JP6003493B2 - ノイズ検知装置及びノイズ検知方法並びにノイズ検知プログラム - Google Patents

Description

本件開示は、信号に含まれるノイズ成分を検知するノイズ検知装置及びノイズ検知方法並びにノイズ検知プログラムに関する。

例えば、心拍又は脈拍の間隔の変動を解析することで得られる揺らぎ解析結果に基づいて、被験者が目覚めている度合いを示す覚醒度を判断する技術が提案されている(特許文献１参照)。

一方、心拍又は脈拍を示す脈波信号を取得する手法としては、医療機関などで用いられる心電計によって心筋の活動電位を示す信号を取得する方法の他に、例えば、被験者の指先などに装着された脈波センサによって血管の脈動を計測する手法などが提案されている。

ところで、脈波センサによって取得された脈波信号は、計測中に被験者の体が動いた際などに、脈波センサが振動することによって発生するノイズ成分を含んでいる場合がある。

上述したようなノイズ成分が脈波信号に含まれているか否かは、例えば、脈波信号を微分することで得られる速度脈波について、振幅値のばらつきを解析する技術(特許文献２参照)によって判定することができる。

また、被験者の耳朶をはさむ機構を有する脈波センサを利用することで、体の動きによる脈波センサの振動を低減し、脈波センサの振動によって発生するノイズ成分の脈波信号への混入を抑制する技術も提案されている。

再公表２００８−０６５７２４号公報 特開２００１−０６１７９５号公報

脈波信号に含まれるノイズ成分を検知し、ノイズ成分の混入が検知されていない期間に収集した脈波信号について揺らぎ解析を行えば、得られる解析結果の精度を向上することができる。また、揺らぎ解析の精度を向上することができれば、特許文献１の技法などのように、揺らぎ解析の結果に基づいて、被験者の状態を判定する技法による判定精度を向上することができる。

ところで、心拍又は脈拍の間隔に関する揺らぎ解析の結果は、被験者の上下肢や体幹部などが大きく動くこと、即ち、体動に伴って発生するノイズ成分の他に、例えば、被験者が他の人物と会話している場面で発生するノイズ成分の影響も受ける可能性がある。

ここで、運転中のハンドル操作のような比較的大きな動作であれば、例えば、被験者に装着させた加速度センサにより体動を検出することができる。しかし、会話などに伴う微細な体動は、日常生活の中で被験者が行う他の動作に比べて小さいため、加速度センサの計測値に基づいて、会話などに伴う微細な体動を検出することは困難である。

また、会話中における被験者の体動によって発生する脈波センサの振動も小さいため、上述した特許文献２の技法によるノイズ検出過程で求められる速度脈波の振幅値に検出可能なばらつきが現れない可能性がある。このため、特許文献２の技法によっても、脈波信号を取得した期間の中で、会話中における被験者の体動によってノイズ成分が発生している期間があるか否かを判定することは困難である。

本件開示の装置は、脈拍あるいは心拍などの間隔を示す入力データに含まれるノイズ成分の中から、会話などに伴う微細な体動によるノイズ成分を検知可能なノイズ検知装置及びノイズ検知方法並びにノイズ検知プログラムを提供することを目的とする。

一つの観点によるノイズ検知装置は、脈拍間隔又は心拍間隔を示す拍間隔データを受け、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成する変換部と、所定の期間に前記変換部で得られる複数の周波数スペクトルについて、所定の周波数帯でのスペクトル密度の極大が現れる周波数の分散を算出する算出部と、前記算出部で得られた分散が所定の閾値を超えた場合に、前記所定の期間に入力された前記拍間隔データがノイズ成分を含んでいることを検知する検知部とを備える。

また、別の観点によるノイズ検知装置は、脈拍間隔又は心拍間隔を示す拍間隔データを受け、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成する変換部と、前記変換部で新たな周波数スペクトルが得られるごとに、前記新たな周波数スペクトルから、所定の周波数帯におけるスペクトル密度の極大値を検出する極大検出部と、前記極大検出部で得られた極大値が所定の閾値を超えた場合に、前記新たな周波数スペクトルの生成に用いられた拍間隔データがノイズ成分を含んでいることを検知する検知部とを備える。

更に別の観点によるノイズ検知方法は、脈拍間隔又は心拍間隔を示す拍間隔データを受け、前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、所定の期間に対応して得られる複数の周波数スペクトルについて、所定の周波数帯でのスペクトル密度の極大が現れる周波数の分散を算出し、前記算出された分散が所定の閾値を超えた場合に、前記所定の期間に入力された前記拍間隔データがノイズ成分を含んでいることを検知する。

また、別の観点によるノイズ検知方法は、脈拍間隔又は心拍間隔を示す拍間隔データを受け、前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、新たな周波数スペクトルが得られるごとに、前記新たな周波数スペクトルから、所定の周波数帯におけるスペクトル密度の極大値を検出し、前記検出された極大値が所定の閾値を超えた場合に、前記新たな周波数スペクトルの生成に用いられた拍間隔データがノイズ成分を含んでいることを検知する。

更に別の観点によるノイズ検知プログラムは、脈拍間隔又は心拍間隔を示す拍間隔データを受け、前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、所定の期間に対応して得られる複数の周波数スペクトルについて、所定の周波数帯でのスペクトル密度の極大が現れる周波数の分散を算出し、前記算出された分散が所定の閾値を超えた場合に、前記所定の期間に入力された前記拍間隔データがノイズ成分を含んでいることを検知する処理をコンピュータに実行させる。

また別の観点によるノイズ検知プログラムは、脈拍間隔又は心拍間隔を示す拍間隔データを受け、前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、新たな周波数スペクトルが得られるごとに、前記新たな周波数スペクトルから、所定の周波数帯におけるスペクトル密度の極大値を検出し、前記検出された極大値が所定の閾値を超えた場合に、前記新たな周波数スペクトルの生成に用いられた拍間隔データがノイズ成分を含んでいることを検知する処理をコンピュータに実行させる。

本件開示のノイズ検知装置及びノイズ検知方法並びにノイズ検知プログラムによれば、脈拍あるいは心拍などの間隔を示す入力データに含まれるノイズ成分の中から、会話などに伴う微細な体動によるノイズ成分を検知することができる。

ノイズ検知装置の一実施形態を示す図である。 覚醒度を評価する処理を説明する図である。 覚醒度の評価指標の時間的な変動の例を示す図である。 第２時間窓を用いて生成した周波数スペクトルの例を示す図である。 ノイズ検知装置の別実施形態を示す図である。 心拍間隔の時間変動の例を示す図である。 ノイズ検知装置の別実施形態を示す図である。 ノイズ検知装置の別実施形態を示す図である。 ノイズ検知装置の別実施形態を示す図である。 ノイズ検知装置のハードウェア構成例を示す図である。 覚醒度判定処理のフローチャートの例を示す図である。 ノイズ成分を検知する処理のフローチャートの例を示す図である。 ノイズ成分を検知する処理のフローチャートの別例を示す図である。 自律神経機能評価処理のフローチャートの例を示す図である。

以下、図面に基づいて、本発明の実施形態について詳細に説明する。

図１は、ノイズ検知装置の一実施形態を示す。図１に示した例では、ノイズ検知装置１０及び覚醒度判定装置３０は、脈波センサ１と間隔抽出装置２とによって時系列的に得られる拍間隔データの入力を受けている。なお、覚醒度判定装置３０は、拍間隔データで示される脈拍又は心拍の間隔の揺らぎ解析を行う解析装置の一例である。

図１に示した脈波センサ１は、例えば、被験者の耳朶などに装着されており、被験者の脈拍を示す脈波信号を間隔抽出装置２に渡す。間隔抽出装置２は、例えば、脈波信号に含まれる所定の閾値以上の高さを持つピークを検出し、検出したピークの間隔を脈拍の間隔として求めることで、拍間隔データを生成する。間隔抽出装置２は、例えば、脈波信号からピークを検出するごとに、最新のピークを検出した時刻と直前のピークを検出した時刻との差として得られる脈拍の間隔と、現在の時刻を示す情報とを含む拍間隔データを生成してもよい。また、間隔抽出装置２は、生成した拍間隔データを、時系列的に、覚醒度判定装置３０とノイズ検知装置１０とに渡す。

ここで、ノイズ検知装置１０の説明に先立って、覚醒度判定装置３０について説明する。覚醒度判定装置３０は、周波数解析部３１と、覚醒度評価部３２と、警報出力部３３とを含んでいる。

周波数解析部３１は、上述した拍間隔データから脈拍間隔の揺らぎのスペクトル密度分布を示す周波数スペクトルを生成する。周波数解析部３１は、脈拍間隔の揺らぎの周波数スペクトルを生成する際に、例えば、５分程度の長さを持つ第１時間窓を用いる。周波数解析部３１は、例えば、所定の時間ごとに、現在の時刻から第１時間窓に相当する時間を遡った時刻までの期間に入力された拍間隔データから、脈拍間隔の揺らぎの周波数スペクトルを生成してもよい。

覚醒度評価部３２は、例えば、周波数解析部３１で得られた周波数スペクトルに基づいて、被験者が覚醒している度合いを示す覚醒度を評価する。被験者の覚醒度は、脈拍間隔又は心拍間隔の揺らぎの周波数スペクトルが、次に説明するような特徴を持っていることを利用して、評価可能である。

図２は、覚醒度を評価する処理を説明する図である。図２に示したグラフの横軸は、脈拍間隔の揺らぎ成分の周波数を示しており、横軸の目盛りは０．１Ｈｚ刻みである。また、図２に示したグラフの縦軸は、スペクトル密度Ｐを示している。

図２(Ａ)に示したグラフＧ１は、被験者が覚醒状態である場合に取得された拍間隔データから生成された脈拍間隔の揺らぎの周波数スペクトルを示している。一方、図２(Ｂ)に示したグラフＧ２は、被験者が眠気をもよおしている状態で取得された拍間隔データから得られた脈拍間隔の揺らぎの周波数スペクトルを示している。

