JP6111506B2 - センサ装置 - Google Patents

Description

本発明は、電波センサと、この電波センサからのセンサ信号を信号処理する信号処理装置と、を備えたセンサ装置に関するものである。

従来から、図２７に示す構成の照明システムが提案されている（特許文献１）。この照明システムは、検知エリア内の検知対象物の存否を検知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、ミリ波を検知エリアに向けて送信して、検知エリア内を移動する検知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知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及び切替回路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等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、検知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、電波暗室等のように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知対象物が存在する「検知状態」を示す検知信号を論理和回路１２０から出力し、一方、全てＬレベルであれば検知対象物が存在しない「非検知状態」を示す検知信号を論理和回路１２０から出力する。検知信号は、検知状態では「１」、非検知状態では「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

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。しかしながら、物体検知装置１０１では、例えば屋外等で使用する場合、検知対象（検知対象物）以外の物体の動き（例えば、木の枝や葉の揺れる動き、電線の揺れる動き等）に起因して検知対象以外の物体を検知対象の物体として誤検出してしまう可能性があった。

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、検知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なセンサ装置を提供することにある。

本発明のセンサ装置は、電波を送信し物体で反射された電波を受信する電波センサと、前記電波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信号処理する信号処理装置とを備え、前記信号処理装置は、前記電波センサから出力されるセンサ信号を増幅する増幅部と、前記増幅部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変換部と、前記Ａ／Ｄ変換部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、前記各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規格化強度から決まる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第１認識手段と、前記フィルタバンク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と、前記第１認識手段により前記物体が識別されたときに動作し、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規格化強度から決まる周波数分布の特徴と、前記周波数分布の時間的な継続性の特徴と、の少なくとも一方により定常的な背景信号を識別する第２認識手段と、を備えることを特徴とする。

このセンサ装置において、前記第２認識手段は、定期的に定常的な背景信号を識別し前記背景信号の更新を行うことが好ましい。

このセンサ装置において、前記周波数分析手段が、前記Ａ／Ｄ変換部から出力されるセンサ信号を離散コサイン変換することで前記周波数領域の信号に変換する機能を有し、前記各フィルタバンクの各々が複数の周波数ビンを有し、前記信号処理装置は、前記周波数分析手段と前記規格化手段との間に、平滑化処理手段を備え、前記平滑化処理手段は、前記各フィルタバンク毎に前記周波数ビン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と、前記各フィルタバンク毎に前記周波数ビン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。

このセンサ装置において、前記背景信号除去手段は、前記フィルタバンクを通過した信号から前記背景信号を減算することで前記背景信号を除去することが好ましい。

このセンサ装置において、前記背景信号除去手段は、事前に得た前記各フィルタバンク毎における複数点の信号の時間軸上での平均値を前記背景信号として除去することが好ましい。

このセンサ装置において、前記各フィルタバンクの各々が複数の周波数ビンを有し、前記信号処理装置は、前記背景信号が定常的に含まれる前記周波数ビンを特定周波数ビンとし、前記背景信号除去手段は、前記特定周波数ビンの信号を無効とし、前記特定周波数ビンに近接する前記周波数ビン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ことが好ましい。

このセンサ装置において、前記第１認識手段は、前記認識処理として主成分分析もしくはＫＬ変換によるパターン認識を行うことで前記物体を識別することが好ましい。

このセンサ装置において、前記第１認識手段は、前記認識処理として重回帰分析による認識処理を行うことによって前記物体を識別することが好ましい。

このセンサ装置において、前記第１認識手段は、前記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前記物体を識別することが好ましい。

このセンサ装置において、前記第１認識手段は、時間軸上での奇数回の前記認識処理の結果に基づく多数決判定により識別結果を決定することが好ましい。

このセンサ装置において、前記信号処理装置は、前記規格化手段による規格化前の前記信号の強度の総和が所定値以上である場合のみ、前記第１認識手段による前記認識処理を行うかもしくは前記第１認識手段による前記認識処理の結果を有効とすることが好ましい。

