JP6037279B2 - 信号処理装置 - Google Patents

Description

本発明は、物体で反射された無線信号を受信するセンサからのセンサ信号を信号処理する信号処理装置に関するものである。

従来から、図３１に示す構成の照明システムが提案されている（例えば、特許文献１参照）。この照明システムは、検出エリア内の検出対象物の存否を検出してセンサ信号を出力するセンサ１１０を具備した物体検知装置１０１と、物体検知装置１０１により点灯状態が制御される照明器具１０２とを備えている。

センサ１１０は、ミリ波を検出エリアに向けて送信して、検出エリア内を移動する検出対象物で反射されたミリ波を受信し、送信したミリ波と受信したミリ波との周波数の差分に相当するドップラ周波数のセンサ信号を出力するミリ波センサである。

物体検知装置１０１は、センサ１１０の出力するセンサ信号を複数の周波数帯域に分けて周波数帯域ごとに増幅する増幅回路１１１と、増幅回路１１１の出力を所定の閾値と比較することにより検出対象物の存否を判定する判定部１１２とを備えている。また、物体検知装置１０１は、判定部１１２での判定結果に応じて照明器具１０２の点灯状態を制御する照明制御部１１３を備えている。

また、物体検知装置１０１は、センサ１１０の出力するセンサ信号の各周波数ごとの強度を検出する周波数解析部１１４を備えている。また、物体検知装置１０１は、周波数解析部１１４の解析結果を用いて定常的に発生する特定周波数のノイズの影響を低減するノイズ除去部（ノイズ判定部１１５および切替回路１１６）を備えている。ここで、周波数解析部１１４としては、ＦＦＴ（高速フーリエ変換）アナライザを用いている。判定部１１２と照明制御部１１３とノイズ除去部とは、マイクロコンピュータを主構成とする制御ブロック１１７に含まれている。増幅回路１１１は、センサ信号を予め定められている周波数帯域ごとに出力する信号処理部を構成している。なお、特許文献１には、信号処理部が、ＦＦＴアナライザ、ディジタルフィルタなどを用いた構成であってもよい旨が記載されている。

増幅回路１１１は、オペアンプを用いた増幅器１１８を複数有しており、各増幅器１１８を構成する回路の各種パラメータを調節することで、各増幅器１１８にて信号を増幅する周波数帯域の設定が可能となっている。つまり、各増幅器１１８は、特定の周波数帯域の信号を通過させるバンドパスフィルタとしても機能する。しかして、増幅回路１１１では、並列に接続された複数の増幅器１１８にてセンサ信号を複数の周波数帯域に分け、各周波数帯域の信号を各増幅器１１８にてそれぞれ増幅して個別に出力する。

判定部１１２は、増幅器１１８の出力をディジタル値にＡ／Ｄ変換し、予め定められた閾値と比較する比較器１１９を増幅器１１８ごとに有し、検出対象物の存否を判定する。比較器１１９では、閾値が各パス帯域ごと（つまり各増幅器１１８ごと）に個別に設定されており、増幅器１１８の出力が閾値で定められた範囲外のときにＨレベルの信号を出力する。ここで、初期状態（出荷状態）で設定される各パス帯域の閾値Ｖｔｈは、電波暗室など電磁波の反射がない状態で、一定時間内に測定される各増幅器１１８の出力値Ｖのピーク・トゥー・ピークＶｐｐの最大値Ｖｐｐ_ｉｎｉと、前記出力値Ｖの平均値Ｖａｖｇを用いてＶｔｈ＝Ｖａｖｇ±Ｖｐｐ_ｉｎｉで表される値とする。そして、判定部１１２は各比較結果の論理和をとる論理和回路１２０を有し、１つでもＨレベルの信号があれば検出対象物が存在する「検出状態」を示す検出信号を論理和回路１２０から出力し、一方、全てＬレベルであれば検出対象物が存在しない「非検出状態」を示す検出信号を論理和回路１２０から出力する。検出信号は、検出状態では「１」、非検出状態では「０」となるものとする。

ノイズ除去部は、周波数解析部１１４の出力から、定常的に発生する特定周波数のノイズの有無を判定するノイズ判定部１１５と、ノイズ判定部１１５の判定結果に応じて判定部１１２に対する各増幅器１１８の出力状態を切り替える切替回路１１６とを有している。

切替回路１１６は、増幅回路１１１の各増幅器１１８と判定部１１２の各比較器１１９との間にそれぞれ挿入されたスイッチ１２１を有し、初期状態ではこれら全てのスイッチ１２１をオンとする。そして、ノイズ判定部１１５からの出力で各スイッチ１２１が個別にオンオフ制御されることにより、各増幅器１１８の判定部１２１に対する出力を個別に入切する。つまり、切替回路１１６では、ノイズ判定部１１５からの出力により、任意のパス帯域の増幅器１１８に対応するスイッチ１２１をオフすることで、当該増幅器１１８の出力を無効にすることができる。

ノイズ判定部１１５では、周波数解析部１１４から出力される周波数（周波数成分）ごとのセンサ信号の信号強度（電圧強度）を読み込んでメモリ（図示せず）に記憶し、記憶したデータを用いて定常的に発生する特定周波数のノイズの有無を判定する。

ノイズ判定部１１５は、ある特定周波数のノイズが定常的に発生していると判断した場合に、当該ノイズが含まれるパス帯域を持つ増幅器１１８と判定部１１２との間のスイッチ１２１がオフするように切替回路１１６を制御する。これにより、特定周波数のノイズが定常的に発生している場合には、当該ノイズを含む周波数帯域について判定部１１２に対する増幅回路１１１の出力が無効となる。ここで、スイッチ１２１のオンオフ状態は、ノイズ判定部１１５にて「定常時」と判定される度に更新される。

特開２０１１−４７７７９号公報

特許文献１に記載された物体検知装置１０１では、センサ１１０と照明制御部１１３とを除いた部分が、ミリ波センサからなるセンサ１１０のセンサ信号を周波数領域で信号処理する信号処理装置を構成しているものと考えられる。

一般に、センサ信号を周波数領域で信号処理する信号処理装置は、周波数領域の信号の分布特徴に基づいて検出対象となる物体の認識処理を行う。または、信号処理装置は、周波数領域の信号から、検出対象となる物体の動きに起因した信号成分を抽出し、この抽出した信号成分比に基づいて検出対象となる物体の認識処理を行う。

しかし、このような認識処理を行う信号処理装置は、検出対象以外の物体の動きに起因して、周波数領域の信号に急峻な時間的変動が発生すると、検出対象以外の物体を検出対象の物体として誤検出してしまう可能性があった。

この誤検出を避けるため、周波数領域の信号の分布特徴、または信号成分比の一定時間区間における情報全体を認識処理の対象とすることが考えられる。しかしながら、この方法では、認識処理に時間がかかり、さらには信号処理装置の複雑化、大規模化にもつながる。

なお、検出対象以外の物体の動きとは、例えば、木の枝や葉の揺れる動き、電線の揺れる動き等が挙げられる。

本発明は上記事由に鑑みて為されたものであり、その目的は、検出対象以外の物体の動きに起因する信号の急峻な時間的変動の有無に関わらず、検出対象の物体を精度よく検出できる簡便且つ小型の信号処理装置を提供することにある。

本発明の信号処理装置は、物体で反射した無線信号を受信するセンサから出力される前記物体の動きに応じたセンサ信号を周波数領域の信号に変換し、周波数帯域の異なるフィルタバンクの群における前記フィルタバンク毎の信号として抽出する周波数分析手段と、前記周波数分析手段により抽出された信号の総和もしくは所定の複数の前記フィルタバンクを通過した信号の強度の総和で、前記フィルタバンクそれぞれを通過した信号の強度を規格化し、規格化強度として出力する規格化手段と、前記規格化手段から出力される前記フィルタバンク毎の前記規格化強度から決まる前記センサ信号の周波数分布もしくは前記規格化強度の成分比との少なくとも一方により前記物体を識別する認識処理を行う認識手段と、前記フィルタバンク毎の前記規格化強度から前記物体の動きに起因した信号成分を抽出する信号成分抽出手段と、前記抽出された前記物体の動きに起因した信号成分の単位時間当たりの変動の大きさが、少なくとも１つの前記フィルタバンクにおいて第１の所定値以上である場合、前記認識手段による前記認識処理を禁止する、もしくは前記認識手段による前記認識処理の結果を無効とする外乱判断手段とを備えることを特徴とする。