脈拍間隔の揺らぎの周波数スペクトルは、図２(Ａ)，(Ｂ)にそれぞれグラフＧ１，Ｇ２として示したように、０．０５Ｈｚ〜０．１５Ｈｚの低周波数帯と、０．１５Ｈｚ〜０．５Ｈｚの高周波数帯とに、それぞれ極大を持っている。なお、図２においては、低周波数帯を符号ＬＦで示し、高周波数帯を符号ＨＦで示した。以下の説明では、低周波数帯をＬＦ帯と称し、高周波数帯をＨＦ帯と称する場合もある。

図２(Ａ)，(Ｂ)を比べれば、グラフＧ１のＨＦ帯において極大となる周波数に比べて、グラフＧ２のＨＦ帯において極大となる周波数が、低周波側に遷移していることが分かる。また、図２(Ａ)，(Ｂ)の比較により、グラフＧ１のＨＦ帯における極大のスペクトル密度に比べて、グラフＧ２のＨＦ帯における極大のスペクトル密度が高くなっていることが分かる。

このように、脈拍間隔の揺らぎの周波数スペクトルは、被験者が眠気をもよおしているときには、ＨＦ帯の極大が、覚醒状態での極大が現れる周波数よりも低周波側に遷移し、スペクトル密度が高くなるという傾向を持っている。図２に示した傾向に基づいて、被験者が覚醒状態であるか眠気をもよおしている状態であるかを判定することが可能である。なお、図２に示した周波数スペクトルの特性を利用して被験者の覚醒度を判定するためには、安定した周波数解析結果を取得可能な長さを持つ時間窓を用いて周波数スペクトルを生成することが望ましい。このため、上述したように、周波数解析部３１は、周波数スペクトルの生成に用いる第１時間窓として、５分程度の比較的長い時間窓を設定している。

図１に示した覚醒度評価部３２は、周波数解析部３１で所定の時間ごとに得られる周波数スペクトルからＨＦ帯のピーク、即ち、極大を検出し、検出したピークに対応する周波数とスペクトル密度Ｐとの少なくとも一方を、覚醒度を示す評価指標として取得する。なお、以下の説明では、周波数スペクトルから検出されたピークに対応する周波数をピーク周波数と称し、また、ピーク周波数に対応するスペクトル密度Ｐをピークスペクトル密度あるいは単にピーク値と称する。

また、図１に示した警報出力部３３は、上述した評価指標の時間変化を監視し、例えば、ピーク周波数が低周波側に遷移する傾向とともに、ピークスペクトル密度が増大する傾向を検出した場合に、覚醒度が低下している旨の警報を出力する。

ところで、実際に、上述した覚醒度判定装置３０を被験者に適用した場合に、被験者が覚醒状態であるにもかかわらず、被験者の覚醒度が低下している旨の警報が誤って出力されてしまう場合があった。

本出願の発明者は、誤った警報が出力された状況を調べることにより、被験者が会話しているときに、誤った警報が出力される場合が多いことに気付き、会話の発生と、上述した技法における覚醒度の評価指標の変化との相関関係を調べる実験を行った。

図３は、覚醒度の評価指標の時間的な変動の例を示している。図３に示したグラフの横軸は、時間を示しており、横軸の目盛りは５分刻みである。また、図３に示したグラフの縦軸は、周波数スペクトルのＨＦ帯の周波数を示している。

図３に示したグラフは、脈拍間隔の揺らぎの周波数スペクトルのＨＦ帯に現れたピーク周波数の時間変化の例を示している。なお、図３において、符号Ｔ１および符号Ｔ２は、被験者が会話している期間を示している。

図３に示した例から、被験者が会話している期間Ｔ１，Ｔ２における周波数スペクトルに現れるピーク周波数は、当該期間の前後におけるピーク周波数に比べて低周波側に遷移していることが分かる。つまり、周波数スペクトルのＨＦ帯に現れるピーク周波数が低周波側に遷移する現象は、被験者が眠気をもよおしている場合だけでなく、被験者が会話をしている場合にも発生することが分かった。

被験者が会話をしている期間にピーク周波数が低周波側に遷移する現象は、図２に示した周波数スペクトルの特性を利用して被験者の覚醒度を判定する際に、誤った判定結果をもたらすノイズ成分として作用する。したがって、会話によるノイズ成分が拍間隔データに混入したことを検知し、得られた検知結果に基づいて、覚醒度の判定処理あるいは判定結果に基づく警報の出力処理を制御すれば、誤った警報の出力を低減し、覚醒度の判定精度を向上させることができる。

図１に示したノイズ検知装置１０は、会話などの発生により、脈拍間隔又は心拍間隔の揺らぎ解析に影響を及ぼすノイズが脈波信号に混入したことを検知するために、変換部１１と、算出部１２と、第１検知部１３とを含んでいる。

変換部１１は、上述した拍間隔データの入力を受け、所定の長さを有する第２時間窓を用いて、拍間隔データから、脈拍間隔又は心拍間隔の揺らぎのスペクトル密度Ｐの分布を表す周波数スペクトルを時系列的に生成する。変換部１１は、例えば、所定の時間ごとに、現在の時刻から第２時間窓に相当する時間を遡った時刻までの期間に入力された拍間隔データに基づいて、脈拍間隔の揺らぎ成分についての周波数スペクトルを生成してもよい。

変換部１１が周波数スペクトルの生成に用いる第２時間窓の長さは、上述した周波数解析部３１における周波数スペクトルの生成に用いられる第１時間窓よりも短い時間に設定することが望ましい。変換部１１が、脈拍間隔の揺らぎ成分についての周波数スペクトルを生成する際に、第１時間窓よりも短い第２時間窓を用いることで、被験者が会話している際に脈拍間隔の揺らぎ成分に現れる特徴的な変化を顕著に表す周波数スペクトルを取得することができる。第２時間窓の長さの好適な設定例は、例えば、２０秒程度の比較的短い時間である。なお、第２時間窓の長さとして２０秒程度の時間が望ましい理由については、後述する。

図４は、第２時間窓を用いて生成した周波数スペクトルの例を示している。なお、図４に示したグラフの横軸は、脈拍間隔の揺らぎ成分の周波数を示しており、縦軸は、スペクトル密度Ｐを示している。

図４(Ａ)に示したグラフＧａは、被験者が安静な状態において取得した拍間隔データに対して第２時間窓を適用して生成した周波数スペクトルを示している。また、図４(Ｂ)に示したグラフＧｂは、同じ被験者が会話をしている状態において取得した拍間隔データに対して第２時間窓を適用して生成した周波数スペクトルを示している。

図４(Ａ)，(Ｂ)に示した２つのグラフＧａ，Ｇｂを比べると、上述したＨＦ帯におけるスペクトル密度Ｐのピークが現れる周波数と、ＬＦ帯に現れるピークに対応するスペクトル密度の大きさが異なっていることが分かる。例えば、グラフＧａで示した周波数スペクトルのＨＦ帯に含まれる周波数０．４Ｈｚ付近に現れていたピークが、グラフＧｂで示した周波数スペクトルにおいては不明瞭になっており、代わりに、周波数０．２Ｈｚ付近にピークが現れている。一方、グラフＧａで示した周波数スペクトルのＬＦ帯に含まれる周波数０．１Ｈｚ付近のピークに比べて、グラフＧｂで示した周波数スペクトルの周波数０．１Ｈｚ付近のピークに対応するスペクトル密度は大きくなっている。

上述した２つのグラフＧａ，Ｇｂで示される周波数スペクトルの特徴の差異は、被験者が会話をしているか安静な状態であるかによって発生している。例えば、ＨＦ帯におけるスペクトル密度のピークが現れる周波数の違いは、被験者が会話をすることにより、呼吸のタイミングがずれることを反映している可能性が高い。また、ＬＦ帯におけるピークのスペクトル密度の差は、被験者の自律神経系のバランスが、会話によって安静時とは変化していることを反映している可能性が高い。

図１に示したノイズ検知装置１０に含まれる算出部１２および第１検知部１３は、変換部１１で時系列的に得られる周波数スペクトルのＨＦ帯に現れるピーク周波数の違いに基づいて、上述したノイズ成分を検知する機能を有している。

ここで、変換部１１は、脈拍間隔の揺らぎ成分を所定のサンプリング周波数でリサンプリングし、得られたリサンプリング結果から第２時間窓を用いて抽出したリサンプリング結果に基づいて周波数スペクトルを生成する。例えば、変換部１１は、新たなリサンプリング結果が得られるごとに、当該リサンプリング結果に対応する現在時刻を含むように設定した第２時間窓を用いて抽出したリサンプリング結果から周波数スペクトルを生成してもよい。この場合に、変換部１１は、サンプリング間隔ごとに、脈拍間隔の揺らぎの周波数スペクトルを生成し、生成したスペクトルを順次に算出部１２に渡す。

ところで、被験者が会話をしている状態においては、被験者の呼吸のタイミングは短い時間内で様々に変化する可能性が高い。したがって、被験者が会話している期間に含まれるサンプリング時刻に対応して変換部１１で得られる周波数スペクトルのＨＦ帯におけるピーク周波数は、被験者が安静な状態である場合に比べて、大きくばらついている可能性が高い。つまり、所定の期間内に得られた周波数スペクトルのＨＦ帯におけるピーク周波数のばらつきは、当該期間において被験者が会話をしたために、拍間隔データにノイズ成分が混入したか否かを判断する上で有用な指標の一つである。

