JP2766456B2

JP2766456B2 - 生体情報自動識別装置

Info

Publication number: JP2766456B2
Application number: JP6226711A
Authority: JP
Inventors: 利光武者
Original assignee: NO KINO KENKYUSHO KK
Current assignee: NO KINO KENKYUSHO KK
Priority date: 1994-09-21
Filing date: 1994-09-21
Publication date: 1998-06-18
Anticipated expiration: 2013-06-18
Also published as: JPH0889488A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は生体情報自動識別装置に
関し、特にＭＥ（メディカル・エレクトロニクス：医療
用電子機器）分野において人間の脳波を計測し脳の神経
活動の解析を行う装置に関するものである。

【０００２】

【従来の技術】人間の思考・認識・記憶の想起・快／不
快及び精神的な疲労・緊張等は、脳内にある多数のニュ
ーロン（神経細胞）の電気的な活動を反映することは既
に広く知られている。

【０００３】このため、思考過程、認識、記憶の想起、
またある種の感情に伴ってニューロンの活動に連携が発
生して、その連携が頭皮面に電位として現れ、これを脳
波として計測することができる。

【０００４】そこで本発明者は既に特願平4-317568号に
おいて発明の名称「脳波の多次元相関分析方法」を既に
出願し、脳神経活動の定性的な分析を行っている。

【０００５】この発明を概略的に説明すると、人体頭部
（平面図）において所定数（例えば２１個）の電極（脳
波センサ）を設置し、これらの各電極の出力信号をフー
リエ変換し、それによって得られる種々の周波数成分の
ピークが周波数毎に一致している電極同士の位置を図８
に示すように例えば色別に画面表示したものである。

【０００６】即ち、図８に示す場合には被験者が例えば
快適な音楽を聞いたときの各電極出力の相関が強いもの
の状態を特に脳波中の代表的なα波のピークによって検
出している。

【０００７】このように脳波の解析を相関分析方法によ
り行う従来例においては、図８に示した様に画面表示が
行われるので、被験者の例えば感情の識別が定性的には
できるが定量化するのは困難である。

【０００８】そこで本発明者は更に、人間の感情や知的
作業内容に対して定量化することにより識別を容易にす
ることを目的として特開平6-1567号において、被験者の
身体に取り付けられて該被験者の特徴量を検出する複数
個のセンサと、各センサの出力信号を増幅する増幅器
と、該増幅器の各出力信号をディジタル信号に変換する
と共に各ディジタル信号をフーリエ変換し所望周波数帯
域内の複数の分割された周波数帯域毎のスペクトルパワ
ー（又は相互相関係数）を求め、更にニューラルネット
ワークにより該スペクトルパワーが該センサを取り付け
た被験者の複数の感情又は知的作業内容を識別する標準
値になるように該ニューラルネットワークの係数及び共
通バイアスを学習して求めて記憶しておきその後の各セ
ンサの出力信号と各係数及び共通バイアスを該ニューラ
ルネットワークに適用したときの値から該被験者の感情
又は知的作業内容を判定する演算装置と、該演算装置の
判定結果を表示する表示装置と、を備えた生体情報自動
識別装置を出願している。

【０００９】即ち、この特開平6-1567号において、演算
装置はまず、所定数の脳波センサから出力され増幅器で
増幅された出力信号を入力する。

【００１０】そして、この入力したアナログ信号をディ
ジタル信号に変換するとともにこのディジタル信号を各
センサ出力毎にフーリエ変換してそれぞれ所望周波数帯
域（例えばα帯域及びβ帯域の少なくともいずれか）に
分割する。

【００１１】そしてこのように分割した周波数帯域毎の
スペクトルパワー、即ち該周波数帯域内での時間軸上の
バリアンス（Variance：分散）を求める。

【００１２】そしてこれらのスペクトルパワーをニュー
ラルネットワークに入力して処理を行い、センサを取り
付けた被験者における種々の感情又は知的作業内容を表
す標準値になるように該ニューラルネットワーク中の各
係数及び共通バイアスを学習により求め記憶しておく。