本発明の信号処理装置は、物体で反射した無線信号を受信するセンサから出力される前記物体の動きに応じたセンサ信号を周波数領域の信号に変換し、周波数帯域の異なるフィルタバンクの群における前記フィルタバンク毎の信号として抽出する周波数分析手段と、前記周波数分析手段により抽出された信号の総和もしくは所定の複数の前記フィルタバンクを通過した信号の強度の総和で、前記フィルタバンクそれぞれを通過した信号の強度を規格化し、規格化強度として出力する規格化手段と、前記規格化手段から出力される前記フィルタバンク毎の前記規格化強度から決まる前記センサ信号の周波数分布もしくは前記規格化強度の成分比との少なくとも一方により前記物体を識別する認識処理を行う認識手段と、少なくとも１つの前記フィルタバンクを通過した信号の強度の単位時間当たりの変動の大きさが第１の所定値以上である場合、前記認識手段による前記認識処理を禁止する、もしくは前記認識手段による前記認識処理の結果を無効とする外乱判断手段とを備えることを特徴とする。

この発明において、前記外乱判断手段は、前記単位時間当たりの変動の大きさが前記第１の所定値以上になってから所定時間が経過するまで、前記認識手段による前記認識処理を禁止する、もしくは前記認識手段による前記認識処理の結果を無効とすることが好ましい。

この発明において、前記外乱判断手段は、前記単位時間当たりの変動の大きさが前記第１の所定値より小さい第２の所定値以下になってから所定時間が経過するまで、前記認識手段による前記認識処理を禁止する、もしくは前記認識手段による前記認識処理の結果を無効とすることを特徴とすることが好ましい。

以上説明したように、本発明では、検出対象以外の物体の動きに起因する信号の急峻な時間的変動の有無に関わらず、検出対象の物体を精度よく検出できる簡便且つ小型の信号処理装置を提供することができるという効果がある。

実施形態における電波センサと信号処理装置とを備えたセンサ装置のブロック図である。 （ａ）〜（ｃ）実施形態における信号処理装置の規格化手段の説明図である。 （ａ）〜（ｃ）実施形態における信号処理装置に用いる平滑化処理手段の説明図である。 （ａ）〜（ｃ）実施形態における信号処理装置の背景信号除去手段の一例の説明図である。 実施形態における信号処理装置の背景信号除去手段の他例の説明図である。 （ａ）（ｂ）実施形態における信号処理装置の背景信号除去手段の更に他の例の説明図である。 実施形態における信号処理装置の背景信号除去手段の別例を構成する適応フィルタのブロック図である。 （ａ）〜（ｃ）実施形態における信号処理装置の主成分分析による認識処理の説明図である。 （ａ）（ｂ）実施形態におけるセンサ装置の使用形態の説明図である。 実施形態におけるセンサ装置の電波センサからのセンサ信号の波形図である。 実施形態における信号処理装置の規格化手段の出力の説明図である。 実施形態における信号処理装置の出力信号の波形図である。 実施形態における電波センサと信号処理装置とを備えたセンサ装置の使用形態の説明図である。 実施形態におけるセンサ装置の電波センサからのセンサ信号の波形図である。 実施形態における信号処理装置の出力信号の波形図である。 実施形態における信号処理装置の規格化手段の出力の説明図である。 実施形態における信号処理装置の出力信号の波形図である。 実施形態における信号処理装置の重回帰分析による認識処理の説明図である。 （ａ）（ｂ）実施形態における信号処理装置の重回帰分析による認識処理の他の説明図である。 実施形態における信号処理装置の認識手段による多数決判定の説明図である。 （ａ）（ｂ）実施形態における信号処理装置の説明図である。 実施形態における信号処理装置のニューラルネットワークの概略構成図である。 実施形態における信号処理装置が重回帰分析により分離した信号成分の波形図である。 実施形態における信号処理装置が認識処理の可否判断を行わなかった場合の出力信号の波形図である。 実施形態における信号処理装置が認識処理の可否判断を行った場合の出力信号の波形図である。 実施形態における信号処理装置が重回帰分析により分離した信号成分の一部の波形図である。 実施形態における電波センサと信号処理装置とを備えた他のセンサ装置のブロック図である。 実施形態における信号強度の波形図である。 実施形態における信号処理装置が認識処理の可否判断を行わなかった場合の出力信号の波形図である。 実施形態における信号処理装置が認識処理の可否判断を行った場合の出力信号の波形図である。 従来の照明システムの構成を示すブロック図である。

以下では、本実施形態の信号処理装置について図１〜図３０に基づいて説明する。

信号処理装置２は、電波センサ１から出力されるセンサ信号を信号処理するものである。電波センサ１は、検出エリア内に電波を送信し、検出エリア内の物体で反射された電波を受信して、この物体の動きに応じたセンサ信号を出力する。なお、図１は、電波センサ１と信号処理装置２とを備えたセンサ装置Ｓｅのブロック図である。

電波センサ１としては、所定周波数の電波を検出エリアに向けて送信して、検出エリア内で動いている物体で反射された電波を受信し、送信した電波と受信した電波との周波数の差分に相当するドップラ周波数のセンサ信号を出力するドップラセンサを用いている。したがって、電波センサ１から出力されるセンサ信号は、物体の動きに対応するアナログの時間軸信号である。

電波センサ１は、電波を検出エリアに向けて送信する送信機と、検出エリア内の物体で反射された電波を受信する受信機と、送信した電波と受信した電波との周波数の差分に相当する周波数のセンサ信号を出力するミキサとを備えている。送信機は、送信用のアンテナを備えている。また、受信機は、受信用のアンテナを備えている。なお、送信機から送波する電波は、例えば、所定周波数が２４．１５ＧＨｚのミリ波とすることができる。送信機から送波する電波は、ミリ波に限らず、マイクロ波でもよい。また、送波する電波の所定周波数の値は、特に限定するものではない。電波を反射した物体が検出エリア内を移動している場合には、ドップラ効果によって反射波の周波数がシフトする。

信号処理装置２は、センサ信号を増幅する増幅部３と、増幅部３によって増幅されたセンサ信号をディジタルのセンサ信号に変換して出力するＡ／Ｄ変換部４とを備えている。増幅部３は、例えば、オペアンプを用いた増幅器により構成することができる。

また、信号処理装置２は、Ａ／Ｄ変換部４から出力されるセンサ信号を周波数領域の信号（周波数軸信号）に変換し周波数帯域の異なるフィルタバンク５ａ（図２（ａ）参照）の群におけるフィルタバンク５ａ毎の信号として抽出する周波数分析手段５を備えている。

周波数分析手段５は、フィルタバンク５ａの群として、規定数（例えば、１６個）のフィルタバンク５ａを設定してあるが、フィルタバンク５ａの個数は特に限定するものではない。

また、信号処理装置２は、周波数分析手段５により抽出された信号の総和もしくは所定の複数（例えば、低周波側の４個）のフィルタバンク５ａを通過した信号の強度の総和で、各フィルタバンク５ａそれぞれを通過した信号の強度を規格化し規格化強度として出力する規格化手段６を備えている。

