JP2020192091A - 心拍数検知装置 - Google Patents
心拍数検知装置 Download PDFInfo
- Publication number
- JP2020192091A JP2020192091A JP2019099623A JP2019099623A JP2020192091A JP 2020192091 A JP2020192091 A JP 2020192091A JP 2019099623 A JP2019099623 A JP 2019099623A JP 2019099623 A JP2019099623 A JP 2019099623A JP 2020192091 A JP2020192091 A JP 2020192091A
- Authority
- JP
- Japan
- Prior art keywords
- heart rate
- frequency spectrum
- model
- biological signal
- noise
- 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.)
- Pending
Links
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】電波透過式の生体センサを用いた心拍数検知システムにおいて、対象の人が動いたり周囲の環境が大きく変動したりしてセンサ出力値にノイズが重畳された場合でも、正しい心拍数の抽出を従来よりも容易にする。【解決手段】心拍数検知システムは、人の体を透過した電波信号に応じた生体信号から周波数スペクトラムを算出し(S120)、当該生体信号のノイズが少ない場合は、当該周波数スペクトラムに基づいて心拍モデルを算出し(S150)、当該生体信号のノイズが多い場合は、当該心拍モデルを用いて当該周波数スペクトラムのノイズを低減し(S160)、ノイズが低減された周波数スペクトラムに基づいて心拍数を算出する(S170)。【選択図】図2
Description
本発明は、心拍数検知装置に関するものである。
従来、電波透過式の生体センサのセンサ出力値に対して周波数解析を行うことで心拍数を抽出する技術が、特許文献1に記載されている。この技術は、周波数解析で得られたスペクトラムより心拍に起因する周波数成分を抽出し、その抽出結果に基づいて心拍数を特定する。
このような技術は、心拍を検出する対象の人が静止しており、且つ、周囲の環境も固定されているという、理想的な条件であれば心拍を正しく検出可能である。しかし、発明者の検討によれば、対象の人が動いたり周囲の環境が大きく変動したりする場合、センサ出力値にノイズが重畳され、正しい心拍数の抽出が非常に困難となる。
本願発明は、対象の人が動いたり周囲の環境が大きく変動したりしてセンサ出力値にノイズが重畳された場合でも、正しい心拍数の抽出を従来よりも容易にする技術を提供することを目的とする。
上記目的を達成するための請求項1に記載の発明は、人の体を通るように送信された電波を受信し、受信した電波に応じた生体信号を出力する生体センサ(13、14)から出力された前記生体信号に基づいて前記人の心拍数を算出する心拍数検知装置であって、前記生体センサから出力された前記生体信号に含まれるノイズの多さを示す指標が基準値より低い場合、前記生体信号に基づいた周波数スペクトラムである心拍モデルを算出するモデル決定部(S150)と、前記生体センサから出力された前記生体信号に含まれるノイズの多さを示す指標が基準値以下である場合、前記心拍モデルを用いて前記生体信号に基づいた周波数スペクトラムに含まれるノイズを低減するモデル使用部(S160)と、前記モデル使用部によってノイズが低減された前記周波数スペクトラムに基づいて、前記人の心拍を算出する心拍算出部(S170)と、を備える。
このように、ノイズの少ない生体信号から算出された心拍モデルを用いて、ノイズの多い周波数スペクトラムからノイズを除去することができる。したがって、体動や車内環境の変動によるノイズが多い時でも、その時の周波数スペクトラムを用いて、安定的に心拍を算出することができる。
なお、各構成要素等に付された括弧付きの参照符号は、その構成要素等と後述する実施形態に記載の具体的な構成要素等との対応関係の一例を示すものである。
以下、第1実施形態について説明する。図1に示すように、本実施形態に係る心拍数検知システムは、車両に搭載され、車両の運転席に着座する乗員すなわち人2の心拍数を生体情報として算出して出力する。人2の生体情報とは、人2の生体活動に関する情報をいう。この心拍数検知システムは、心拍数検知装置4、発信機11、送信アンテナ12、受信アンテナ13、受信機14を備えている。
発信機11は、所定の周波数(例えば900MHz帯の周波数)の送信信号を送信アンテナ12に出力する。送信アンテナ12は、車室内のインストルメントパネルのうち運転席に対して車両進行方向前側に配置されている。送信アンテナ12は、発信機11からの送信信号に応じた電波信号を、運転席に着座した人2の体の上半身に向けて送信する。
受信アンテナ13は、人2および運転席を挟んで送信アンテナ12と対向して配置されている。受信アンテナ13は、送信アンテナ12から送信された電波信号を受信できる構成となっている。
受信機14は、受信アンテナ13が受信した電波信号を増幅して出力する。具体的には、受信機14は、受信アンテナ13が受信した電波信号を増幅して生体信号P1として心拍数検知装置4に出力する。なお、受信アンテナ13と受信機14は生体センサを構成する。この生体センサは、測定対象の人2の身体を物理的に拘束もせず物理的に制限もしない、非拘束センサである。また、生体センサは、電波透過式のセンサである。