図１に示した算出部１２は、所定の期間に変換部１１で得られた複数の周波数スペクトルについて、各周波数スペクトルのＨＦ帯におけるピーク周波数について分散を算出し、算出結果をノイズ成分の混入の可能性を示す評価指標として出力する。なお、上述したＨＦ帯は、図２、図４に示したように周波数０．１５Ｈｚ〜０．５Ｈｚの範囲である。また、所定の期間としては、例えば、変換部１１が周波数スペクトルの生成に用いる第２時間窓に相当する期間を適用してもよい。

算出部１２は、変換部１１で周波数スペクトルが生成されるごとに、得られた周波数スペクトルのＨＦ帯から抽出したピーク周波数を蓄積し、蓄積したピーク周波数に基づいて分散を算出してもよい。例えば、算出部１２は、現在時刻に対応する最新のサンプリング時刻から第２時間窓に相当する時間を遡った時刻までの期間に抽出したピーク周波数に基づいて、現在時刻におけるＨＦ帯のピーク周波数の分散を算出してもよい。

上述したように、算出部１２で得られた分散と被験者が安静な状態で得られた分散との間に有意な差がある場合は、被験者が会話をしている可能性が高い。すなわち、算出部１２で得られた分散と被験者が安静な状態で得られた分散との間の有意な差は、会話によるノイズ成分が拍間隔データに混入している可能性が高いことを示している。したがって、第１検知部１３は、算出部１２で得られた分散と被験者が安静な状態で得られた分散との間に有意な差を検出したときに、拍間隔データに上述したノイズ成分が混入している可能性が高いことを検知してもよい。

第１検知部１３は、例えば、算出部１２で得られた分散が、被験者が安静な状態であるときの分散の値を反映した所定の第１閾値以上である場合に、算出部１２で得られた分散と安静な状態の際の分散との間に有意な差があると判断する。

上述した第１閾値は、例えば、被験者が安静な状態において予め取得した拍間隔データから周波数スペクトルを生成する実験を行い、実験結果として得られた周波数スペクトルから検出したピーク周波数に基づいて、決定しておいてもよい。例えば、ノイズ検知装置１０を動作させる前に取得した拍間隔データから生成した周波数スペクトルについて、周波数スペクトルのＨＦ帯におけるピーク周波数の分散を求め、求めた分散値よりも大きい値に第１閾値の値を設定することが望ましい。例えば、安静な状態での拍間隔データから得られたピーク周波数の分散の最大値に、数値「１．５」程度の値を持つ所定の第１係数を乗じた値を第１閾値に設定してもよい。

このように設定された第１閾値と算出部１２で得られた分散値とを比較することにより、第１検知部１３は、算出部１２で得られた分散と安静な状態の際の分散との間に有意な差があるか否かを判断することができる。なお、第１閾値の別の設定例については後述する。

上述した変換部１１と、算出部１２及び第１検知部１３とを有するノイズ検知装置１０によれば、脈拍間隔の揺らぎ成分を示す周波数スペクトルのＨＦ帯の特徴に基づいて、被験者が会話することによって拍間隔データに混入するノイズ成分を検知することができる。

また、第１検知部１３は、入力された脈波信号に会話によるノイズ成分が混入しているか否かを示す検知結果を、覚醒度判定装置３０に通知してもよい。そして、覚醒度判定装置３０の警報出力部３３は、ノイズ検知装置１０からノイズ成分を検知した旨が通知された場合に、覚醒度評価部３２で得られた評価結果にかかわらず、被験者の覚醒度の低下に関する警報の出力を抑止してもよい。

図３を用いて説明したように、被験者が会話している際に得られる覚醒度評価部３２による評価結果の信頼性は、拍間隔データに混入したノイズ成分のために低下している。したがって、本件開示のノイズ検知装置１０からノイズ成分を検知した旨の通知を受けた場合に、覚醒度判定装置３０の警報出力部３３による警報出力を抑止する制御を行うことで、信頼性の低い評価結果に基づく警報の出力を抑止することができる。

上述した制御を適用した覚醒度判定装置３０の警報出力部３３は、ノイズ成分の混入が検知された場合には、覚醒度評価部３２によって被験者の覚醒度が低下している旨の評価結果が得られても、覚醒度が低下している旨の警報を出力しない。したがって、警報出力部３３によって被験者の覚醒度が低下している旨の警報が出力されるケースは、覚醒度評価部３２により覚醒度が低下している旨の評価結果が得られ、かつ、ノイズ成分の混入が検知されなかった場合に限られる。

つまり、本件開示のノイズ検知装置１０による検知結果によって警報出力部３３による警報出力を制御することにより、ノイズの影響を受けた評価結果を、信頼性の低い評価結果として警報出力の対象から除外することができる。これにより、被験者が会話しているときなどに、覚醒度が低下している旨の警報を誤って出力することを抑止できるので、覚醒度判定装置３０による警報の的中率を向上することができる。即ち、本件開示のノイズ検知装置１０による検知結果によって警報出力部３３による警報出力を制御することにより、覚醒度判定装置３０による揺らぎ解析結果として得られる警報の信頼性を向上させることができる。

例えば、本件開示のノイズ検知装置１０と、覚醒度判定装置３０とを組み合わせた装置によれば、車両などの運転者や様々な機械のオペレータなどが眠気をもよおしている状態を高い精度で検出し、警報を出力することができる。したがって、本件開示のノイズ検知装置１０と上述した覚醒度判定装置３０とを組み合わせた装置は、例えば、車両等の運転者の居眠り運転を防止する装置などとして有用である。

また、本件開示のノイズ検知装置１０は、心拍の間隔の揺らぎ成分に含まれるノイズの検出にも適用することができる。

図５は、ノイズ検知装置１０の別実施形態を示している。図５に示したノイズ検知装置１０は、心電計３と間隔抽出装置２とで得られる、心拍の間隔を示す拍間隔データの入力を受けている。

図５に示した間隔抽出装置２は、心電計３で得られた脈波信号から、例えば、脈波信号に含まれる所定の閾値以上の高さを持つピークを検出し、検出したピークの間隔を心拍の間隔として求める。また、間隔抽出装置２は、例えば、脈波信号に周期的に現れるＲ波を示すピークを検出するごとに、最新のピークを検出した時刻と直前のピークを検出した時刻との差として得られる心拍の間隔と、現在の時刻を示す情報とを含む拍間隔データを生成してもよい。なお、上述したＲ波とは、心電計３で得られる脈波信号に周期的に現れる複数の棘波のうち、最も振幅の大きい棘波である。また、間隔抽出装置２は、生成した拍間隔データを、時系列的に、覚醒度判定装置３０とノイズ検知装置１０とに渡す。

図５に示した変換部１１は、再標本化部１１１と、バッファ１１２と、スペクトル生成部１１３とを含んでおり、図６に示すような心拍間隔の時間的な変動から、図４(Ａ)，(Ｂ)に示したような周波数スペクトルを生成する。

図６は、心拍間隔の時間変動の例を示している。図６のグラフの横軸は、心拍を示す脈波信号においてＲ波を示すピークが検出された時刻を秒単位で示しており、縦軸は、個々のピークに対応する心拍間隔を秒単位で示している。また、図６のグラフの黒丸は、間隔抽出装置２で得られた拍間隔データに含まれる各サンプルを示している。

再標本化部１１１は、拍間隔データに含まれる各サンプルを結んで表される心拍間隔の変動を、所定のサンプリング間隔で再標本化することで、時間的に等しい間隔で設定されたサンプリング時刻における心拍間隔を示すリサンプリングデータを生成する。

再標本化部１１１は、拍間隔データに含まれる各サンプルを内挿することにより、各サンプルが取得された時刻の中間に当たるサンプリング時刻における心拍間隔を算出してもよい。なお、各サンプリング時刻は、例えば、心拍間隔の揺らぎ解析において頻繁に用いられるサンプリング周波数である２Ｈｚに基づいて、０．５秒刻みに設定することが望ましい。

例えば、再標本化部１１１は、図６に符号Ｓ(ｊ)，Ｓ(ｊ＋１)で示したサンプルに基づいて、これらのサンプルが得られた時刻の間に設定されたサンプリング時刻Ｔ(ｋ)，Ｔ(ｋ＋１)における心拍間隔を算出する。再標本化部１１１は、同様にして、拍間隔データの新たなサンプルの入力に応じて、直前のサンプルを取得した時刻との間に設定されたサンプリング時刻に対応する心拍間隔を算出する。また、再標本化部１１１は、算出した心拍間隔を示す情報を、リサンプリング結果として、順次に図５に示したバッファ１１２に渡す。

図５に示したバッファ１１２は、再標本化部１１１で各サンプリング時刻に対応して得られるリサンプリング結果を順次に受け取り、受け取ったリサンプリング結果を保持する。バッファ１１２の容量は、例えば、上述した第２時間窓に対応する期間に含まれるサンプリング時刻について算出された心拍間隔を示す情報のデータ長に合わせて準備することが望ましい。

ここで、周波数スペクトルの生成に用いる時間窓は、周波数解析において注目する注目周波数に対応する周期の２倍以上の時間に設定することが望ましい。また、図４(Ａ)，(Ｂ)を用いて説明したように、被験者が会話している際に得られる心拍間隔の揺らぎの周波数スペクトルに現れる特徴のひとつは、０．１Ｈｚ付近のピークの高さである。そこで、第２時間窓は、例えば、０．１Ｈｚを注目周波数として、この注目周波数に対応する周期の２倍に当たる２０秒に設定することが望ましい。

したがって、図５に示したバッファ１１２は、例えば、最新のサンプリング時刻から２０秒前のサンプリング時刻までの期間について得られた４０個のリサンプリング結果を保持し、スペクトル生成部１１３の処理に供すればよい。

