JP6115442B2 - 波形補間装置、方法及びプログラム - Google Patents

Description

本発明は、波形を補間する波形補間装置、方法及びプログラムに関する。

例えば車両の運転者の覚醒状態といった、被評価者の状態を推定する手法として、心拍揺らぎまたは心拍変動に基づいて被評価者の状態を推定する手法がある。心拍揺らぎの解析手法は、一般的に心拍間隔を一定数以上連続して取得し、取得した心拍間隔を時系列化した心拍間隔信号の変化を周波数スペクトルから分析する。心拍変動に現れる自律神経の活動レベルに対応したスペクトル構造と、被評価者の状態との関連から、ストレス、覚醒度などの指標を求めることができる。

心臓血管系の自律神経の働きによって、酸素と栄養の供給量の最適化が図られ、恒常性が保たれることが知られている。自律神経は、脳幹部に中枢があり、例えば被評価者の意図などの高次の脳機能と連携することで活性化するアクセルとして機能する交感神経と、生体防御機能としての行き過ぎないように反射的に絶えず強めのブレーキとして機能する副交感神経を含む。このように、自律神経は交感神経と副交感神経の拮抗動作により生体恒常性を保つ仕組みとして働いている。心拍動は、これらの拮抗動作により血流量を調整するため、血圧調整や呼吸変動に対応した、独特の周期構造が見られることが知られている。たとえば、心拍動の変調により変化した平均血圧に加え、呼吸動作に伴う内圧変化、またその結果に影響を受け血圧調整が行われている。その結果、心拍揺らぎのスペクトル構造には２峰性の周期構造が見られることが知られており、心拍間隔を時系列化した心拍間隔信号には基本成分である短周期で変化する波形と基本成分より長周期で変化する波形とが含まれる。

従って、心拍の揺らぎ構造は、被評価者の意図により行き過ぎた状態を反射的に調整している状態として見ることもできる。被評価者の意図が活発になれば、その分だけ交感神経が活性化し心拍動の間隔を縮め、循環血流量を増やすことで血圧が上昇することになる。血圧上昇に拮抗するように反作用的に副交感神経が活性化し安定化を図ることとなる。一般的に、被評価者の安静状態若しくは定常状態では、自律神経の活動レベルは、各神経の影響を反映する揺らぎの大きさの比率を指標とすることができる。

ここで、心拍と呼吸は吸気動作に伴う酸素取り込み効率改善のため、副交感神経の抑圧を解き心拍動を促進するとともに、呼気動作により再び副交感神経が関与して、心拍動の間隔を広げる動作が繰り返されることとなる。このように、被評価者の意図を含め、被評価者にとって最適な状況と心拍動と呼吸動作及び血圧変化には密接な関係があり、交感神経と副交感神経のバランスが取られている状況を反映すると考えられる。

しかし、車両の運転時などのように、被評価者が心身ともに絶えず変化する場合には、心拍センサなどが検知した心拍信号から得られる心拍間隔を時系列化した心拍間隔信号に乱れや非定常の生体変動（または、リズム）が混入し、被評価者の定常状態として扱えないほど被評価者の状態の推定精度に大きな影響が生ずることもある。このような場合、心拍信号の誤検知やノイズなどが発生した区間を除去し、設定した解析時間が定常状態といえる範囲で、例えば直前の値や平均値で補間することで、状態推定の連続性を保証する装置が提案されている（例えば、特許文献１，２）。しかし、一般的に、補間するデータの前後の連続性を考慮しただけでは、補間が時系列化された心拍間隔信号の基本成分の周期性に影響を及ぼす可能性が高い。

一方、心拍動から観測点までの脈波の伝搬遅延時間の変化から血圧変化を推定する技術において、ノイズ区間を切り出してデータを補間する方法が提案されている（例えば、特許文献３）。しかし、この提案方法では、特定区間でのノイズを分離して復元することは難しく、一般的なノイズ除去後のデータ補間と同様に、時系列データの基本成分スペクトルに補間の影響が残り、補間が時系列データの基本成分の周期性に影響を及ぼす可能性が高い。

時系列データの連続性を保てても、脈波信号、心拍信号などの生体信号の波形の補間が時系列データの基本成分の周期性に影響を及ぼすと、スペクトル構造の変化に乱れが生じてしまい、被評価者の状態の推定精度が低下してしまう。

特開平７−３１３４７７号公報 特開平７−１２４１４０号公報 特開２００１−９５７６６号公報

上記の如く、生体信号の波形を補間する従来の方法では、連続する波形のうち時系列データの基本成分より長周期で変化する波形中にノイズの影響を受けた波形がある場合、補間が時系列データの基本成分の周期性に影響を及ぼす可能性が高い。

そこで、本発明は、連続する波形のうち時系列データの基本成分より長周期で変化する波形中にノイズの影響を受けた波形がある場合に、補間が時系列データの基本成分の周期性に影響を及ぼす可能性を低減可能な波形補間装置、方法及びプログラムを提供することを目的とする。

本発明の一観点によれば、生体信号の間隔の時系列データに含まれるノイズ区間を検知すると共に、前記時系列データに含まれる基本成分であり短周期で変化する波形の短周期成分と前記基本成分より長周期で変化する波形の長周期成分との周期構造の位相及び振幅を推定する波形評価手段と、前記ノイズ区間のデータ列を除去し、前記ノイズ区間の前後のデータ列の位相を乱さないように前記長周期成分の変調を加えたデータ列の補間パターンを前記ノイズ区間に挿入することで、前記ノイズ区間を基準点からの周期構造単位で置換する波形補間処理手段を備えた波形補間装置が提供される。

開示の波形補間装置、方法及びプログラムによれば、連続する波形のうち時系列データの基本成分より長周期で変化する波形中にノイズの影響を受けた波形がある場合、補間が時系列データの基本成分の周期性に影響を及ぼす可能性を低減できる。

車両を運転中の被評価者の脈波データの一例を解析手順に従って示す模式図である。 ＰＰＩ信号のノイズ区間を短周期データ列で補間する比較例を説明する図である。 補間前のＰＰＩ信号のノイズ区間を含む周波数解析結果の一例を示す図である。 補間後のＰＰＩ信号の補間区間を含む周波数解析結果の一例を示す図である。 一実施例において、長周期の変動を基準点からの位相として短周期構造を補間したＰＰＩ信号の一例を示す図である。 補間後のＰＰＩ信号のノイズ区間を含む周波数解析結果の一例を示す図である。 短周期データ列の取得の一例を説明する図である。 短周期構造の抽出の一例を説明する図である。 長周期の変動を推定したデータ列を挿入する方法の一例を説明する図である。 長周期変動データ列の位相に対して、短周期データ列の基線に対するオフセットを設定する方法の一例を説明する図である。 短周期及び長周期変動の補間の一例を説明する図である。 一実施例における波形補間装置の構成の一例を示すブロック図である。 波形補間を用いた被評価者の状態判定処理の一例を説明するフローチャートである。 波形評価処理に含まれる原信号品質分析処理の一例を説明するフローチャートである。 波形評価処理に含まれる脈拍間隔分析処理の一例を説明するフローチャートである。 波形補間処理の一例を説明するフローチャートである。 オフセット量の設定方法の一例を説明するフローチャートである。 図１７のオフセット量の設定方法を説明する図である。 脈波信号にノイズが混入した場合の波形補間の一例を説明する図である。 脈波信号にノイズが混入した場合の波形補間の他の例を説明するフローチャートである。 図２０の波形補間の一例を説明する図である。 脈波信号にノイズが混入した場合の波形補間のさらに他の例を説明するフローチャートである。 図２２の波形補間の一例を説明する図である。 波形補間装置を適用可能な眠気判定装置のハードウェア構成の一例を示すブロック図である。 眠気推定処理の一例を説明するフローチャートである。

開示の波形補間装置、方法及びプログラムでは、生体信号の間隔の時系列データに含まれるノイズ区間を検知すると共に、時系列データに含まれる基本成分であり短周期で変化する波形の短周期成分と基本成分より長周期で変化する波形の長周期成分との周期構造の位相及び振幅を推定する。また、検知されたノイズ区間のデータ列を除去し、ノイズ区間の前後のデータ列の位相を乱さないように長周期成分の変調を加えたデータ列の補間パターンをノイズ区間に挿入することで、ノイズ区間のデータ列を基準点からの周期構造単位で置換する。

時系列データが例えば心拍間隔データ列であれば、基本成分の波形の切り出し区間の基準点として吸気動作に伴う血圧変化と血圧変化のトレンドに着目し、ノイズ区間のデータ列を除去し、ノイズ区間に例えばノイズによって断続した前後のデータ列の位相を乱さないデータ列の補間パターンを挿入することで、短期間の補間で生体変動の復元性を高め、スペクトル構造の復元性を高めることができる。心拍動と呼吸動作ともに血圧変化に適応的に協調動作をすることで、心拍間隔を時系列化した心拍間隔データ列には呼吸動作にともなって生成される基本成分である短周期成分と、呼吸変動を含めた平均血圧調整の結果生じる基本成分より長周期で変化する波形の長周期成分とが含まれる。

以下に、開示の波形補間装置、方法及びプログラムの各実施例を図面と共に説明する。

生体信号の波形を補間する場合、一定のパターンの位相を考慮して複数個のデータ列を挿入する手法や、周期間隔を調整して長周期の変化を加えて挿入するなどの手法が考えられる。しかし、長周期の連続性を考慮したパターン補間方法であっても、ノイズ区間の切り出し方によっては、スペクトル構造に影響が生じる。例えばノイズ区間として断続した心拍ゆらぎ信号列において、補間によるスペクトル構造への影響を避けるためには、有効データサイズを長大化することが考えられるが、有効データサイズを長大化すると、状態変化への追従性が劣化するため、被評価者の状態判定に支障をきたす可能性がある。

そこで、ノイズを含む時系列データに基づき生体状態そのものの変化に追従するためには、補間手法は、より少ないデータ範囲でノイズを除去して補間することで、スペクトル構造を正しく分析可能とすることが好ましい。

本発明者らは、できるだけ短期間の補間を行いスペクトル構造を変化させないために、心拍変動のメカニズムに基づいた区間切り出しにより、心拍間隔を時系列化した心拍間隔信号の基本成分の波形より長周期の位相を乱さない補間パターンに長周期成分の変調を加えて補間する手法を見出した。つまり、連続する波形で長周期の変化を伴う波形の中にノイズの影響を受けた波形があれば、ノイズの影響を受けた波形を長周期内の変化に応じて補正した波形で補間する。