また、信号処理装置２は、規格化手段６から出力されるフィルタバンク５ａ毎の規格化強度から決まる周波数分布により物体を識別する認識処理を行う認識手段７を備えている。

上述の周波数分析手段５は、Ａ／Ｄ変換部４から出力されるセンサ信号を離散コサイン変換（Discrete Cosine Transform：ＤＣＴ）することで周波数領域の信号に変換する機能を有している。また、図２（ａ）に示すように、各フィルタバンク５ａの各々は、複数（図示例では、５個）の周波数ビン（frequency bin）５ｂを有している。ＤＣＴを利用したフィルタバンク５ａの周波数ビン５ｂは、ＤＣＴビンとも呼ばれる。各フィルタバンク５ａは、周波数ビン５ｂの幅（図２（ａ）中のΔｆ）により分解能が決まる。各フィルタバンク５ａの各々における周波数ビン５ｂの数は、特に限定するものではなく、５個以外の複数でもよいし、１個でもよい。Ａ／Ｄ変換部４から出力されるセンサ信号を周波数領域の信号に変換する直交変換は、ＤＣＴに限らず、例えば、高速フーリエ変換（Fast Fourier Transformation：ＦＦＴ）でもよい。ＦＦＴを利用したフィルタバンク５ａの周波数ビン５ｂは、ＦＦＴビンとも呼ばれる。また、Ａ／Ｄ変換部４から出力されるセンサ信号を周波数領域の信号に変換する直交変換は、ウェーブレット変換（Wavelet Transform：ＷＴ）でもよい。

各フィルタバンク５ａの各々が複数の周波数ビン５ｂを有している場合、信号処理装置２は、周波数分析手段５と規格化手段６との間に、平滑化処理手段８を備えていることが好ましい。この平滑化処理手段８は、各フィルタバンク５ａ毎に周波数ビン５ｂ毎の信号の強度を周波数領域（周波数軸方向）において平滑化処理する機能と、各フィルタバンク５ａ毎に周波数ビン５ｂ毎の信号の強度を時間軸方向において平滑化処理する機能との少なくとも一方を有することが好ましい。これにより、信号処理装置２は、雑音の影響を低減することが可能となり、両方とも有していれば、雑音の影響をより低減することが可能となる。

各フィルタバンク５ａ毎に周波数ビン５ｂ毎の信号の強度を周波数領域において平滑化処理する機能（以下、第１の平滑化処理機能とも称する）は、例えば、平均値フィルタ、荷重平均フィルタ、メジアンフィルタ、荷重メジアンフィルタなどにより実現することができる。第１の平滑化処理機能を平均値フィルタにより実現した場合、時刻ｔ_１において、図２（ａ），図３（ａ）に示すように、周波数の低い方から順に数えて１番目のフィルタバンク５ａの５個の周波数ビン５ｂそれぞれにおける信号の強度がそれぞれ、ｓ１、ｓ２、ｓ３、ｓ４及びｓ５であるとする。ここで、１番目のフィルタバンク５ａについてみれば、第１の平滑化処理機能により平滑化処理された信号の強度をｍ_１１（図２（ｂ），図３（ｂ）参照）とすると、
ｍ_１１＝（ｓ１＋ｓ２＋ｓ３＋ｓ４＋ｓ５）／５
となる。

同様に、２番目のフィルタバンク５ａ、３番目のフィルタバンク５ａ、４番目のフィルタバンク５ａ及び５番目のフィルタバンク５ａの信号は、図２（ｂ），図３（ｂ）に示すように、それぞれ、ｍ_２１、ｍ_３１、ｍ_４１及びｍ_５１となる。要するに、本実施形態では、説明の便宜上、時間軸上の時刻ｔ_ｉ（ｉは自然数）におけるｊ（ｊは自然数）番目のフィルタバンク５ａの信号に対して第１の平滑化処理機能により平滑化処理された信号の強度を、ｍ_ｊｉと表している。

規格化手段６では、認識手段７において認識処理に利用する複数の所定のフィルタバンク５ａを通過した信号の強度の総和で、各フィルタバンク５ａそれぞれを通過した信号の強度値を規格化する。ここでは、例えば、周波数分析手段５におけるフィルタバンク５ａの総数が１６個であり、認識処理に利用する所定の複数のフィルタバンク５ａが、周波数の低い方から順に数えて１〜５番目の５個のみであるとして説明する。時刻ｔ_１において１番目のフィルタバンク５ａを通過した信号の強度ｍ_１１の規格化強度をｎ_１１（図２（ｃ）参照）とすると、規格化強度ｎ_１１は、規格化手段６において、
ｎ_１１＝ｍ_１１／（ｍ_１１＋ｍ_２１＋ｍ_３１＋ｍ_４１＋ｍ_５１）
の演算により求められる。

また、各フィルタバンク５ａの各々が１つの周波数ビン５ｂからなる場合、規格化手段６は、各フィルタバンク５ａそれぞれを通過した信号の強度を抽出し、これらの強度の総和で、各フィルタバンク５ａそれぞれを通過した信号の強度を規格化する。

また、平滑化処理手段８が、各フィルタバンク５ａ毎に周波数ビン５ｂ毎の信号の強度を時間軸方向において平滑化処理する機能（以下、第２の平滑化処理機能とも称する）は、例えば、平均値フィルタ、荷重平均フィルタ、メジアンフィルタ、荷重メジアンフィルタなどにより実現することができる。第２の平滑化処理機能を時間軸方向の複数点（例えば、３点）での平均値を求める平均値フィルタにより実現した場合には、図３（ｃ）に示すように、１番目のフィルタバンク５ａについてみれば、第２の平滑化処理機能により平滑化処理された信号の強度をｍ_１とすると、
ｍ_１＝（ｍ_１０＋ｍ_１１＋ｍ_１２）／３
となる。

同様に、２番目のフィルタバンク５ａ、３番目のフィルタバンク５ａ、４番目のフィルタバンク５ａ及び５番目のフィルタバンク５ａの信号は、それぞれ、ｍ_２、ｍ_３、ｍ_４及びｍ_５とすれば、
ｍ₂＝（ｍ_２０＋ｍ_２１＋ｍ_２２）／３
ｍ₃＝（ｍ_３０＋ｍ_３１＋ｍ_３２）／３
ｍ₄＝（ｍ_４０＋ｍ_４１＋ｍ_４２）／３
ｍ₅＝（ｍ_５０＋ｍ_５１＋ｍ_５２）／３
となる。

要するに、本実施形態では、説明の便宜上、ｎ（ｎは自然数）番目のフィルタバンク５ａの信号に対して第１の平滑化処理機能により平滑化処理され、更に第２の平滑化処理機能により平滑化処理された信号の強度を、ｍ_ｎと表している。

また、信号処理装置２は、各フィルタバンク５ａそれぞれから出力される信号に含まれている背景信号（つまり、雑音）を推定する背景信号推定手段９と、各フィルタバンク５ａを通過した信号から背景信号を除去する背景信号除去手段１０とを備えていることが好ましい。

信号処理装置２は、例えば、動作モードとして、背景信号を推定する第１モードと、認識処理を行う第２モードとがあり、タイマ（図示せず）により計時される所定時間（例えば、３０秒）ごとに第１モードと第２モードとが切り替わるようにすることが好ましい。ここにおいて、信号処理装置２は、第１モードの期間に背景信号推定手段９を動作させ、第２モードの期間に、背景信号除去手段１０で背景信号を除去してから、認識手段７で認識処理を行うことが好ましい。第１モードの時間と第２モードの時間とは、同じ時間（例えば、３０秒）に限らず、互いに異なる時間でもよい。

背景信号除去手段１０は、例えば、フィルタバンク５ａから出力される信号から背景信号を減算することで背景信号を除去するようにしてもよい。この場合、背景信号除去手段１０は、例えば、各フィルタバンク５ａそれぞれを通過した信号ｍ_１、ｍ_２、・・・（図４（ｂ）参照）の強度から、背景信号推定手段９で推定された背景信号の強度ｂ_１、ｂ_２、・・（図４（ａ）参照）を減算する減算器により構成することができる。図４（ｃ）は、同一のフィルタバンク５ａ同士で信号から背景信号を減算することで得られた信号の強度を示している。ここで、左から１番目のフィルタバンク５ａの信号の強度をＬ_１とすれば、
Ｌ_１＝ｍ_１−ｂ_１
となる。