スペクトル生成部１１３は、例えば、バッファ１１２に新たなリサンプリング結果が保持されるごとに、バッファ１１２に蓄積されたリサンプリング結果に基づいて、最新のサンプリング時刻における心拍間隔の揺らぎの周波数スペクトルを生成する。つまり、スペクトル生成部１１３は、最新のサンプリング時刻から第２時間窓に相当する時間を遡った時刻までの間に含まれる各サンプリング時刻に対応するリサンプリング結果に基づいて、最新のサンプリング時刻における周波数スペクトルを生成する。

すなわち、図５に例示した変換部１１によれば、脈拍又は心拍の間隔の時間的な揺らぎを示す信号を周波数スペクトルに変換する処理を、ＬＦ帯に含まれる所定の注目周波数に対応する周期の２倍の長さに設定された第２時間窓を用いて実行することができる。

上述したように設定された第２時間窓は、注目周波数を安定して解析することが可能な最小の期間に相当している。したがって、上述した第２時間窓を周波数スペクトルの生成処理に適用することにより、会話が継続している期間に表れる瞬間的な心拍間隔又は脈拍間隔の乱れを反映した周波数スペクトルを安定して生成することができる。

また、スペクトル生成部１１３は、上述したようにして各サンプリング時刻に対応して生成した周波数スペクトルを順次に算出部１２に渡す。

図５に示した算出部１２は、ピーク検出部１２１と、周波数保持部１２２と、分散計算部１２３とを含んでいる。

ピーク検出部１２１は、上述したスペクトル生成部１１３から受け取った周波数スペクトルのそれぞれからＨＦ帯のピークを検出し、検出したピークに対応するピーク周波数を周波数保持部１２２に保持させる。

周波数保持部１２２は、例えば、最新のサンプリング時刻から第２時間窓に相当する時間を遡った時刻までの間にピーク検出部１２１によって検出されたピーク周波数を保持し、保持しているピーク周波数を分散計算部１２３の処理に供する。

分散計算部１２３は、変換部１１により新たな周波数スペクトルが生成されるごとに、周波数保持部１２２に蓄積されたピーク周波数の分散を算出し、算出した分散値を、最新の周波数スペクトルに対応するピーク周波数の分散として第１検知部１３に渡す。

図５に示した第１検知部１３は、第１決定部１３１と、比較器１３２と、通知部１３３とを含んでいる。

第１決定部１３１は、現在の時刻から第２時間窓に相当する時間を遡った時刻より前に算出部１２によって算出されたピーク周波数の分散に基づいて、ノイズ成分が混入しているか否かの判定に用いる第１閾値を決定する。第１決定部１３１は、例えば、上述した分散計算部１２３で得られた分散値を所定の期間にわたって蓄積し、蓄積した分散値を第１閾値の算出に用いてもよい。例えば、蓄積した分散値のうち、現在の時刻から第２時間窓に相当する時間を遡った時刻より前に得られた分散値の平均値を求め、求めた平均値に上述した第１係数(例えば、数値「１．５」)を乗じることで第１閾値を求めてもよい。なお、第１決定部１３１は、覚醒度判定装置３０及びノイズ検知装置１０が動作を開始してから得られた全ての分散値を蓄積していてもよいし、最新のサンプリング時刻に先立つ上述した第１時間窓に相当する期間に得られた分散値を蓄積してもよい。また、第１決定部１３１は、現在の時刻から第２時間窓に相当する時間を遡った時刻より前に算出部１２によって算出されたピーク周波数の分散に上述した第１係数を乗じた値を、そのまま第１閾値として設定してもよい。

上述した第１決定部１３１によれば、ノイズ検知装置１０に入力される拍間隔データに基づいて、被験者の特徴が反映された第１閾値を決定することができる。また、上述したようにして、入力される拍間隔データについての解析を進める過程で第１閾値を決定することにより、ノイズ検知処理に先立って、安静時の拍間隔データに基づいて第１閾値を決定しておく作業を省略することができる。

また、第１決定部１３１は、分散計算部１２３から新たなサンプリング時刻に対応するピーク周波数の分散値を受け取るごとに、上述したようにして第１閾値を決定し、決定した第１閾値を比較部１３２に渡してもよい。また、第１決定部１３１は、所定の期間に含まれる各サンプリング時刻にそれぞれ求めた第１閾値から、以降の処理で用いる第１閾値を特定してもよい。例えば、新たなサンプリング時刻に対応して求めた第１閾値と、直前のサンプリング時刻に対応して求めた第１閾値との間に有意な差がある場合に、新たな第１閾値はノイズ成分の影響を受けている可能性がある。この場合に、第１決定部１３１は、最新の第１閾値を廃棄し、廃棄した第１閾値の代わりに、直前のサンプリング時刻に対応して求めた古い第１閾値を比較器１３２に渡してもよい。

比較器１３２は、分散計算部１２３から新たなサンプリング時刻に対応するピーク周波数の分散値を受け取るごとに、当該分散値と第１決定部１３１で得られた第１閾値とを比較し、比較結果を通知部１３３に渡す。

通知部１３３は、比較器１３２により、新たなサンプリング時刻に対応する分散値が上述した第１閾値よりも大きいとされた場合に、ノイズ成分の混入を検知した旨を警報出力部３３に通知し、覚醒度が低下している旨の警報の出力を抑止する。

なお、図５に示した変換部１１、算出部１２及び第１検知部１３を含むノイズ検知装置１０は、脈波センサ１で得られた脈波信号に基づいて間隔抽出装置２が生成した拍間隔データの入力を受けてもよい。

ところで、図４(Ａ)，(Ｂ)に示したように、安静時と会話している時とでは、脈拍間隔又は心拍間隔の揺らぎの周波数スペクトルに含まれるＬＦ帯のピークスペクトル密度に違いが現れる。例えば、図４(Ｂ)のＬＦ帯の０．１Ｈｚ付近に現れたピークに対応するピークスペクトル密度Ｐｂは、図４(Ａ)のＬＦ帯の０．１Ｈｚ付近のピークに対応するピークスペクトル密度Ｐａの２倍以上の値を持っている。

ここで、心拍間隔又は脈拍間隔の揺らぎに関する周波数スペクトルのＬＦ帯で検出されるピークスペクトル密度は、交感神経の活動の強さを反映している。したがって、図４(Ａ)，(Ｂ)に示した周波数スペクトルのＬＦ帯から検出されたピークのピークスペクトル密度の違いは、それぞれの周波数スペクトルが生成された際における被験者の交感神経の活動状態の違いを示している。つまり、図４(Ｂ)に示した会話時の周波数スペクトルのＬＦ帯に現れた高いスペクトル密度を持つピークは、会話によって被験者の交感神経の活動が活発化していることを示している可能性が高い。したがって、被験者が会話している期間に含まれるサンプリング時刻に対応して変換部１１で得られる周波数スペクトルのＬＦ帯には、被験者が安静な状態である場合に比べて、高いスペクトル密度を持つピークが現れる可能性が高い。つまり、ＬＦ帯のピークスペクトル密度は、被験者が会話をしている際などに発生するノイズ成分が脈波信号に混入しているか否かを判断する上で有用な指標の一つである。

次に、ＬＦ帯のピークスペクトル密度に基づいて、心拍間隔又は脈拍間隔を示す拍間隔データに、被験者が会話していることによるノイズ成分が混入しているかを判断するタイプのノイズ検知装置１０について説明する。

図７は、ノイズ検知装置１０の別実施形態を示している。なお、図７に示した構成要素のうち、図１、図５に示した構成要素と同等のものについては、同一の符号を付して示し、その説明は省略する。

図７に示したノイズ検知装置１０は、図１に示した算出部１２及び第１検知部１３に代えて、極大検出部１４および第２検知部１５を含んでいる。

図７に示したノイズ検知装置１０に含まれる極大検出部１４および第２検知部１５は、変換部１１で時系列的に得られる周波数スペクトルのＬＦ帯に現れるピーク値の違いに基づいて、会話に応じて脈波信号に混入するノイズ成分を検知する機能を有している。

極大検出部１４は、変換部１１で得られる周波数スペクトルごとに、ＬＦ帯におけるスペクトル密度の極大値を検出し、検出した極大値を順次に第２検知部１５に渡す。なお、ＬＦ帯は、所定の境界周波数よりも低い第２周波数帯の一例である。

上述したように、極大検出部１４で得られた極大値と被験者が安静な状態で得られた極大値との間に有意な差がある場合は、極大値の検出対象である新たな周波数スペクトルの生成に用いられた拍間隔データが取得された期間に被験者が会話している可能性が高い。すなわち、極大検出部１４で得られた極大値と被験者が安静な状態で得られた極大値との間の有意な差は、検出対象の周波数スペクトルの生成に用いられた拍間隔データに、会話によるノイズ成分が脈波信号に高い可能性で混入していることを示している。したがって、第２検知部１５は、極大検出部１４で得られた極大値と被験者が安静な状態で得られた極大値との間に有意な差を検出したときに、新たな周波数スペクトルの生成に用いられた拍間隔データが上述したノイズ成分を含んでいることを検知してもよい。

第２検知部１５は、例えば、極大検出部１４で得られた極大値が、被験者が安静な状態であるときの極大値を反映した所定の第２閾値よりも大きい場合に、極大検出部１４で得られた極大値と安静な状態の際の極大値との間に有意な差があると判断する。

上述した第２閾値は、例えば、被験者が安静な状態において予め取得した拍間隔データから生成した周波数スペクトルに基づいて、決定しておいてもよい。例えば、ノイズ検知装置１０を動作させる前に取得した拍間隔データから生成した周波数スペクトルについて、周波数スペクトルのＬＦ帯に現れたピークを検出し、検出したピークに対応する極大値よりも大きい値に第２閾値の値を設定することが望ましい。例えば、安静な状態における周波数スペクトルから検出されたピーク値に、数値「２」程度の値を持つ所定の第２係数を乗じた値を第２閾値に設定してもよい。なお、第２閾値の別の設定例については、図８を参照して後述する。