本発明のセンサ装置においては、検知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。

図１は、実施形態のセンサ装置のブロック図である。 図２は、実施形態のセンサ装置における規格化手段の説明図である。 図３は、実施形態のセンサ装置における平滑化処理手段の説明図である。 図４は、実施形態のセンサ装置における背景信号除去手段の一例の説明図である。 図５は、実施形態のセンサ装置における背景信号除去手段の他例の説明図である。 図６は、実施形態のセンサ装置における背景信号除去手段の更に他の例の説明図である。 図７は、実施形態のセンサ装置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。 図８は、実施形態のセンサ装置の使用形態の説明図である。 図９は、実施形態のセンサ装置における電波センサからのセンサ信号の波形図である。 図１０は、実施形態のセンサ装置における規格化手段の出力の説明図である。 図１１は、実施形態のセンサ装置の出力信号の説明図である。 図１２は、実施形態のセンサ装置の使用形態の説明図である。 図１３は、実施形態のセンサ装置における電波センサからのセンサ信号の波形図である。 図１４は、実施形態のセンサ装置の出力信号の説明図である。 図１５は、実施形態のセンサ装置における規格化手段の出力の説明図である。 図１６は、実施形態のセンサ装置の出力信号の説明図である。 図１７は、実施形態のセンサ装置における信号処理装置の重回帰分析による識別処理の説明図である。 図１８は、実施形態のセンサ装置における信号処理装置の重回帰分析による識別処理の他の説明図である。 図１９は、実施形態のセンサ装置における信号処理装置の第１認識手段による多数決判定の説明図である。 図２０は、実施形態のセンサ装置における信号処理装置の説明図である。 図２１は、実施形態のセンサ装置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。 図２２は、実施形態のセンサ装置における信号処理装置の動作を説明するためのフローチャートである。 図２３は、実施形態のセンサ装置における規格化手段の出力の説明図である。 図２４は、実施形態のセンサ装置における規格化手段の出力の説明図である。 図２５は、実施形態のセンサ装置における規格化手段の出力の説明図である。 図２６は、実施形態のセンサ装置における規格化手段の出力の説明図である。 図２７は、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、本実施形態のセンサ装置Ｓｅについて図１〜図２６に基づいて説明する。

センサ装置Ｓｅは、電波を送信し物体で反射された電波を受信する電波センサ１と、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信号処理装置２と、を備える。

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。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（Filter bank）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。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認識する認識処理を行う第１認識手段７ａを備えている。また、信号処理装置２は、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、第１認識手段７ａにより前記物体が識別されたときに動作する第２認識手段７ｂと、を備える。第２認識手段７ｂ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の特徴と、周波数分布の時間的な継続性の特徴と、の少なくとも一方により定常的な背景信号を識別する。よって、センサ装置Ｓｅは、検知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。

以下では、センサ装置Ｓｅの各構成要素についてより詳細に説明する。

電波センサ１としては、例えば、ドップラセンサを採用することが好ましい。ドップラセンサは、例えば、所定周波数の電波を検知エリアに向けて送信して、検知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ように構成されている。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。

ドップラセンサは、電波を検知エリアに向けて送信する送信機と、検知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（mixer）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知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。電波センサ１は、その構成等を特に限定するものではなく、２周波（多周波）方式のドップラセンサや、ＦＭＣＷ（Frequency Modulated Continuous Wave）方式のドップラセンサ等を用いることもできる。

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。増幅部３の構成は、特に限定するものではない。

Ａ／Ｄ変換部４は、増幅部３によって増幅されたアナログの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は、サンプリングレート（sampling rate）を１×１０^３ｓｐｓ（sample per second）に設定してあるが、サンプリングレートを特に限定するものではない。

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。

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。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（以下、「第１の平滑化処理機能」ともいう。）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（以下、「第２の平滑化処理機能」ともいう。）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。