例えば、基準点として吸気動作における心拍間隔の短縮開始点、即ち、心拍起点に着目し、非定常信号であるノイズが混入しているノイズ区間を揺らぎの基本周期毎に確定する。基本周期は、呼吸性の比較的短周期を示し、以下の説明では「短周期」とも言う。そして、基本周期（即ち、短周期）の基線成分に長周期成分を重畳したデータ列をノイズ区間に挿入することで、できるだけ短期間の補間で、補間による不連続性と疑似周期構造の発生を防ぐ。長周期は、血圧性の比較的長周期を示し、言うまでもなく、短周期と比較して長い周期を言う。

心拍変動は、圧受容体からの刺激で吸気に伴う血圧増加では反射的に副交感神経の活動が遮断され心拍周期が短縮されるため、反射的に変調されることが知られている。従って、心拍変動は、吸気に伴う血圧増加では反射的に副交感神経の活動が遮断され心拍周期が短縮されるため、吸気動作の方が特徴点としての安定性が高い。逆に、副交感神経の活動が高い呼気動作時には、他の制御要因の影響が入り易いことが予想される。

また、呼吸変動の平均値の変化に血圧制御の結果が反映されると考えられることから、呼吸変動を除いた平均値の変化には、血圧に依存する変化成分が含まれると考えられる。本発明者らは、この血圧に依存する変化を揺らぎの短周期の平均値の変化として近似することで、呼吸性基本変動に血圧性変動を合成した補間データ列によって、スペクトル構造への影響が緩和または解消できることを見出した。呼吸性基本変動（または、リズム）とは、呼吸に依存する基本生体変動（または、リズム）を言い、血圧性変動（または、リズム）とは、血圧調整に依存する生体変動（または、リズム）を言う。

先ず、被評価者の状態推定に用いることのできる脈波の変化について、図１と共に説明する。

図１は、車両を運転中の被評価者の脈波データの一例を解析手順に従って示す模式図である。図１において、縦軸は信号振幅を任意単位で示し、横軸は時間を任意単位で示す。以下の説明では、時間軸上、左側から右側へ時間が経過する。図１中、（ａ）は脈波センサ、心拍センサなどのセンサで検知された被評価者の脈波を示す脈波信号、（ｂ）は（ａ）の脈波信号を微分した微分信号、（ｃ）は（ｂ）の微分信号の間隔を時系列に配列した心拍間隔（ＰＰＩ：Pulse-to-Pulse Interval）信号、（ｄ）は補間後のＰＰＩ信号を示す。本明細書では、心拍動を基準点とした場合の基準点の間隔をＰＰＩと呼ぶ。

なお、後述する説明において、ＰＰＩ信号の代わりに、心拍間隔に依存するＲＲＩ（R-R Interval）信号、ＡＡＩ（A-A Interval）信号などの他の信号を用いても良いことは言うまでもない。

図１中、一点鎖線で囲まれた領域において、（ａ）の脈波信号には非定常の生体変動（即ち、ノイズ）が発生しており、（ｂ）の微分信号及び（ｃ）のＰＰＩ信号には波形に乱れが発生している。このため、一点鎖線で囲まれた領域において、（ｄ）の補間後のＰＰＩ信号では、ノイズ区間が補間される。しかし、従来技術の一例のように、ノイズ区間をＰＰＩ信号の平均値で補間したのでは、ＰＰＩ信号の連続性が失われてしまう。なお、図１中、（ａ）に破線で示す脈波信号部分、（ｂ）に破線で示す微分信号部分及び（ｃ）に破線で示すＰＰＩ信号部分は、夫々ノイズが発生しない場合の波形を示す。また、図１中、（ｄ）に破線で示すＰＰＩ信号部分は補間前の波形を示し、◆印で示すデータサンプルを繋ぐ太い実線はＰＰＩ信号の平均値を用いた補間部分を示す。

図２は、ＰＰＩ信号のノイズ区間を短周期データ列で補間する比較例を説明する図である。図２において、縦軸は信号振幅を任意単位で示し、横軸は時間を任意単位で示す。図２中、（ａ）はノイズ区間を含むＰＰＩ信号、（ｂ）は補間後のＰＰＩ信号、（ｃ）は補間後の擬似スペクトル成分を示す。

図２中、（ａ）のＰＰＩ信号のノイズ区間では二点鎖線で示すノイズが発生している。そこで、図２中、（ｂ）に示すように、ノイズを含む区間中、ノイズ区間を除く区間における短周期データ列を複製して、二点鎖線で示すようにノイズ区間に合わせて拡縮して補間することで、ＰＰＩ信号の連続性を保つことができる。この例では、ノイズ区間の直前の短周期データ列を３周期分複製する。この結果、図２中、（ｃ）に示すように、補間されたノイズ区間では、心拍変動が無い。

図３は、図２中（ａ）の補間前のＰＰＩ信号のノイズ区間を含む周波数解析結果（または、スペクトル解析結果）の一例を示す図であり、図４は、図２中（ｂ）の補間後のＰＰＩ信号の補間区間（即ち、ノイズ区間）を含む周波数解析結果（または、スペクトル解析結果）の一例を示す図である。図３及び図４において、縦軸はＰＰＩ信号を周波数解析（または、スペクトル解析）して、ある時間における周波数に対するパワースペクトル密度（ＰＳＤ：Power Spectral Density）及び自律神経のトータルパワー（ＴＰ：Total Power）を含む、心拍揺らぎの周波数解析結果を任意単位で示し、横軸は周波数ｆを任意単位で示す。ＰＰＩ信号の周波数解析自体は周知の周波数解析方法で行え、周波数解析方法は特に限定されない。ＴＰは、ＰＳＤ中の低周波数（ＬＦ：Low Frequency）成分と高周波数（ＨＦ：High Frequency）成分のパワーの和である。ＰＳＤ中、ＬＦ成分には交感神経と副交感神経の影響が現れ、ＨＦ成分には副交感神経の影響が現れることが報告されている。ＬＦ成分には血圧変動成分（ＭＷＳＡ：Mayer Wave related Sinus Arrhythmia）が含まれ、ＨＦ成分には呼吸性洞性不整脈（ＲＳＡ：Respiratory Sinus Arrhythmia）が含まれる。ここで、ＲＳＡは、呼吸変動成分とも呼ばれ、解析区間の呼吸周期構造を表す。ＭＷＳＡは、血圧変動成分とも呼ばれ、血圧調整の結果生じる周期構造を表す。血圧変動成分と呼吸変動成分は、共に圧受容体からの刺激で反射的（または、自動的）に変調されることが知られている。また、ＭＷＳＡの調整が、血流量の微妙な制御の結果で血圧全体で例えば、１３０ｍｍＨｇ→１３５ｍｍＨｇについて行われるのに対して、ＲＳＡは、一呼吸毎に例えば１０ｍＨｇ〜２０ｍＨｇの変化をもたらすことが分かっている。図３及び図４において、破線で示す波形はノイズが発生しない場合の理論値を示し、図３の実線で示す波形がノイズを含むＰＰＩ信号の解析により得られるＰＳＤ、図４の実線で示す波形が補間後のＰＰＩ信号の解析により得られるＰＳＤを示す。

例えば、図３においてＬＦ成分のＭＷＳＡの周波数ＭＦは０．１Ｈｚ±０．０５Ｈｚであり、ＨＦ成分のＲＳＡの周波数ＲＦは呼吸重心周波数ＧＦ（Ｈｚ）±０．０５Ｈｚである。一方、図４ではＬＦ成分に新たなピーク構造δＭＦ，δｆ２が発生し、ＨＦ成分のピーク構造に新たな変化（または、シフト）δｆ１，δＲＦが発生する。

心拍変動には、中枢性の生体変動に基づき、血圧変動成分と呼吸変動成分で形成されたスペクトルを基本とする構造がある。このような構造の自律神経活動は、例えば５分程度の安静状態の心拍データ（または、脈波データ）から推定するのが一般的である。

ＲＳＡは進化の過程（即ち、鰓呼吸から肺呼吸）で獲得してきたもので、呼吸性変動は、吸気タイミングで心拍周期を短縮し効率を高める作用であるといわれている。ともに中枢により制御されており、吸気活動の発生タイミングは心拍動に同期しやすい特徴がある。つまり、心拍動の基準点と呼吸性変動の基準点は一致すると考えられる。また、体内恒常性の観点から、血圧調整と呼吸変動は同期連動することが最も効率的であると考えられる。

このため、本発明者らは、心拍揺らぎの２峰性のスペクトル構造を推定する場合、呼吸の起点となっているであろう心拍動に変動の位相を合わせることを見出した。また、解析上は、非同期であるＭＷＳＡとＲＳＡが、共に心拍動に伴う血圧変動のうねり成分に引きこまれる可能性が高いと考えられることから、本発明者らは、心拍変動と吸気変動及び血圧変動とは共に同期性であるとして還元することが原理的には妥当であると考えた。なお、突発的な変化によって生じる周期の乱れによって、中枢性の基本変動パターンが大きく変わることはないと考えられることから、この周期構造は保存すると考えた。

図５は、一実施例において、長周期の変動を考慮して短周期構造を補間したＰＰＩ信号の一例を示す図である。図５において、縦軸は信号振幅を任意単位で示し、横軸は時間を任意単位で示す。図５中、ＬＰＥは血圧性の比較的長周期の変動を含む長周期推定区間を示し、ＦＦＥは呼吸性の比較的短周期の変動を含む短周期推定区間を示す。この例では、心拍の呼吸起点となる切り出し区間として、短期的な非定常信号の前後の区間を拡大して、短周期データの基準点間に、二点鎖線で示すように長周期の変動を推定したデータ列を挿入する。

図６は、図５の補間後のＰＰＩ信号のノイズ区間を含む周波数解析結果（または、スペクトル解析結果）の一例を示す図である。図６において、縦軸はＰＰＩ信号を周波数解析（または、スペクトル解析）して、ある時間における周波数に対するパワースペクトル密度ＰＳＤ及び自律神経のトータルパワー（ＴＰ）を含む、心拍揺らぎの周波数解析結果を任意単位で示し、横軸は周波数ｆを任意単位で示す。図６において、破線で示す波形はノイズが発生しない場合の理論値を示し、実線で示す波形は補間後のＰＰＩ信号の解析により得られるＰＳＤを示す。図６からも確認できるように、ＬＦ成分のＭＷＳＡの周波数ＭＦ及びＨＦ成分のＲＳＡの周波数ＲＦに大きな変化は生じない。また、図６ではＬＦ成分のピーク構造ｆ２及びＨＦ成分のピーク構造ｆ１に大きな変化は生じない。つまり、図４に示す例の場合のように、ＬＦ成分に新たなピーク構造が発生したり、ＨＦ成分のピーク構造に新たな変化（または、シフト）が発生することはない。