上述した変換部１１と、極大検出部１４及び第２検知部１５とを有するノイズ検知装置１０によれば、脈拍間隔の揺らぎの周波数スペクトルのＬＦ帯の特徴に基づいて、被験者が会話した際などに拍間隔データに混入するノイズ成分を検知することができる。

また、第２検知部１５は、入力された拍間隔データに会話によるノイズ成分が混入しているか否かを示す検知結果を、覚醒度判定装置３０に通知してもよい。そして、覚醒度判定装置３０の警報出力部３３は、ノイズ検知装置１０からノイズ成分を検知した旨が通知された場合に、覚醒度評価部３２で得られた評価結果にかかわらず、被験者の覚醒度の低下に関する警報の出力を抑止してもよい。

次に、図８を参照して、第２検知部１５で用いる第２閾値の別の設定例について説明する。

図８は、ノイズ検知装置１０の別実施形態を示している。なお、図８に示した構成要素のうち、図５、図７に示した構成要素と同等のものについては、同一の符号を付して示し、その説明は省略する。

図８に示した第２検知部１５は、第２決定部１５１と、比較器１３２と、通知部１３３とを含んでいる。図８に示した比較器１３２は、極大検出部１４で得られた極大値と第２決定部１５１で決定された第２閾値とを比較し、比較結果を通知部１３３に渡す。通知部１３３は、極大検出部１４で得られた極大値が第２閾値よりも大きい旨の比較結果が渡されたときに、脈波信号にノイズ成分が混入している旨を、覚醒度判定装置３０の警報出力部３３に通知する。

図８に示した第２決定部１５１は、最新の周波数スペクトルの生成に用いられた拍間隔データが入力される以前に、極大検出部１４によって検出された極大値に基づいて、第２閾値を決定する。第２決定部１５１は、例えば、上述した極大検出部１４で各サンプリング時刻に対応して検出される極大値を所定の期間にわたって蓄積し、蓄積した極大値を第２閾値の算出に用いてもよい。例えば、第２決定部１５１は、蓄積した極大値のうち、最新のサンプリング時刻から第２時間窓に相当する時間を遡った時刻より前に得られた極大値の平均値を求め、求めた平均値に、上述した第２係数を乗じることで第２閾値を求めてもよい。

また、第２決定部１５１が極大値を蓄積する期間は、覚醒度判定装置３０及びノイズ検知装置１０が動作を開始してから最新のサンプリング時刻までの期間でもよいし、また、上述した第１時間窓に相当する期間でもよい。また、第２決定部１５１は、最新のサンプリング時刻から第２時間窓に相当する時間を遡った時刻より前に極大検出部１４によって検出された極大値に、上述した第２係数を乗じた値を、そのまま第２閾値として設定してもよい。

上述した第２決定部１５１によれば、ノイズ検知装置１０に入力される拍間隔データあるいは拍間隔データに基づいて、被験者の特徴が反映された第２閾値を決定することができる。また、上述したようにして、入力される拍間隔データについての解析を進める過程で第２閾値を決定することにより、ノイズ検知処理に先立って、安静時の拍間隔データに基づいて第２閾値を決定しておく作業を省略することができる。

また、第２決定部１５１は、極大検出部１４から新たなサンプリング時刻に対応して検出された極大値を受け取るごとに、上述したようにして第２閾値を決定し、決定した第２閾値を比較部１３２に渡してもよい。また、第２決定部１５１は、新たなサンプリング時刻に対応して検出された極大値と比較される第２閾値を決定する際に、それまでの期間に用いた第２閾値の値を考慮してもよい。例えば、新たなサンプリング時刻に対応して求めた第２閾値と、それまでの各サンプリング時刻におけるノイズ検知に第２閾値として用いた値との間に有意な差がある場合に、新たに得られた第２閾値はノイズ成分の影響を受けている可能性がある。この場合に、第２決定部１５１は、最新の第２閾値を廃棄し、廃棄した第２閾値の代わりに、以前のサンプリング時刻に対応して求めた古い第２閾値を比較器１３２に渡してもよい。

このような第２決定部１５１を有する第２検知部１５によれば、被験者の特徴が反映された第２閾値を用いて、拍間隔データへのノイズ成分の混入を検知することができる。したがって、図８に示した第２検知部１５を有するノイズ検知装置１０によれば、被験者が会話をしていることによって発生するノイズ成分を高い精度で検知することができる。

また、図８に示したノイズ検知装置１０で得られた検知結果に応じて、覚醒度判定装置３０による評価結果の出力を制御することにより、覚醒度判定装置３０により、誤った警報が出力されるケースを低減することができる。

なお、本件開示のノイズ検知装置１０による検知結果の通知を受ける装置は、覚醒度判定装置３０に限られず、脈拍間隔又は心拍間隔の揺らぎを解析する解析装置を含む装置であればよく、例えば、自律神経機能を評価する自律神経機能評価装置でもよい。

図９は、ノイズ検知装置１０の別実施形態を示している。なお、図９に示した構成要素のうち、図１または図７に示した構成要素と同等のものについては、同一の符号を付して示し、その説明は省略する。

図９に示したノイズ検知装置１０は、図１および図７に示した変換部１１と、図１に示した算出部１２及び第１検知部１３と、図７に示した極大検出部１４及び第２検知部１５と、論理演算部１６とを含んでいる。

図９に示した変換部１１は、サンプリング時刻ごとに生成した周波数スペクトルを、算出部１２と極大検出部１４との双方に渡す。また、論理演算部１６は、第１検知部１３で得られた検知結果と、第２検知部１５で得られた検知結果とについて、所定の論理演算を行い、得られた論理演算結果を、ノイズ検知装置１０による検知結果として自律神経機能評価装置４０に通知する。論理演算部１６は、例えば、論理和演算を行うことにより、第１検知部１３と第２検知部１５との少なくとも一方によってノイズ成分が検知されたときに、脈波信号へのノイズ成分の混入を検知した旨を自律神経機能評価装置４０に通知してもよい。

自律神経機能評価装置４０は、例えば、周波数解析部４１と、指標算出部４２と、評価部４３とを含んでいる。周波数解析部４１は、上述した覚醒度判定装置３０に含まれる周波数解析部３１と同様にして、間隔抽出装置２から受け取った拍間隔データに基づいて、脈拍間隔の揺らぎの周波数スペクトルを生成する。周波数解析部４１は、間隔抽出装置２から受け取った拍間隔データから、サンプリング間隔で移動する第１時間窓を用いて抽出した情報について周波数解析を行うことで、各サンプリング時刻における周波数スペクトルを生成する。

指標算出部４２は、例えば、周波数解析部４１で得られる周波数スペクトルごとに、ＨＦ帯及びＬＦ帯にそれぞれ現れるピークに対応するピークスペクトル密度を取得し、取得したピークスペクトル密度に基づいて、自律神経の活動を反映する指標値を算出する。

ここで、自律神経機能評価装置４０に含まれる周波数解析部４１による解析対象は、被験者が安静にしている状態で得られた拍間隔データから生成された周波数スペクトルであることが望ましい。つまり、被験者が会話しているときに拍間隔データに現れる脈拍間隔又は心拍間隔の乱れは、自律神経機能評価装置４０においても、周波数解析結果に基づく評価結果の精度を低下させるノイズ成分である。

したがって、評価部４３は、指標算出部４２で各サンプリング時刻に対応して得られる評価値に基づいて、自律神経の活動状態を評価し、評価結果を時系列的に出力する際に、ノイズ検知装置１０による検知結果に基づく制御を行ってもよい。

評価部４３は、例えば、ノイズ検知装置１０により、ノイズ成分の混入が検知されない旨の検知結果が通知された場合に限って、指標算出部４２で得られた指標値に基づく評価結果を出力してもよい。

上述したように、本件開示のノイズ検知装置１０による検知結果に応じて、評価部４３による評価結果の出力を制御することで、被験者が会話したことによる脈拍間隔又は心拍間隔の乱れの影響を受けていない評価結果を出力することができる。つまり、ノイズ検知装置１０からの通知を受けた自律神経機能評価装置４０によれば、被験者が安静にしている状態で得られた脈波信号から得られた自律神経機能の評価結果を出力することができるので、出力される評価結果の信頼性を向上することができる。

なお、図９に示したノイズ検知装置１０によって得られるノイズ検知結果を、図１あるいは図７に示した覚醒度判定装置３０の警報出力部３３による警報の出力の制御に適用することも可能である。

以上に説明した本件開示のノイズ検知装置１０は、例えば、パーソナルコンピュータや携帯端末装置などのコンピュータ装置を用いて実現することができる。同様に、上述した覚醒度判定装置３０や、自律神経機能評価装置４０もまた、パーソナルコンピュータや携帯端末装置などのコンピュータ装置を用いて実現することができる。また、ノイズ検知装置１０及び覚醒度判定装置３０を、車両などに搭載されたナビゲーションシステムに含まれるコンピュータ装置を用いて実現してもよい。

図１０は、ノイズ検知装置１０のハードウェア構成の一例を示している。なお、図１０に示した構成要素のうち、図１に示した構成要素と同等のものについては、同一の符号を付して示し、その説明は省略する。

携帯端末装置２０は、プロセッサ２１と、メモリ２２と、無線通信インタフェース２３と、ネットワークインタフェース２４と、表示制御部２５と、液晶表示部２６と、音声処理部２７と、スピーカ２８と、入力処理部２９とを含んでいる。なお、図１０は、スマートフォンなどの携帯端末装置２０に搭載されたプロセッサ２１と、メモリ２２と、無線通信インタフェース２３の機能により、ノイズ検知装置１０を実現する場合の構成例を示している。また、図１０の例では、プロセッサ２１と、メモリ２２と、無線通信インタフェース２３と、表示制御部２５と、液晶表示部２６と、音声処理部２７と、スピーカ２８とにより、覚醒度判定装置３０が実現されている。

