JP2020192091A - 心拍数検知装置 - Google Patents

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。

特開２０１７−１４４０３５号公報

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。

心拍数検知システムの全体構成図である。 処理部が実行する処理のフローチャートである。 生体信号から周波数スペクトラムを得る手順を示す模式図である。 実施形態における周波数スペクトラムの処理形態を示す模式図である。

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＝−Σ_ｉ［ｐ（ｆ_ｉ）×ｌｎ｛ｐ（ｆ_ｉ）｝］
ここで、ｐ（ｆ_ｉ）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ｆ_ｉ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、Σ_ｉ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σ^２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σ^２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σ^２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σ^２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σ^２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σ^２と平均値μとの組を読み出す。そして、読み出した分散σ^２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σ^２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。

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σ^２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σ^２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。

（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。

（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。

（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。

（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。

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σ^２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

Claims (5)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。

Images