このように、揺らぎの短周期データに、長周期の変動成分を推定して、長周期の変動成分毎に調整したデータ列を挿入することで、解析区間のデータ列を復元し、基本スペクトル構造の特異な変化を抑制することができる。その結果、高周波成分（ＨＦ）及び呼吸性成分（ＲＳＡ，ＲＦ）と低周波ピーク成分（ＭＷＳＡ，ＭＦ）が維持され、スペクトル構造からの状態遷移の特異なシフトを抑制することができる。また、短期間の解析区間（即ち、短期間の補間）であっても、ＬＦ／ＨＦまたはＴＰ（ＬＦ＋ＨＦ）などの自律神経指標の数値劣化を抑制できる。

次に、心拍変動から呼吸変動（または、リズム）の位相を推定する方法の一例を、図７及び図８と共に説明する。

図７は、短周期データ列の取得の一例を説明する図である。図７において、縦軸はＰＰＩ信号の分散量を任意単位で示し、横軸はＰＰＩ信号の移動平均数を示す。

ＰＰＩ信号の変動成分を、ＰＰＩの移動平均、または、ＰＰＩとＰＰＩの移動平均との差分値から分散量として定義し、３ＰＰＩ周期〜１１ＰＰＩ周期程度までの分散量の最小平均数を用いて短周期データ列を求めることができる。図７中、４ＰＰＩは４ＰＰＩ周期に同期した例、５ＰＰＩは５ＰＰＩ周期に同期した例、７ＰＰＩ（３ＰＰＩと４ＰＰＩ）周期に同期した例を示す。

図８は、短周期構造の抽出の一例を説明する図である。図８において、縦軸は信号振幅を任意単位で示し、横軸は時間を任意単位で示す。この例では、例えば図８中（ａ）に示す３ＰＰＩ周期〜６ＰＰＩ周期の例から分散量が最小である４ＰＰＩ周期の例を選択し、図８中（ｂ）に一例として示す３ＰＰＩの移動平均及び４ＰＰＩの移動平均のうち、４ＰＰＩの移動平均の図８中（ｃ）に破線で示す心拍間隔の短縮側のゼロクロス点を吸気時の位相ゼロ（０）と定義して短周期構造を抽出する。図８中、（ｃ）はＰＰＩ−（４ＰＰＩの移動平均）を示す。これにより、時系列データであるＰＰＩ信号から、短周期データと呼吸起点心拍（位相ゼロ）が取得され、短周期構造を抽出することができる。

ＰＰＩの移動平均ではなく、短周期単位の移動平均を求め、上記と同様に分散量が最小である周期を選択することで、長周期データ列を求めると共に、ＰＰＩの短縮側のゼロクロス点を吸気時の位相ゼロ（０）と定義して長周期構造を抽出することもできる。

次に、心拍変動から血圧変動（または、リズム）の位相を推定する方法の一例を、図９及び図１０と共に説明する。

図９は、長周期の変動を推定したデータ列を挿入する方法の一例を説明する図である。図９において、縦軸は信号振幅を任意単位で示し、横軸は時間を任意単位で示す。

上記の分散量の変化を時系列データとして、例えば１０±２秒の範囲で平均ＰＰＩの倍数（この例では、４ＰＰＩの移動平均）による移動平均（３〜４〜５）・（４ＰＰＩデータ列）を求め、４ＰＰＩの移動平均との差から、次式で示すように、短周期データ列の短縮点を基準とする長周期変動を推定する。

長周期変動＝（４ＰＰＩの移動平均のＰＰＩデータ列）− [（３〜４〜５）×（４ＰＰＩデータ列）]
上記の式中、右辺の第１項の「４ＰＰＩの移動平均のＰＰＩデータ列」は、呼吸性変動の影響が最も少ないＰＰＩデータ列、即ち、血圧性変動に相当する。また、上記の式中、右辺の第２項の「（３〜４〜５）×（４ＰＰＩ）」は、血圧性変動の影響が最も少ないデータ列に相当する。第１項と第２項の差分は、血圧変動振幅に相当し、血圧変動振幅の特性（以下、「振幅特性」とも言う）から血圧変動と位相の関係（以下、「位相関係」とも言う）を推定することができる。

図９中、（ａ）は時系列データであるＰＰＩ信号（以下、「ＰＰＩ時系列データ」とも言う）を実線、４ＰＰＩの移動平均、即ち、短周期を矢印の区間で示し、（ｂ）は血圧性変動に相当するＰＰＩ時系列データの長周期構造を実線で示す。図９中、（ａ）に示す細い実線はＰＰＩ時系列データの短周期構造、細い実線で示す楕円はＰＰＩ時系列データのピークとゼロクロスの点、破線は４ＰＰＩの移動平均、黒塗りの楕円は４ＰＰＩの移動平均に対する吸気起点を示す。図９中、（ｂ）に実線で示す楕円は、血圧変動（及び吸気位相ゼロ）の位相が破線で示すゼロ（０）と定義される基準点の位置を示す。

図１０は、長周期変動データ列の位相に対して、短周期データ列の基線に対するオフセットを設定する方法の一例を説明する図である。図１０において、縦軸は信号振幅を任意単位で示し、横軸は時間を任意単位で示す。また、図１０中、黒塗りの楕円は、血圧変動（及び吸気位相ゼロ）の位相が破線で示すゼロ（０）と定義される基準点の位置を示し、△印は長周期変動の基準点を示す。

図１０の長周期変動データ列を、短周期データ列の短周期（または、短周期構造）の単位に分割し、血圧変動に相当する長周期成分の振幅と短周期データ列の基線成分との差に基づいた基準点のオフセットＯＦＳを、短周期データ列の基線成分に重畳（または、合成）しても良い。この場合、心拍起点が時系列データの心拍起点と一致する、ノイズ区間内の短周期データ列を置換するべき補間パターンを生成することができる。このように長周期の位相を乱さないようオフセット量を重畳した短周期データ列の置換を行うことで、より少ない補間データの算出と挿入でＰＰＩ時系列データの連続性と周期性を維持した復元を可能とする。

図１１は、短周期及び長周期変動の補間の一例を説明する図である。図１１において、縦軸は信号振幅を任意単位で示し、横軸は時間を任意単位で示す。

先ず、図１１中（ａ）において実線の楕円で示す、初期解析区間の開始と終了を長周期構造を単位として区切り、ノイズ区間があれば、ノイズ区間のデータ列を除去して、二点鎖線で示すように、例えば直前の短周期信号のデータ列の複製で補間しても良い。この場合、ＰＰＩ時系列データの連続性を確保することができる。つまり、この場合は短周期信号のデータ列が、短周期変動を推定した区間の前後に挿入される。

一方、図１１中（ｂ）に示すように、その後ノイズ区間が想定している長周期範囲（例えば、３短周期分）を超えた場合は、ノイズ区間のデータ列を除去して、二点鎖線で示すように、直前の長周期信号のデータ列の複製で補間しても良い。この場合、ＰＰＩ時系列データの連続性を確保して補間後のＰＰＩ時系列データの周波数解析を継続できる。

図１２は、一実施例における波形補間装置の構成の一例を示すブロック図である。図１２に示す波形補間装置５０は、波形評価部５１、波形補間処理部５２及び周波数構造解析部５３を有する。波形評価部５１は、ＰＰＩ時系列データに含まれるノイズ区間を検知すると共に、ＰＰＩ時系列データに含まれる基本成分であり短周期で変化する波形の短周期成分と基本成分より長周期で変化する波形の長周期成分との周期構造の位相及び振幅を推定する。波形補間処理部５２は、ノイズ区間のデータ列を除去し、ノイズ区間の前後のデータ列の位相を乱さないように長周期成分の変調を加えたデータ列の補間パターンをノイズ区間に挿入することで、ノイズ区間を基準点からの周期構造単位で置換する。波形評価部５１、波形補間処理部５２及び周波数構造解析部５３の処理は、例えば後述するプロセッサにより実行しても良い。

波形評価部５１は、波形評価手段の一例であり、例えば脈拍センサなどのセンサが出力する被評価者の心拍波形を表す脈波データ中に発生したノイズを検知する原信号品質分析部５１−１及び脈波データ中の周期構造の位相と振幅を推定する脈拍間隔分析部５１−２を有する。原信号品質分析部５１−１は、脈波データ中の突発ノイズ及び定常ノイズを判定する脈波分析部５１１、脈波間隔（ＰＰＩ）を計測して振幅及び間隔が正常な正常脈拍と振幅または間隔が正常ではない不整脈を判定する脈波間隔計測部５１２及び正常脈拍及び異常脈拍の同定を行うノイズ判定部５１３を有する。脈拍間隔分析部５１−２は、正常脈拍データ列から例えば移動平均法により短周期がゼロ（０）の位相（または、基準点）を推定する短周期分析部５１４及び正常脈拍データ列から例えば移動平均法により長周期がゼロ（０）の位相（または、基準点）を推定する長周期分析部５１５を有する。

波形補間処理部５２は、波形補間処理手段の一例であり、ノイズを含む信号区間を基準点からの周期構造単位で置換するノイズ補間処理部５２−１を有する。ノイズ補間処理部５２−１は、ノイズ区間の確定、データの置換及び置換率から補間の限界判定を行う補間処理部５２１を有する。データ置換は、心拍１拍分のデータ置換であれば、例えば直前の短周期データ列のデータで置換しても良い。データ置換は、心拍２拍分以上のデータ置換であれば、例えば直前の短周期データ列のデータに長周期の変動成分をオフセットした短周期データ列で置換、即ち、所定の基線オフセットを重畳して置換しても良い。データ置換は、ノイズの発生による例えば心拍３〜４拍分の１短周期相当の短周期データ列の欠落の場合、前後の短周期構造単位の短周期データ列で置換、即ち、長周期内の短周期の心拍起点間のデータ列で置換しても良い。データ置換は、ノイズの発生による例えば２短周期相当以上の短周期データ列の欠落の場合、欠落以前の長周期構造単位の短周期データ列で置換しても良い。補間の限界判定は、ノイズの発生により例えば１長周期以上の短周期データ列の欠落が発生した場合に、品質保証の限界であることを判定するが、品質保証の限界であると判定されても波形補間処理を停止する必要はない。

周波数構造解析部５３は、周波数構造体解析手段の一例であり、脈拍を分析する脈拍分析部５３−１を有する。脈拍分析部５３−１は、補間精度保証の判定及びスペクトル構造の解析を行う揺らぎ解析部５３１を有する。

次に、上記実施例の波形補間を用いた被評価者の状態判定処理の一例を、図１３〜図１６と共に説明する。図１３〜図１６に示す処理は、例えばコンピュータの一例であるプロセッサにより実行可能であり、処理で用いられるパラメータなどのデータ、演算の中間結果などの各種データは、プロセッサによりアクセス可能な記憶部に格納しても良い。プロセッサの一例については、図２４と共に後述する。