上述したプロセッサ２１と、メモリ２２と、無線通信インタフェース２３と、ネットワークインタフェース２４と、表示制御部２５と、音声処理部２７と、入力処理部２９とは、バスを介して互いに接続されている。また、携帯端末装置２０は、例えば、無線通信インタフェース２３を介して、間隔抽出装置２から上述した拍間隔データの入力を受けている。また、携帯端末装置２０は、ネットワークインタフェース２４を介して、インターネットなどのネットワークに接続されていてもよい。

図１０に例示した入力処理部２９は、例えば、タッチスクリーンなどの操作部を含んでいる。携帯端末装置２０の利用者は、入力処理部２９に含まれる操作部を操作することにより、ノイズ検知装置１０によりノイズ成分を検知する処理及び覚醒度判定装置３０による覚醒度判定処理を開始させる旨の指示などを入力することができる。

図１０に例示したメモリ２２は、携帯端末装置２０のオペレーティングシステムとともに、プロセッサ２１が、上述したノイズ成分を検知する処理及び覚醒度判定処理を実行するためのアプリケーションプログラムを格納している。なお、上述したノイズ成分を検知する処理及び覚醒度判定処理を実行するためのアプリケーションプログラムは、例えば、ネットワークインタフェース２４を介して、インターネットなどのネットワークから取得してもよい。

また、プロセッサ２１は、メモリ２２に格納されたアプリケーションプログラムを実行することにより、図１に例示したノイズ検知装置１０に含まれる変換部１１、算出部１２及び第１検知部１３の機能を果たしてもよい。同様に、プロセッサ２１は、メモリ２２に格納されたアプリケーションプログラムを実行することにより、図７に例示したノイズ検知装置１０に含まれる変換部１１、極大検出部１４及び第２検知部１５の機能を果たしてもよい。また、プロセッサ２１は、ノイズ成分を検知する処理のためのアプリケーションプログラムを、覚醒度判定処理のためのアプリケーションプログラムの一部として実行し、ノイズ検知結果を覚醒度判定処理結果の出力の制御に利用してもよい。

以下、ノイズ成分を検知する処理及び覚醒度判定処理を実行するためのアプリケーションプログラムについて説明する。まず、携帯端末装置２０の利用者を被験者とする覚醒度判定処理について、図１１を参照しつつ説明する。

図１１は、覚醒度判定処理のフローチャートの一例を示している。図１１に示したステップ３０１〜ステップ３０９の各処理は、覚醒度判定処理のためのアプリケーションプログラムに含まれる処理の一例である。プロセッサ２１は、例えば、図１０に示した入力処理部１９を介して、覚醒度判定処理を開始する旨が指示されたときに、ステップ３０１〜ステップ３０９の各処理の実行を開始する。また、プロセッサ２１は、ステップ３０１〜ステップ３０９の各処理を、例えば、上述した入力処理部１９を介して、覚醒度判定処理を終了する旨が指示されるまで繰り返し実行してもよい。

まず、プロセッサ２１は、無線通信インタフェース２３を介して、脈波センサ１および間隔抽出装置２で得られる拍間隔データを取得する(ステップ３０１)。なお、プロセッサ２１は、ステップ３０１において、心電計３及び間隔抽出装置２で得られる拍間隔データを取得し、取得した拍間隔データについて、後述するステップ３０２〜ステップ３０９の各処理を実行してもよい。

次に、プロセッサ２１は、ステップ３０１で新たに取得した拍間隔データとそれまでに取得した拍間隔データとに基づいて、所定のサンプリング間隔で脈拍間隔を再標本化したリサンプリングデータを生成する(ステップ３０２)。プロセッサ２１は、図６を用いて説明したように、新たに得られた拍間隔データと、直前に得られた拍間隔データとに基づいて、これらの拍間隔データが取得された時刻の間に位置するサンプリング時刻に対応するリサンプリングデータを生成する。

次いで、プロセッサ２１は、ステップ３０２の処理によってそれまでに得られたリサンプリングデータに、上述した第１時間窓を用いた変換処理を適用することにより、脈拍間隔の揺らぎの周波数スペクトルを生成する(ステップ３０３)。プロセッサ２１は、例えば、サンプリング間隔ずつ第１時間窓をずらしながらリサンプリングデータを抽出し、抽出したリサンプリングデータに基づいて、各サンプリング時刻に対応する周波数スペクトルを生成してもよい。

次に、プロセッサ２１は、ステップ３０３の処理で生成された各サンプリング時刻に対応する周波数スペクトルについて、ＨＦ帯に現れるピークを検出し、ピーク周波数とピークスペクトル密度を、図１０に示したメモリ２２に保持する(ステップ３０４)。

その後、プロセッサ２１は、ステップ３０４の処理を実行するごとにメモリ２２に蓄積されたピーク周波数及びピークスペクトル密度の履歴に基づいて、再公表２００８−０６５７２４号公報の技法により、被験者の覚醒度を判定する(ステップ３０５)。

また、プロセッサ２１は、上述したステップ３０２で得られるリサンプリングデータに基づいて、図１２あるいは図１３に示すようにして、ステップ３０１で取得した拍間隔データに含まれるノイズ成分を検知する(ステップ３０６)。なお、プロセッサ２１は、上述したステップ３０３〜ステップ３０５の処理に先立ってステップ３０６の処理を実行してもよいし、ステップ３０３〜ステップ３０５の処理と並行して、ステップ３０６の処理を実行してもよい。

図１２は、ノイズ成分を検知する処理のフローチャートの例を示している。図１２に示したステップ３１１〜ステップ３１８の各処理は、ノイズ成分を検知する処理のためのアプリケーションプログラムに含まれる処理の一例である。これらのステップ３１１〜ステップ３１８の各処理は、図１１に示したステップ３０６の処理の一例であり、これらの各ステップの処理は、いずれもプロセッサ２１によって実行される。

まず、プロセッサ２１は、図１１に示したステップ３０２の処理によってそれまでに得られたリサンプリングデータに、上述した第２時間窓を用いた変換処理を適用することにより、脈拍間隔の揺らぎの周波数スペクトルを生成する(ステップ３１１)。プロセッサ２１は、例えば、サンプリング間隔ずつ第２時間窓をずらしながらリサンプリングデータを抽出し、抽出したリサンプリングデータに基づいて、各サンプリング時刻に対応する周波数スペクトルを生成してもよい。このように、プロセッサ２１が、ステップ３１１の処理を実行することにより、図１に示した変換部１１の機能を実現することができる。

次に、プロセッサ２１は、ステップ３１１の処理で生成された各サンプリング時刻に対応する周波数スペクトルについて、ＨＦ帯に現れるピークを検出し、検出したピークに対応するピーク周波数を、図１０に示したメモリ２２に保持する(ステップ３１２)。プロセッサ２１は、例えば、ステップ３１２の処理で得られたピーク周波数を示す情報を、各サンプリング時刻に対応してメモリ２２に保持してもよい。

次いで、プロセッサ２１は、上述したステップ３１２の処理を実行するごとに各サンプリング時刻に対応して得られたピーク周波数に基づいて、現在時刻におけるピーク周波数の分散値を算出する(ステップ３１３)。プロセッサ２１は、例えば、最新のサンプリング時刻から第２時間窓に相当する時間を遡った時刻までの期間に含まれる各サンプリング時刻に対応してメモリ２２に保持されたピーク周波数を、分散値の算出に用いてもよい。

このように、プロセッサ２１が、上述したステップ３１２及びステップ３１３の処理を実行することにより、図１に示した算出部１２の機能を実現することができる。

なお、プロセッサ２１は、ステップ３１３の処理で算出された分散値を、以降のサンプリング時刻におけるノイズ成分の検知処理において利用するために、図１０に示したメモリ２２に蓄積してもよい。

次に、プロセッサ２１は、それまでに蓄積された分散値に基づいて、現在時刻におけるピーク周波数の分散値が、被験者が安静な状態での分散値に対して有意な差を持つか否かを判定するための第１閾値を決定する(ステップ３１４)。プロセッサ２１は、例えば、最新のサンプリング時刻から第２時間窓に相当する時間を遡った時刻よりも前の期間に含まれる時刻に対応して蓄積された分散値と上述した第１係数とに基づいて第１閾値を算出してもよい。このように、プロセッサ２１が、ステップ３１４の処理を実行することにより、図５に示した第１決定部１３１の機能を実現することができる。

次いで、プロセッサ２１は、ステップ３１３で得られた現在時刻におけるピーク周波数の分散値が、ステップ３１４で得られた第１閾値以上であるか否かを判定する（ステップ３１５）。

現在時刻におけるピーク周波数の分散値が、上述した第１閾値未満である場合に（ステップ３１５の否定判定）、プロセッサ２１は、現在時刻におけるピーク周波数の分散値は、被験者が安静な状態での分散値に対して有意な差を持っていないと判断する。この場合に、プロセッサ２１は、ノイズ成分を検知しない旨を出力する(ステップ３１６)。

一方、現在時刻におけるピーク周波数の分散値が、上述した第１閾値以上である場合に(ステップ３１５の否定判定)、プロセッサ２１は、現在時刻におけるピーク周波数の分散値は、被験者が安静な状態での分散値に対して有意な差を持っていると判断する。この場合に、プロセッサ２１は、ノイズ成分を検知した旨を出力する(ステップ３１７)。

このように、プロセッサ２１が、ステップ３１５における比較処理の結果に応じてステップ３１６，３１７の処理を実行することにより、図１に示した第１検知部１３の機能を実現することができる。

図１２に示したステップ３１１〜ステップ３１７の処理は、被験者が会話している際の周波数スペクトルのＨＦ帯に現れる特徴に基づいてノイズ成分の検知を行う手法の実現例であり、本件開示のノイズ検知方法の一実施形態である。つまり、ステップ３１１の処理は、本件開示のノイズ検知方法の周波数スペクトル生成する手順の一例である。また、ステップ３１２〜ステップ３１３は、本件開示のノイズ検知方法の分散値を算出する手順の一例である。更に、ステップ３１４からステップ３１７は、本件開示のノイズ検知方法のノイズ成分を検知する手順の一例である。