心拍数検知装置4は、入力部41、記憶部42、出力部43、処理部44を含んでいる。入力部41は、受信機14から入力されたアナログ信号である生体信号P1をデジタル信号として処理部44に出力する。記憶部42は、RAM、ROM、書き込み可能な不揮発性記憶媒体等を含む。RAM、ROM、書き込み可能な不揮発性記憶媒体は、いずれも非遷移的実体的記憶媒体である。出力部43は、処理部44から入力された信号を心拍数検知装置4の外部の装置に出力する。出力先の外部の装置は、例えば、経路案内等を行う車載ナビゲーション装置でもよいし、車両の外部と通信を行う車載データ通信モジュールでもよいし、人2が携帯する携帯通信端末でもよい。
処理部44は、記憶部42のROMまたは書き込み可能な不揮発性記憶媒体に記録されたプログラムに従った処理を実行する装置であり、実行の際には、記憶部42のRAMを作業領域として使用する。
以下、上記のような構成の心拍数検知システムの作動について説明する。発信機11は、所定の周波数の送信信号を送信アンテナ12に出力する。すると、送信アンテナ12は、発信機11からの送信信号に応じた電波信号W1を運転席および人2に向けて送信する。
この電波信号W1のうち一部は、人2の体を透過して受信アンテナ13に受信される。これは、送信アンテナ12と受信アンテナ13の間に人2がいるからである。電波信号W1に対して人2の体は誘電体として機能する。このため、人2の体を電波信号W1が透過する際に電波信号W1の電界強度に誘電体損失が生じる。そして、人2の心臓2aは、拡張、収縮に伴ってその形状が変化する。このため、図1に示すように心臓2aを透過して受信アンテナ13に至る電波信号W1において、電界強度に生じる誘電体損失は、心臓2aの心拍に応じて変化する。
したがって、受信アンテナ13が受信する電波信号の強度は、心臓2aの心拍に応じて心拍に同期して変化する成分を含む。しかしながら、この電波信号には、車両内で発生する種々のノイズが重畳されている。車両内で発生するノイズとしては、車両の走行に応じた車内環境変動(例えば振動)に起因するノイズがある。このようなタイプのノイズは、車両の停止中の方が走行中よりも発生量が少ない。また、車両内で発生するノイズとしては、人2の体の動きすなわち体動に起因するノイズがある。体動としては、例えば、人2の運転操作に伴う体動、人2の姿勢の変化に伴う体動等がある。
このように電波信号が受信されると、受信アンテナ13は、受信した電波信号の電界強度によって信号強度が変化する電気信号を出力する。したがって、この電波信号を受信することで受信アンテナ13から受信機14に出力される電気信号のレベルは、心臓2aの心拍に応じて心拍に同期して変動する成分を含む。受信機14は、受信アンテナ13から入力された受信信号が増幅された生体信号P1を心拍数検知装置4に出力する。
以上のように発信機11、送信アンテナ12、受信アンテナ13、受信機14が継続して作動することにより、心拍数検知装置4の入力部41には、時間の経過と共に信号強度が変化する生体信号P1が継続的に入力される。そして、生体情報である心拍数の情報を含む生体信号P1には、上述の電波信号と同様に、心拍数とは無関係の体動や車内環境変動に起因するノイズが重畳されている。
上述の通り、入力部41は、入力された生体信号P1の信号強度に応じた値のデジタル信号を処理部44に出力する。したがって、処理部44には、時間経過に伴う生体信号P1の強度変化の情報が入力される。時間経過に伴う生体信号P1の強度変化の情報は、時間波形すなわち時間ドメインにおける波形である。この時間波形は、より詳しくは所定の時間間隔だけ空いた離散的な複数のサンプリングタイミングの各々における信号強度の情報を含んでいる。複数のサンプリングタイミングの各々で取得される時間波形の値が、1サンプルに相当する。
処理部44は、車両の走行中も停止中も、記憶部42のROMまたは書き込み可能な不揮発性記憶媒体から所定のプログラムを読み込んで実行することにより、図2に示す処理を実行する。
処理部44は、この図2の処理により、生体信号P1の時間波形に基づいて、人2の心拍数を算出する。
具体的には、処理部44は、まず、ステップS100で、準備処理として、生体信号P1の時間波形における連続する複数サンプルを取得する。ここで取得するサンプルの数は、例えば、後述する離散フーリエ変換において必要となるサンプル数よりも1個だけ少ない数である。
続いて処理部44は、ステップS110〜S180のループを、繰り返し実行する。このループの各々において、処理部44は、ステップS110で、生体信号P1の時間波形の最新値を1サンプル分、取得する。
続いて処理部44は、ステップS120で、生体信号P1の時間波形の最も新しい所定個数のサンプルを用いて離散フーリエ変換する。所定個数は複数であり、例えば40である。図3に、生体信号P1の所定個数分のサンプルを例示する。この離散フーリエ変換により、当該所定個数のサンプルが取得された時間区間における、生体信号P1の周波数と強度(すなわち振幅)の関係を示す周波数スペクトラムQ1が得られる。図3に、このような周波数スペクトラムQ1の一例を示す。
図3に示すような周波数特性において、強度が極大となる点が1個または複数個存在する。これらの点は、周波数ドメインにおいて強度が特徴的に強い点である。このような点に相当する周波数における強い強度は、人2の心臓2aの心拍数を反映するものである可能性があると共に、上述のように生体信号P1に重畳されたノイズを反映するものである可能性もある。もし、従来のように、周波数特性中の全周波数範囲において強度が最も大きい周波数に基づいて心拍数が算出される場合、ノイズの強度が心拍数の強度よりも大きい場合に、心拍数の誤検出が発生してしまう。このような誤検出を低減するために、以下のような処理を行う。