同様に、２番目のフィルタバンク５ａ、３番目のフィルタバンク５ａ、４番目のフィルタバンク５ａ及び５番目のフィルタバンク５ａについて背景信号を減算した後の信号の強度は、それぞれ、Ｌ_２、Ｌ_３、Ｌ_４及びＬ_５とすれば、
Ｌ_２＝ｍ_２−ｂ_２
Ｌ_３＝ｍ_３−ｂ_３
Ｌ_４＝ｍ_４−ｂ_４
Ｌ_５＝ｍ_５−ｂ_５となる。

背景信号推定手段９は、第１モードの期間において、各フィルタバンク５ａそれぞれについて得られた信号の強度を、各フィルタバンク５ａ毎の背景信号の強度と推定し随時更新するようにしてもよい。また、背景信号推定手段９は、第１モードにおいて、各フィルタバンク５ａそれぞれについて得られた複数の信号の強度の平均値を、各フィルタバンク５ａ毎の背景信号の強度と推定するようにしてもよい。すなわち、背景信号推定手段９は、事前に得た各フィルタバンク５ａ毎の複数点の信号の時間軸上での平均値を背景信号とするようにしてもよい。これにより、背景信号推定手段９は、背景信号の推定精度を向上させることが可能となる。

また、背景信号除去手段１０は、フィルタバンク５ａ毎の直前の信号を背景信号とするようにしてもよい。ここで、信号処理装置２は、各信号を規格化手段６で規格化処理する前に、時間軸上の直前の信号を減算することで背景信号を除去する機能を有するようにしてもよい。要するに、背景信号除去手段１０は、各フィルタバンク５ａそれぞれを通過した信号に関し、規格化処理の対象となる信号から時間軸上における１サンプル前の信号を減算することで背景信号を除去する機能を有するようにしてもよい。この場合、例えば、図５に示すように、規格化処理の対象となる時刻ｔ_１での各フィルタバンク５ａそれぞれの信号をｍ_１（ｔ_１）、ｍ_２（ｔ_１）、ｍ_３（ｔ_１）、ｍ_４（ｔ_１）及びｍ_５（ｔ_１）とし、その直前の時刻ｔ_０での信号をｍ_１（ｔ_０）、ｍ_２（ｔ_０）、ｍ_３（ｔ_０）、ｍ_４（ｔ_０）及びｍ_５（ｔ_０）とし、減算後の信号の強度をＬ_１、Ｌ_２、Ｌ_３、Ｌ_４及びＬ_５とすれば、
Ｌ_１＝ｍ_１（ｔ_１）−ｍ_１（ｔ_０）
Ｌ_２＝ｍ_２（ｔ_１）−ｍ_２（ｔ_０）
Ｌ_１＝ｍ_３（ｔ_１）−ｍ_３（ｔ_０）
Ｌ_１＝ｍ_４（ｔ_１）−ｍ_４（ｔ_０）
Ｌ_１＝ｍ_５（ｔ_１）−ｍ_５（ｔ_０）
となる。

ところで、信号処理装置２の使用形態に基づく周囲環境によっては、あらかじめ比較的大きな背景信号（雑音）が含まれる周波数ビン５ｂが既知である場合がある。例えば、電波センサ１と信号処理装置２とを備えたセンサ装置Ｓｅの周辺に、商用電源から電源供給される機器が存在している場合には、商用電源周波数（例えば、６０Ｈｚ）の低倍の周波数（例えば、６０Ｈｚ、１２０Ｈｚ等）のような特定周波数を含む周波数ビン５ｂの信号には比較的大きな背景信号が含まれる可能性が高い。一方、検出対象の物体が検出エリア内を移動しているときに電波センサ１から出力されるセンサ信号は、当該センサ信号の周波数（ドップラ周波数）が、電波センサ１と物体の間の距離と、物体の移動速度とに応じて随時変化するので、特定周波数で定常的に発生することはない。

そこで、信号処理装置２は、各フィルタバンク５ａそれぞれが複数の周波数ビン５ｂを有している場合に、背景信号が定常的に含まれる周波数ビン５ｂを特定周波数ビン５ｂ_ｉとし、背景信号除去手段１０が、特定周波数ビン５ｂ_ｉの信号を無効とし、当該特定周波数ビン５ｂ_ｉに近接する２個の周波数ビン５ｂの信号の強度から推定した信号の強度で補完することによって背景信号を除去するようにしてもよい。図６の例では、同図（ａ）における左から３番目の周波数ビン５ｂが特定周波数ビン５ｂ_ｉであるとし、当該特定周波数ビン５ｂ_ｉの信号（信号の強度ｂ_３）を無効とし、同図（ｂ）に示すように、当該特定周波数ビン５ｂ_ｉに近接する２個の周波数ビン５ｂの信号成分の強度ｂ_２，ｂ_４から推定した信号成分の強度ｂ３で補完している。この推定にあたっては、特定周波数ビン５ｂ_ｉに近接する２個の周波数ビン５ｂの信号の強度ｂ_２，ｂ_４の平均値、つまり、（ｂ_２+ｂ_４）／２を、推定した信号の強度ｂ_３としている。要するに、フィルタバンク５ａ内において低周波数側からｉ番目の周波数ビン５ｂが特定周波数ビン５ｂ_ｉであり、当該特定周波数ビン５ｂ_ｉの信号の強度をｂ_ｉとすれば、ｂ_ｉは、
ｂ_ｉ＝（ｂ_ｉ−１＋ｂ_ｉ＋１）／２
からなる推定式により求めた値としている。

これにより、信号処理装置２は、定常的に発生する特定周波数の背景信号（雑音）の影響を短時間で低減することが可能となる。よって、信号処理装置２は、検出対象の物体の検出精度の向上を図ることが可能となる。

背景信号除去手段１０は、周波数領域（周波数軸上）において背景信号を濾波することで背景信号を除去する適応フィルタ（Adaptive filter）を用いることもできる。

適応フィルタは、適応アルゴリズム（最適化アルゴリズム）に従って伝達関数（フィルタ係数）を自己適応させるフィルタであり、ディジタルフィルタにより実現することができる。この種の適応フィルタとしては、ＤＣＴを用いた適応フィルタ（Adaptive filter using DiscreteCosine Transform）が好ましい。この場合、適応フィルタの適応アルゴ
リズムとしては、ＤＣＴのＬＭＳ（Least Mean Square）アルゴリズムを用いればよい。
また、適応フィルタは、ＦＦＴを用いた適応フィルタでもよい。この場合、適応フィルタの適応アルゴリズムとしては、ＦＦＴのＬＭＳアルゴリズムを用いればよい。ＬＭＳアルゴリズムは、射影（Projection）アルゴリズムやＲＬＳ（Recursive Least Square）アルゴリズムに比べて演算量を低減できるという利点があり、ＤＣＴのＬＭＳアルゴリズムは、実数の演算のみでよく、複素数の演算を必要とするＦＦＴのＬＭＳアルゴリズムに比べて演算量を低減できるという利点がある。

適応フィルタは、例えば、図７に示す構成を有している。この適応フィルタは、フィルタ係数を可変なフィルタ５７ａと、フィルタ５７ａの出力信号と参照信号との誤差信号を出力する減算器５７ｂと、適応アルゴリズムに従って入力信号と誤差信号とからフィルタ係数の補正係数を生成しフィルタ係数を更新させる適応処理部５７ｃとを有している。適応フィルタは、フィルタ５７ａの入力信号を熱雑音からなる背景信号とし、参照信号を所望の白色雑音の値とすれば、不要な背景信号を濾波することで背景信号を除去することが可能となる。

また、背景信号除去手段１０は、適応フィルタの忘却係数（forgettingfactor）を適宜設定しておくことによって、長時間の平均的な背景信号を周波数軸上で濾波した信号の周波数分布を抽出するようにしてもよい。忘却係数は、フィルタ係数を更新する演算の際に過去のデータ（フィルタ係数）の影響を現在のデータ（フィルタ係数）から過去にさかのぼるほど指数関数的に軽くし、現在のデータに近づくほど重くするためのものである。忘却係数は、１未満の正の値であり、例えば、０．９５〜０．９９程度の範囲で適宜設定すればよい。