【００１３】その後、このようにして記憶しておいた当
該被験者の各センサ出力に対してニューラルネットワー
クが学習した各係数及び共通バイアスをそれぞれの状況
における被験者の示す上記特徴量に適用することによ
り、ニューラルネットワークで演算された値が上記の感
情又は知的作業内容の度合を表す値（アナログ値）とな
るので、この値により該被験者の現在の感情を判定する
ことが出来る。

【００１４】

【発明が解決しようとする課題】このように、特開平6-
1567号においては個人毎に脳神経活動の特徴が異なって
いることに着目し、個人毎に精度の良い感情又は知的作
業内容の自動識別を行うことが可能となるが、非線形変
換を含むニューラルネットワークを用いているために、
実際に被験者から得たスペクトルパワーが上記の標準値
を越えた場合にはその感情又は知的作業内容の評価値が
飽和してしまい、その成分がどの程度含まれているかを
正確に把握することができない場合が生ずるという問題
点があった。

【００１５】また、各感情又は知的作業内容の評価値の
原点が共通でないため、それぞれの基準点（原点）がバ
ラバラで各評価値が相対的になっていないという問題点
も生じていた。

【００１６】従って本発明は、特開平6-1567号を更に改
良して感情又は知的作業内容の成分に比例した形で基準
原点から相互に正確に示すことのできる生体情報自動識
別装置を提供することを目的とする。

【００１７】

【課題を解決するための手段】上記の目的を達成するた
め、本発明に係る生体情報自動識別装置は、被験者の身
体に取り付けられて該被験者の感性により変化する特徴
量を検出する複数個のセンサと、各センサの出力信号を
増幅する増幅器と、該増幅器の各出力信号をディジタル
信号に変換すると共に各ディジタル信号をフーリエ変換
し複数の所望周波数帯域毎の各センサの出力信号間の相
互相関係数を求め、更に線形変換を施した該相互相関係
数が該センサを取り付けた被験者の複数の基準感性要素
を識別するためにコントロール値からの差を表す標準値
及び該コントロール値になるように該線形変換の係数及
び共通バイアスを学習により求めて記憶しておきその後
の各センサの出力信号と各変換係数及び共通バイアスを
該線形変換に適用したときの該被験者の各基準感性要素
を評価するための評価値を演算する演算装置と、該演算
装置の評価値を表示する表示装置とを備えている。

【００１８】この場合、上記の演算装置は、該特徴量と
して頭皮上電位又は筋電位を用いるか、或いは頭皮上電
位又は筋電位の代わりに心拍回数、眼球運動及び瞬き頻
度の内の少なくともいずれかを用いるか、或いは頭皮上
電位又は筋電位に加えて心拍回数、眼球運動及び瞬き頻
度の内の少なくともいずれかを用いることができる。

【００１９】さらに上記の演算装置は、該基準感性要素
として感情、意識集中又は知的作業内容を含む精神及び
意識の特定状態を用いることができる。

【００２０】さらに上記の演算装置は、該相互相関係数
の代わりにスペクトルパワーを用いてもよい。

【００２１】また、上記の複数の所望周波数帯域はθ波
帯域とα波帯域とβ波帯域とを含むことができる。

【００２２】また、上記の演算装置は、該評価値におけ
る負の値の標準偏差を計算し、該標準偏差に所定数を乗
じた値を閾値として該評価値のうちの正の値から該閾値
を差し引いた値とすることができる。

【００２３】また、上記の演算装置は、各周波数帯域に
おける全センサの相互相関係数の数＋１だけ各基準感性
要素について複数の被験者から該変換係数及び共通バイ
アスを求め、該相互相関係数の数＋１より少ない場合に
は各基準感性要素について複数の被験者から該変換係数
及び共通バイアスを学習により求め、或いは該相互相関
係数の数＋１より多い場合には各基準感性要素について
該標準値との差の二乗値が最小となるように該変換係数
及び共通バイアスを求め、これを全ての被験者に共通の
データベースとすることができる。

【００２４】さらに上記の演算装置は、該相互相関係数
を入力ベクトルとして任意の複数の入力ベクトルの平均
ベクトルを求め、更に該平均ベクトルからの標準偏差を
求めて該平均ベクトルを中心点として該標準偏差に所定
数を乗じた値の入力ベクトルの次元で決まる空間内の超
球面内に一様に分布する正規化された入力ベクトルに変
換してから該線形変換を行ってもよい。