図１３は、本実施例における波形補間を用いた被評価者の状態判定処理の一例を説明するフローチャートである。図１３において、ステップＳ１では、プロセッサが例えば脈拍センサなどのセンサが出力する被評価者の心拍波形を表すデータ（例えば、脈波データ）に基づいてＰＰＩ時系列データを生成し、生成したＰＰＩ時系列データで記憶部に格納されたＰＰＩ時系列データを更新する。例えば、脈拍センサが出力する脈波信号の微分信号の間隔を時系列に配列したＰＰＩ時系列データが生成される。ステップＳ２では、プロセッサがＰＰＩ時系列データの波形を評価する。波形の評価には、例えば予め決められた時間内での波形の振幅の著しい変化、波形の周期の著しい変化などの一時的な特徴量の変化が含まれる。ステップＳ３では、プロセッサが波形の評価の結果、特徴量の一時的な変化がノイズであるか否かを判定する。ステップＳ３の判定結果がＹＥＳであると、処理はステップＳ４の波形補間処理へ進み、判定結果がＮＯであると処理は後述するステップＳ７の周期構造解析処理へ進む。

図１４は、図１３のステップＳ２，Ｓ３が実行する波形評価処理に含まれる原信号品質分析処理の一例を説明するフローチャートである。図１４において、ステップＳ２１では、プロセッサが突発的ノイズの判定を開始し、ステップＳ２２では、プロセッサが脈波データ列を取得する。ステップＳ２３では、プロセッサが脈波振幅を脈波振幅の最大値（ｍａｘ）及び最小値（ｍｉｎ）から求める。ステップＳ２４では、プロセッサが取得した脈波振幅に基づいて脈波振幅を確定する。ステップＳ２５では、プロセッサが確定した脈波振幅が脈波振幅の平均値±５０％の値以上であるか否かを判定する。ステップＳ２５の判定結果がＹＥＳであると、ステップＳ２６では、プロセッサが巨大歪みなどの突発ノイズの発生を判定する。ステップＳ２５の判定結果がＮＯ、或いは、ステップＳ２６の後、処理はステップＳ２７へ進む。

ステップＳ２７では、プロセッサが定常ノイズ（または、脈波変形率）の判定を開始する。ステップＳ２８では、プロセッサが脈波データ列を微分して微分データ列を取得する。ステップＳ２９では、プロセッサが微分データ列の二乗平均平方根（ＲＭＳ：Root Mean Square）を計算する。ステップＳ３０では、プロセッサが、ＲＭＳがＲＭＳの平均±１００％の値以上であるか否かを判定する歪みチェックを行う。ステップＳ３０の判定結果がＹＥＳであると、ステップＳ３１では、プロセッサが波形歪みなどの定常ノイズの発生を判定する。ステップＳ３０の判定結果がＮＯ、或いは、ステップＳ３１の後、処理はステップＳ３２へ進む。

ステップＳ３２では、プロセッサが不整脈の判定を開始する。ステップＳ３３では、プロセッサが微分データ列から微分値の最大値を探索し、ステップＳ３４では、プロセッサが探索した微分値の最大値を確定する。ステップＳ３５では、プロセッサが確定した微分地の最大値に基づいて脈拍間隔を確定し、ステップＳ３６では、脈拍間隔が脈拍間隔±３０％の値以上であるか否かを判定する。ステップＳ３６の判定結果がＹＥＳであると、ステップＳ３７では、プロセッサが脈拍間隔異常の発生を判定する。ステップＳ３６の判定結果がＮＯ、或いは、ステップＳ３７の後、ステップＳ３８では、プロセッサが脈拍振幅、脈拍間隔、異常判定結果などを原信号品質分析処理の結果として出力し、処理は図１３のステップＳ２へ戻る。

図１５は、図１３のステップＳ２が実行する波形評価処理に含まれる脈拍間隔分析処理の一例を説明するフローチャートである。図１５において、ステップＳ４２１では、プロセッサが図１３のステップＳ１で更新されたデータに対する短周期及び位相判定処理を開始し、ステップＳ４２２では、プロセッサが脈波間隔、即ち、ＰＰＩ時系列データの移動平均を算出する。ステップＳ４２３では、プロセッサが図７及び図８と共に説明したように、ＰＰＩ時系列データの変動成分を、ＰＰＩ時系列データの移動平均、または、ＰＰＩ時系列データとＰＰＩ時系列データの移動平均との差分値から分散量として定義して、分散量を判定する。この時、移動平均による時間遅延を考慮して処理を行うステップＳ４２４では、プロセッサが例えば３ＰＰＩ周期〜１１ＰＰＩ周期程度までの分散量の最小平均数であるか否かを判定し、判定結果がＮＯであると、処理はステップＳ４２１へ戻る。

脈波間隔変動の基本周期（即ち、短周期）で平均すると、脈波の変化は最小になる。そこで、ステップＳ４２２〜Ｓ４２４では、移動平均の個数を変えた時の値ｓ３，ｓ４，ｓ５，ｓ６，...が最小となる組み合わせ、例えば移動平均値ｓ３を下記の移動平均値から探索して選択する。
ｓ３＝（ＰＰＩ（ｎ−２）＋ＰＰＩ（ｎ−１）＋ＰＰＩ（ｎ））／３，
ｓ４＝（ＰＰＩ（ｎ−３）＋ＰＰＩ（ｎ−２）＋ＰＰＩ（ｎ−１）＋ＰＰＩ（ｎ））／４，
ｓ５＝（ＰＰＩ（ｎ−４）＋ＰＰＩ（ｎ−３）＋ＰＰＩ（ｎ−２）＋ＰＰＩ（ｎ−１）＋ＰＰＩ（ｎ））／５，
ｓ６＝（ＰＰＩ（ｎ−５）＋ＰＰＩ（ｎ−４）＋ＰＰＩ（ｎ−３）＋ＰＰＩ（ｎ−２）＋ＰＰＩ（ｎ−１）＋ＰＰＩ（ｎ））／６，
...
一方、ステップＳ４２４の判定結果がＹＥＳであると、ステップＳ４２５では、プロセッサが分散量の最小平均数を用いて短周期である短周期データ列を求めると共に、ＰＰＩ時系列データの短縮側のゼロクロス点近傍の点を吸気時の位相ゼロ（０）と定義して短周期構造を抽出することで、短周期と０位相心拍が同定される。

ＰＰＩ時系列データとＰＰＩ時系列データの移動平均との差分値は、各ＰＰＩ時系列データの大小関係を反映している。そこで、差分値が負の値に変化した点は、呼吸開始により脈波間隔が短縮した基準となる呼吸と同期した心拍であると判定しても良い。そこで、ステップＳ４２５では、例えばｓ３が選択された場合、ＰＰＩ（ｎ）＊＝ＰＰＩ（ｎ）−ｓ３（ｎ）に基づいてＰＰＩ時系列データから移動平均値ｓ３を減ずることで短周期波形を求めることができる。従って、短周期波形が負となったＰＰＩ＊データを位相ゼロと定義して短周期波形の属性データとして用いることができる。このＰＰＩ時系列データの位相ゼロの点は、吸気に伴い発生した心拍と高い相関性を有するため、心拍変動の基準として用いることができる。

ステップＳ４２５の後、ステップＳ４２６では、プロセッサが短周期単位の移動平均を算出し、ステップＳ４２７では、プロセッサが図７及び図８と共に説明したように、ＰＰＩ時系列データの変動成分を、ＰＰＩ時系列データの移動平均、または、ＰＰＩ時系列データとＰＰＩ時系列データの移動平均との差分値から分散量として定義して、分散量を判定する。ステップＳ４２８では、プロセッサが例えば１１ＰＰＩ周期〜２５ＰＰＩ周期程度までの分散量の最小平均数であるか否かを判定し、判定結果がＮＯであると、処理はステップＳ４２６へ戻る。

ステップＳ４２６〜Ｓ４２８では、移動平均の個数を短周期の逓倍で変えた時の、加算範囲が例えば１０秒前後の組み合わせ（Ｉ３，Ｉ４，Ｉ５，...）の値が最小となる、例えば組み合わせＩ４を下記の組み合わせの値から探索して選択する。
Ｉ３＝（ＰＰＩ（ｎ−９）＋...＋ＰＰＩ（ｎ−１）＋ＰＰＩ（ｎ）／９，
Ｉ４＝（ＰＰＩ（ｎ−１２）＋...＋ＰＰＩ（ｎ−２）＋ＰＰＩ（ｎ−１）＋ＰＰＩ（ｎ）／１２，
Ｉ５＝（ＰＰＩ（ｎ−１５）＋...＋ＰＰＩ（ｎ−３）＋ＰＰＩ（ｎ−２）＋ＰＰＩ（ｎ−１）＋ＰＰＩ（ｎ）／１５，
...
一方、ステップＳ４２８の判定結果がＹＥＳであると、ステップＳ４２９では、プロセッサが分散量の最小平均数を用いて長周期である長周期データ列を求めると共に、ＰＰＩ時系列データの短縮側のゼロクロス点を吸気時の位相ゼロ（０）と定義して長周期構造を抽出することで、長周期と０位相心拍が同定され、処理は図１３のステップＳ２へ戻る。

長周期成分は、血圧変動を反映する周期構造を有するため、呼吸動作による血圧変動の影響を受ける。連続的な同期は保証されないが、被評価者の安静状態では、血圧変動は呼吸動作に連動するため、長周期成分は短周期の逓倍であると仮定することができる。つまり、長周期成分は、単純に呼吸周期で分割した周期構造を有すると仮定する。そこで、ステップＳ４２９では、例えば組み合わせＩ４が選択された場合、ＰＰＩ（ｎ）＊＊＝ＰＰＩ（ｎ）−Ｉ４（ｎ）に基づいてＰＰＩ時系列データから移動平均値Ｉ４を減ずることで長周期波形の振幅と位相を推定する。この時、短周期波形の０位相のＰＰＩ＊値が長周期上で正から負の値となるＰＰＩ＊＊値を長周期波形の０位相と定義し、０位相間の区間での脈波振幅の最大値及び最小値から脈波振幅を求める。

なお、ステップＳ４２９において、図１０と共に説明したように、長周期変動データ列の位相に対して、短周期データ列の基線に対するオフセットを設定するようにしても良い。

図１６は、図１３のステップＳ４が実行する波形補間処理の一例を説明するフローチャートである。この例では、説明の便宜上、波形補間処理は、ステップＳ５の補間処理の結果を保証できるか否かの判定処理を含む。図１６において、ステップＳ４１では、プロセッサがステップＳ１で更新されたデータに対する波形補間処理を開始し、ステップＳ４２では、図１５と共に説明した波形評価処理の脈拍間隔分析処理の結果に基づいて、プロセッサが短周期とその０位相及び長周期とその０位相を取得する。