認識手段７は、各フィルタバンク５ａを通過し規格化手段６により規格化された各規格化強度の周波数領域での分布に基づいて物体を識別する認識処理を行う。ここにおいて、識別は、分類、認識を含む概念である。

認識手段７は、例えば、主成分分析（principal componentanalysis）によるパターン認識処理を行うことによって物体を識別するようにすることができる。この認識手段７は、主成分分析を用いた認識アルゴリズムに従って動作する。このような認識手段７を採用するには、あらかじめ、電波センサ１の検出エリアに検出対象の物体を含まない場合の学習サンプルデータ、検出対象の物体の異なった動きそれぞれに対応した学習サンプルデータを取得し、これら複数の学習データに対して主成分分析を施すことで得られたデータをデータベース１１に記憶させておく。ここにおいて、データベース１１に記憶させておくデータは、パターン認識に利用するデータであり、物体の動きと射影ベクトル及び判別境界値（閾値）とを対応付けたカテゴリデータである。

ここでは、説明の便宜上、電波センサ１の検出エリアに検出対象の物体を含まない場合の学習サンプルデータに対応する規格化強度の周波数領域での分布が図８（ａ）、検出対象の物体を含む場合の学習サンプルデータに対応する規格化強度の周波数領域での分布が図８（ｂ）であるとする。そして、図８（ａ）では、各フィルタバンク５ａそれぞれを通過した信号の規格化強度が、低周波側から順に、ｍ_１０、ｍ_２０、ｍ_３０、ｍ_４０及びｍ_５０とする。図８（ｂ）では、各フィルタバンク５ａそれぞれを通過した信号の規格化強度が、低周波側から順に、ｍ_１１、ｍ_２１、ｍ_３１、ｍ_４１及びｍ_５１とする。そして、図８（ａ），（ｂ）のいずれにおいても、低周波側の３つのフィルタバンク５ａそれぞれを通過した信号の規格化強度の総和を変量ｍ_１とし、高周波側の２つのフィルタバンク５ａそれぞれを通過した信号の規格化強度の総和を変量ｍ_２とする。要するに、図８（ａ）では、
ｍ_１＝ｍ_１０＋ｍ_２０＋ｍ_３０
ｍ_２＝ｍ_４０＋ｍ_５０
となる。また、図８（ｂ）では、
ｍ_１＝ｍ_１１＋ｍ_２１＋ｍ_３１
ｍ_２＝ｍ_４１＋ｍ_５１
となる。

図８（ｃ）は、２つの変量ｍ_１，ｍ_２を互いに直交する座標軸とした場合の２次元散布図と射影軸及び識別境界とをイメージ的に説明するために２次元で図示したものである。図８（ｃ）では、破線で囲んだ領域内の各散布点（図８（ｃ）中の“＋”）の座標位置をμ０（ｍ_２，ｍ_１）、実線で囲んだ領域内の各散布点の座標位置をμ１（ｍ_２，ｍ_１）としている。主成分分析では、あらかじめ、電波センサ１の検出エリアに検出対象の物体を含まない場合の学習サンプルデータに対応するデータのグループＧｒ０と、電波センサ１の検出エリアに検出対象の物体を含む場合の学習サンプルデータに対応するデータのグループＧｒ１とを決める。そして、主成分分析では、図８（ｃ）において破線、実線で囲んだそれぞれの領域内の各散布点を射影軸上に射影したデータの分布（破線、実線で模式的に示してある）の平均値の間隔が最大となり、且つ、分散（variance）が最大となる条件で射影軸を決める。これにより、主成分分析では、学習サンプルごとに射影ベクトルを求めることができる。

ところで、信号処理装置２は、認識手段７による認識結果を出力する出力部１２を備えており、認識手段７により検出対象の物体が認識された場合には物体が検出されたことを示す出力信号（“１”）を出力部１２から出力させ、検出対象の物体が認識されない場合には物体を非検出であることを示す出力信号（“０”）を出力部１２から出力させる。

信号処理装置２は、図１において、増幅部３、Ａ／Ｄ変換部４、出力部１２及びデータベース１１以外の部分が、マイクロコンピュータで適宜のプログラムを実行することにより実現される。

ここで、電波センサ１から出力されるセンサ信号の一例と出力部１２から出力される出力信号との関係について、図９〜図１２を参照しながら説明する。

図９は、電波センサ１と信号処理装置２とを備えたセンサ装置Ｓｅの使用状況を説明するものであり、検出対象の物体Ｏｂが人であり、屋外の検出エリア内に検出対象以外の物体である木Ｔｒが存在していることを示している。図１０は、この使用状況下において、木Ｔｒの枝及び葉が揺れている状態で、物体Ｏｂが木Ｔｒの前を１ｍ／ｓの移動速度で６．７ｍだけ移動したときに電波センサ１から出力されるセンサ信号の一例を示している。なお、電波センサ１と木Ｔｒとの距離は約１０ｍ、電波センサ１と物体Ｏｂとの距離は約８ｍである。図１１は、規格化強度の周波数領域での分布及び時間軸領域での分布を示した図である。図１２は、出力部１２の出力信号であり、検出対象以外の物体の動きに起因した誤検出を低減できることが確認された。

ところで、規格化強度の周波数領域での分布でみれば、検出エリア内の物体が木の場合には、枝や葉が揺れることがあっても移動することはないので、物体が検出エリア内を歩行する人の場合と比較すると、より低周波領域から信号成分がある周波数分布を持つ。これに対して、物体が検出エリア内を歩行する人の場合には、その歩行速度に応じた周波数付近に中心周波数がある山型の周波数分布を持ち、周波数分布には明らかな違いが見られる。

検出エリア内に存在する検出対象以外の物体は、主に、移動体でない可動物である。電波センサ１の検出エリアが屋外に設定される場合、検出エリア内に存在する検出対象以外の物体は、木Ｔｒに限らず、例えば、風によって揺れる電線等が挙げられる。

ここで、電波センサ１から出力されるセンサ信号の他例と出力部１２から出力される出力信号との関係について、図１３〜図１６を参照しながら説明する。

図１３は、電波センサ１と信号処理装置２とを備えたセンサ装置Ｓｅの使用状況を説明するものであり、検出対象の物体Ｏｂが人であり、屋外の検出エリア内に雨が降っていることを示している。図１４は、この使用状況下において、物体Ｏｂが１ｍ／ｓの移動速度で６．７ｍだけ移動したときに電波センサ１から出力されるセンサ信号の一例を示している。図１５は、背景信号除去手段１０による背景信号の除去を行わなかった場合の出力部１２の出力信号である。図１６は、背景信号除去手段１０による背景信号の除去を行った場合の規格化強度の周波数領域での分布及び時間軸領域での分布を示した図である。図１７は、背景信号除去手段１０による背景信号の除去を行った場合の出力部１２の出力信号であり、図１５に比べて、検出対象以外の物体（ここでは、雨粒）の動きに起因した誤検出を低減できることが確認された。

また、電波センサ１の検出エリアが屋内に設定される場合、検出エリア内に存在する検出対象以外の物体は、例えば、扇風機等のように可動体（扇風機の場合は羽根）を備えた機器等が挙げられる。

信号処理装置２は、上述の閾値を外部からの設定により可変とすることが好ましい。これにより、信号処理装置２は、使用用途に応じて要求される失報率、誤報率を調整することが可能となる。例えば、検出対象の物体が人であり、出力部１２からの出力信号に基づいて照明負荷のオンオフを制御するような使用用途では、電波センサ１の検出エリア内に人が入ってきたにもかかわらず失報するぐらいなら多少の誤報を容認される場合がある。