平滑化処理手段８の第１の平滑化処理機能は、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等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に関し、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、強度ｍ_１１は、下記の（１）式の演算により求められる。
ｍ_１１＝（ｓ１＋ｓ２＋ｓ３＋ｓ４＋ｓ５）／５ （１）式
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、上述の説明では、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、第１認識手段７ａ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、下記の（２）式の演算により求められる。
ｎ_１１＝ｍ_１１／（ｍ_１１＋ｍ_２１＋ｍ_３１＋ｍ_４１＋ｍ_５１） （２）式
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の第２の平滑化処理機能は、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等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、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、強度ｍ_１は、下記の（３）式の演算により求められる。
ｍ_１＝（ｍ_１０＋ｍ_１１＋ｍ_１２）／３ （３）式
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の信号を、それぞれ、ｍ_２、ｍ_３、ｍ_４及びｍ_５とすれば、ｍ_２、ｍ_３、ｍ_４及びｍ_５は、下記の（４）式、（５）式、（６）式及び（７）式それぞれの演算により求められる。
ｍ₂＝（ｍ_２０＋ｍ_２１＋ｍ_２２）／３ （４）式
ｍ₃＝（ｍ_３０＋ｍ_３１＋ｍ_３２）／３ （５）式
ｍ₄＝（ｍ_４０＋ｍ_４１＋ｍ_４２）／３ （６）式
ｍ₅＝（ｍ_５０＋ｍ_５１＋ｍ_５２）／３ （７）式
要するに、上述の説明では、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、第１認識手段７ａにより認識処理を行う第２モードと、第２認識手段７ｂにより定常的な背景信号を識別する第３モードと、を有するのが好ましい。そして、信号処理装置２は、この信号処理装置２が備えたタイマ（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し、第２モードにおいて第１認識手段７ａにより物体が識別されたときに第３モードで動作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、第１認識手段７ａ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、強度Ｌ_１は、下記の（８）式により求められる。
Ｌ_１＝ｍ_１−ｂ_１ （８）式
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を、それぞれ、Ｌ_２、Ｌ_３、Ｌ_４及びＬ_５とすれば、Ｌ_２、Ｌ_３、Ｌ_４及びＬ_５は、下記の（９）式、（１０）式、（１１）式及び（１２）式それぞれの演算により求められる。
Ｌ_２＝ｍ_２−ｂ_２ （９）式
Ｌ_３＝ｍ_３−ｂ_３ （１０）式
Ｌ_４＝ｍ_４−ｂ_４ （１１）式
Ｌ_５＝ｍ_５−ｂ_５ （１２）式
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、第１モードにおいて、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、Ｌ_２、Ｌ_３、Ｌ_４及びＬ_５は、下記の（１３）式、（１４）式、（１５）式、（１６）式及び（１７）式それぞれの演算により求められる。
Ｌ_１＝ｍ_１（ｔ_１）−ｍ_１（ｔ_０） （１３）式
Ｌ_２＝ｍ_２（ｔ_１）−ｍ_２（ｔ_０） （１４）式
Ｌ_１＝ｍ_３（ｔ_１）−ｍ_３（ｔ_０） （１５）式
Ｌ_１＝ｍ_４（ｔ_１）−ｍ_４（ｔ_０） （１６）式
Ｌ_１＝ｍ_５（ｔ_１）−ｍ_５（ｔ_０） （１７）式
ところで、センサ装置Ｓｅの使用形態に基づく周囲環境によっては、比較的大きな背景信号（雑音）が含まれる周波数ビン５ｂが予め既知である場合もある。例えば、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、検知対象の物体が検知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、第１モードにおいて、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（ａ）、（ｂ）の例では、図６（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、図６（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、下記の（１８）式に示す推定式により求めた値としている。
ｂ_ｉ＝（ｂ_ｉ−１＋ｂ_ｉ＋１）／２ （１８）式
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、より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、検知対象の物体の検知精度の向上を図ることが可能となる。

第１認識手段７ａ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。

第１認識手段７ａは、例えば、主成分分析（principal component analysis）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。この第１認識手段７ａ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。このような第１認識手段７ａを採用するには、あらかじめ、電波センサ１の検知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。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の検知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７（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７（ｂ）であるとする。そして、図７（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７（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７（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７（ａ）では、変量ｍ_１、ｍ_２は、下記の（１９）式、（２０）式それぞれで求められる。
ｍ_１＝ｍ_１０＋ｍ_２０＋ｍ_３０ （１９）式
ｍ_２＝ｍ_４０＋ｍ_５０ （２０）式
また、図８（ｂ）では、変量ｍ_１、ｍ_２は、下記の（２１）式、（２２）式それぞれで求められる。
ｍ_１＝ｍ_１１＋ｍ_２１＋ｍ_３１ （２１）式
ｍ_２＝ｍ_４１＋ｍ_５１ （２２）式
図７（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７（ｃ）では、破線で囲んだ領域内の各散布点（図７（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の検知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の検知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７（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、第１認識手段７ａによる識別結果を出力する出力部１２を備えているのが好ましい。そして、信号処理装置２は、例えば、第１認識手段７ａにより検知対象の物体が認識された場合、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、検知対象の物体が認識されない場合、物体を非検出であることを示す出力信号（“０”）を出力部１２から出力させるように構成するのが好ましい。