【００２５】

【作用】本発明においては、演算装置はまず、所定数の
脳波センサから出力され増幅器で増幅された出力信号を
入力し、この入力したアナログ信号をディジタル信号に
変換するとともにこのディジタル信号を各センサ出力毎
にフーリエ変換してそれぞれ複数の所望周波数帯域（例
えばθ波帯域とα波帯域とβ波帯域）に分割する。

【００２６】そしてこのように分割した周波数帯域毎に
センサの出力信号間同士の相互相関係数（又はスペクト
ルパワー）を求める。

【００２７】そしてこれらの相互相関係数を線形変換
し、センサを取り付けた被験者における種々の基準感性
要素を表す標準値及びこの標準値の基準である無念夢想
状態に対応したコントロール値になるように該線形変換
の各係数及び共通バイアスを学習により求め記憶してお
く。

【００２８】その後、同じ被験者の各センサ出力に対し
て既に記憶しておいた線形変換係数及びバイアスを適用
することにより、線形変換された各評価値は、何も積極
的に感情を作らないコントロール状態を基準（基準感性
要素の数に対応した感性表現空間の原点）として各基準
感性要素の度合を表す値（アナログ値）となるので、こ
の値により該被験者の現在の基準感性要素が標準値を越
えても正確に比例した形で互いに共通の座標原点からの
距離として判定することが出来る。

【００２９】また、上記の線形変換による評価値は演算
により負の値が結果として含まれることがあるが、負の
値は基準感性要素に何ら関係の無い雑音に相当する。ま
た、正の値においても負の値に対応した形で雑音が含ま
れていると考えられる。

【００３０】そこで、このような雑音を除去するため、
該評価値の内の負の値の標準偏差を計算し、この標準偏
差に所定数を乗じた値を閾値として該評価値のうちの正
の値から該閾値を差し引いた値を正しい評価値とするこ
とができる。

【００３１】また、上記の演算装置においては、或る被
験者について予め線形変換係数及び共通バイアスを求め
ておき、これらの係数及びバイアスを同一の被験者にの
み適用して評価値を求めているが、このような不便さを
解消して誰にでも適用できる線形変換係数及び共通バイ
アスを求めるため、各周波数帯域における全センサの相
互相関係数の数＋１だけ各基準感性要素について複数の
被験者から該変換係数及び共通バイアスを求めるか、或
いは該相互相関係数の数＋１より多い場合には各基準感
性要素について該標準値との差の二乗値が最小となるよ
うに該変換係数及び共通バイアスを求め、これを全ての
被験者に共通のデータベースとすることができる。

【００３２】さらには、上記の演算に用いる被験者から
の各センサの出力信号の相互相関係数である入力ベクト
ルには個人的なバラツキがあり、変換係数及び共通バイ
アスの演算に用いた入力ベクトルが特別待遇を受け過ぎ
る結果、最終的な評価値に歪みが生ずることとなり入力
ベクトルによって評価値が異なってしまう。

【００３３】これを無くすため、任意の複数の被験者か
ら得られた入力ベクトルの平均ベクトルを求め、更に該
平均ベクトルからの入力ベクトルの標準偏差を求めて該
平均ベクトルを中心点として該標準偏差に所定数を乗じ
た値の入力ベクトルの次元で決まる空間内の超球面内に
一様に分布する正規化された入力ベクトルを求めてから
該線形変換を行うことができる。

【００３４】

【実施例】図１は本発明に係る生体情報自動識別装置の
実施例の構成を示したもので、図中、１はこの脳波解析
の被験者であり、この被験者１の頭部には例えば１０個
の脳波センサ（電極）２₁〜２₁₀がペーストにより装着
されている。

【００３５】尚、被験者の脳神経活動を示す特徴量とし
て頭皮上の電位分布だけでなく、筋電位を検出するよう
にセンサを被験者１の頭部に取り付けてもよい。更には
上記の頭皮上の電位分布や筋電位の代わりに或いは加え
て心拍回数、眼球運動及び瞬き頻度の内の少なくともい
ずれかをセンサ２₁〜２₁₀により検出してもよい。