以上説明した本実施形態の信号処理装置２は、上述のように、増幅部３と、Ａ／Ｄ変換部４と、周波数分析手段５と、規格化手段６と、認識手段７とを備えている。ここにおいて、周波数分析手段５は、Ａ／Ｄ変換部４から出力されるセンサ信号を周波数領域の信号に変換し周波数帯域の異なるフィルタバンク５ａの群におけるフィルタバンク５ａ毎の信号として抽出する。また、規格化手段６は、周波数分析手段５により抽出された信号の総和もしくは所定の複数のフィルタバンク５ａを通過した信号の強度の総和で、各フィルタバンク５ａそれぞれを通過した信号の強度を規格化し規格化強度として出力する。また、認識手段７は、規格化手段６から出力されるフィルタバンク５ａ毎の規格化強度から決まる周波数分布により物体を識別する認識処理を行う。

しかして、本実施形態の信号処理装置は、検出対象以外の物体の動きに起因した誤検出を低減することが可能となる。要するに、本実施形態の信号処理装置２では、所定の複数のフィルタバンク５ａを通過した信号を規格化した規格化強度から決まる周波数分布が統計的に異なる物体を分離して識別することができるため、誤検出を低減することが可能となる。

また、ＦＦＴを利用したフィルタバンク５ａでは、ＦＦＴ処理の前にセンサ信号に対して所定の窓関数（window function）を掛け合わせる処理を実施し、所望の周波数帯域（通過帯域）外のサイドローブ（side-lobe）を抑圧する必要が生じる場合がある。窓関数としては、例えば、矩形窓（rectangularwindow）、ガウス窓（Gauss window）、ハン窓（hannwindow）、ハミング窓（hamming window）などを使うことができる。これに対して、ＤＣＴを利用したフィルタバンク５ａでは、窓関数をなくすことができたり、窓関数を簡素なディジタルフィルタで実現することが可能である。

また、ＤＣＴを利用したフィルタバンク５ａは、ＦＦＴを利用したフィルタバンク５ａと比較すると、ＦＦＴが複素演算の処理方式である（強度及び位相を演算する）のに対し、ＤＣＴが実数演算の処理方式であるため、演算規模を低減することが可能となる。また、ＤＣＴでは、周波数の分解能に関しては、ＤＣＴとＦＦＴとを同じ処理点数で比較すると、ＤＣＴの方がＦＦＴの２分の１になるため、データベース１１等のハードウエアリソース（hardware resource）等を小型化することが可能となる。信号処理装置２では、例えば、Ａ／Ｄ変換部４の１秒間当たりのサンプリング数を１２８とした場合（サンプリング周波数を１ｋＨｚとした場合）、ＦＦＴビン５ｂの幅が８Ｈｚであるのに対して、ＤＣＴビン５ｂの幅を４Ｈｚとすることができる。なお、これらの数値は、一例であり、特に限定するものではない。

また、信号処理装置２は、認識手段７において検出対象の物体が時間軸上で継続して識別された場合、そのときに規格化手段６から出力されていた規格化強度をオフセットの背景信号として除去することにより、認識精度を向上させることが可能となる。

認識手段７は、主成分分析によるパターン認識処理によって物体を識別するものに限らず、例えば、ＫＬ変換によるパターン認識処理により物体を識別するようにしてもよい。信号処理装置２は、認識手段７において主成分分析によるパターン認識処理もしくはＫＬ変換によるパターン認識処理を行うようにすることによって、認識手段７での計算量の低減及びデータベース１１の容量の低減を図ることが可能となる。

認識手段７は、規格化手段６から出力されるフィルタバンク５ａ毎の規格化強度の成分比により物体を識別する認識処理を行うようにしてもよい。

このような認識手段７は、例えば、重回帰分析による認識処理を行うことによって物体を識別するようにすればよい。この場合、認識手段７は、重回帰分析を用いた認識アルゴリズムに従って動作する。

このような認識手段７を採用する場合には、あらかじめ、電波センサ１の検出エリア内での検出対象の物体の異なった動きそれぞれに対応した学習データを取得し、これら複数の学習データに対して重回帰分析を施すことで得られたデータをデータベース１１に記憶させておく。重回帰分析によれば、図１８に示すように、信号成分ｓ１と信号成分ｓ２と信号成分ｓ３とが合成された合成波形Ｇｓは、信号成分ｓ１，ｓ２，ｓ３の種別、信号成分の数、各信号成分ｓ１，ｓ２，ｓ３それぞれの強度が未知であっても、合成波形から各信号成分ｓ１，ｓ２，ｓ３に分離推定することが可能である。図１８中の〔Ｓ〕は、信号成分ｓ１、ｓ２、ｓ３を行列要素とする行列を示し、〔Ｓ〕^−１は〔Ｓ〕の逆行列を意味し、Ｉは規格化強度の成分比（係数）を意味している。ここにおいて、データベース１１に記憶させておくデータは、認識処理に利用するデータであり、物体の動きと信号成分ｓ１，ｓ２，ｓ３とを対応付けたデータである。

図１９（ａ）は、横軸が時間、縦軸が規格化強度であり、屋外の検出エリア内において揺れている電線の下を検出対象の物体である人が２ｍ／ｓの移動速度で１０ｍだけ移動したときに、規格化手段６から出力された規格化強度の時間軸上でのデータ（上述の合成波形Ｇｓに対応する）をＡ１として示している。また、図１９（ａ）には、重回帰分析によりデータＡ１から分離された信号成分Ａ２，Ａ３も示してある。ここにおいて、信号成分Ａ２は、人の移動に起因した信号成分であり、信号成分Ａ３は、電線の揺れに起因した信号成分である。図１９（ｂ）は、認識手段７において、Ａ２＞Ａ３のときに検出対象の物体が存在すると識別して出力部１２の出力信号を“１”、それ以外のときに検出対象の物体が存在しないと識別して出力部１２の出力信号を“０”とした場合の出力部１２の出力信号である。図１９（ｂ）から、検出対象以外の物体（ここでは、電線）の動きに起因した誤検出を低減できることが確認された。

信号処理装置２は、上述の判定条件（Ａ２＞Ａ３）を外部からの設定により可変とすることが好ましい。例えば、判定条件をＡ２＞α×Ａ３とし、係数αを外部からの設定により可変とすることが好ましい。これにより、信号処理装置２は、使用用途に応じて要求される失報率、誤報率を調整することが可能となる。

なお、認識手段７では、上述の周波数分布の特徴及び規格化強度の成分比に基づいて検出対象の物体を識別するようにしてもよい。

認識手段７は、時間軸上での奇数回の認識処理の結果に基づく多数決判定により物体を識別するようにしてもよい。例えば、図２０において一点鎖線で囲んだ領域の３回の認識処理の結果の多数決判定によれば、出力部１２の出力信号は“１”となる。

これにより、信号処理装置２は、認識手段７での識別精度を向上させることが可能となる。

また、信号処理装置２は、規格化手段６による規格化前の複数の所定のフィルタバンク５ａの信号成分の強度の総和もしくは重み付け総和が所定値以上である場合のみ、認識手段７による認識処理を行うかもしくは認識手段７による認識結果を有効とするようにしてもよい。図２１は、規格化手段６による規格化前の各フィルタバンク５ａそれぞれの信号の強度が低周波側から順に、ｍ_１、ｍ_２、ｍ_３、ｍ_４及びｍ_５とした場合の例であり、図２１（ａ）は強度の総和（ｍ_１＋ｍ_２＋ｍ_３＋ｍ_４＋ｍ_５）が所定値（Ｅth）以上の場合を示し、図２１（ｂ）は強度の総和（ｍ_１＋ｍ_２＋ｍ_３＋ｍ_４＋ｍ_５）が所定値（Ｅth）未満の場合を示している。

これにより、信号処理装置２は、誤検出を低減することが可能となる。

認識手段７は、認識処理としてニューラルネットワークによる認識処理を行って物体を識別する機能を有するものでもよい。これにより、信号処理装置２は、認識手段７による識別精度を向上させることが可能となる。