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８〜図１１を参照しながら説明する。

図８は、センサ装置Ｓｅの使用状況を説明するものであり、検知対象の物体Ｏｂが人であり、屋外の検知エリア内に検知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９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１０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１１は、出力部１２の出力信号であり、検知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、検知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、物体が検知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、物体が検知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。

検知エリア内に存在する検知対象以外の物体は、主に、移動体でない可動物である。電波センサ１の検知エリアが屋外に設定される場合、検知エリア内に存在する検知対象以外の物体は、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は、図１２〜図１５を参照しながら説明する。

図１２は、センサ装置Ｓｅの使用状況を説明するものであり、検知対象の物体Ｏｂが人であり、屋外の検知エリア内に雨が降っていることを示している。図１３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１４は、第１モードでの背景信号除去手段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１５は、第１モードにおいて背景信号除去手段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１６は、第１モードにおいて背景信号除去手段１０による背景信号の除去を行った場合の、出力部１２の出力信号である。図１６では、出力信号が０の場合において、正しい結果を示している「＊」を、白丸（○）で囲んである。図１６と図１４との比較から、センサ装置Ｓｅでは、第１モードにおいて背景信号除去手段１０による背景信号の除去を行うことにより、検知対象以外の物体（ここでは、雨粒）の動きに起因した誤検出が低減されていることが分かる。

また、電波センサ１の検知エリアが屋内に設定される場合、検知エリア内に存在する検知対象以外の物体は、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、検知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の検知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。

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、第１認識手段７ａと、を備える。ここで、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、第１認識手段７ａ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。これにより、センサ装置Ｓｅは、検知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、センサ装置Ｓｅ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（rectangular window）、ガウス窓（Gauss window）、ハン窓（hann window）、ハミング窓（hamming window）等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、ＦＦＴとを同じ処理点数で比較すると、周波数の分解能に関して、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、第１認識手段７ａにおいて検知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。

第１認識手段７ａ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、第１認識手段７ａ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、第１認識手段７ａでの計算量の低減及びデータベース１１の記憶容量の低減を図ることが可能となる。

第１認識手段７ａ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。

このような第１認識手段７ａ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、第１認識手段７ａ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。

このような第１認識手段７ａを採用する場合には、あらかじめ、電波センサ１の検知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１７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Ｇｓ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１７中の〔Ｓ〕は、信号成分ｓ１、ｓ２、ｓ３を行列要素とする行列を示す。図１７中の〔Ｓ〕^−１は、〔Ｓ〕の逆行列を意味する。図１７中のＩは、規格化強度の成分比（係数）ｉ１、ｉ２、ｉ３を行列要素とする行列を意味している。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１８（ａ）は、横軸が時間、縦軸が規格化強度であり、屋外の検知エリア内において揺れている電線の下を検知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１８（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１８（ｂ）は、認識手段７において、Ａ２＞Ａ３のときに検知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知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１８（ｂ）から、検知対象以外の物体（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、第１認識手段７ａ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知対象の物体を識別するようにしてもよい。

第１認識手段７ａ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１９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、第１認識手段７ａ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、第１認識手段７ａによる認識処理を行うかもしくは第１認識手段７ａによる認識結果を有効とするようにしてもよい。図２０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２０（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２０（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、センサ装置Ｓｅは、誤検出を低減することが可能となる。

第１認識手段７ａは、認識処理としてニューラルネットワーク（neural network）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、第１認識手段７ａ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（back propagation）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の検知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２１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、学習モードと検知モードとがあり、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、検知モードにおいて、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（parameter）の個数と重みベクトルの要素の個数とは一致する。