【００３６】これら１０個のセンサ２₁〜２₁₀はプリア
ンプ３で一旦増幅された後、更にメインアンプ４で所定
のレベルまで増幅された後、演算装置５に与えられ、最
終的に識別結果である評価値を表示装置６に与えて表示
する。尚、プリアンプ３とメインアンプ４とで増幅器を
構成している。

【００３７】図２は図１に示した演算装置５の処理手順
を示しており、以下、この図２のフローチャートを参照
して演算装置５における演算処理について説明する。

【００３８】先ず、演算装置５はメインアンプ４からの
各センサ２₁〜２₁₀の出力アナログ信号を入力してそれ
ぞれディジタル信号に変換する（ステップＳ１）。

【００３９】そして、これらの各センサの出力に高速フ
ーリエ変換（ＦＦＴ）を施して時間情報から周波数情報
に変換する（ステップＳ２）。

【００４０】そして、この周波数情報を各センサの出力
に対して脳波における基準感性要素としての『感情』
『意識集中』又は『知的作業内容』等の精神及び意識の
特定状態を推し量る重要な周波数帯域である複数の所望
周波数帯域、例えばθ波帯域（５〜８Hz）とα波帯域
（８〜１３Hz）とβ波帯域（１３〜３０Hz）とに分割す
る。これは例えばバンドパスフィルタリング（ＢＰＦ）
により抽出する（ステップＳ３）。

【００４１】さらに、このようにして求めた各センサ出
力のθ波、α波、及びβ波周波数帯域のそれぞれの相互
相関係数を一定時間（例えば５秒間）毎に求める。ここ
では、各周波数帯域においてはそれぞれ１０個のセンサ
２₁〜２₁₀の相互相関係数は ₁₀Ｃ₂＝４５個となり、θ
波、α波、及びβ波周波数帯域全体では、４５×３＝１
３５個存在するので、それらをｘ_1,ｘ_2,ｘ_3,・・・_,ｘ
₁₃₅として算出する（ステップＳ４）。

【００４２】尚、上記の相互相関係数の代わりに、各周
波数帯域におけるスペクトルパワーを用いてもよい。こ
の場合には、各周波数帯域毎に１０個のスペクトルパワ
ーが生成され、全体で３０個のスペクトルパワーが得ら
れる。

【００４３】このようにして求めた相互相関係数ｘ₁〜
ｘ₁₃₅を演算装置５においてソフトウェアにより設けら
れた線形変換部（図３参照）に与えることにより、この
線形変換を行った出力値が、被験者１に例えば複数の基
準感情をイメージング等によって誘起してもらったとき
の基準感性要素を表す標準値となるような線形変換係数
及び共通バイアスの組を学習により求める（ステップＳ
５）。

【００４４】ここで、線形変換部による学習方法を図３
並びにこの図３の内容を示す以下の式により説明する。

【００４５】まず、相互相関係数ｘ₁〜ｘ₁₃₅に対して
次式（１）に示すように、線形変換係数（Ｃ）により重
み付けを行い、更にこの乗算結果に共通バイアス（Ｂ）
を加算する。そして、各基準感性要素を示す演算結果を
（ｙ_1,ｙ_2,ｙ_3,ｙ₄)と定義する。

【００４６】

【数１】

【００４７】尚、基準感性要素（ｙ_1,ｙ_2,ｙ_3,ｙ₄)は、
以下例えば「喜」「怒」「哀」「楽」に対応させて考え
る。ただし、これに限定されるものではないことは言う
までもない。

【００４８】このようにして求めた基準感性要素（ｙ_1,
ｙ_2,ｙ_3,ｙ₄)に対して次式（２）に示すように、被験者
１にとって「喜」「怒」「哀」「楽」をそれぞれ示すも
のとして予め分かっている４つの基準感情を被験者１に
誘起してもらったときのそれぞれの感情〜を標準値
（１０００），（０１００），（００１０），（０００
１）として割り当てる。

