JP6718681B2 - センサ装置、センサネットワークシステム、およびデータ圧縮方法 - Google Patents

Description

この開示は、センサ装置、およびセンサ装置によって検出されたデータを収集するためのセンサネットワークシステムに関する。さらに、この開示は、センサによって検出されたデータを圧縮するためのデータ圧縮方法に関する。

ワイヤレスセンサネットワーク（ＷＳＮ：Wireless Sensor Network、以下では単にセンサネットワークとも称する）とは、多数のセンサ付き無線端末（センサノードと称する）を含む通信ネットワークであり、各センサノードからの情報を収集するために用いられる。ワイヤレスセンサネットワークでは、ＺｉｇＢｅｅ（登録商標）、ＥｎＯｃｅａｎ（登録商標）、Ｗｉ−ＳＵＮ（登録商標）、ＢＬＥ（Bluetooth（登録商標） Low Energy）などの通信方式が利用される。

各センサノードから送信されたデータは、中継器によって中継された後、サーバなどの上位の計算機に送信される。上位計算機は、多数のセンサノードから受信したデータに基づいて、各種の処理を実行する。

センサネットワークにおいて、各センサノードは、外部電源を必要とすることなく動作可能であることが望ましい。このため、一般的には各センサノードは、低消費電力化のために間欠的に動作するように構成される。間欠動作とは、タスクを実行するときのみ、センサおよび通信装置などの周辺装置を駆動するものである。

一方、監視対象物の異常を検出するためのセンサなどでは、多数のセンサを常時動作させる必要がある。このように多数のセンサを常時動作させる状況では、使用する通信電力の確保の問題および膨大なデータ量を送信するために無線帯域の確保の問題などが生じ得る。したがって、送信データ量の削減が必須の課題である。

特開２０１０−４９５８４号公報（特許文献１）は、サンプリング速度が速いデータを測定するセンサノードを多数備えながらも、無線ネットワークの通信帯域を確保可能なセンサネットワークシステムを提供することを目的としたものである。具体的にこの文献に記載のセンサノードは、所定の観測期間に取得した観測値から特徴量を算出し、特徴量が所定の閾値を超えるか否かを判定する。センサノードは、算出した特徴量が所定の閾値を超えた場合にのみ、上記の観測期間に取得した観測値をサーバに送信する。ここで、特徴量とは、観測値の特徴を数値化して表した量であり、判断基準として使用できる量のことである。複数の観測値を用いて単一のデータあるいは複数の観測値よりデータ量の少ない複数のデータが算出され、特徴量として使用される（特許文献１の段落００１９）。

特開２０１０−４９５８４号公報

上記の特許文献１は、特徴量を実際にどのように算出するかについては、一例しか示していない。具体的に、この文献の例では、センサノードは構造物の応力解析を行うための振動センサとして３軸加速度センサを備え、特徴量としてパワースペクトルにおける１次固有振動数対応するパワー値が用いられる。しかしながら、実際の計算では、元の時間信号の（すなわち、全周波数領域の）加速度の２乗平均値が近似値として簡易的に計算される（特許文献１の段落００５３〜００５６）。このように、上記の特許文献１に記載の方法の場合、１次固有振動数におけるパワー値のみ（実際上は、所定期間の全パワー値）を特徴量として用いているために、他の特徴がより重要な場合、たとえば、所定周波数（高次の固有振動数など）におけるパワー値の時間変化に注目したい場合には適切な方法とは言えない。

さらに、上記の特許文献１のセンサノードには、観測期間に対して短い波形などで、特徴量が閾値を超過し難いために波形の検知が困難になるという問題がある。異常振動などはパルス波形状であることも多く、それらを検知するためには送信期間をより短く設定する必要があるが、通信頻度の増加や他のセンサとの通信干渉が発生するリスクが高くなり、目的の無線帯域確保が難しい。また、特徴量が閾値を超過する頻度が高い場合は通信量の削減効果が得られない。この問題点を解決する他の方式として、随時閾値判定を行うセンサノードが考えられる。しかしながら、信号によってはチャタリングのような状態（特徴量が閾値を超えることが頻繁に繰り返される状態）になり、高頻度な送信が行われるリスクがあり、センサノードでの電力の大量消費や通信障害を発生させる原因になり得るので、ワイヤレスセンサノードには適さない。