ステップＳ４３では、プロセッサがＰＰＩ時系列データの短周期内にノイズが含まれているか否かを図１４の原信号品質分析処理の結果に基づき判定する。ステップＳ４３の判定結果がＹＥＳであると、ステップＳ４４では、プロセッサが非定常信号（即ち、ノイズ）が混入しているノイズ区間を短周期毎に判定する。ステップＳ４５では、プロセッサがノイズ区間が１短周期内の単発であるか否かを判定し、判定結果がＹＥＳであると、処理は後述するステップＳ４７へ進む。

ステップＳ４３またはステップＳ４５の判定結果がＮＯであると、ステップＳ４６では、プロセッサが図１５のステップＳ４２９の同定処理に基づき長周期位相を判定し、ステップＳ４７では、プロセッサが短周期データ列に長周期位相に応じたバイアスオフセットを施す。具体的には、ステップＳ４７では、プロセッサが心拍の呼吸起点となる切り出し区間として、短期的な非定常信号（または、異常信号）の前後の区間を拡大して、短周期データの基準点間に長周期の変動を推定したデータ列を挿入するための区間を作成する。また、短周期データ列の基準点に、長周期の位相に合わせたオフセット量を重畳する。

ステップＳ４８では、プロセッサが補間率が閾値より大きいか否かを判定し、判定結果がＮＯであると処理はステップＳ４９へ進み、判定結果がＹＥＳであると処理はステップＳ５０へ進む。補間率が閾値以下の場合、補間するべきデータ量が比較的少ないので、ステップＳ４９では、プロセッサがノイズ区間のデータ列を除去し、上記の如きいずれかの補間処理によりノイズ区間へのデータ補間を行い、処理は図１３のステップＳ５へ進む。具体的には、ステップＳ４９では、プロセッサが短周期の基線成分に長周期成分を重畳したデータ列をノイズ区間に挿入することで、比較的短期間の補間で、補間による不連続性と疑似周期構造の発生を防ぐ。これにより、心拍の呼吸起点となる切り出し区間として、短期的な非定常信号の前後の区間を拡大して、短周期データの基準点間に、長周期の変動を推定したデータ列を挿入する。

ステップＳ４９のデータ補間は、心拍１拍分のデータ置換であれば、例えば直前の短周期データ列のデータで置換しても良い。データ置換は、心拍２拍分以上のデータ置換であれば、例えば直前の短周期データ列のデータに長周期の変動成分をオフセットした短周期データ列で置換、即ち、所定の基線オフセットを重畳して置換しても良い。データ置換は、ノイズの発生による例えば心拍３〜４拍分の１短周期相当の短周期データ列の欠落の場合、前後の短周期構造単位の短周期データ列で置換、即ち、長周期内の短周期の心拍起点間のデータ列で置換しても良い。データ置換は、ノイズの発生による例えば２短周期相当以上の短周期データ列の欠落の場合、欠落以前の長周期構造単位の短周期データ列で置換しても良い。非定常信号の区間が例えば長周期構造の過半数を超える場合には、直前の長周期構造を非定常信号の区間の位相に合わせて切り出したデータ列で置換しても良い。この場合、さらに１長周期を超える補間を行う場合、補間処理の結果の品質を保証するため、例えば設定された解析区間の例えば２０％を超えないように補間を行うことが好ましい。

一方、補間率が閾値より大きい場合、補間するべきデータ量が多いため、ステップＳ５０では、プロセッサが補間処理の結果の品質を保証できないことを示す結果保証外通告を記憶部に格納したり表示部に表示したりしてから、処理はステップＳ４９へ進む。

図１３の説明に戻るに、ステップＳ５では、プロセッサが補間処理の結果を保証できるか否かを図１６のステップＳ５０の処理の結果に基づいて判定し、判定結果がＮＯであると処理はステップＳ６へ進み、判定結果がＹＥＳであると処理はステップＳ７へ進む。ステップＳ６では、プロセッサが補間処理の結果を保証できる程度にＰＰＩ時系列データの周期構造を補間できる場合には、周期構造を補間する構造補間処理を行い、処理はステップＳ８へ進む。ステップＳ７では、プロセッサがＰＰＩ時系列データの周期構造を解析し、補間精度保証の判定及びスペクトル構造の解析を含む周期構造解析処理を実行する。ステップＳ８では、プロセッサが周期構造解析処理の結果に基づき、被評価者の状態を周知の方法で推定及び判定する。

ステップＳ９では、プロセッサが推定及び判定した被評価者の状態から、被評価者のストレス、覚醒度などの指標を求めることができるか否かを判定する。ステップＳ９の判定結果がＹＥＳであると、ステップＳ１０では、プロセッサが求めた指標を記憶部に格納したり表示部に表示してから、処理はステップＳ１へ戻る。ステップＳ１０では、プロセッサが例えば後述する眠気推定処理を行い、覚醒度が被評価者による車両の運転が好ましくないレベルであると、覚醒度警報を記憶部に格納したり表示部に表示してから、処理はステップＳ１へ戻るようにしても良い。一方、ステップＳ９の判定結果がＮＯであると、ステップＳ１１では、プロセッサが結果保証外通告を記憶部に格納したり表示部に表示してから、処理はステップＳ１へ戻る。

次に、長周期構造が短周期構造の例えば３周期分または４周期分である場合のオフセット量の設定方法の一例について、図１７〜図１９と共に説明する。

図１７は、オフセット量の設定方法の一例を説明するフローチャートである。図１７に示すオフセット量の設定処理は、図１３のステップＳ４が実行する波形補間処理に含まれていても良い。図１７において、ステップＳ５１では、プロセッサが例えば脈拍センサが出力する脈波信号の微分信号の間隔を時系列に配列したＰＰＩ時系列データを生成し、生成したＰＰＩ時系列データで記憶部に格納されたＰＰＩ時系列データを更新する。ステップＳ５２では、プロセッサがＰＰＩ時系列データの波形を評価する。波形の評価には、例えば予め決められた時間内での波形の振幅の著しい変化、波形の周期の著しい変化などの一時的な特徴量の変化が含まれる。ステップＳ５３では、プロセッサが波形の評価の結果、特徴量の一時的な変化がノイズであるか否かを判定する。ステップＳ５３の判定結果がＹＥＳであると、処理は後述するステップＳ６１へ進み、判定結果がＮＯであると処理はステップＳ５４へ進む。

ステップＳ５４では、プロセッサがＰＰＩ時系列データの短周期構造、即ち、短周期波形の基準点、短周期波形の０位相及び短周期波形の振幅を探索する。ステップＳ５５では、プロセッサが探索した短周期構造から、基本周期パターンと基準点を取得する。ステップＳ５６では、プロセッサがＰＰＩ時系列データの長周期構造、即ち、長周期波形の基準点間の間隔（或いは、長周期内の短周期数または長周期波形の位相及び振幅）を算出する。ステップＳ５７では、プロセッサが算出した長周期構造から、長周期パターンと基準点を取得する。ステップＳ５８では、プロセッサが長周期構造内の短周期データの分割構造、即ち、長周期変動データ列を短周期データ列で分割した構造を探索する。ステップＳ５９では、プロセッサがＰＰＩ時系列データを周波数解析し、処理はステップＳ５１へ戻る。

ステップＳ６１では、プロセッサがノイズ区間を例えば長周期内の短周期数単位で確定する。ステップＳ６２では、プロセッサが例えばノイズ区間の直前の短周期データ列から短周期パターンを準備する。ステップＳ６３では、プロセッサが準備された短周期パターン合成し、短周期パターンの基線成分に長周期成分を重畳したデータ列をノイズ区間に挿入するための調整を行う。

ステップＳ６４では、プロセッサが長周期の位相が０度であり、短周期が長周期の１／４または１／３であるか否かを判定し、判定結果がＹＥＳであると、ステップＳ６５ではプロセッサがオフセット量Ｏ１を０、オフセット量Ｏ２を−ＰＬ／２に設定する。オフセット量Ｏ１は、短周期波形の１周期の開始点における短周期波形の基線と長周期波形の振幅ＰＬとの差分を表し、オフセット量Ｏ２は、短周期波形の１周期の終了点における短周期波形の基線と長周期波形の振幅ＰＬとの差分を表す。ステップＳ６４の判定結果がＮＯであると、ステップＳ６６ではプロセッサが長周期の位相が９０度であり、短周期が長周期の２／４であるか否かを判定し、判定結果がＹＥＳであると、ステップＳ６７ではプロセッサがオフセット量Ｏ１を−ＰＬ／２、オフセット量Ｏ２を０に設定する。ステップＳ６６の判定結果がＮＯであると、ステップＳ６８ではプロセッサが長周期の位相が１２０度であり、短周期が長周期の２／３であるか否かを判定し、判定結果がＹＥＳであると、ステップＳ６９ではプロセッサがオフセット量Ｏ１を−ＰＬ／２、オフセット量Ｏ２を＋ＰＬ／２に設定する。ステップＳ６８の判定結果がＮＯであると、ステップＳ７０ではプロセッサが長周期の位相が１８０度であり、短周期が長周期の３／４であるか否かを判定し、判定結果がＹＥＳであると、ステップＳ７１ではプロセッサがオフセット量Ｏ１を−ＰＬ／２、オフセット量Ｏ２を０に設定する。ステップＳ７０の判定結果がＮＯであると、ステップＳ７２ではプロセッサが長周期の位相が２４０度または２７０度であり、短周期が長周期の３／４または２／３であるか否かを判定し、判定結果がＹＥＳであると、ステップＳ７３ではプロセッサがオフセット量Ｏ１を＋ＰＬ／２、オフセット量Ｏ２を０に設定する。一方、ステップＳ７２の判定結果がＮＯであると、ステップＳ７４ではプロセッサがノイズ区間が想定している長周期範囲（例えば、３短周期分または４短周期分）を超えており想定外であることを判定し、オフセット量Ｏ１，Ｏ２の両方を０に設定する。

ステップＳ６５，Ｓ６７，Ｓ６９，Ｓ７１，Ｓ７３，Ｓ７４の後、処理はステップＳ７５へ進む。ステップＳ７５では、プロセッサが設定されたオフセット量Ｏ１，Ｏ２を重畳した短周期パターンを合成する。これにより、長周期成分は、短周期データの基線成分として短周期データの位相が０度〜３６０度の範囲において直線近似でオフセット量Ｏ１，Ｏ２として重畳される。ステップＳ７６では、プロセッサが除去したノイズ区間のデータ列をオフセット量Ｏ１，Ｏ２を重畳して合成された短周期パターンで補間する。ステップＳ７７では、プロセッサが補間されたＰＰＩ時系列データを周波数解析し、処理はステップＳ５１へ戻る。