【００４９】そして更に、このような基準感性要素の標
準値だけでなく、その共通原点となるコントロール値を
次式（２）に示すように（００００）として割り当て
る。なお、このコントロール値は上記のように何ら積極
的に感情を作らない無念夢想状態に対応するものであ
る。

【００５０】

【数２】

【００５１】この時の上記の線形変換係数（Ｃ）並びに
共通バイアス（Ｂ）（最初はこれらの変換係数及びバイ
アスに乱数を用いる）を繰り返し学習（Iteration)によ
り求めるが、この学習時には被験者１に「喜んでもらっ
たり」「怒ってもらったり」「哀しんでもらったり」
「楽しんでもらったり」すると共にコントロール値に対
応させるため、「無念夢想」状態に浸ってもらうことと
なる。

【００５２】このためには、上記の各基準感性要素に対
するイメージトレーニングを被験者に行ってもらうこと
が望ましい。

【００５３】このようにして所定の複数の基準感情をイ
メージング等により被験者１に誘起してもらったときの
感情を表す値に対する線形変換係数（Ｃ）及び共通バイ
アス（Ｂ）の組を算出した後、演算装置５に内蔵したメ
モリ（図示せず）に記憶しておく（ステップＳ５）。

【００５４】そして、メモリに記憶された線形変換係数
（Ｃ）及び共通バイアス（Ｂ）の組はその被験者１の４
つの感情〜及び無感情に関する固有の特徴を示す
ものであり、この後に各センサ出力より求めた相互相関
係数ｘ₁〜ｘ₁₃₅（ステップＳ４）に対して、図３並び
に上記の式（１）に示すようにメモリに記憶された線形
変換係数（Ｃ）及び共通バイアス（Ｂ）の組を適用す
る。

【００５５】これにより、式（１）に示した基準感性要
素の値（ｙ_1,ｙ_2,ｙ_3,ｙ₄)は、式（２）のようなバイナ
リー値ではなく、それぞれアナログ値として出力される
こととなる。

【００５６】これを基準感性要素を目視するために３次
元で考えると、「喜」「怒」「哀」は共通原点Ｏに存在
するコントロール値から発生した感性ベクトルＹをそれ
ぞれｘｙｚ軸上に展開した値ｙ_1,ｙ_2,ｙ₃となってい
る。

【００５７】そして、被験者１の現在の感情状態を表示
装置６において図５に示すような棒グラフの他、円グラ
フ、または記号や色彩等を用いて表示することができる
（ステップＳ６）。

【００５８】ここで、図５（１）に示す５秒毎の基準感
性要素（例えば喜び）の評価値には線形変換に基づく計
算上の負の値が含まれることがある。

【００５９】しかしながら、このような負の値は評価誤
差であり、このような誤差を評価値から除いておく必要
がある。そして、このような評価誤差は基準感性要素に
よって異なるものである。

【００６０】このようなことから、本発明ではまず負の
値の標準偏差σを求め、このような標準偏差にさらに所
定の定数、例えば“３”を乗じて閾値３σとし、このよ
うな閾値３σを越えた基準感性要素のみを切り取って同
図（２）に示すように評価値として出力している。

【００６１】なお、このような閾値を正の値に適用した
のは、負の値を除くだけでなく、このような負の値によ
って正の値にも評価誤差が入り込んでいるのを除去する
ためである。

【００６２】図６は、このようにして評価誤差が除かれ
た種々の基準感性要素の評価値を表示装置６に表示した
ときの図を示しており、特に同図（１）は上記の式
（２）に示したように被験者に「怒ってもらった」とき
の「怒」状態を示し、同図（２）は同じく「喜」状態を
示し、同図（３）は同じく「楽」状態を示し、そして、
同図（４）は同じく「哀」状態を時間経過とともに示し
たものである。

【００６３】ここで、上記の演算装置５においては、学
習により線形変換係数（Ｃ）及び共通バイアス（Ｂ）を
上記の式（１）及び（２）により予め求めておくが、こ
のような線形変換係数及び共通バイアスは学習した被験
者と同一の被験者にしか適用されないことを前提として
いる。

【００６４】このため、被験者全ての線形変換係数及び
共通バイアスを用意しておかなければならず、データが
大量になってしまうとともに、必要になったときに急に
或る被験者について評価値を求めることができないとい
う欠点がある。