プロセッサ２１は、上述したステップ３１５の判定結果に応じて、ステップ３１６又はステップ３１７の処理を実行した後に、ノイズ成分を検知する処理を終了し、図１１に示したステップ３０７の処理にノイズ検知結果を渡す。

ステップ３０７において、プロセッサ２１は、上述したノイズ成分を検知する処理において、ノイズ成分が検知されたか否かを判定する。

図１２に示したノイズ成分を検知する処理において、ノイズ成分を検知しなかった場合に、プロセッサ２１は、ステップ３０７の否定判定ルートに従ってステップ３０８の処理に進む。ステップ３０８において、プロセッサ２１は、例えば、図１０に示した表示制御部２５及び液晶表示部２５を介して、覚醒度の評価結果を表すメッセージや図を提示することで、ステップ３０５で得られた覚醒度の評価結果を出力してもよい。また、プロセッサ２１は、覚醒度が低下した場合に、図１０に示した音声処理部２７及びスピーカ２８を介して音声メッセージを出力することにより、被験者の注意を促してもよい。上述したステップ３０８の処理の終了後に、プロセッサ２１は、ステップ３０９の処理に進む。

一方、図１２に示したノイズ成分を検知する処理において、ノイズ成分を検出した場合に、プロセッサ２１は、ステップ３０８をスキップすることで、覚醒度の評価結果の出力を抑止し、そのままステップ３０９の処理に進む。

このように、プロセッサ２１が、ステップ３０７の判定結果に応じて、ステップ３０５で得られた評価結果の出力処理を制御することで、ノイズ成分の影響を受けない解析結果を出力することができる。つまり、被験者が会話している際の周波数スペクトルのＨＦ帯に現れる特徴に基づいて得られたノイズ成分の検知結果に応じて、覚醒度の評価結果に基づく警報の出力を制御することができる。

その後、ステップ３０９において、プロセッサ２１は、例えば、図１０に示した入力処理部２９から覚醒度判定処理を停止する旨の指示が入力されたか否かに基づいて、覚醒度判定処理を終了するか否かを判定する。

覚醒度判定処理を停止する旨の指示が入力されていない場合に、プロセッサ２１は、ステップ３０９の否定判定ルートに従ってステップ３０１の処理に戻り、新たに入力される拍間隔データについての解析処理を継続する。一方、覚醒度判定処理を停止する旨の指示が入力された場合に、プロセッサ２１は、ステップ３０９の肯定判定ルートに従って、覚醒度判定処理を終了する。

このように、プロセッサ２１が、ステップ３０１〜ステップ３０９の処理を繰り返すことにより、被験者の覚醒度を時系列的に評価するとともに、被験者から取得した拍間隔データへのノイズ成分の混入を検知し、覚醒度の評価結果の出力を制御することができる。これにより、被験者の覚醒度が低下したとき、即ち、被験者が眠気をもよおしたときに、的中率の高い警報を出力することができるので、車両等の運転者の居眠り防止装置などに適用する上で有用である。

ところで、図１１に示したステップ３０６の処理として、プロセッサ２１は、図１３に示すステップ３２１〜ステップ３２６の処理を実行してもよい。

図１３は、ノイズ成分を検知する処理のフローチャートの別例を示している。図１３に示したステップ３２１〜ステップ３２６の各処理は、ノイズ成分を検知する処理のためのアプリケーションプログラムに含まれる処理の一例である。これらのステップ３２１〜ステップ３２６の各処理は、図１１に示したステップ３０６の処理の一例であり、これらの各ステップの処理は、いずれもプロセッサ２１によって実行される。

まず、プロセッサ２１は、上述したステップ３１１と同様にして、拍間隔データから脈拍間隔の揺らぎの周波数スペクトルを生成する(ステップ３２１)。このように、プロセッサ２１が、ステップ３１１の処理を実行することにより、図７に示したノイズ検知装置１０に含まれる変換部１１の機能を実現することができる。

次に、プロセッサ２１は、ステップ３２１の処理で生成される周波数スペクトルについて、ＬＦ帯に現れるピークを検出する処理を行い、検出したピークに対応するピーク値を、図１０に示したメモリ２２に保持する(ステップ３２２)。プロセッサ２１は、例えば、ステップ３２２の処理で得られたピーク値を示す情報を、各サンプリング時刻に対応してメモリ２２に保持してもよい。このように、プロセッサ２１が、上述したステップ３２２の処理を実行することにより、図７に示した極大検出部１４の機能を実現することができる。

なお、プロセッサ２１は、ステップ３２２の処理で取得したピーク値を、以降のサンプリング時刻におけるノイズ成分の検知処理において利用するために、図１０に示したメモリ２２に蓄積してもよい。

次に、プロセッサ２１は、それまでに蓄積されたピーク値に基づいて、最新のサンプリング時刻に対応して検出されたピーク値が、被験者が安静な状態でのピーク値に対して有意な差を持つか否かを判定するための第２閾値を決定する(ステップ３２３)。プロセッサ２１は、例えば、最新のサンプリング時刻から第２時間窓に相当する時間を遡った時刻よりも前の期間に含まれる時刻に対応して蓄積されたピーク値と上述した第２係数とに基づいて第２閾値を算出してもよい。このように、プロセッサ２１が、ステップ３２３の処理を実行することにより、図８に示した第２決定部１５１の機能を実現することができる。

次いで、プロセッサ２１は、ステップ３２２で得られた現在時刻におけるＬＦ帯のピーク値が、ステップ３２３で得られた第２閾値以上であるか否かを判定する（ステップ３２４）。

現在時刻におけるＬＦ帯のピーク値が、上述した第２閾値未満である場合に(ステップ３２４の否定判定)、プロセッサ２１は、現在時刻におけるＬＦ帯のピーク値と、被験者が安静な状態でのＬＦ帯のピーク値との間には有意な差がないと判断する。この場合に、プロセッサ２１は、ノイズ成分を検知しない旨を出力する(ステップ３２５)。

一方、現在時刻におけるＬＦ帯のピーク値が、上述した第２閾値以上である場合に(ステップ３２４の否定判定)、プロセッサ２１は、現在時刻におけるＬＦ帯のピーク値は、被験者が安静な状態でのＬＦ帯のピーク値に対して有意な差を持っていると判断する。この場合に、プロセッサ２１は、ノイズ成分を検知した旨を出力する(ステップ３２６)。

このように、プロセッサ２１が、ステップ３２４における比較処理の結果に応じてステップ３２５，３２６の処理を実行することにより、図７に示した第２検知部１５の機能を実現することができる。

図１３に示したステップ３２１〜ステップ３２６の処理は、被験者が会話している際の周波数スペクトルのＬＦ帯に現れる特徴に基づいてノイズ成分の検出を行う手法の実現例であり、本件開示のノイズ検知方法の一実施形態である。つまり、ステップ３２１の処理は、本件開示のノイズ検知方法の周波数スペクトル生成する手順の一例である。また、ステップ３２２の処理は、本件開示のノイズ検知方法の極大値を検出する手順の一例である。更に、ステップ３２３〜ステップ３２６の処理は、本件開示のノイズ検知方法のノイズ成分を検知する手順の一例である。

プロセッサ２１は、上述したステップ３２４の判定結果に応じて、ステップ３２５又はステップ３２６の処理を実行した後に、ノイズ成分を検知する処理を終了し、図１１に示したステップ３０７の処理に進んでもよい。

この場合に、プロセッサ２１は、被験者が会話している際の周波数スペクトルのＬＦ帯に現れる特徴に基づいて得られたノイズ成分の検知結果に応じて、図１１のステップ３０５で得られた評価結果の出力処理を制御する。これにより、プロセッサ２１は、図１１のステップ３０６の処理を図１２に示したステップ３１１〜ステップ３１７の処理で実現した場合と同様に、ノイズ成分の影響を受けない解析結果を出力することができる。

なお、プロセッサ２１は、図１１に示したステップ３０６において、図１２に示したステップ３１１〜ステップ３１７の処理と、図１３に示したステップ３２１〜ステップ３２６の処理との双方を実行してもよい。また、プロセッサ２１は、図１１に示したステップ３０７において、被験者が会話している際の周波数スペクトルのＨＦ帯とＬＦ帯とにそれぞれ現れる特徴に基づいて得られたノイズ成分の検知結果の双方を考慮した処理を実行してもよい。つまり、上述した２つの手法の少なくとも一方によってノイズ成分を検知した旨の検知結果が得られた場合に、プロセッサ２１は、入力された拍間隔データがノイズ成分の影響を受けていると判断してもよい。

また、上述したノイズ成分を検知する処理のためのアプリケーションプログラムは、図１４に示すように、自律神経機能評価処理のためのアプリケーションプログラムの一部として適用することもできる。

図１４は、自律神経機能評価処理のフローチャートの例を示している。なお、図１４に示したステップのうち、図１１に示したステップと同等のものについては、同一の符号を付して示し、その説明は省略する。

図１４に示したステップ３３１〜ステップ３３４及びステップ３０１〜３０３，３０６，３０７，３０９の各処理は、自律神経機能評価処理のためのアプリケーションプログラムに含まれる処理の一例である。プロセッサ２１は、例えば、図１０に示した入力処理部１９を介して、自律神経機能評価処理を開始する旨が指示されたときに、上述した各処理の実行を開始する。また、プロセッサ２１は、上述した各処理を、例えば、入力処理部１９を介して、自律神経機能評価処理を終了する旨が指示されるまで繰り返し実行してもよい。