図１８は、図１７のオフセット量の設定方法を説明する図である。図１８において、縦軸は信号振幅を任意単位で示し、横軸は時間を任意単位で示す。図１８中、（ａ）の上側に示す太い矢印は吸気開始点を示し、下側に示す矢印は吸気開始点に対応する基準点を示す。また、図１８中、（ｄ）の下側に示す矢印は短周期データ列の位相０の位置を示し、（ｅ）の下側に示す矢印は長周期データ列の位相０の位置を示す。上記の如く、ＰＰＩ時系列データとＰＰＩ時系列データの移動平均との差分値は、各ＰＰＩ時系列データの大小関係を反映しているので、この例では、差分値が負の値に変化した点は、呼吸開始により脈波間隔が短縮した基準となる呼吸と同期した心拍であると判定する。

図１８中、（ａ）は例えば脈波センサで検知された被評価者の脈波を示す脈波信号、（ｂ）は（ａ）の脈波信号を微分した微分信号の間隔を矢印で示すように振幅に重畳したＰＰＩ信号、（ｃ）は（ｂ）のＰＰＩ信号の間隔を時系列に配列したＰＰＩ時系列データを示す。また、図１８中、（ｄ）はＰＰＩ時系列データの短周期構造（ＰＰＩ＊）、（ｅ）はＰＰＩ時系列データの長周期構造（ＰＰＩ＊＊）、（ｆ）は長周期の位相０の直前の１短周期分の短周期データ列、（ｇ）は（ｆ）の短周期データに上記オフセット量Ｏ１，Ｏ２を重畳した短周期データ列を太い破線で示す。図１８中、（ｈ）は１長周期内の各短周期データ列（この例では４短周期分）をハッチング付きの矢印で示すように（ｆ）の如き直前の１短周期分の短周期データ列に（ｇ）の如きオフセット量Ｏ１，Ｏ２を重畳した太い破線で示す短周期データ列から合成した場合の一例を示す。この例では、短周期は３脈拍周期に相当し、長周期は４短周期に相当する。図１８中、（ｄ），（ｈ）の一点鎖線は短周期の基線を示し、（ｈ）の細い破線はＰＰＩ時系列データの長周期構造を示す。

図１９は、オフセット量が図１７及び図１８と共に説明した設定方法で設定されている場合に、脈波信号にノイズが混入した場合の波形補間の一例を説明する図である。この例では、ノイズ区間のデータ列を、ノイズ区間の直前の短周期データ列を用いて置換する。図１９中、図１８と同一部分には同一符号を付し、その説明は省略する。図１９に示す例では、（ａ）の左側から３番目の吸気開始点から４番目の吸気開始点にかけてのノイズ区間において、脈波信号にノイズが混入している。図１９中、（ｂ）に太い破線で示す部分がノイズの影響を受けているＰＰＩ信号部分に相当し、下側の△印は（ａ）のノイズに起因してピークと誤判定されてしまう点を示す。また、図１９中、（ｄ）に◆印で示すデータサンプルを繋ぐ太い実線は、比較例におけるＰＰＩ信号の平均値による補間部分を示す。

図１９中、（ｅ）〜（ｈ）に示すように、ノイズ区間の直前の短周期構造に、予め準備された該当する長周期の位相と振幅ＰＬの関係に基づくオフセット量Ｏ１，Ｏ２を重畳する。また、ノイズ区間のデータ列を除去し、ノイズ区間に短周期の基線にオフセット量Ｏ１，Ｏ２を重畳した短周期データ列を挿入することで、ノイズ区間のデータ列を補間する。

図２０は、脈波信号にノイズが混入した場合の波形補間の他の例を説明するフローチャートである。この例では、ノイズ区間を、ノイズ区間の直前の長周期構造の対応する位相領域の短周期データ列を用いて置換する。

図２０において、ステップＳ８１では、プロセッサが例えば脈拍センサが出力する脈波信号の微分信号の間隔を時系列に配列したＰＰＩ時系列データを生成し、生成したＰＰＩ時系列データで記憶部に格納されたＰＰＩ時系列データを更新する。ステップＳ８２では、プロセッサがＰＰＩ時系列データの波形を評価する。波形の評価には、例えば予め決められた時間内での波形の振幅の著しい変化、波形の周期の著しい変化などの一時的な特徴量の変化が含まれる。ステップＳ８３では、プロセッサが波形の評価の結果、特徴量の一時的な変化がノイズであるか否かを判定する。ステップＳ８３の判定結果がＹＥＳであると、処理は後述するステップＳ９１へ進み、判定結果がＮＯであると処理はステップＳ８４へ進む。

ステップＳ８４では、プロセッサがＰＰＩ時系列データの短周期構造、即ち、短周期波形の基準点、短周期波形の０位相及び短周期波形の振幅を探索する。ステップＳ８５では、プロセッサが探索した短周期構造から、呼吸基準の短周期データ列を取得する。具体的には、プロセッサが探索した短周期構造から、吸気開始点を基準点としてＰＰＩ時系列データの短周期データ列を取得する。ステップＳ８６では、プロセッサがＰＰＩ時系列データの長周期構造、即ち、長周期波形の基準点間の間隔（或いは、長周期内の短周期数または長周期波形の位相及び振幅）を算出する。ステップＳ８７では、プロセッサが算出した長周期構造から、長周期に相当する短周期数分の短周期データ列を取得する。ステップＳ８８では、プロセッサが長周期構造内の短周期データの分割構造、即ち、長周期変動データ列を短周期データ列で分割した構造を探索し、処理は後述するステップＳ１０１へ進む。

ステップＳ９１では、プロセッサがノイズ区間を例えば長周期内の短周期数単位で確定する。ステップＳ９２では、プロセッサが後述するステップＳ１０２，Ｓ１０４，Ｓ１０６，Ｓ１０８，Ｓ１１０，Ｓ１１１の設定に基づき、ノイズ区間の直前の長周期内の対応する位相領域の短周期データ列から短周期パターンを準備する。ステップＳ９３では、プロセッサが除去したノイズ区間のデータ列を準備された短周期パターンで補間する。ステップＳ９４では、プロセッサが補間されたＰＰＩ時系列データを周波数解析し、処理はステップＳ８１へ戻る。

ステップＳ１０１では、プロセッサが長周期の位相が０度であり、短周期が長周期の１／４または１／３であるか否かを判定し、判定結果がＹＥＳであると、ステップＳ１０２ではプロセッサが直前の長周期の１／４または１／３周期目に対応する短周期データ列を設定する。ステップＳ１０１の判定結果がＮＯであると、ステップＳ１０３ではプロセッサが長周期の位相が９０度であり、短周期が長周期の２／４であるか否かを判定し、判定結果がＹＥＳであると、ステップＳ１０４ではプロセッサが直前の長周期の２／４周期目に対応する短周期データ列を設定する。ステップＳ１０３の判定結果がＮＯであると、ステップＳ１０５ではプロセッサが長周期の位相が１２０度であり、短周期が長周期の２／３であるか否かを判定し、判定結果がＹＥＳであると、ステップＳ１０６ではプロセッサが直前の長周期の２／３周期目に対応する短周期データ列を設定する。ステップＳ１０５の判定結果がＮＯであると、ステップＳ１０７ではプロセッサが長周期の位相が１８０度であり、短周期が長周期の３／４であるか否かを判定し、判定結果がＹＥＳであると、ステップＳ１０８ではプロセッサが直前の長周期の３／４周期目に対応する短周期データ列を設定する。ステップＳ１０７の判定結果がＮＯであると、ステップＳ１０９ではプロセッサが長周期の位相が２４０度または２７０度であり、短周期が長周期の３／４または２／３であるか否かを判定し、判定結果がＹＥＳであると、ステップＳ１１０ではプロセッサが直前の長周期の３／４または２／３周期目の短周期データ列を設定する。一方、ステップＳ１０９の判定結果がＮＯであると、ステップＳ１１１ではプロセッサがノイズ区間が想定している長周期範囲（例えば、３短周期分または４短周期分）を超えており想定外であることを判定し、例えば直前の短周期データ列またはデフォルトの短周期データ列を設定する。

ステップＳ１０２，Ｓ１０４，Ｓ１０６，Ｓ１０８，Ｓ１１０，Ｓ１１１の後、処理はステップＳ１１２へ進む。ステップＳ１１２では、プロセッサが設定された次に推定された短周期データ列を取得する。ステップＳ１１３では、プロセッサがＰＰＩ時系列データを周波数解析し、処理はステップＳ８１へ戻る。

図２１は、図２０と共に説明した波形補間の一例を説明する図である。図２１において、縦軸は信号振幅を任意単位で示し、横軸は時間を任意単位で示す。図２１に示す例では、（ａ）の左側から５番目の吸気開始点から６番目の吸気開始点にかけてのノイズ区間において、脈波信号にノイズが混入している。図２１中、（ｂ）の下側の△印は（ａ）のノイズに起因してピークと誤判定されてしまう点を示す。また、図２１中、（ｄ）に◆印で示すデータサンプルを繋ぐ太い実線は、比較例におけるＰＰＩ信号の平均値による補間部分を示す。

図２１中、（ａ）は例えば脈波センサで検知された被評価者の脈波を示す脈波信号、（ｂ）は（ａ）の脈波信号を微分した微分信号の間隔を矢印で示すように振幅に重畳したＰＰＩ信号、（ｃ）は（ｂ）のＰＰＩ信号の間隔を時系列に配列したＰＰＩ時系列データを示す。また、図２１中、（ｄ）はＰＰＩ時系列データの短周期構造（ＰＰＩ＊）、（ｅ）はＰＰＩ時系列データの長周期構造（ＰＰＩ＊＊）、（ｆ）はノイズ区間を含む長周期の直前の長周期内でノイズ区間に対応する位相領域における１短周期分の短周期データ列、（ｇ）は（ｆ）の短周期データをノイズ区間に挿入した場合の一例を示す。図２１中、（ｄ），（ｇ）の一点鎖線は短周期の基線を示し、（ｇ）の破線はＰＰＩ時系列データの長周期構造を示す。この例では、短周期は３脈拍周期に相当し、長周期は４短周期に相当する。

図２２は、脈波信号にノイズが混入した場合の波形補間のさらに他の例を説明するフローチャートである。この例では、ノイズ区間のデータ列を、ノイズ区間の直前の長周期構造の対応する位相領域のＰＰＩ信号（即ち、心拍データ列）を用いて置換する。図２２中、図２０と同一ステップには同一符号を付し、その説明は省略する。