【００６５】そこで本発明では図７に示すように各基準
感性要素〜並びにコントロール値のそれぞれについ
て上記の式（２）においてはそれぞれ１３６通り（＝
θ，α，β波周波数帯域のそれぞれについて４５通り×
３＋共通バイアス）の被験者からの各センサ出力データ
の相互相関係数（入力ベクトル）が得られれば学習せず
に一義的に線形変換係数（Ｃ）及び共通バイアス（Ｂ）
を求めることができることに着目した。

【００６６】このため、図７に示すごとく、例えば被験
者Ａについては各基準感性要素並びにコントロール値に
ついて３つの入力ベクトルを計測し、被験者Ｂについて
は同じく５つの入力ベクトルを計測し、被験者Ｃについ
ては４つの入力ベクトルを計測するとともに最後の被験
者Ｚについては３つの入力ベクトルを計測し、それぞれ
の基準感性要素及びコントロール値において合計で１３
６通りの入力ベクトル値が得られるようにしている。

【００６７】この結果、各基準感性要素及びコントロー
ル値において１３６個の連立方程式が成立することか
ら、線形変換係数（Ｃ）及び共通バイアス（Ｂ）は一義
的に決定されることとなる。

【００６８】また、このように１３６通りの入力ベクト
ルが得られず、例えば１２０通りの入力ベクトルしか得
られないときには、残りの１６通りの入力ベクトルにつ
いては上記のように乱数を挿入して学習により求めるこ
とができる。

【００６９】また、このように１３６通り以上の入力ベ
クトル、例えば１５０通りの入力ベクトルが得られたと
きには、標準値との差の二乗値が最小となるように線形
変換係数及び共通バイアスを求めることができる。

【００７０】このようにして得られた線形変換係数及び
共通バイアスは全ての被験者に共通のデータベースとし
て記憶しておき、その後の生体情報自動識別に用いるこ
とができる。

【００７１】また、上記のようにして用いられる各被験
者についての相互相関係数の入力ベクトルを用いて線形
変換係数及び共通バイアスを決定する場合、かかる入力
ベクトルが特別待遇を受け過ぎる結果、テストデータの
判定が歪んでデータによっては判定結果が異なってくる
ことになる。

【００７２】そこで本発明では入力ベクトルのバラツキ
を以下のように正規化することとした。

【００７３】〔１〕まず、図７に示したような複数の被
験者、或いは任意の多数の被験者について得られた入力
ベクトルを用意し、その平均ベクトル（ｘ₁ ^O _,ｘ₂ ^O _,ｘ₃ ^O
_,…,ｘ ₁₃₅ ^O）を求める。ただし、センサ数は上記と同様
に１０個としているため、入力ベクトルの要素は１３５
個である。

【００７４】〔２〕そして、このようにして求めた平均
ベクトル（ｘ₁ ^O _,ｘ₂ ^O _,ｘ₃ ^O _,…,ｘ₁₃₅ ^O）からの各入力ベ
クトルの標準偏差σを次の式（３）に示すように求め
る。

【００７５】

【数３】

【００７６】〔３〕さらに、平均ベクトル（ｘ₁ ^O _,ｘ₂ ^O _,
ｘ₃ ^O _,…,ｘ₁₃₅ ^O）を中心点として標準偏差に所定数を乗
じた値、例えば半径２σの入力ベクトルの次元で決まる
空間内の超球面をとり、この超球面内に１３６個の正規
化ベクトルを一様に分布させる。

【００７７】このため、まず、次の式（４）に示すよう
に、上記の式（３）で求めた標準偏差σ₁〜σ₁₃₅に定
数“２”を乗じるとともに乱数ｒ₁〜ｒ₁₃₅（−１〜＋
１）を乗じた値ξ₁ ^k〜ξ₁₃₅ ^k（ｋ＝１〜１３６）を求
める。

【００７８】

【数４】

【００７９】従って、乱数ｒは１つの入力ベクトルに対
して１３５個用い、さらに図７の例に対応してｋ＝１〜
１３６個の入力ベクトルを用いるとすれば、乱数は全部
で１３５×１３６通り必要となる。