続いて処理部44は、ステップS130で、ノイズ指標が基準値より大きい否かを判定する。この判定は、体動や車内環境変動によって大きなノイズが生体信号P1に重畳されているか否かを判定するものである。
具体的には、処理部44は、ステップS130で、まず直前のステップS120で取得した周波数スペクトラムQ1に基づくノイズ指標を算出する。ノイズ指標が大きいほど、生体信号P1に重畳されたノイズが大きい。
ノイズ指標としては、例えば、周波数スペクトラムQ1の情報エントロピを用いる。情報エントロピHは、以下の式によって算出される。
H=−Σi[p(fi)×ln{p(fi)}]
ここで、p(fi)は、正規化された周波数スペクトラムQ1のある周波数ビンfiにおける強度である。また、lnは中括弧{}内の自然対数を示す。また、Σiは、周波数スペクトラムQ1を構成するすべての周波数ビンについての大括弧[]内の式の総和を意味する。
H=−Σi[p(fi)×ln{p(fi)}]
ここで、p(fi)は、正規化された周波数スペクトラムQ1のある周波数ビンfiにおける強度である。また、lnは中括弧{}内の自然対数を示す。また、Σiは、周波数スペクトラムQ1を構成するすべての周波数ビンについての大括弧[]内の式の総和を意味する。
体動や車内環境変動によるノイズが少ない生体信号P1の周波数スペクトラムQ1は、ピーク周波数が一意に決まりやすい。一方、体動や車内環境変動によるノイズが多く含まれる生体信号P1の周波数スペクトラムQ1は、ピーク周波数が一意に決まりにくい。情報エントロピは、ピーク周波数の一意性を定量化する指標である。周波数スペクトラムQ1のピークが一意に定まりやすいほど、情報エントロピの値は小さい。したがって、情報エントロピは、ノイズ指標として適切である。
更にステップS130で、処理部44は、算出したノイズ指標が基準値より大きいか否かを判定する。基準値は、例えば、2.5より大きく4.0より小さい値であってもよいし、3より大きく3.5より小さい値であってもよい。
ノイズ指標が基準値よりも大きくない場合、すなわち、ノイズ指標が基準値と同じかそれよりも小さい場合、処理部44はステップS140に進む。ノイズ指標が基準値よりも大きい場合、処理部44はステップS160に進む。
ステップS140に進む場合は、周波数スペクトラムQ1に含まれるノイズが少ないので、周波数スペクトラムQ1は、図4のグラフ61に例示するように、顕著に大きなピークが1つだけある綺麗なプロファイルとなる。
ステップS140では、直前のステップS120で算出した周波数スペクトラムQ1から、後述する心拍モデルを用いることなく、ピーク周波数および心拍数を算出する。
具体的には、周波数スペクトラムQ1のピーク周波数62を特定し、特定した周波数に60という数値を乗算した結果を、心拍数とする。得られた心拍数の単位は、1分当たりの心臓の拍数を意味するbpmである。ここで、ピーク周波数は、周波数スペクトラムQ1のうち最も強度が大きいビンの周波数である。ピーク周波数の単位はヘルツである。
ステップS140に続いては、処理部44は、ステップS150で、心拍モデル63の学習を行う。心拍モデル63は、直前のステップS120で生体信号P1から得られた周波数スペクトラムQ1に基づいて算出される。具体的には、あらかじめ心拍モデル63の候補として設定されて記憶部42に記録されている複数の周波数スペクトラムのうち、生体信号への類似度が最も高い周波数スペクトラムを、心拍モデル63として選出する。そして、処理部44は、選出された心拍モデル63の分散σ2と平均値μとの組を記憶部42に記録する。このようになっていることで、心拍モデル63の関数形を記憶部に記録する場合に比べて、データ量の削減が実現する。
心拍モデル63の候補の各々は、例えば、分散σ2が他の候補と同じで平均値μが他の候補と異なる正規分布の周波数スペクトラムであってもよい。この場合、心拍モデル63の候補における平均値μの下限値から上限値までの範囲は、人間の心拍数としてあり得る心拍数範囲よりも広い範囲である。また、候補の間で値が共通となっている分散σ2は、例えば、ノイズのない人の心拍の周波数スペクトラムの分散σ2の平均的な値が採用されてもよい。この平均的な値は、あらかじめ実験等で特定される。
あるいは、心拍モデル63の候補の各々は、例えば、分散σ2と平均値μとの組み合わせが他の候補と異なる正規分布の周波数スペクトラムであってもよい。なお、心拍モデル63の候補の各々の周波数ビンの数および値は、周波数スペクトラムQ1と同じである。
選出の方法は、以下の通りである。まず、心拍モデル63の候補のすべてについて、直前のステップS120で算出された周波数スペクトラムQ1との類似度を算出する。そして、類似度が最も高い(すなわち、最も周波数スペクトラムQ1に近い)候補を、心拍モデル63として選出する。
類似度は、例えば、対象の候補と周波数スペクトラムQ1との乗算の結果得られた周波数スペクトラムの情報エントロピの正負を反転させた量であってもよい。なお、周波数スペクトラムQ1との乗算とは、同じ値の周波数ビンの強度同士を乗算することをいう。この乗算により、候補および周波数スペクトラムQ1と同じビンの数および値を有する周波数スペクトラムが得られる。あるいは、類似度は、周波数ビン毎の強度の差の絶対値を全周波数ビンに亘って総和した値の逆数であってもよい。このようにして算出された心拍モデル63は、ノイズの少ないときに得られた周波数スペクトラムQ1内の心拍の情報を明白に表している。
ステップS150に続いては、ステップS180に進む。ステップS180では、生体センサの電源がオンか否かを判定し、オンであればステップS110に戻り、オフであれば図2の処理を終了する。
一方、ステップS130からステップS160に進む場合は、周波数スペクトラムQ1に含まれるノイズが多いので、周波数スペクトラムQ1は、図4のグラフ64に例示するように、顕著に大きなピークが複数ある、ある意味汚いプロファイルとなる。