一方、検知モードでは、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知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、重みベクトルと検知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知用データのカテゴリを知ることができる。本実施形態のセンサ装置Ｓｅにおけるニューラルネットワークでは、物体の「検知（検出）」以外はすべて「非検知（非検出）」と判定するようにカテゴリを設定する。

ところで、信号処理装置２は、上述のように、第１認識手段７ａにより検知対象の物体が識別されたときに動作し定常的な背景信号を識別する第２認識手段７ｂを備えている。定常的な背景信号は、所定時間（例えば、３秒）、継続的に発生する背景信号である。定常的な背景信号は、例えば、センサ装置Ｓｅの近傍の機器(例えば、照明器具、扇風機等)等の動作や雨等に起因する定常的な雑音である。

第１認識手段７ａにより物体が識別（検知）されると（図２２の処理Ｓｔ１でｙｅｓ」）、第２認識手段７ｂは、定常的な背景信号（背景）の存否を確認し（図２２の処理Ｓｔ２）、定常的な背景信号が存在すると認識した場合、定常的な背景信号を識別したことになる（図２２の処理Ｓｔ２でｙｅｓ）。そして、センサ装置Ｓｅは、第２認識手段７ｂにより定常的な背景信号が識別されると、背景信号を第２認識手段７ｂにより識別された背景信号に変更し（図２２の処理Ｓｔ３）、第２モードへ遷移する（図２２の処理Ｓｔ１）。第２モードでは、背景信号除去手段１０により背景信号を除去してから、第１認識手段７ａによる認識処理を行う。よって、センサ装置Ｓｅは、定常的な背景信号を効率的に除去することが可能となり、検知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。また、センサ装置Ｓｅは、定常的な背景信号（背景）の存否を確認し定常的な背景信号が認識されない場合（図２２の処理Ｓｔ２でｎｏ）、第１認識手段７ａによる認識処理を行う（図２２の処理Ｓｔ４）。そして、物体が識別（検知）されない場合（図２２の処理Ｓｔ４でｎｏ）には、処理Ｓｔ１に戻る。なお、図２２では、処理Ｓｔ１が、検知対象の物体の検知待ちの状態での処理であるのに対して、処理Ｓｔ４が、検知対象の物体の検知後の状態での処理である。

センサ装置Ｓｅは、第２認識手段７ｂが、定期的に、定常的な背景信号を識別し背景信号の更新（変更／解除）を行う（図２２のＳｔ５、Ｓｔ６）ことが好ましい。これにより、センサ装置Ｓｅは、定常的な背景信号の強度が変化した場合や定常的な背景信号が消滅した場合に、それ以前の背景信号が背景信号除去手段１０で利用されるのを抑制することが可能となり、誤検出を更に低減することが可能となる。

第２認識手段７ｂ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の特徴と、周波数分布の時間的な継続性の特徴と、の少なくとも一方により背景信号を識別する。

周波数分布の特徴とは、瞬時の周波数分布であり、例えば、図２３に示すような周波数分布のある時刻での規格化強度の周波数領域（周波数軸上）での分布を意味する。周波数分布の時間的な継続性とは、定常性の意味であり、統計的安定性を意味する。

第２認識手段７ｂは、周波数分布の特徴により背景信号を識別する場合、周波数分布の特徴の成分分析を行い、背景信号を識別する。成分分析では、予めメモリに記憶させてある背景信号のリファレンスとなる複数の周波数分布成分のいずれか或いは組み合わせにより周波数分布の特徴が成り立っているのか否かを分析し、その結果により背景信号を識別する。この場合、第２認識手段７ｂは、例えば、重回帰分析等による認識処理を行うようにすればよい。なお、周波数分布成分は、規格化強度の周波数領域での分布を意味する。

第２認識手段７ｂは、例えば、周波数分布の時間的な継続性の特徴により背景信号を識別する場合、規格化強度で規定値（例えば、０．１）を超えるパルス状の信号が、同じフィルタバンク５ａで所定時間（例えば、３秒程度）の間に規定回数（例えば、１０回）以上、ある場合に、そのパルス状の信号のフィルタバンク５ａ毎の平均値、或いは、その平均値に定数を掛けたものを定常的な背景信号と認識する。図２４は、所定時間においてパルス状の信号が規定回数に満たない場合の周波数分布の一例を示している。また、図２５は、所定時間においてパルス状の信号が規定回数以上の場合の周波数分布の一例を示している。図２６は、定常的な背景信号を含んだ瞬時の周波数分布の一例を示している。