【００８０】そして、この値ξ₁ ^k〜ξ₁₃₅ ^kに上記の平
均ベクトル（ｘ₁ ^O _,ｘ₂ ^O _,ｘ₃ ^O _,…,ｘ ₁₃₅ ^O）をそれぞれ加
えれば次の式（５）により１３６個の正規化ベクトルを
求めることができる。

【００８１】

【数５】ｘ_i ^j'＝ｘ₁ ^O＋２σ_i ^j ・・・式（５）ただし、ｉは１つの入力ベクトル中の或るベクトル成分
を示している。

【００８２】このようにして求めた正規化ベクトル（ｘ
₁ ^j' _,ｘ₂ ^j' _,ｘ₃ ^j' _,…,ｘ₁₃₅ ^j'）を上記の式（１）及び
（２）に適用して線形変換することにより、線形変換係
数及び共通バイアスが求まり、同様にして評価値を算出
することができる。

【００８３】尚、上記の実施例では基準感性要素として
の感情を４つに分類して説明したが、この他に「恐怖」
「驚き」「軽蔑」などの感情を含めることも当然可能で
あり、更には複合的な状態としての「満足感」「快適
感」「不快感」「リラクセーション」「精神的疲労」
「精神的ストレス」等をも考慮することが可能である。

【００８４】また、上記の説明では感情を例にとって説
明したが、その他、暗算や図形認識、音声認識等の知的
作業内容についても同様に適用することが出来る。

【００８５】

【発明の効果】以上説明したように本発明に係る生体情
報自動識別装置によれば、被験者の身体に取り付けられ
て該被験者の感性により変化する特徴量を検出する複数
個のセンサのディジタル出力信号をフーリエ変換し複数
の所望周波数帯域毎の相互相関係数を求め、線形変換に
より該相互相関係数が該センサを取り付けた被験者の複
数の基準感性要素を識別するための標準値及び該標準値
の基準であるコントロール値になるように線形変換係数
及び共通バイアスを求めて記憶しておきその後の各セン
サの出力信号と各変換係数及び共通バイアスを該線形変
換に適用したときの評価値から被験者の基準感性要素を
判定するように構成したので、各基準感性要素の基準原
点からそれぞれがどの程度の評価値を有しているのかが
判定でき、より正確な生体情報の自動識別を実現するこ
とが可能となる。

【００８６】また、生成された評価値における負の値の
標準偏差を求めそれに基づいて正の値の雑音を除去する
ようにすることができ、より客観的な基準判定要素の判
定が可能となる。

【００８７】さらには、線形変換係数及び共通バイアス
を一義的に又は学習により決めることができるように被
験者の多くのデータを取り、これによって線形変換係数
及び共通バイアスを求めて記憶しておけば、同一の被験
者だけではなく全ての被験者に対して基準感性要素の評
価をより正確に適用することが可能となる。

【００８８】さらには、複数の被験者について得られた
入力ベクトルについてデータのバラツキを正規化するよ
うにしておけば、偏ったデータによる線形変換の歪みを
除去することが可能となる。