ステップS160では、処理部44は、心拍モデル63の情報として記憶部42に記録されている最新の分散σ2と平均値μとの組を読み出す。そして、読み出した分散σ2と平均値μを有する正規分布である心拍モデル63を生成する。そして、直前のステップS120で算出した周波数スペクトラムQ1に、当該心拍モデル63を乗算する。この乗算により、心拍モデルおよび周波数スペクトラムQ1と同じビンの数および値を有する周波数スペクトラム65が得られる。
このようにすることで、心拍モデル63において強度が低い周波数帯における周波数スペクトラムQ1のピークに比べて、心拍モデル63において強度が高い周波数帯における周波数スペクトラムQ1のピークが、強調される。このようにして得られた周波数スペクトラム65は、図4に示すように、ノイズの多い周波数スペクトラム64から、心拍モデル63というフィルタによってノイズが除去された結果の、周波数スペクトラムである。
しがたって、この心拍モデル63において強度が高い周波数範囲は、このフィルタの窓である。本実施形態において、心拍モデル63の候補の分散σ2は、この窓の周波数幅が狭くなりすぎないよう、あらかじめ定められている。例えば、ステップS150において、心拍モデル63が、その直前のステップS120で取得された周波数スペクトラムQ1と同じにしてもよい。しかしその場合は、当該周波数スペクトラムQ1における窓の周波数幅が狭くなりすぎる可能性がある。窓の周波数幅が狭すぎると、心拍数の経時的変動に追従できなくなってしまう可能性が高くなる。
続いてステップS170では、処理部44は、直前のステップS160で得られた乗算結果の周波数スペクトラム65に基づいて、ステップS140と同じ手法で、ピーク周波数66および心拍数を算出する。ステップS170の後は、既に説明したステップS180に進む。
このように、処理部44は、1サンプル分の生体信号P1を取得する度に、過去の所定サンプル分の生体信号P1に基づいた周波数スペクトラムQ1を算出する。そして、算出した周波数スペクトラムQ1に基づいて人2の心拍数を算出する。
なお、ステップS160の実行開始時において、ステップS150における心拍モデルの学習がまだ行われていない場合は、ステップS160、S170をバイパスしてステップS180に進んでもよい。あるいは、ステップS160の実行開始時において、ステップS150における心拍モデルの学習がまだ行われていない場合に、処理部44は、別の処理をしてもよい。例えばその場合、処理部44は、あらかじめ固定的に定められて記憶部42に記録されているデフォルトの心拍モデルを周波数スペクトラムQ1に乗算し、その後ステップS170に進んでもよい。
以上のような処理によって実現する作動について、時系列的に説明する。車両の運転席に人2が着座し、車両の主電源スイッチがオンになると、生体センサの電源がオンになると共に、心拍数検知装置4も起動する。ここで、主電源スイッチとは、エンジンの発生する動力で走行する車両の場合はイグニッションスイッチであり、電動モータの動力で走行する車両の場合は、車両のバッテリから当該電動モータへの通電を許可するメインスイッチである。
上記のように生体センサの電源がオンになると、処理部44は、図2に示す処理を開始する。車両の主電源がオンになってすぐの場合は、車両も走行しておらず、人2の体動もない場合が多い。そのような場合、生体信号P1に含まれるノイズの量は少ない。このようなタイミングでは、処理部44は、図2のステップS130からステップS140、S150に進み、心拍モデルを算出する。
その後、車両が走行を開始すると、走行時の振動や、人2の運転操作に伴う体動が発生することで、生体信号P1に含まれるノイズの量が増大する。このようなタイミングでは、処理部44は、図2のステップS130からステップS160、S170に進み、最後にステップS150で算出された心拍モデルと現在の周波数スペクトラムQ1との乗算結果に基づいて心拍数を算出する。このように、同じ人2の同じ走行機会中におけるノイズの少ない周波数スペクトラムQ1から算出された心拍モデルを用いて、ノイズの多い周波数スペクトラムQ1からノイズを除去することができる。したがって、体動や車内環境の変動によるノイズが多い時でも、その時の周波数スペクトラムQ1を用いて、安定的に心拍を算出することができる。
その後、車両の走行中に、何らかの理由により車内環境の変動が低減され、体動が少なくなったとする。例えば、車両が高速道路を走行していたり、直線道路を走行していたりする場合に、車内環境の変動が低減され、かつ、体動が少なくなる場合がある。そしてその結果、生体信号P1に含まれるノイズの量が少くなったとする。このようなタイミングでは、処理部44は、図2のステップS130からステップS140、S150に進み、心拍モデルを算出する。これにより、心拍モデル更新される。
その後、走行時の振動や、人2の運転操作に伴う体動が再び大きくなったとする。そしてその結果、生体信号P1に含まれるノイズの量が増大したとする。このようなタイミングでは、処理部44は、図2のステップS130からステップS160、S170に進み、最後にステップS150で算出された心拍モデルと現在の周波数スペクトラムQ1との乗算結果に基づいて心拍数を算出する。
ここで、上記のような作動の技術的意義について説明する。まず、処理部44は、生体信号P1に体動等によるノイズが多く含まれているか否かの判断を、ステップS130で行っている。この判断が適切になされないと体動等によるノイズが含まれた生体信号P1を誤って活用する恐れがある。そこで、発明者は、体動等によるノイズが含まれない生体信号P1の周波数スペクトラムはピーク周波数が一意に決まりやすく、体動が含まれる生体信号P1のスペクトラムはピーク周波数が一意に決まりにくい性質に着目した。この着目点に基づき、処理部44は、ピーク周波数の一意性を定量化する情報エントロピにより体動等によるノイズの多い少ないを判断するように構成された。情報エントロピが小さいほど、周波数スペクトラムのピークが一意に定まりやすい。
