｃ_２）と、から回帰式（Ｍ１およびＭ２）を導出し、当該導出した回帰式（Ｍ１、Ｍ２）と、脚部ａにおける検証用信号Ａｖに基づく特徴量Ｒ（Ａｖ）と、を用いて、脚部（ｌ_１およびｌ_２）における筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２）を算出する。また、脚部（ｌ_１およびｌ_２）の筋電推定信号Ｓｖ（Ｓｖ_１およびＳｖ_２）と、脚部（ｌ_１およびｌ_２）の検証用信号（Ｌｖ_１およびＬｖ_２）に基づく特徴量Ｒ（Ｌｖ_１およびＬｖ_２）と、から最も高い相関係数ｒ（ｒ_１およびｒ_２）を算出し、算出した相関係数ｒ（ｒ_１およびｒ_２）を得ることの出来る、パラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）と、回帰式（Ｍ１およびＭ２）と、を選択し、これら値をパラメータＤＢ１３ｄと、筋電信号回帰モデルＤＢ１３ｆに格納するキャリブレーション用設定機能（回帰式設定機能、フィルタリング用パラメータ設定機能）を有する。

これによれば、最も高い相関係数ｒ（ｒ_１およびｒ_２）を算出し、算出した相関係数ｒ（ｒ_１およびｒ_２）を得ることの出来る、パラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）と、回帰式（Ｍ１、Ｍ２）と、を選択し、これらパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）および回帰式（Ｍ１およびＭ２）を使用することで、計測対象とする筋肉に混入した複数筋電信号から高精度に他の筋活動を推定できる。

すなわち、前記構成の筋電信号推定装置１０によれば、前記キャリブレーション用設定機能（フィルタリング用パラメータ設定機能）にて選択されたパラメータ（分割周波数幅ｆｗ、移動周波数幅ｍｆ、最低周波数ｍｉｎＦおよび最大周波数ｍａｘＦ）を用いてフィルタリングされた脚部ａにおける筋電信号Ａに基づく特徴量Ｒ（Ａ）と、前記キャリブレーション用設定機能（回帰式設定機能）にて選択された回帰式（Ｍ１、Ｍ２）と、を使用して脚部（ａ：足首）の筋電信号に含まれる他の脚部（ｌ_１：前脛骨筋およびｌ_２：腓腹筋）の筋電信号を推定できる。

したがって、筋肉表面に接着させる電極の数を増やすことなく、高精度に計測対象とする筋肉に混入した複数筋電信号から他の筋活動を推定できる。

なお、生体において推定する部位は２箇所（今回は、脚部（ｌ_１およびｌ_２））に限られない。

つまり、本実施形態では、キャリブレーション処理にて脚部（ａ、ｌ_１およびｌ_２）の筋電信号（Ａ、Ｌ_１およびＬ_２）を計測し、次いで筋電信号推定処理では、前記脚部（ｌ_１、ｌ_２）のキャリブレーション用信号である筋電信号（Ｌｃ_１およびＬｃ_２）の特徴量Ｒ［Ｒ（Ｌｃ（ｌ_１））およびＲ（Ｌｃ（ｌ_２））］と、脚部ａのキャリブレーション用信号である筋電信号（Ａｃ）の特徴量Ｒ（Ａｃ）と、からフィルタリングした周波数毎に得られた、回帰モデル毎の回帰式（Ｍ_１およびＭ_２）の中で、最も相関係数ｒの高い回帰式（Ｍ_１およびＭ_２）を用いて当該脚部（ｌ_１およびｌ_２）の筋電信号を推定したが、脚部（ｌ_１およびｌ_２）に加えて、他の部位の筋電信号も推定する構成であってもよい。

すなわち、キャリブレーション処理にて、脚部（ｌ_１およびｌ_２）に加えて、他の部位における筋電信号を計測しておけば、その増加させた部位の数だけ導出させる前記回帰式が増えるものの、脚部ａから、筋電信号推定処理にて、脚部（ｌ_１およびｌ_２）の他、他の部位についても筋電信号を推定することが可能になる。

本発明は、前記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。さらに、前記実施形態には種々の段階の発明が含まれており、開示される複数の構成要件における適宜な組み合わせにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件から幾つかの構成要件が削除されたり、幾つかの構成要件が異なる形態にして組み合わされても、発明が解決しようとする課題の欄で述べた課題が解決でき、発明の効果の欄で述べられている効果が得られる場合には、この構成要件が削除されたり組み合わされた構成が発明として抽出され得るものである。

１０…筋電信号推定装置、１１…ＣＰＵ、１２…ＲＡＭ、１３…ＲＯＭ、
１３ａ…キャリブレーション用設定プログラム、１３ａ_１…筋電信号格納部、
１３ａ_２…パラメータ設定部、１３ａ_３…筋電信号周波数分割部、
１３ａ_４…特徴量算出部、１３ａ_５…筋活動推定部、１３ａ_６…推定精度算出部、
１３ｂ…筋電信号推定用プログラム、１３ｂ_１…筋電信号格納部、
１３ｂ_２…筋電信号周波数分割部、１３ｂ_３…特徴量算出部、
１３ｂ_４…筋活動推定部、１３ｃ…フィルタリング用パラメータ格納部、
１３ｄ…パラメータＤＢ、１３ｅ…回帰モデルＤＢ、
１３ｆ…筋電信号回帰モデルＤＢ、１４…外部入力Ｉ／Ｆ、
１５…表示データ出力部、１６…入力部、２０…筋電信号計測装置、
２０Ａ、２０Ｌ_１、２０Ｌ_２…電極、３０…表示部（可視化装置）、
ａ…足首、ｌ_１…脚部、ｌ_２…脚部。