図２２において、ステップＳ８５−１では、プロセッサが探索した短周期構造から、短周期に相当するＰＰＩ信号を取得する。また、ステップＳ８７−１では、プロセッサが算出した長周期構造から、長周期に相当する短周期数分のＰＰＩ信号を取得する。さらに、ステップＳ９３の後、且つ、ステップＳ９４の前に、ステップＳ９３−１が実行される。ステップＳ９３−１では、プロセッサがステップＳ８２と同様にしてＰＰＩ時系列データの波形を再評価する。

ステップＳ１０２−１，Ｓ１０４−１，Ｓ１０６−１，Ｓ１０８−１，Ｓ１１０−１，Ｓ１１１−１，Ｓ１１２−１は、図２０のステップＳ１０２，Ｓ１０４，Ｓ１０６，Ｓ１０８，Ｓ１１０，Ｓ１１１，Ｓ１１２に対応するが、処理の対象が短周期データ列ではなくＰＰＩ信号である点が図２０の場合と異なる。

図２３は、図２２と共に説明した波形補間の一例を説明する図である。図２３において、縦軸は信号振幅を任意単位で示し、横軸は時間を任意単位で示す。図２３に示す例では、（ａ）の左側から５番目の吸気開始点から６番目の吸気開始点にかけてのノイズ区間において、脈波信号にノイズが混入している。図２３中、（ｂ），（ｃ）に太い破線で示す部分が夫々ノイズの影響を受けているＰＰＩ信号部分及びＰＰＩ時系列データ部分に相当し、（ｂ）の下側の△印は（ａ）のノイズに起因してピークと誤判定されてしまう点を示す。また、図２３中、（ｄ）に◆印で示すデータサンプルを繋ぐ太い実線は、比較例におけるＰＰＩ信号の平均値による補間部分を示す。

図２３中、（ａ）は例えば脈波センサで検知された被評価者の脈波を示す脈波信号、（ｂ）は（ａ）の脈波信号を微分した微分信号の間隔を矢印で示すように振幅に重畳したＰＰＩ信号、（ｃ）は（ｂ）のＰＰＩ信号の間隔を時系列に配列したＰＰＩ時系列データを示す。また、図２３中、（ｄ）はＰＰＩ時系列データの短周期構造（ＰＰＩ＊）、（ｅ）はＰＰＩ時系列データの長周期構造（ＰＰＩ＊＊）、（ｆ）はノイズ区間を含む長周期の直前の長周期内でノイズ区間に対応する位相領域における１短周期分のＰＰＩ信号、（ｇ）は（ｆ）の１短周期分のＰＰＩ信号がノイズ区間に挿入されて補間されたＰＰＩ信号、（ｈ）は（ｇ）の補間されたＰＰＩ信号に基づいて得られるＰＰＩ時系列データを示す。この例では、短周期は３脈拍周期に相当し、長周期は４短周期に相当する。このように、短周期データ列ではなくＰＰＩ信号を補間する場合、短周期データ列を補間する場合と比較すると、ノイズ区間にＰＰＩ信号の補間パターンを挿入する際に、補間パターンを前後のＰＰＩ信号部分とよりなめらかに繋げやすいため、ＰＰＩ信号の連続性と周期性を維持した復元が可能となる。

上記の各例では、ノイズ区間のデータ列を、被評価者の心拍間隔の時系列データの一例である短周期単位の短周期データ列または心拍データ列（ＰＰＩ信号）で補間しているが、連続的に補間する時系列データは、１短周期分に限定されるものではなく、２以上の短周期分であっても良い。

図２４は、波形補間装置を適用可能な眠気判定装置のハードウェア構成の一例を示すブロック図である。図２４に示す眠気判定装置１は、バス３７により接続されたＣＰＵ３１、記憶装置３２、入力装置３３、表示装置３４、媒体読取装置３５、インタフェース（Ｉ／Ｆ：Interface）３６及びセンサ１０１を有する。センサ１０１は、眠気判定装置１に対して外部接続されても良く、センサ１０１は例えばＩ／Ｆ３６に接続可能である。センサ１０１は、被評価者の心拍波形を表すデータを測定可能なものであれば特に限定されず、例えば心電計、脈波計、心音センサ、脈拍センサなどであっても良い。なお、ＣＰＵ３１と眠気判定装置１の他の部分との接続は、図２４に示すバス接続に限定されるものではない。

ＣＰＵ３１は、眠気判定装置１全体の制御を司る。記憶装置３２は、ＣＰＵ３１が実行するプログラム、ＣＰＵ３１が実行する演算の中間データ、上記の結果保証外通告や覚醒度通告などを含む各種データを格納する。ＣＰＵ３１は、上記プロセッサの一例として機能することができ、記憶装置３２は、上記記憶部の一例として機能することができる。眠気推定プログラムは、ＣＰＵ３１に眠気判定装置１の眠気推定処理の手順を実行させる。眠気推定プログラムは、ＣＰＵ３１を図１２に示す波形補間装置５０の各部（または、各手段）として機能させる波形補間プログラムを含んでも良い。ＣＰＵ３１に図１３〜図２３と共に説明した波形補間処理を実行させる波形補間プログラムは、例えば眠気推定プログラムに含まれていても、或いは、例えばプラグインで形成されていても良い。

入力装置３３は、被評価者が眠気判定装置１に各種指示、データなどを入力するのに用いられ、例えばキーボード、テンキーなどで形成可能である。表示装置３４は、各種メニュー、メッセージ、通告、アラーム（または、警告）などを被評価者に表示するのに用いられ、例えば液晶表示（ＬＣＤ：Liquid Crystal Display）パネルなどで形成可能である。なお、入力装置３３及び表示装置３４は、例えば両装置３３，３４の機能を有するタッチパネルで形成しても良い。

媒体読取装置３５は、眠気判定装置１にロードされるコンピュータ読取可能な記憶媒体からデータを読み取る機能を有し、後述する眠気スケールを格納する記憶媒体がロードされても良い。コンピュータ読取可能な記憶媒体は、磁気記録媒体、光記録媒体、光磁気記録媒体、半導体記憶装置などで形成可能である。上記の各プログラムは、コンピュータ読取可能な記憶媒体に格納されていても良い。媒体読取装置３５及びこの媒体読取装置３５にロードされたコンピュータ読取可能な記憶媒体は、上記記憶部の一例として機能しても良い。

Ｉ／Ｆ３６は、眠気判定装置１と外部装置のインタフェースを形成する。Ｉ／Ｆ３６は、例えばＵＳＢ（Universal Serial Bus）を有する。また、Ｉ／Ｆ３６は、眠気判定装置１と外部装置との間の無線通信を可能とする無線インタフェース機能を有しても良い。

次に、眠気推定処理を、図２５と共に説明する。図２５は、ＣＰＵ３１が実行する眠気推定処理の一例を説明するフローチャートである。図２５において、ステップＳ１１１では、被評価者が実際に車両を運転する前の安静状態で、ＣＰＵ３１が被評価者の心拍波形をセンサ１０１で測定する。安静状態とは、外乱が比較的少なく人間の呼吸が安定している状態を言う。ステップＳ１１２では、ＣＰＵ３１が心拍波形に基づいてＰＰＩを時系列化した心拍間隔データを求める。ステップＳ１１２では、ＣＰＵ３１がノイズによって断続した心拍間隔データ列があれば、上記のいずれかの補間処理を含む図１３の状態判定処理を行う。この場合、図１３のステップＳ１〜Ｓ４は、ステップＳ１１２に含まれても良い。ステップＳ１１３では、ＣＰＵ３１が心拍間隔データの周波数解析を行い、周波数解析結果を初期状態として設定する。ステップＳ１１４では、ＣＰＵ３１が設定された初期状態に基づいて、被評価者の眠気を例えば周知の方法で推定し、処理は終了する。図１３のステップＳ５〜Ｓ１１は、ステップＳ１１３，Ｓ１１４に含まれても良い。

センサが測定した呼吸が安定した安静状態の被評価者の心拍波形に基づいてＰＰＩ（R-R Interval）を時系列化した心拍間隔データを求め、心拍間隔データを周波数解析して、ある時間における周波数に対するパワースペクトル密度（ＰＳＤ）及び自律神経のトータルパワー（ＴＰ）を含む、心拍揺らぎの周波数解析結果を求めることができる。また、周波数解析結果を初期状態として設定し、初期状態に含まれる、推定された眠気の位置及び推定された覚醒の位置に基づいて、眠気の位置の原点と覚醒の位置の原点が設定された眠気スケールを決定することができる。

上記の実施例によれば、定常信号に混入した非定常信号（即ち、ノイズ）を除去した影響を、短期間での特徴推定による補間によって、周波数解析の精度劣化を防ぐことができる。また、このような補間は、生体変動の位相特性の判定結果を利用した特徴検知にも応用可能となる。その結果、例えば非侵襲な脈波の計測により、ノイズが多発する被評価者の状態変化をリアルタイムで連続して推定することができ、より安定した被評価者の状態推定を行うことで、例えば安全操作支援を提供することができる。