この発明は、上記の問題点を考慮してなされたものであり、その目的は、センサによる検出データに基づいて特徴的な信号変化を含む区間を特定し、これによってデータを圧縮するデータ圧縮方法、ならびにこの方法で圧縮されたデータを送信することによって通信量を削減することが可能なセンサ装置およびセンサネットワークシステムを提供することである。その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

この発明は、一局面においてセンサ素子であって、物理量を時系列的に検出するセンサ素子と、データ処理部と、通信部とを備える。データ処理部は、センサ素子によって所定期間内に検出された時系列データに対してフィルタ処理を行うことにより特定の周波数成分の時系列データを抽出し、抽出された時系列データと予め定める閾値とを比較することによって所定期間内の１または複数の有意区間を決定する。抽出された時系列データは、各有意区間において閾値を超えている。通信部は、センサ素子によって所定期間内に検出された時系列データのうちで各有意区間における時系列データをまとめて無線送信する。

上記構成によれば、時系列データに含まれる信号強度が大きく変化する部分のみを有意区間とし、この有意区間の時系列データのみが送信されるので、センサ装置の通信量を削減することができる。

この発明は、他の局面においてセンサ素子であって、物理量を時系列的に検出するセンサ素子と、データ処理部と、通信部とを備える。データ処理部は、センサ素子によって所定期間内に検出された時系列データを設定された時間フレームごとにフーリエ変換し、得られたスペクトルの特徴を表す複数の特徴量を抽出する。そして、データ処理部は、複数の特徴量の間の関係が予め定める基準を満たしているか否かを判定することによって所定期間内の１または複数の有意区間を決定する。各有意区間に対応する１または複数の時間フレームの各々において、複数の特徴量の間の関係は上記の基準を満たしている。通信部は、センサ素子によって所定期間内に検出された時系列データのうちで各有意区間における時系列データをまとめて無線送信する。

上記構成によれば、時系列データから得られたスペクトルの特徴部分の変化に基づいて有意区間を設定することによって、時系列データの特徴的部分のみを送信することが可能になる。これによって、センサ装置の通信量を削減することが可能になる。

上記の一局面および他局面において、好ましくは、データ処理部は、さらに、各有意区間の始点を早めて終点を遅らせることによって各有意区間の時間幅を拡張する。通信部は、各有意区間毎に、時間幅の拡張によって増加した部分を含めた全体を１つの有意区間として、各有意区間内の時系列データを無線送信する。

上記構成によれば、センサ素子によって検出される信号の変化が時間的に離散して生じている場合に、各信号の変化をより完全に抽出することができる。

好ましくは、データ処理部は、各有意区間の時間幅を拡張することによって隣接する複数の有意区間に重なりが生じた場合には、隣接する複数の有意区間をまとめて１つの有意区間として取り扱う。

上記構成によれば、センサ素子によって検出される信号の激しく変化している場合に、データ送信する区間数を減らすことができる。

通信部は、各有意区間に対応する時刻を表す情報とともに各有意区間の時系列データをまとめて無線送信する。

この発明はさらに他の局面において、上記の複数のセンサ装置と、各センサ装置と無線通信するゲートウェイ装置とを備えたセンサネットワークシステムである。

この発明はさらに他の局面においてデータ圧縮方法であって、センサ素子によって所定期間内に検出された時系列データに対して、プロセッサがフィルタ処理を行うことにより特定の周波数成分の時系列データを抽出するステップと、プロセッサが、抽出された時系列データにと予め定める閾値とを比較することによって所定期間内の１または複数の有意区間を決定するステップとを備える。抽出された時系列データは、各有意区間において閾値を超えている。データ圧縮方法は、さらに、プロセッサが、センサ素子によって所定期間内に検出された時系列データのうちで各有意区間におけるデータのみを抽出するステップを備える。