Claims (9)

1. 生体の複数部位の筋電信号が混信した第１部位の筋電信号、および前記複数部位のうち推定対象とする第２部位の筋電信号のそれぞれについて、キャリブレーション用信号および検証用信号と指定して格納する信号格納手段と、
   前記信号格納手段により格納された第１部位の筋電信号のキャリブレーション用信号と、検証用信号と、を予め設定された複数の周波数パラメータでフィルタリングする筋電信号フィルタリング手段と、
   前記筋電信号フィルタリング手段によりフィルタリングされた前記第１部位の筋電信号のキャリブレーション用信号に関する特徴量と、前記信号格納手段により格納された前記第２部位の筋電信号のキャリブレーション用信号に関する特徴量と、に基づいて前記複数の周波数パラメータでフィルタリングされた第１部位の筋電信号のキャリブレーション用信号毎に、複数の回帰モデル毎の回帰式を導出する回帰式導出手段と、
   前記回帰式導出手段により導出された回帰式と、前記信号格納手段により格納された第１部位の筋電信号の検証用信号に関する特徴量と、を用いて、前記第２部位における筋電推定信号の値を、前記回帰モデル毎に複数算出する筋電推定信号算出手段と、
   筋電推定信号算出手段により算出された前記第２部位における筋電推定信号と、前記第２部位の筋電信号の検証用信号に関する特徴量と、の相関係数を前記複数算出した筋電推定信号の値毎に算出する相関係数算出手段と、
   前記相関係数算出手段により算出された複数の相関係数の中で最も高い相関係数に対応する、前記筋電信号フィルタリング手段によるフィルタリングの周波数と、前記回帰式導出手段により導出された回帰式と、を記憶部に格納する格納手段と、
   を備える、筋電信号推定装置。
2. 前記生体の複数部位の筋電信号が混信した第１部位の筋電信号を、前記格納手段により格納された前記複数の周波数パラメータでフィルタリングするフィルタリング手段と、
   前記フィルタリング手段によりフィルタリングされた第１部位の筋電信号に関する特徴量を算出する特徴量算出手段と、
   前記格納手段により格納された回帰式を用いて、前記特徴量算出手段により算出された前記第１部位の筋電信号に関する特徴量から、前記第２部位の筋電信号を推定する推定手段と、
   を備える、請求項１に記載の筋電信号推定装置。
3. 前記特徴量は、二乗平均平方根を用いて算出される、請求項１または請求項２に記載の筋電信号推定装置。
4. 前記格納手段は、前記特徴量を算出する数式に用いる時定数を格納する、請求項１乃至請求項３のいずれか一項に記載の筋電信号推定装置。
5. 生体の複数部位の筋電信号が混信した第１部位の筋電信号から、当該複数部位のうち第２部位の筋電信号を推定する制御装置が実行する筋電信号推定方法であって、
   前記第１部位での筋電信号、および前記第２部位の筋電信号のそれぞれについて、キャリブレーション用信号および検証用信号と指定して、格納し、
   格納された第１筋電信号のキャリブレーション用信号と、検証用信号と、を予め設定された複数の周波数パラメータでフィルタリングし、
   フィルタリングされた前記第１部位の筋電信号のキャリブレーション用信号に関する特徴量と、格納された前記第２部位の筋電信号のキャリブレーション用信号の特徴量と、に基づいて前記複数の周波数パラメータでフィルタリングされた第１部位の筋電信号のキャリブレーション用信号毎に、複数の回帰モデル毎の回帰式を導出し、
   導出された前記回帰式と、格納された前記第１部位の筋電信号の検証用信号に関する特徴量と、を用いて、前記第２部位における筋電推定信号の値を、前記回帰モデル毎に複数算出し、
   算出された前記第２部位における筋電推定信号と、前記第２部位の筋電信号の検証用信号に関する特徴量と、の相関係数を前記複数算出した筋電推定信号の値毎に算出し、
   算出された前記複数の相関係数の中で最も高い相関係数に対応する、フィルタリングする周波数パラメータと、導出された前記回帰式と、を記憶部に格納する、
   筋電信号推定方法。
6. 前記生体の複数部位の筋電信号が混信した第１部位での筋電信号を、前記記憶部に格納された周波数パラメータでフィルタリングし、
   フィルタリングされた第１部位の筋電信号に関する特徴量を算出し、
   前記記憶部に格納された回帰式を用いて、算出された前記第１部位の筋電信号に関する特徴量から前記第２部位の筋電信号を推定する、
   請求項５に記載の筋電信号推定方法。
7. 前記特徴量は、二乗平均平方根を用いて算出される、請求項５または請求項６に記載の筋電信号推定方法。
8. 前記記憶部は、前記特徴量を算出する数式に用いる時定数を格納する、請求項５乃至請求項７のいずれか一項に記載の筋電信号推定方法。
9. コンピュータを、
   請求項１乃至請求項４のいずれかに一項に記載の筋電信号推定装置として機能させるためのコンピュータ読み込み可能なプログラム。