また、処理部44は、ステップS150で、体動等のノイズが少ない生体信号P1の周波数スペクトラムより心拍モデルを学習する。心拍モデルは、体動等によるノイズが多い周波数スペクトラムQ1からノイズを除去するものであるから、適切なモデリング手法で導出されることが望ましい。発明者は、体動等によるノイズが少ない生体信号P1の周波数スペクトラムには心拍成分が多く含まれる点に注目した。また、発明者は、体動等のノイズが少ない周波数スペクトラムQ1の形状が正規分布に酷似していることに着目した。この着目点に基づき、処理部44は、ノイズが少ないと判定された周波数スペクトラムQ1と最も形状が似ている正規分布を、心拍モデルとして導出するように構成された。
そして、このようにして導出された心拍モデルと周波数スペクトラムQ1とが同じ周波数ビン同士で乗算されることにより、体動等によるノイズ成分にかき消された心拍成分のみを浮かびあがらせることができる。このため、体動等によるノイズが多い生体信号P1からでも、正確性の高い心拍数を算出することができる。
なお、本実施形態においては、処理部44が、ステップS150を実行することでモデル決定部として機能し、ステップS160を実行することでモデル使用部として機能し、ステップS170を実行することで心拍算出部として機能する。
(他の実施形態)
なお、本発明は上記した実施形態に限定されるものではなく、適宜変更が可能である。また、上記実施形態において、実施形態を構成する要素は、特に必須であると明示した場合および原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須のものではない。また、上記実施形態において、実施形態の構成要素の個数、数値、量、範囲等の数値が言及されている場合、特に必須であると明示した場合および原理的に明らかに特定の数に限定される場合等を除き、その特定の数に限定されるものではない。特に、ある量について複数個の値が例示されている場合、特に別記した場合および原理的に明らかに不可能な場合を除き、それら複数個の値の間の値を採用することも可能である。また、上記実施形態において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合および原理的に特定の形状、位置関係等に限定される場合等を除き、その形状、位置関係等に限定されるものではない。また、上記実施形態において、センサから車両の外部環境情報(例えば車外の湿度)を取得することが記載されている場合、そのセンサを廃し、車両の外部のサーバまたはクラウドからその外部環境情報を受信することも可能である。あるいは、そのセンサを廃し、車両の外部のサーバまたはクラウドからその外部環境情報に関連する関連情報を取得し、取得した関連情報からその外部環境情報を推定することも可能である。また、本発明は、上記実施形態に対する以下のような変形例および均等範囲の変形例も許容される。なお、以下の変形例は、それぞれ独立に、上記実施形態に適用および不適用を選択できる。すなわち、以下の変形例のうち明らかに矛盾する組み合わせを除く任意の組み合わせを、上記実施形態に適用することができる。
なお、本発明は上記した実施形態に限定されるものではなく、適宜変更が可能である。また、上記実施形態において、実施形態を構成する要素は、特に必須であると明示した場合および原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須のものではない。また、上記実施形態において、実施形態の構成要素の個数、数値、量、範囲等の数値が言及されている場合、特に必須であると明示した場合および原理的に明らかに特定の数に限定される場合等を除き、その特定の数に限定されるものではない。特に、ある量について複数個の値が例示されている場合、特に別記した場合および原理的に明らかに不可能な場合を除き、それら複数個の値の間の値を採用することも可能である。また、上記実施形態において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合および原理的に特定の形状、位置関係等に限定される場合等を除き、その形状、位置関係等に限定されるものではない。また、上記実施形態において、センサから車両の外部環境情報(例えば車外の湿度)を取得することが記載されている場合、そのセンサを廃し、車両の外部のサーバまたはクラウドからその外部環境情報を受信することも可能である。あるいは、そのセンサを廃し、車両の外部のサーバまたはクラウドからその外部環境情報に関連する関連情報を取得し、取得した関連情報からその外部環境情報を推定することも可能である。また、本発明は、上記実施形態に対する以下のような変形例および均等範囲の変形例も許容される。なお、以下の変形例は、それぞれ独立に、上記実施形態に適用および不適用を選択できる。すなわち、以下の変形例のうち明らかに矛盾する組み合わせを除く任意の組み合わせを、上記実施形態に適用することができる。
本開示に記載の制御部及びその手法は、コンピュータプログラムにより具体化された一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリを構成することによって提供された専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の制御部及びその手法は、一つ以上の専用ハードウェア論理回路によってプロセッサを構成することによって提供された専用コンピュータにより、実現されてもよい。もしくは、本開示に記載の制御部及びその手法は、一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリと一つ以上のハードウェア論理回路によって構成されたプロセッサとの組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されていてもよい。