以上の実施例を含む実施形態に関し、更に以下の付記を開示する。
（付記１）
生体信号の間隔の時系列データに含まれるノイズ区間を検知すると共に、前記時系列データに含まれる基本成分であり短周期で変化する波形の短周期成分と前記基本成分より長周期で変化する波形の長周期成分との周期構造の位相及び振幅を推定する波形評価手段と、
前記ノイズ区間のデータ列を除去し、前記ノイズ区間の前後のデータ列の位相を乱さないように前記長周期成分の変調を加えたデータ列の補間パターンを前記ノイズ区間に挿入することで、前記ノイズ区間を基準点からの周期構造単位で置換する波形補間処理手段を備えたことを特徴とする、波形補間装置。
（付記２）
前記生体信号の間隔の時系列データは、被評価者の心拍間隔の時系列データであり、
前記波形補間処理手段は、前記被評価者の吸気動作における心拍起点を前記基準点として前記ノイズ区間を前記時系列データの短周期毎に確定し、前記短周期の基線成分に前記長周期成分を重畳したデータ列を前記補間パターンとして前記ノイズ区間に挿入することを特徴とする、付記１記載の波形補間装置。
（付記３）
前記波形評価手段は、
前記時系列データ中の突発ノイズ及び定常ノイズを判定する脈波分析部と、
前記生体信号の間隔を計測して振幅及び間隔が正常な正常脈拍と振幅または間隔が正常ではない不整脈を判定する脈波間隔計測部と、
前記正常脈拍のデータ列から移動平均法により前記短周期がゼロの基準点を推定する短周期分析部と、
前記正常脈拍のデータ列から移動平均法により前記長周期がゼロの基準点を推定する長周期分析部
を有することを特徴とする、付記２記載の波形補間装置。
（付記４）
前記短周期は、心拍変動から求めた被評価者の呼吸変動に依存し、
前記長周期は、前記心拍変動から求めた前記被評価者の血圧変動に依存し、
前記波形補間処理手段は、前記血圧変動に依存する変化を前記時系列データの前記短周期の平均値の変化として近似し、呼吸性基本変動に血圧性変動を合成した補間データ列を前記補間パターンとして前記ノイズ区間に挿入することを特徴とする、付記１乃至３のいずれか１項記載の波形補間装置。
（付記５）
前記波形補間処理手段は、前記時系列データを前記短周期の単位に分割し、前記血圧変動に相当する前記長周期成分の振幅と前記短周期の基線成分との差に基づいた基準点のオフセットを前記基線成分に重畳し、心拍起点が前記時系列データの前記心拍起点と一致する、前記ノイズ区間内の前記短周期データ列を置換するべき補間パターンを生成することを特徴とする、付記４記載の波形補間装置。
（付記６）
前記波形補間処理手段は、前記ノイズ区間が想定した長周期を超えた場合に、前記想定した長周期分の補間パターンで前記ノイズ区間を補間することを特徴とする、付記１乃至５のいずれか１項記載の波形補間装置。
（付記７）
コンピュータが、
生体信号の間隔の時系列データに含まれるノイズ区間を検知すると共に、前記時系列データに含まれる基本成分であり短周期で変化する波形の短周期成分と前記基本成分より長周期で変化する波形の長周期成分との周期構造の位相及び振幅を推定し、
前記ノイズ区間のデータ列を除去し、前記ノイズ区間の前後のデータ列の位相を乱さないように前記長周期成分の変調を加えたデータ列の補間パターンを前記ノイズ区間に挿入することで、前記ノイズ区間を基準点からの周期構造単位で置換する
ことを特徴とする、波形補間方法。
（付記８）
前記生体信号の間隔の時系列データは、被評価者の心拍間隔の時系列データであり、
前記置換は、前記被評価者の吸気動作における心拍起点を前記基準点として前記ノイズ区間を前記時系列データの短周期毎に確定し、前記短周期の基線成分に前記長周期成分を重畳したデータ列を前記補間パターンとして前記ノイズ区間に挿入することを特徴とする、付記７記載の波形補間方法。
（付記９）
前記推定は、
前記時系列データ中の突発ノイズ及び定常ノイズを判定し、
前記生体信号の間隔を計測して振幅及び間隔が正常な正常脈拍と振幅または間隔が正常ではない不整脈を判定し、
前記正常脈拍のデータ列から移動平均法により前記短周期がゼロの基準点を推定し、
前記正常脈拍のデータ列から移動平均法により前記長周期がゼロの基準点を推定する
処理を含むことを特徴とする、付記８記載の波形補間方法。
（付記１０）
前記短周期は、心拍変動から求めた被評価者の呼吸変動に依存し、
前記長周期は、前記心拍変動から求めた前記被評価者の血圧変動に依存し、
前記置換は、前記血圧変動に依存する変化を前記時系列データの前記短周期の平均値の変化として近似し、呼吸性基本変動に血圧性変動を合成した補間データ列を前記補間パターンとして前記ノイズ区間に挿入することを特徴とする、付記７乃至９のいずれか１項記載の波形補間方法。
（付記１１）
前記置換は、前記時系列データを前記短周期の単位に分割し、前記血圧変動に相当する前記長周期成分の振幅と前記短周期の基線成分との差に基づいた基準点のオフセットを前記基線成分に重畳し、心拍起点が前記時系列データの前記心拍起点と一致する、前記ノイズ区間内の前記短周期データ列を置換するべき補間パターンを生成することを特徴とする、付記１０記載の波形補間方法。
（付記１２）
前記置換は、前記ノイズ区間が想定した長周期を超えた場合に、前記想定した長周期分の補間パターンで前記ノイズ区間を補間することを特徴とする、付記７乃至１１のいずれか１項記載の波形補間装置。
（付記１３）
コンピュータに補間処理を実行させるプログラムであって、
生体信号の間隔の時系列データに含まれるノイズ区間を検知すると共に、前記時系列データに含まれる基本成分であり短周期で変化する波形の短周期成分と前記基本成分より長周期で変化する波形の長周期成分との周期構造の位相及び振幅を推定する波形評価手順と、
前記ノイズ区間のデータ列を除去し、前記ノイズ区間の前後のデータ列の位相を乱さないように前記長周期成分の変調を加えたデータ列の補間パターンを前記ノイズ区間に挿入することで、前記ノイズ区間を基準点からの周期構造単位で置換する波形補間処理手順と
を前記コンピュータに実行させることを特徴とする、プログラム。
（付記１４）
前記生体信号の間隔の時系列データは、被評価者の心拍間隔の時系列データであり、
前記波形補間処理手順は、前記被評価者の吸気動作における心拍起点を前記基準点として前記ノイズ区間を前記時系列データの短周期毎に確定し、前記短周期の基線成分に前記長周期成分を重畳したデータ列を前記補間パターンとして前記ノイズ区間に挿入することを特徴とする、付記１３記載のプログラム。
（付記１５）
前記波形評価手順は、
前記時系列データ中の突発ノイズ及び定常ノイズを判定し、
前記生体信号の間隔を計測して振幅及び間隔が正常な正常脈拍と振幅または間隔が正常ではない不整脈を判定し、
前記正常脈拍のデータ列から移動平均法により前記短周期がゼロの基準点を推定し、
前記正常脈拍のデータ列から移動平均法により前記長周期がゼロの基準点を推定する
ことを特徴とする、付記１４記載のプログラム。
（付記１６）
前記短周期は、心拍変動から求めた被評価者の呼吸変動に依存し、
前記長周期は、前記心拍変動から求めた前記被評価者の血圧変動に依存し、
前記波形補間処理手順は、前記血圧変動に依存する変化を前記時系列データの前記短周期の平均値の変化として近似し、呼吸性基本変動に血圧性変動を合成した補間データ列を前記補間パターンとして前記ノイズ区間に挿入することを特徴とする、付記１３乃至１５のいずれか１項記載のプログラム。
（付記１７）
前記波形補間処理手順は、前記時系列データを前記短周期の単位に分割し、前記血圧変動に相当する前記長周期成分の振幅と前記短周期の基線成分との差に基づいた基準点のオフセットを前記基線成分に重畳し、心拍起点が前記時系列データの前記心拍起点と一致する、前記ノイズ区間内の前記短周期データ列を置換するべき補間パターンを生成することを特徴とする、付記１６記載のプログラム。
（付記１８）
前記波形補間処理手順は、前記ノイズ区間が想定した長周期を超えた場合に、前記想定した長周期分の補間パターンで前記ノイズ区間を補間することを特徴とする、付記１３乃至１７のいずれか１項記載のプログラム。

以上、開示の波形補間装置、方法及びプログラムを実施例により説明したが、本発明は上記実施例に限定されるものではなく、本発明の範囲内で種々の変形及び改良が可能であることは言うまでもない。

１ 眠気判定装置
３１ ＣＰＵ
３２ 記憶装置
３３ 入力装置
３４ 表示装置
３５ 媒体読取装置
３６ Ｉ／Ｆ
３７ バス
５０ 波形補間装置
５１ 波形評価部
５２ 波形補間処理部
５３ 周波数構造解析部
１０１ センサ

Claims (6)

1. 生体信号の間隔の時系列データに含まれるノイズ区間を検知すると共に、前記時系列データに含まれる基本成分であり短周期で変化する波形の短周期成分と前記基本成分より長周期で変化する波形の長周期成分との周期構造の位相及び振幅を推定する波形評価手段と、
   前記ノイズ区間のデータ列を除去し、前記ノイズ区間の前後のデータ列の位相を乱さないように前記長周期成分の変調を加えたデータ列の補間パターンを前記ノイズ区間に挿入することで、前記ノイズ区間を基準点からの周期構造単位で置換する波形補間処理手段を備えたことを特徴とする、波形補間装置。
2. 前記生体信号の間隔の時系列データは、被評価者の心拍間隔の時系列データであり、
   前記波形補間処理手段は、前記被評価者の吸気動作における心拍起点を前記基準点として前記ノイズ区間を前記時系列データの短周期毎に確定し、前記短周期の基線成分に前記長周期成分を重畳したデータ列を前記補間パターンとして前記ノイズ区間に挿入することを特徴とする、請求項１記載の波形補間装置。
3. 前記波形評価手段は、
   前記時系列データ中の突発ノイズ及び定常ノイズを判定する脈波分析部と、
   前記生体信号の間隔を計測して振幅及び間隔が正常な正常脈拍と振幅または間隔が正常ではない不整脈を判定する脈波間隔計測部と、
   前記正常脈拍のデータ列から移動平均法により前記短周期がゼロの基準点を推定する短周期分析部と、
   前記正常脈拍のデータ列から移動平均法により前記長周期がゼロの基準点を推定する長周期分析部
   を有することを特徴とする、請求項２記載の波形補間装置。
4. 前記短周期は、心拍変動から求めた被評価者の呼吸変動に依存し、
   前記長周期は、前記心拍変動から求めた前記被評価者の血圧変動に依存し、
   前記波形補間処理手段は、前記血圧変動に依存する変化を前記時系列データの前記短周期の平均値の変化として近似し、呼吸性基本変動に血圧性変動を合成した補間データ列を前記補間パターンとして前記ノイズ区間に挿入することを特徴とする、請求項１乃至３のいずれか１項記載の波形補間装置。
5. コンピュータが、
   生体信号の間隔の時系列データに含まれるノイズ区間を検知すると共に、前記時系列データに含まれる基本成分であり短周期で変化する波形の短周期成分と前記基本成分より長周期で変化する波形の長周期成分との周期構造の位相及び振幅を推定し、
   前記ノイズ区間のデータ列を除去し、前記ノイズ区間の前後のデータ列の位相を乱さないように前記長周期成分の変調を加えたデータ列の補間パターンを前記ノイズ区間に挿入することで、前記ノイズ区間を基準点からの周期構造単位で置換する
   ことを特徴とする、波形補間方法。
6. コンピュータに補間処理を実行させるプログラムであって、
   生体信号の間隔の時系列データに含まれるノイズ区間を検知すると共に、前記時系列データに含まれる基本成分であり短周期で変化する波形の短周期成分と前記基本成分より長周期で変化する波形の長周期成分との周期構造の位相及び振幅を推定する波形評価手順と、
   前記ノイズ区間のデータ列を除去し、前記ノイズ区間の前後のデータ列の位相を乱さないように前記長周期成分の変調を加えたデータ列の補間パターンを前記ノイズ区間に挿入することで、前記ノイズ区間を基準点からの周期構造単位で置換する波形補間処理手順と
   を前記コンピュータに実行させることを特徴とする、プログラム。

Images