したがって、この発明によれば、センサネットワークにおいて、センサ装置から無線送信されるデータ量を削減することができる。

無線センサネットワークシステムの概略的構成を示すブロック図である。 図１のセンサ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２のセンサ装置によるデータ処理の手順を示すフローチャートである。 図３のデータの処理の具体例の一例を示す図である。 図４で説明したデータ処理の変形例を示す図である。 図５で説明したデータ処理の変形例を示す図である。 図３のデータ処理の他の具体例を示す図である。 図７で説明したデータ処理の変形例を示す図である。 図２の実施形態のセンサネットワークにおいて、各センサ装置によるデータ処理の手順を示すフローチャートである。 パワースペクトルの一例を示す図である。 第２の実施形態において有意区間の判定について説明するための図である。

以下、実施形態について図面を参照して詳しく説明する。なお、同一または相当する部分には同一の参照符号を付して、その説明を繰返さない。

＜第１の実施形態＞
［センサネットワークの構成］
図１は、無線センサネットワークシステムの概略的構成を示すブロック図である。無線センサネットワークシステム（Wireless Sensor Network System）（この明細書では、センサネットワークシステムとも称する）１は、多数のセンサ装置１０とゲートウェイ装置２０とを含む。センサ装置１０はセンサノードとも称し、ゲートウェイ装置２０はコントロールノードとも称する。

各センサ装置１０は、周囲の物理量などを時系列的に検出するためのセンサ素子を内蔵する。各センサ装置１０は、センサ素子によって検出された時系列データに基づく情報を送信するための無線通信端末として構成される。各センサ装置１０とゲートウェイ装置２０との間の通信には、ＺｉｇＢｅｅ（登録商標）、ＥｎＯｃｅａｎ（登録商標）、Ｗｉ−ＳＵＮ（登録商標）、ＢＬＥ（Bluetooth（登録商標） Low Energy）などの通信方式が利用される。

本センサネットワークシステムにおいて特徴的な点は、各センサ装置１０は、通信量を削減するために、時系列データに基づいて時間軸上の有意区間を定め、有意区間内の時系列データのみを送信する点にある。有意区間の具体的な決定方法については後述する。

各センサ装置１０は、他のセンサ装置１０からの送信データをゲートウェイ装置２０へ転送するための中継ルーティング機能を有していてもよい。さらに、各センサ装置１０は、互いに直接通信するためのアドホック機能を有していてもよい。また、センサネットワークを構成する複数のセンサ装置１０は、ツリー型のネットワークを構成していてもよいし、メッシュ型のネットワークを構成していてもよい。

ゲートウェイ装置２０は、複数のセンサ装置１０の各々から送信されたデータを受信し、受信したデータをインターネットなどのネットワーク４０を介して上位計算機（パーソナルコンピュータ、サーバ、クラウドなど）４１に送信する。さらに、ゲートウェイ装置２０は、各センサ装置１０に対する制御命令および設定情報などを、上位計算機４１からネットワーク４０を介して受信する。ゲートウェイ装置２０は、各センサ装置１０から送信されたデータを単に中継するだけでなく、受信データを記憶および／または演算する機能を備えていていもよい。ゲートウェイ装置２０と上位側ネットワーク４０との間の通信には、有線ＬＡＮ（Local Area Network）、ＷｉＦｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）などが用いられる。

［センサ装置のハードウェア構成］
図２は、図１のセンサ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２を参照して、センサ装置１０は、センサ素子１２と、ＣＰＵ（Central Processing Unit）１４と、メモリ１５と、通信部１６と、電源１７とを含む。ＣＰＵ１４とメモリ１５とその他の周辺装置（不図示）とを含めて、ＭＣＵ（マイクロコントローラ：Micro Control Unit）１３として構成されていてもよい。

センサ素子１２は、監視対象物の物理量を時系列的に検出する。センサ素子１２の種類は特に限定されず、いかなる物理量を検出するセンサ素子に対しても、本開示は適用可能である。たとえば、加速度センサ、ジャイロセンサ、音響センサ（マイクなど）の他、磁気センサ、電界センサ、電流センサ、電圧センサ、圧力センサ、流量センサ、温度センサ、照度センサ、湿度センサなど、様々なセンサをセンサ素子１２として用いることができる。さらに、本開示は、センサ素子を間欠動作させるのでなく、常時動作させなければならない用途に好適に適用される。なお、図２では、１個のセンサ素子１２のみが示されているが、複数個のセンサ素子がセンサ装置１０に設けられていてもよい。