また、第２認識手段７ｂは、周波数分布の時間的な継続性の特徴により背景信号を識別する場合、規格化強度で各フィルタバンク５ａの信号が規定値（例えば、０．１）を超える平坦な周波数分布が、所定時間（例えば、３秒程度）の間に規定回数（例えば、１０回）以上、ある場合に、フィルタバンク５ａ毎の平均値、或いは、その平均値に定数を掛けたものを定常的な背景信号と認識する。第２認識手段７ｂは、上記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。

Ｓｅ センサ装置
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
５ｂ 周波数ビン
５ｂ_ｉ 特定周波数ビン
６ 規格化手段
７ａ 第１認識手段
７ｂ 第２認識手段
８ 平均化処理手段
１０ 背景信号除去手段

Claims (11)

1. 電波を送信し物体で反射された電波を受信する電波センサと、前記電波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信号処理する信号処理装置とを備え、前記信号処理装置は、前記電波センサから出力されるセンサ信号を増幅する増幅部と、前記増幅部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変換部と、前記Ａ／Ｄ変換部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、前記各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規格化強度から決まる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第１認識手段と、前記フィルタバンク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と、前記第１認識手段により前記物体が識別されたときに動作し、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規格化強度から決まる周波数分布の特徴と、前記周波数分布の時間的な継続性の特徴と、の少なくとも一方により定常的な背景信号を識別する第２認識手段と、を備えることを特徴とするセンサ装置。
2. 前記第２認識手段は、定期的に定常的な背景信号を識別し前記背景信号の更新を行うことを特徴とする請求項１記載のセンサ装置。
3. 前記周波数分析手段が、前記Ａ／Ｄ変換部から出力されるセンサ信号を離散コサイン変換することで前記周波数領域の信号に変換する機能を有し、前記各フィルタバンクの各々が複数の周波数ビンを有し、前記信号処理装置は、前記周波数分析手段と前記規格化手段との間に、平滑化処理手段を備え、前記平滑化処理手段は、前記各フィルタバンク毎に前記周波数ビン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と、前記各フィルタバンク毎に前記周波数ビン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を特徴とする請求項１又は２記載のセンサ装置。
4. 前記背景信号除去手段は、前記フィルタバンクを通過した信号から前記背景信号を減算することで前記背景信号を除去することを特徴とする請求項１乃至３のいずれか１項に記載のセンサ装置。
5. 前記背景信号除去手段は、事前に得た前記各フィルタバンク毎における複数点の信号の時間軸上での平均値を前記背景信号として除去することを特徴とする請求項４記載のセンサ装置。
6. 前記各フィルタバンクの各々が複数の周波数ビンを有し、前記信号処理装置は、前記背景信号が定常的に含まれる前記周波数ビンを特定周波数ビンとし、前記背景信号除去手段は、前記特定周波数ビンの信号を無効とし、前記特定周波数ビンに近接する前記周波数ビン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ことを特徴とする請求項１乃至５のいずれか１項に記載のセンサ装置。
7. 前記第１認識手段は、前記認識処理として主成分分析もしくはＫＬ変換によるパターン認識を行うことで前記物体を識別することを特徴とする請求項１乃至６のいずれか１項に記載のセンサ装置。
8. 前記第１認識手段は、前記認識処理として重回帰分析による認識処理を行うことによって前記物体を識別することを特徴とする請求項１乃至６のいずれか１項に記載のセンサ装置。
9. 前記第１認識手段は、前記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前記物体を識別することを特徴とする請求項１乃至６のいずれか１項に記載のセンサ装置。
10. 前記第１認識手段は、時間軸上での奇数回の前記認識処理の結果に基づく多数決判定により識別結果を決定することを特徴とする請求項１乃至９のいずれか１項に記載のセンサ装置。
11. 前記信号処理装置は、前記規格化手段による規格化前の前記信号の強度の総和が所定値以上である場合のみ、前記第１認識手段による前記認識処理を行うかもしくは前記第１認識手段による前記認識処理の結果を有効とすることを特徴とする請求項１乃至１０のいずれか１項に記載のセンサ装置。