プロセッサ２１は、上述したステップ３０１〜ステップ３０３の処理を実行することで周波数スペクトルを生成した後に、生成した周波数スペクトルのＨＦ帯及びＬＦ帯にそれぞれ現れたピークを検出する(ステップ３３１)。

次いで、プロセッサ２１は、ステップ３３１で検出したＨＦ帯のピーク及びＬＦ帯のピークに対応するピーク値に基づいて、自律神経機能に関わる指標値を算出する（ステップ３３２）。更に、プロセッサ２１は、ステップ３３２で得られた指標値に基づいて、被験者の自律神経機能を評価する(ステップ３３３)。

また、プロセッサ２１は、上述したステップ３０３及びステップ３３１〜ステップ３３３の処理と並行して、図１２又は図１３に示したフローチャートに基づいて、ノイズ成分を検知する処理を実行する(ステップ３０６)。なお、プロセッサ２１は、上述したステップ３０３及びステップ３３１〜ステップ３３３の処理に先立って、ステップ３０６の処理を実行してもよい。また、プロセッサ２１は、逆に、ステップ３０３及びステップ３３１〜ステップ３３３の処理の終了後に、ステップ３０６の処理を実行してもよい。

その後、プロセッサ２１は、ステップ３０７において、ステップ３０６の処理の過程でノイズ成分が検知されたか否かを判定し、ノイズ成分が検知されなかった場合に限って、ステップ３３３の処理で得られた評価結果を出力する(ステップ３３４)。

プロセッサ２１は、ステップ３０９において、自律神経機能評価処理を終了すると判定するまで、上述した処理を繰り返し実行する。これにより、被験者が会話している際などに現れるノイズ成分の影響を受けていない拍間隔データに基づいて、ステップ３３１〜ステップ３３３の処理で得られた自律神経機能の評価結果を、選択的に出力させることができる。

以上の説明に関して、更に、以下の各項を開示する。
(付記１) 脈拍間隔又は心拍間隔を示す拍間隔データを受け、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成する変換部と、
所定の期間に前記変換部で得られる複数の周波数スペクトルについて、所定の周波数帯でのスペクトル密度の極大が現れる周波数の分散を算出する算出部と、
前記算出部で得られた分散が所定の閾値を超えた場合に、前記所定の期間に入力された前記拍間隔データがノイズ成分を含んでいることを検知する検知部と
を備えたことを特徴とするノイズ検知装置。
(付記２) 脈拍間隔又は心拍間隔を示す拍間隔データ受け、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成する変換部と、
前記変換部で新たな周波数スペクトルが得られるごとに、前記新たな周波数スペクトルから、所定の周波数帯におけるスペクトル密度の極大値を検出する極大検出部と、
前記極大検出部で得られた極大値が所定の閾値を超えた場合に、前記新たな周波数スペクトルの生成に用いられた拍間隔データがノイズ成分を含んでいることを検知する検知部と
を備えたことを特徴とするノイズ検知装置。
(付記３) 付記１又は付記２に記載のノイズ検知装置において、
前記変換部は、所定の注目周波数に対応する周期の２倍以上の長さを有する時間窓を用いて、前記脈拍間隔又は心拍間隔の揺らぎの周波数スペクトルを生成する
ことを特徴とするノイズ検知装置。
(付記４)
付記１に記載のノイズ検知装置において、
前記検知部は、
前記所定の期間より前に前記算出部によって算出された前記分散に基づいて、前記閾値を決定する決定部を有する
ことを特徴とするノイズ検知装置。
(付記５)
付記２に記載のノイズ検知装置において、
前記検知部は、
前記新たな周波数スペクトルの生成に用いられた前記拍間隔データが入力される前に前記極大検出部によって検出された前記極大値に基づいて、前記閾値を決定する決定部を有する
ことを特徴とするノイズ検知装置。
(付記６) 脈拍間隔又は心拍間隔を示す拍間隔データを受け、
前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、
所定の期間に対応して得られる複数の周波数スペクトルについて、所定の周波数帯でのスペクトル密度の極大が現れる周波数の分散を算出し、
前記算出された分散が所定の閾値を超えた場合に、前記所定の期間に入力された前記拍間隔データがノイズ成分を含んでいることを検知する
ことを特徴とするノイズ検知方法。
(付記７) 脈拍間隔又は心拍間隔を示す拍間隔データの入力を受け、
前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、
新たな周波数スペクトルが得られるごとに、前記新たな周波数スペクトルから、所定の周波数帯におけるスペクトル密度の極大値を検出し、
前記検出された極大値が所定の閾値を超えた場合に、前記新たな周波数スペクトルの生成に用いられた拍間隔データがノイズ成分を含んでいることを検知する
ことを特徴とするノイズ検知方法。
(付記８) 脈拍間隔又は心拍間隔を示す拍間隔データの入力を受け、
前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、
所定の期間に対応して得られる複数の周波数スペクトルについて、所定の周波数帯でのスペクトル密度の極大が現れる周波数の分散を算出し、
前記算出された分散が所定の閾値を超えた場合に、前記所定の期間に入力された前記拍間隔データがノイズ成分を含んでいることを検知する
処理をコンピュータに実行させることを特徴とするノイズ検知プログラム。
(付記９) 脈拍間隔又は心拍間隔を示す拍間隔データの入力を受け、
前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、
新たな周波数スペクトルが得られるごとに、前記新たな周波数スペクトルから、所定の境界周波数よりも低い周波数帯におけるスペクトル密度の極大値を検出し、
前記検出された極大値が所定の閾値(第２閾値)を超えた場合に、前記新たな周波数スペクトルの生成に用いられた拍間隔データがノイズ成分を含んでいることを検知する
処理をコンピュータに実行させることを特徴とするノイズ検知プログラム。

１…脈波センサ；２…間隔抽出装置；３…心電計；１０…ノイズ検知装置；１１…変換部；１２…算出部；１３…第１検知部；１４…極大検出部；１５…第２検知部；１６…論理演算部；２０…携帯端末装置；２１…プロセッサ；２２…メモリ；２３…無線通信インタフェース；２４…ネットワークインタフェース；２５…表示制御部；２６…液晶表示部；２７…音声処理部；２８…スピーカ；２９…入力処理部；３０…覚醒度判定装置；３１，４１…周波数解析部；３２…覚醒度評価部；３３…警報出力部；４０…自律神経機能評価装置；４２…指標算出部；４３…評価部；ＮＷ…ネットワーク

Claims (7)

1. 脈拍間隔又は心拍間隔を示す拍間隔データを受け、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成する変換部と、
   所定の期間に前記変換部で得られる複数の周波数スペクトルについて、所定の周波数以上の周波数帯でのスペクトル密度の極大が現れる周波数の分散を算出する算出部と、
   前記算出部で得られた分散が所定の閾値を超えた場合に、前記所定の期間に入力された前記拍間隔データがノイズ成分を含んでいることを検知する検知部と
   を備えたことを特徴とするノイズ検知装置。
2. 脈拍間隔又は心拍間隔を示す拍間隔データを受け、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成する変換部と、
   前記変換部で新たな周波数スペクトルが得られるごとに、前記新たな周波数スペクトルから、所定の周波数以下の周波数帯におけるスペクトル密度の極大値を検出する極大検出部と、
   前記極大検出部で得られた極大値が所定の閾値を超えた場合に、前記新たな周波数スペクトルの生成に用いられた拍間隔データがノイズ成分を含んでいることを検知する検知部と
   を備えたことを特徴とするノイズ検知装置。
3. 請求項１又は請求項２に記載のノイズ検知装置において、
   前記変換部は、所定の注目周波数に対応する周期の２倍以上の長さを有する時間窓を用いて、前記脈拍間隔又は心拍間隔の揺らぎの周波数スペクトルを生成する
   ことを特徴とするノイズ検知装置。
4. 脈拍間隔又は心拍間隔を示す拍間隔データを受け、
   前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、
   所定の期間に対応して得られる複数の周波数スペクトルについて、所定の周波数以上の周波数帯でのスペクトル密度の極大が現れる周波数の分散を算出し、
   前記算出された分散が所定の閾値を超えた場合に、前記所定の期間に入力された前記拍間隔データがノイズ成分を含んでいることを検知する
   ことを特徴とするノイズ検知方法。
5. 脈拍間隔又は心拍間隔を示す拍間隔データを受け、
   前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、
   新たな周波数スペクトルが得られるごとに、前記新たな周波数スペクトルから、所定の周波数以下の周波数帯におけるスペクトル密度の極大値を検出し、
   前記検出された極大値が所定の閾値を超えた場合に、前記新たな周波数スペクトルの生成に用いられた拍間隔データがノイズ成分を含んでいることを検知する
   ことを特徴とするノイズ検知方法。
6. 脈拍間隔又は心拍間隔を示す拍間隔データを受け、
   前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、
   所定の期間に対応して得られる複数の周波数スペクトルについて、所定の周波数以上の周波数帯でのスペクトル密度の極大が現れる周波数の分散を算出し、
   前記算出された分散が所定の閾値を超えた場合に、前記所定の期間に入力された前記拍間隔データがノイズ成分を含んでいることを検知する
   処理をコンピュータに実行させることを特徴とするノイズ検知プログラム。
7. 脈拍間隔又は心拍間隔を示す拍間隔データを受け、
   前記拍間隔データから、前記脈拍間隔又は心拍間隔の揺らぎのスペクトル密度分布を表す周波数スペクトルを生成し、
   新たな周波数スペクトルが得られるごとに、前記新たな周波数スペクトルから、所定の周波数以下の周波数帯におけるスペクトル密度の極大値を検出し、
   前記検出された極大値が所定の閾値を超えた場合に、前記新たな周波数スペクトルの生成に用いられた拍間隔データがノイズ成分を含んでいることを検知する
   処理をコンピュータに実行させることを特徴とするノイズ検知プログラム。

Images