ニューラルネットワークとしては、例えば、教師なしの競合学習型ニューラルネットワークを用いることができる。ニューラルネットワークとしては、教師有りのバックプロパゲーション型のものを用いることが可能であるが、競合学習型ニューラルネットワークの方がバックプロパゲーション型のニューラルネットワークよりも構成が簡単であり、カテゴリ毎の学習データを用いて学習させるだけでよく、一旦学習した後も追加学習によって学習を強化させることが可能である。

学習データとしては、あらかじめ、電波センサ１の検出エリア内での検出対象の物体の異なった動きそれぞれに対応して取得した規格化手段６の出力を用いる。

ニューラルネットワークは、例えば、図２２に示すように、入力層７１と出力層７２との２層からなり、出力層７２の各ニューロンＮ２が入力層７１のすべてのニューロンＮ１とそれぞれ結合された構成を有している。ニューラルネットワークは、マイクロコンピュータで適宜のアプリケーションプログラムを実行することにより実現する場合を想定しているが、専用のニューロコンピュータを用いることも可能である。

ニューラルネットワークの動作には、学習モードと検出モードとがあり、学習モードにおいて適宜の学習データを用いて学習した後に、検出モードにおいて、認識処理を行う。

入力層７１のニューロンＮ１と出力層７２のニューロンＮ２との結合度（重み係数）は可変であり、学習モードにおいて、学習データをニューラルネットワークに入力することによりニューラルネットワークを学習させ、入力層７１の各ニューロンＮ１と出力層７２の各ニューロンＮ２との重み係数を決める。言い換えると、出力層７２の各ニューロンＮ２には、入力層７１の各ニューロンＮ１との間の重み係数を要素とする重みベクトルが対応付けられる。したがって、重みベクトルは入力層７１のニューロンＮ１と同数の要素を持ち、入力層７１に入力される特徴量のパラメータの個数と重みベクトルの要素の個数とは一致する。

一方、検出モードでは、カテゴリを判定すべき規格化手段６からの出力された検出用データをニューラルネットワークの入力層７１に与えると、出力層７２のニューロンＮ２のうち、重みベクトルと検出用データとの距離が最小であるニューロンＮ２が発火する。学習モードにおいて出力層７２のニューロンＮ２にカテゴリが対応付けられていれば、発火したニューロンＮ２の位置のカテゴリによって検出用データのカテゴリを知ることができる。本実施形態のニューラルネットワークでは、物体の「検出」以外はすべて「非検出」と判定するようにカテゴリを設定する。

上述のように、信号処理装置２は、周波数領域でセンサ信号の信号処理を実行する。具体的に、認識手段７は、周波数領域の信号の分布特徴と、各フィルタバンク５ａを通過した信号の規格化強度の成分比との少なくとも一方に基づいて、検出対象となる物体を識別する認識処理を行う。周波数領域におけるセンサ信号の信号処理は、例えば、主成分分析、ＫＬ変換、重回帰分析、ニューラルネットワーク等による認識処理が用いられる。

以下、このような認識処理を行う信号処理装置２において、検出対象以外の物体の動きに起因して、周波数領域の信号に急峻な時間的変動が発生した場合であっても、検出対象以外を検出対象の物体として誤検出することを抑制する構成について説明する。ここで、検出対象以外の物体の動きとは、例えば、木の枝や葉の揺れる動き、電線の揺れる動き等が挙げられる。

まず、認識手段７が、規格化手段６から出力されるフィルタバンク５ａ毎の規格化強度の成分比により物体を識別する認識処理を行うとする。図２３は、横軸が時間、縦軸が規格化強度であり、規格化手段６から出力された規格化強度の時間軸上でのデータ（図１９（ａ）のデータＡ１に対応する）から、重回帰分析により分離した信号成分Ａ２，Ａ３を示す。そして、認識手段７は、１乃至複数の所定のフィルタバンク５ａにおいて、人の移動に起因した信号成分Ａ２が、検出対象以外の物体の動きに起因した信号成分Ａ３より大きい場合に、検出対象の物体が存在すると識別する。以降、人の移動に起因した信号成分Ａ２を検出物体信号成分Ａ２、検出対象以外の物体の動きに起因した信号成分Ａ３を外乱信号成分Ａ３と称す。

しかしながら、検出物体信号成分Ａ２は、検出対象以外の物体の動きに起因して、急峻な時間的変動が発生する可能性がある。そして、検出物体信号成分Ａ２に急峻な時間的変動が存在する場合、平均化処理をしたとしても、認識手段７が検出対象以外を検出対象の物体として誤検出する可能性がある。

そこで、認識手段７は、信号成分抽出手段１３と、外乱判断手段１４とを備える（図１参照）。信号成分抽出手段１３は、規格化手段６から出力されるフィルタバンク５ａ毎の規格化強度の信号から、検出物体信号成分Ａ２を抽出する。外乱判断手段１４は、１乃至複数の所定のフィルタバンク５ａにおいて、抽出された検出物体信号成分Ａ２の単位時間当たりの変動の大きさが所定値（Ｅth１１）（第１の所定値）以上である場合、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効とする。

具体的に、信号成分抽出手段１３は、重回帰分析を用いて、フィルタバンク５ａ毎に、規格化手段６から出力された規格化強度の時間軸上でのデータから、検出物体信号成分Ａ２を抽出する。そして、信号成分抽出手段１３は、検出物体信号成分Ａ２のデータ（図２３参照）を外乱判断手段１４へ出力する。

外乱判断手段１４は、検出物体信号成分Ａ２の時間軸領域における分布から、検出物体信号成分Ａ２を微分演算し、検出物体信号成分Ａ２の時間微分強度（＝ｄＡ２／ｄｔ）を所定の時間間隔で算出する。そして、外乱判断手段１４は、１乃至複数の所定のフィルタバンク５ａにおいて、検出物体信号成分Ａ２の時間微分強度が、所定値（Ｅth１１）以上である場合、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効とする。

このとき、信号成分抽出手段１３および外乱判断手段１４を用いた認識処理の可否判断の対象となる所定のフィルタバンク５ａは、検出対象となる物体に応じて、１つ以上のフィルタバンク５ａが適宜設定される。そして、対象となる所定のフィルタバンク５の全てにおいて、検出物体信号成分Ａ２の単位時間当たりの変動の大きさが所定値（Ｅth１１）以上である場合に、認識処理の禁止、または認識処理の結果が無効となる。

図２４は、図２３に示す検出物体信号成分Ａ２に対して、信号成分抽出手段１３および外乱判断手段１４を用いた認識処理の可否判断を行わなかった場合に出力部１２から出力される出力信号である。図２５は、図２３に示す検出物体信号成分Ａ２に対して、信号成分抽出手段１３および外乱判断手段１４を用いた認識処理の可否判断を行った場合に出力部１２から出力される出力信号である。図２３に示す検出物体信号成分Ａ２は、検出対象以外の物体の動きに起因する急峻な時間的変動が発生しており、信号成分抽出手段１３および外乱判断手段１４を用いた認識処理の可否判断を行うことによって、検出対象以外を検出対象として誤検出することを抑制できることが確認された。

したがって、信号処理装置２は、検出対象以外の物体の動きに起因する検出物体信号成分Ａ２の急峻な時間的変動の有無に関わらず、周波数領域の信号分析によって検出対象の物体を精度よく検出できる。また、検出物体信号成分Ａ２の時間微分強度を所定値（Ｅth１１）と比較する処理に要する時間は比較的短時間であり、さらに本構成を備える信号処理装置２は、簡便、小型な構造で実現することができる。

また、外乱判断手段１４は、検出物体信号成分Ａ２の時間微分強度が、所定値（Ｅth１１）以上になってから所定時間が経過するまで、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効としてもよい。例えば、図２６に示すように、検出物体信号成分Ａ２が時刻ｔａで急峻に変動し、この時刻ｔａで検出物体信号成分Ａ２の時間微分強度が所定値（Ｅth１１）以上になったとする。この場合、時刻ｔａ以降において平坦な波形（時間微分強度が所定値（Ｅth１１）未満）になったとしても、時刻ｔａ以降の所定時間Ｔａに亘って、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効とする。したがって、検出対象以外の物体の動きに起因する検出物体信号成分Ａ２の急峻な時間的変動による誤検出を、より確実に低減させることができる。