(変形例1)
上記実施形態では、心拍モデルは複数の候補から選ばれるようになっているが、必ずしもこのようになっていなくてもよい。例えば、心拍モデルは、直前のステップS120で得られた周波数スペクトラムQ1と同じ平均値μを有し、かつ、あらかじめ定められた分散σ2を有する正規分布とされてもよい。あるいは、心拍モデルは、直前のステップS120で得られた周波数スペクトラムQ1と同じ平均値μおよび分散σ2を有する正規分布であってもよい。
上記実施形態では、心拍モデルは複数の候補から選ばれるようになっているが、必ずしもこのようになっていなくてもよい。例えば、心拍モデルは、直前のステップS120で得られた周波数スペクトラムQ1と同じ平均値μを有し、かつ、あらかじめ定められた分散σ2を有する正規分布とされてもよい。あるいは、心拍モデルは、直前のステップS120で得られた周波数スペクトラムQ1と同じ平均値μおよび分散σ2を有する正規分布であってもよい。
(変形例2)
上記実施形態では、心拍モデルは正規分布であったが、必ずしも正規分布でなくてもよい。心拍モデルは、直前のステップS120で得られた周波数スペクトラムQ1との形状が似ていれば、他の確率分布が採用されてもよい。つまり、心拍モデルは、周波数スペクトラムQ1と乗算されることで周波数スペクトラムQ1のノイズが低減されるような確率分布になっていればよい。
上記実施形態では、心拍モデルは正規分布であったが、必ずしも正規分布でなくてもよい。心拍モデルは、直前のステップS120で得られた周波数スペクトラムQ1との形状が似ていれば、他の確率分布が採用されてもよい。つまり、心拍モデルは、周波数スペクトラムQ1と乗算されることで周波数スペクトラムQ1のノイズが低減されるような確率分布になっていればよい。
(変形例3)
上記実施形態では、処理部44はステップS160で、周波数スペクトラムQ1と最後に選出された心拍モデル63とを乗算している。しかし、必ずしもこのようになっていなくてもよい。周波数スペクトラムQ1と乗算されるのは、過去複数回選出された正規分布のうち、最後のもの以外の1つであってもよい。あるいは、周波数スペクトラムQ1と乗算されるのは、過去複数回選出された正規分布のうち複数個の平均であってもよい。
上記実施形態では、処理部44はステップS160で、周波数スペクトラムQ1と最後に選出された心拍モデル63とを乗算している。しかし、必ずしもこのようになっていなくてもよい。周波数スペクトラムQ1と乗算されるのは、過去複数回選出された正規分布のうち、最後のもの以外の1つであってもよい。あるいは、周波数スペクトラムQ1と乗算されるのは、過去複数回選出された正規分布のうち複数個の平均であってもよい。
(変形例4)
上記実施形態では、心拍数検知システムは、車両の運転席に着座した人2の心拍を検知する。しかし、心拍数検知システムは、車両の運転席でなくそれ以外の座席に着座した人の心拍を検知するよう構成されていてもよい。また、心拍数検知システムは、車両でなくそれ以外の場所にいる人の心拍を検知するよう構成されていてもよい。
上記実施形態では、心拍数検知システムは、車両の運転席に着座した人2の心拍を検知する。しかし、心拍数検知システムは、車両の運転席でなくそれ以外の座席に着座した人の心拍を検知するよう構成されていてもよい。また、心拍数検知システムは、車両でなくそれ以外の場所にいる人の心拍を検知するよう構成されていてもよい。
(変形例5)
上記実施形態では、処理部44は、1サンプル分の生体信号P1を取得する度に、過去の所定サンプル分の生体信号P1に基づいた周波数スペクトラムQ1を算出する。しかし、処理部44は、所定サンプル分の生体信号P1を取得する度に、過去の当該所定サンプル分の生体信号P1に基づいた周波数スペクトラムQ1を算出してもよい。
上記実施形態では、処理部44は、1サンプル分の生体信号P1を取得する度に、過去の所定サンプル分の生体信号P1に基づいた周波数スペクトラムQ1を算出する。しかし、処理部44は、所定サンプル分の生体信号P1を取得する度に、過去の当該所定サンプル分の生体信号P1に基づいた周波数スペクトラムQ1を算出してもよい。
(変形例6)
上記実施形態では、生体センサから出力された生体信号に含まれるノイズの多さを示す指標は、当該生体信号に基づく周波数スペクトラムの情報エントロピであった。しかし、生体センサから出力された生体信号に含まれるノイズの多さを示す指標は、他の量であってもよい。
上記実施形態では、生体センサから出力された生体信号に含まれるノイズの多さを示す指標は、当該生体信号に基づく周波数スペクトラムの情報エントロピであった。しかし、生体センサから出力された生体信号に含まれるノイズの多さを示す指標は、他の量であってもよい。
例えば、生体センサから出力された生体信号に含まれるノイズの多さを示す指標は、車両の車室を撮影する車室内カメラによって撮影される人2の映像から算出されてもよい。この場合、当該指標は、「ノイズが多い」、「ノイズが少ない」という2つの値を取ることができる指標であってもよい。この場合、処理部44は、車室内カメラによって撮影される人2の映像を入力とし、「ノイズが多い」、「ノイズが少ない」という2つの値を取ることができる指標を出力とする、ニューラルネットワークを用いて、当該指標を算出してもよい。この場合、「ノイズが多い」という値は、「ノイズが少ない」という値に比べて、ノイズの多さを示す指標が大きいことになる。そしてこの場合、基準値は、「ノイズが少ない」という値である。