【図面の簡単な説明】

【図１】本発明に係る生体情報自動識別装置の実施例を
示したブロック図である。

【図２】本発明に係る生体情報自動識別装置に用いる演
算装置の処理手順を示したフローチャートである。

【図３】本発明に係る生体情報自動識別装置における演
算装置内のソフトウェアによる線形変換処理の概念を示
したブロック図である。

【図４】本発明における基準感性要素とコントロール値
との関係を示すベクトル図である。

【図５】本発明に係る生体情報自動識別装置における基
準感性要素の評価値の改良を示した図である。

【図６】誤差除去後の基準感性要素の時間変化を示した
グラフ図である。

【図７】本発明に係る生体情報自動識別装置における線
形変換係数及び共通バイアスを一義的に決定するための
手法を説明するための図である。

【図８】従来例によって識別されるα波ピークによる被
験者の脳波状態を示したグラフ図である。

【符号の説明】

１被験者２₁〜２₁₀ センサ３プリアンプ４メインアンプ５演算装置６表示装置図中、同一符号は同一又は相当部分を示す。

Claims

(57)【特許請求の範囲】

【請求項１】被験者の身体に取り付けられて該被験者
の感性により変化する特徴量を検出する複数個のセンサ
と、各センサの出力信号を増幅する増幅器と、該増幅器
の各出力信号をディジタル信号に変換すると共に各ディ
ジタル信号をフーリエ変換し複数の所望周波数帯域毎の
各センサの出力信号間の相互相関係数を求め、更に線形
変換を施した該相互相関係数が該センサを取り付けた被
験者の複数の基準感性要素を識別するためにコントロー
ル値からの差を表す標準値及び該コントロール値になる
ように該線形変換の係数及び共通バイアスを学習により
求めて記憶しておきその後の各センサの出力信号と各変
換係数及び共通バイアスを該線形変換に適用したときの
該被験者の各基準感性要素を評価するための評価値を演
算する演算装置と、該演算装置の評価値を表示する表示
装置と、を備えたことを特徴とする生体情報自動識別装
置。
【請求項２】該演算装置が、該特徴量として頭皮上電
位又は筋電位であることを特徴とした請求項１に記載の
生体情報自動識別装置。
【請求項３】該演算装置が、該特徴量として頭皮上電
位又は筋電位の代わりに心拍回数、眼球運動及び瞬き頻
度の内の少なくともいずれかを用いることを特徴とした
請求項２に記載の生体情報自動識別装置。
【請求項４】該演算装置が、該特徴量として頭皮上電
位又は筋電位に加えて心拍回数、眼球運動及び瞬き頻度
の内の少なくともいずれかを用いることを特徴とした請
求項２に記載の生体情報自動識別装置。
【請求項５】該演算装置が、該基準感性要素として感
情、意識集中又は知的作業内容を含む精神及び意識の特
定状態を示していることを特徴とした請求項１乃至４の
いずれかに記載の生体情報自動識別装置。
【請求項６】該演算装置が、該相互相関係数の代わり
にスペクトルパワーを用いることを特徴とした請求項１
乃至５のいずれかに記載の生体情報自動識別装置。
【請求項７】該複数の所望周波数帯域がθ波帯域とα
波帯域とβ波帯域を含んでいることを特徴とした請求項
１乃至６のいずれかに記載の生体情報自動識別装置。
【請求項８】該演算装置が、該評価値における負の値
の標準偏差を計算し、該標準偏差に所定数を乗じた値を
閾値として該評価値のうちの正の値から該閾値を差し引
いた値とすることを特徴とした請求項１乃至７のいずれ
かに記載の生体情報自動識別装置。
【請求項９】該演算装置が、各周波数帯域における全
センサの相互相関係数の数＋１だけ各基準感性要素につ
いて複数の被験者から該変換係数及び共通バイアスを求
め、これを全ての被験者に共通のデータベースとするこ
とを特徴とした請求項１乃至８のいずれかに記載の生体
情報自動識別装置。
【請求項１０】該演算装置が、各周波数帯域における全
センサの相互相関係数の数＋１より少ない場合には各基
準感性要素について複数の被験者から学習して該変換係
数及び共通バイアスを求め、これを全ての被験者に共通
のデータベースとすることを特徴とした請求項１乃至８
のいずれかに記載の生体情報自動識別装置。
【請求項１１】該演算装置が、各周波数帯域における全
センサの相互相関係数の数＋１より多い場合には各基準
感性要素について該標準値との差の二乗値が最小となる
ように該変換係数及び共通バイアスを求め、これを全て
の被験者に共通のデータベースとすることを特徴とした
請求項１乃至８のいずれかに記載の生体情報自動識別装
置。
【請求項１２】該演算装置が、該相互相関係数を入力ベ
クトルとして任意の複数の入力ベクトルの平均ベクトル
を求め、更に該平均ベクトルからの標準偏差を求めて該
平均ベクトルを中心点として該標準偏差に所定数を乗じ
た値の入力ベクトルの次元で決まる空間内の超球面内に
一様に分布する正規化された入力ベクトルに変換してか
ら該線形変換を行うことを特徴とした請求項１乃至１１
のいずれかに記載の生体情報自動識別装置。