また、外乱判断手段１４は、検出物体信号成分Ａ２の時間微分強度が所定値（Ｅth１２）以下である場合、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効としてもよい。ここで用いる所定値（Ｅth１２）は、所定値（Ｅth１１）より小さい値であり、変動が小さい略一定の信号強度となる検出物体信号成分Ａ２による誤検出を抑制するためのものである。

さらに、外乱判断手段１４は、検出物体信号成分Ａ２の時間微分強度が所定値（Ｅth１２）以下になってから所定時間が経過するまで、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効としてもよい。この場合、変動が小さい略一定の信号強度となる検出物体信号成分Ａ２による誤検出を、より確実に抑制することができる。

次に、認識処理の可否判断を行う別の形態について説明する。

まず、信号処理装置２は、図２７に示す外乱判断手段１５を備える。外乱判断手段１５は、１乃至複数の所定のフィルタバンク５ａを通過した信号（規格化前の信号）の強度の単位時間当たりの変動の大きさが所定値（Ｅth２１）以上である場合、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効とする。このとき、外乱判断手段１５を用いた認識処理の可否判断の対象となるフィルタバンク５ａは、検出対象となる物体に応じて、適宜設定される。

具体的に外乱判断手段１５は、１乃至複数の所定のフィルタバンク５ａを通過した各信号強度の時間軸領域における分布から、フィルタバンク５ａそれぞれの信号強度を微分演算し、各信号強度の時間微分強度（信号強度をｙとした場合、ｄｙ／ｄｔ）を所定の時間間隔で算出する。そして、外乱判断手段１４は、予め決められた１乃至複数の所定のフィルタバンク５ａの信号強度の時間微分強度が、所定値（Ｅth２１）以上である場合、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効とする。

このとき、外乱判断手段１５を用いた認識処理の可否判断の対象となる所定のフィルタバンク５ａは、検出対象となる物体に応じて、１つ以上のフィルタバンク５ａが適宜設定される。そして、対象となる所定のフィルタバンク５の全てにおいて、信号強度の単位時間当たりの変動の大きさが所定値（Ｅth２１）以上である場合に、認識処理の禁止、または認識処理の結果が無効となる。

図２８は、所定のフィルタバンク５ａの信号強度の波形の一例を示す。図２９は、図２８に示す信号強度の波形に対して、外乱判断手段１５を用いた認識処理の可否判断を行わなかった場合に出力部１２から出力される出力信号である。図３０は、図２８に示す信号強度の波形に対して、外乱判断手段１５を用いた認識処理の可否判断を行った場合に出力部１２から出力される出力信号である。そして、図２８に示す信号強度の波形は、検出対象以外の物体の動きに起因する急峻な時間的変動が発生しており、外乱判断手段１５を用いた認識処理の可否判断を行うことにより、検出対象以外を検出対象の物体として誤検出することを抑制できることが確認された。

したがって、信号処理装置２は、検出対象以外の物体の動きに起因する信号強度の急峻な時間的変動の有無に関わらず、周波数領域の信号分析によって検出対象の物体を精度よく検出できる。また、フィルタバンク５ａそれぞれの信号強度を所定値（Ｅth２１）と比較する処理に要する時間は比較的短時間であり、さらに本構成を備える信号処理装置２は、簡便、小型な構造で実現することができる。

また、外乱判断手段１５は、フィルタバンク５ａの信号強度が、所定値（Ｅth２１）以上になってから所定時間が経過するまで、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効としてもよい。この場合、検出対象以外の物体の動きに起因する信号強度の急峻な時間的変動による誤検出を、より確実に低減させることができる。

また、外乱判断手段１５は、信号強度の時間微分強度が所定値（Ｅth２２）以下である場合、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効としてもよい。ここで用いる所定値（Ｅth２２）は、所定値（Ｅth２１）より小さい値であり、変動が小さい略一定の信号強度による誤検出も抑制することができる。

さらに、外乱判断手段１５は、信号強度の時間微分強度が所定値（Ｅth２２）以下になってから所定時間が経過するまで、認識手段７による認識処理を禁止する、もしくは認識手段７による認識処理の結果を無効としてもよい。この場合、変動が小さい略一定の信号強度となる検出物体信号成分Ａ２による誤検出を、より確実に抑制することができる。

なお、本実施形態では電波センサ１を用いているが、物体で反射した電波、音波等の無線信号を受信するセンサであれば、センサの種類は限定されない。

１ 電波センサ
２ 信号処理装置
３ 増幅部
４ Ａ／Ｄ変換部
５ 周波数分析手段
５ａ フィルタバンク
６ 規格化手段
７ 認識手段
１３ 信号成分抽出手段
１４ 外乱判断手段

Claims (4)

1. 物体で反射した無線信号を受信するセンサから出力される前記物体の動きに応じたセンサ信号を周波数領域の信号に変換し、周波数帯域の異なるフィルタバンクの群における前記フィルタバンク毎の信号として抽出する周波数分析手段と、
   前記周波数分析手段により抽出された信号の総和もしくは所定の複数の前記フィルタバンクを通過した信号の強度の総和で、前記フィルタバンクそれぞれを通過した信号の強度を規格化し、規格化強度として出力する規格化手段と、
   前記規格化手段から出力される前記フィルタバンク毎の前記規格化強度から決まる前記センサ信号の周波数分布もしくは前記規格化強度の成分比との少なくとも一方により前記物体を識別する認識処理を行う認識手段と、
   前記フィルタバンク毎の前記規格化強度から前記物体の動きに起因した信号成分を抽出する信号成分抽出手段と、
   前記抽出された前記物体の動きに起因した信号成分の単位時間当たりの変動の大きさが、少なくとも１つの前記フィルタバンクにおいて第１の所定値以上である場合、前記認識手段による前記認識処理を禁止する、もしくは前記認識手段による前記認識処理の結果を無効とする外乱判断手段と
   を備えることを特徴とする信号処理装置。
2. 物体で反射した無線信号を受信するセンサから出力される前記物体の動きに応じたセンサ信号を周波数領域の信号に変換し、周波数帯域の異なるフィルタバンクの群における前記フィルタバンク毎の信号として抽出する周波数分析手段と、
   前記周波数分析手段により抽出された信号の総和もしくは所定の複数の前記フィルタバンクを通過した信号の強度の総和で、前記フィルタバンクそれぞれを通過した信号の強度を規格化し、規格化強度として出力する規格化手段と、
   前記規格化手段から出力される前記フィルタバンク毎の前記規格化強度から決まる前記センサ信号の周波数分布もしくは前記規格化強度の成分比との少なくとも一方により前記物体を識別する認識処理を行う認識手段と、
   少なくとも１つの前記フィルタバンクを通過した信号の強度の単位時間当たりの変動の大きさが第１の所定値以上である場合、前記認識手段による前記認識処理を禁止する、もしくは前記認識手段による前記認識処理の結果を無効とする外乱判断手段と
   を備えることを特徴とする信号処理装置。
3. 前記外乱判断手段は、前記単位時間当たりの変動の大きさが前記第１の所定値以上になってから所定時間が経過するまで、前記認識手段による前記認識処理を禁止する、もしくは前記認識手段による前記認識処理の結果を無効とすることを特徴とする請求項１または２記載の信号処理装置。
4. 前記外乱判断手段は、前記単位時間当たりの変動の大きさが前記第１の所定値より小さい第２の所定値以下になってから所定時間が経過するまで、前記認識手段による前記認識処理を禁止する、もしくは前記認識手段による前記認識処理の結果を無効とすることを特徴とする請求項１乃至３いずれか記載の信号処理装置。