(変形例7)
上記実施形態では、心拍モデル63の候補の各々が、分散σ2が他の候補と同じで平均値μが他の候補と異なる正規分布の周波数スペクトラムである場合が例示されている。また、この場合、心拍モデル63の候補における平均値μの下限値から上限値までの範囲は、人間の心拍数としてあり得る心拍数範囲よりも広い範囲であることが開示されている。しかし、候補における平均値μの下限値から上限値までの範囲は、設定可能となっていてもよい。例えば、ランニング等の有酸素運動を頻繁に行う人は心拍数が低い傾向があるため、そのような人がこの車両の主な運転者であれば、候補における平均値μの上限値を、通常よりも低くしてもよい。このようにすることで、これにより、心拍モデルの候補の数を減らすことができ、ひいては、心拍モデルの学習を高速化することができる。
(まとめ)
上記各実施形態の一部または全部で示された第1の観点によれば、人の体を通るように送信された電波を受信し、受信した電波に応じた生体信号を出力する生体センサから出力された前記生体信号に基づいて前記人の心拍数を算出する心拍数検知装置は、前記生体センサから出力された前記生体信号に含まれるノイズの多さを示す指標が基準値より低い場合、前記生体信号に基づいた周波数スペクトラムである心拍モデルを算出するモデル決定部と、前記生体センサから出力された前記生体信号に含まれるノイズの多さを示す指標が基準値以下である場合、前記心拍モデルを用いて前記生体信号に基づいた周波数スペクトラムに含まれるノイズを低減するモデル使用部と、前記モデル使用部によってノイズが低減された前記周波数スペクトラムに基づいて、前記人の心拍を算出する心拍算出部と、を備える。
上記実施形態では、心拍モデル63の候補の各々が、分散σ2が他の候補と同じで平均値μが他の候補と異なる正規分布の周波数スペクトラムである場合が例示されている。また、この場合、心拍モデル63の候補における平均値μの下限値から上限値までの範囲は、人間の心拍数としてあり得る心拍数範囲よりも広い範囲であることが開示されている。しかし、候補における平均値μの下限値から上限値までの範囲は、設定可能となっていてもよい。例えば、ランニング等の有酸素運動を頻繁に行う人は心拍数が低い傾向があるため、そのような人がこの車両の主な運転者であれば、候補における平均値μの上限値を、通常よりも低くしてもよい。このようにすることで、これにより、心拍モデルの候補の数を減らすことができ、ひいては、心拍モデルの学習を高速化することができる。
(まとめ)
上記各実施形態の一部または全部で示された第1の観点によれば、人の体を通るように送信された電波を受信し、受信した電波に応じた生体信号を出力する生体センサから出力された前記生体信号に基づいて前記人の心拍数を算出する心拍数検知装置は、前記生体センサから出力された前記生体信号に含まれるノイズの多さを示す指標が基準値より低い場合、前記生体信号に基づいた周波数スペクトラムである心拍モデルを算出するモデル決定部と、前記生体センサから出力された前記生体信号に含まれるノイズの多さを示す指標が基準値以下である場合、前記心拍モデルを用いて前記生体信号に基づいた周波数スペクトラムに含まれるノイズを低減するモデル使用部と、前記モデル使用部によってノイズが低減された前記周波数スペクトラムに基づいて、前記人の心拍を算出する心拍算出部と、を備える。
また、第2の観点によれば、前記指標は、前記生体信号の周波数スペクトラムの情報エントロピに依存する量である。体動や車内環境変動によるノイズが少ない周波数スペクトラムは、ピーク周波数が一意に決まりやすい。一方、ノイズが多く含まれる周波数スペクトラムは、ピーク周波数が一意に決まりにくい。情報エントロピは、ピーク周波数の一意性を定量化する指標である。周波数スペクトラムのピークが一意に定まりやすいほど、情報エントロピの値は小さい。したがって、情報エントロピは、ノイズ指標として適切である。
また、第3の観点によれば、前記モデル使用部は、前記心拍モデルを前記生体信号の周波数スペクトラムに乗算することで、前記心拍モデルを用いて前記生体信号に含まれるノイズを低減する。
このようにすることで、心拍モデルにおいて強度が低い周波数帯における周波数スペクトラムのピークに比べて、心拍モデルにおいて強度が高い周波数帯における周波数スペクトラムのピークが、強調される。したがって、心拍モデルを用いて、適切に、生体信号に基づいた周波数スペクトラムに含まれるノイズを低減することができる。
また、第4の観点によれば、前記心拍モデルは正規分布であり、前記モデル決定部は、算出された前記心拍モデルの平均値および分散を記憶部に記録する。このようになっていることで、心拍モデルの関数形を記憶部に記録する場合に比べて、データ量の削減が実現する。
また、第5の観点によれば、前記モデル決定部は、あらかじめ定められた複数の候補のうちから前記心拍モデルを特定する。このようになっていることで、心拍モデルに相当するフィルタの窓の周波数範囲が狭くなり過ぎて心拍の変動に追従できなくなる可能性を低減することができる。
4 心拍数検知装置
12 送信アンテナ
13 受信アンテナ
14 受信機
44 処理部
12 送信アンテナ
13 受信アンテナ
14 受信機
44 処理部
Claims (5)
- 人の体を通るように送信された電波を受信し、受信した電波に応じた生体信号を出力する生体センサ(13、14)から出力された前記生体信号に基づいて前記人の心拍数を算出する心拍数検知装置であって、
前記生体センサから出力された前記生体信号に含まれるノイズの多さを示す指標が基準値より低い場合、前記生体信号に基づいた周波数スペクトラムである心拍モデルを決定するモデル決定部(S150)と、
前記生体センサから出力された前記生体信号に含まれるノイズの多さを示す指標が基準値以下である場合、前記心拍モデルを用いて前記生体信号に基づいた周波数スペクトラムに含まれるノイズを低減するモデル使用部(S160)と、
前記モデル使用部によってノイズが低減された前記周波数スペクトラムに基づいて、前記人の心拍を算出する心拍算出部(S170)と、を備えた心拍数検知装置。 - 前記指標は、前記生体信号の周波数スペクトラムの情報エントロピに依存する量である請求項1に記載の心拍数検知装置。
- 前記モデル使用部は、前記心拍モデルを前記生体信号の周波数スペクトラムに乗算することで、前記心拍モデルを用いて前記生体信号に含まれるノイズを低減する、請求項1または2に記載の心拍数検知装置。
- 前記心拍モデルは正規分布であり、
前記モデル決定部は、算出された前記心拍モデルの平均値および分散を記憶部に記録する、請求項1ないし3のいずれか1つに記載の心拍数検知装置。 - 前記モデル決定部は、あらかじめ定められた複数の候補のうちから前記心拍モデルを特定する請求項1ないし4のいずれか1つに記載の心拍数検知装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019099623A JP2020192091A (ja) | 2019-05-28 | 2019-05-28 | 心拍数検知装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019099623A JP2020192091A (ja) | 2019-05-28 | 2019-05-28 | 心拍数検知装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020192091A true JP2020192091A (ja) | 2020-12-03 |
Family
ID=73548352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019099623A Pending JP2020192091A (ja) | 2019-05-28 | 2019-05-28 | 心拍数検知装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020192091A (ja) |
-
2019
- 2019-05-28 JP JP2019099623A patent/JP2020192091A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6015479B2 (ja) | 生体情報取得装置、生体情報取得方法 | |
US9272689B2 (en) | System and method for biometric identification in a vehicle | |
US8478539B2 (en) | System and method for neurological activity signature determination, discrimination, and detection | |
WO2010107092A1 (ja) | 生物学的パラメータを監視する方法、コンピュータプログラム、および生物学的パラメータの監視装置 | |
EP2409638A1 (en) | Biological parameter monitoring method, computer program, and biological parameter monitoring device | |
JP2017513656A (ja) | 無線反射によるバイタルサインの監視 | |
JP2009294790A (ja) | 自動車用情報提供システム | |
CN105812484A (zh) | 车载交互系统 | |
CN110033773B (zh) | 用于车辆的语音识别方法、装置、系统、设备以及车辆 | |
JP6991717B2 (ja) | 生体情報検出装置 | |
JP6519344B2 (ja) | 心拍間隔特定プログラム、心拍間隔特定装置、及び心拍間隔特定方法 | |
JP2020192091A (ja) | 心拍数検知装置 | |
JP2019201698A (ja) | 生体検知装置 | |
CN111382665B (zh) | 信息处理装置以及计算机可读存储介质 | |
CN111698939B (zh) | 生成与外部对象相关联的心率波动信息的方法及其设备 | |
KR102235982B1 (ko) | 생체 fmcw 레이더를 위한 생체 심장 박동 파라미터 추정 장치 및 그 방법 | |
US8894583B2 (en) | Wakefulness level determination device, wakefulness level determination method, and computer readable storage medium | |
WO2020195899A1 (ja) | 生体情報検知装置 | |
JP6727465B1 (ja) | 運転者状態判断装置および運転者状態判断方法 | |
JP2019093104A (ja) | 識別装置及び識別方法 | |
CN112826461A (zh) | 睡眠分析方法、系统、计算机设备及存储介质 | |
JP2022076391A (ja) | 生体検知装置 | |
JP7238630B2 (ja) | 生体情報検知システム | |
JP2021010657A (ja) | 人のrriを算出するための測定システム | |
KR102298699B1 (ko) | 신호 블록을 이용한 수면 신호 노이즈 제거 방법 및 그 장치 |