センサ素子１２によって時系列的に検出された物理量（以下、「時系列データ」と称する）は、メモリ１５に一時的に格納される。センサ素子１２がアナログ信号を出力するように構成されている場合には、センサ素子１２の出力信号はフィルタ処理されＡ／Ｄ（Analog to Digital）コンバータ（不図示）によってデジタルデータに変換された後にメモリ１５に格納される。

ＣＰＵ１４は、センサ素子１２によって検出されてメモリ１５に格納された時系列データを用いて演算処理を行うデータ処理部として機能する。具体的に、ＣＰＵ１４は、センサ素子１２によって検出された時系列データに対してフィルタ処理（ローパス、バンドパス、またはハイパスなど）を行うことによって特定の周波数成分の時系列データを抽出し、抽出した時系列データと予め定める閾値とを比較することによって時間軸上の有意区間を決定する。ここで、抽出された特定の周波数成分の時系列データは、決定した有意区間において閾値を超えている。ＣＰＵ１４による上記のデータ処理の具体例については後述する。

通信部１６は、センサ素子１２によって検出された時系列データのうちで上記の有意区間におけるデータのみをゲートウェイ装置２０に無線送信する。この無線通信には、前述のＺｉｇＢｅｅ（登録商標）等の通信方式が利用される。ゲートウェイ装置２０は、センサ装置１０から受信したデータを、インターネット４０を介して上位計算機４１に送信する。上位計算機４１は、ゲートウェイ装置２０を介して受信したデータに基づいて、たとえば、監視対象物の異常の有無を検出する。

電源１７は、センサ装置１０を構成する各要素１２，１４，１５，１６に駆動電圧を供給する。センサ装置１０は、外部から電源供給を受けずに、内部の電源１７のみによって動作するように構成されているのが望ましい。このため、例えば電源１７は太陽電池と蓄電池によって構成される。この場合、太陽電池の発電電力によって蓄電池が充電され、蓄電池の出力電圧によってセンサ装置１０の各要素１２，１４，１５，１６が駆動される。

［データ処理の手順］
上述したように、センサネットワークシステム１において各センサ装置１０は、検出した時系列データに基づいて時間軸上の有意区間を決定し、有意区間内の時系列データのみを無線送信する。以下では、各センサ装置１０におけるデータ処理手順を説明し、次に、データ処理の具体例について説明する。

図３は、図２のセンサ装置によるデータ処理の手順を示すフローチャートである。図２および図３を参照して、まず、センサ素子１２によって監視対象物の物理量が時系列的に検出される（ステップＳ１００）。検出された物理量のアナログ信号は、アナログフィルタ（不図示）によってフィルタ処理され、その後、Ａ／Ｄ変換器（不図示）によってサンプリングされることによってデジタルデータに変換される（ステップＳ１１０）。ＣＰＵ１４は、この物理量の時系列データをメモリ１５に一時的に格納する（ステップＳ１２０）。

上記のステップＳ１００，Ｓ１１０，Ｓ１２０は、閾値判定の対象となる期間（以下、「判定期間」と称する）の時系列データの取得が完了するまで、すなわち、時系列データの検出を開始してから所定の判定期間が経過するまで（ステップＳ１２５でＹＥＳとなるまで）繰り返し実行される。判定期間が経過すると（ステップＳ１２５でＹＥＳ）、ＣＰＵ１４は、この判定期間内に検出された時系列データに対して以下のデータ処理を行う。このデータ処理と並行して、次の判定期間の時系列データがセンサ素子１２によって検出されメモリ１５に格納される。

データ処理では、まずＣＰＵ１４は、判定期間内の時系列データに対してデジタルフィルタ処理を行うことによって、特定の周波数成分の時系列データを抽出する（ステップＳ１３０）。抽出する周波数成分は監視対象の特徴（たとえば、異常時にどの周波数成分が変化するか）によって異なるので、デジタルフィルタはデータ処理の目的に応じてローパスフィルタ（ＬＰＦ）、バンドパスフィルタ（ＢＰＦ）、またはハイパスフィルタ（ＨＰＦ）を始めとするＦＩＲ（Finite Impulse Response）フィルタもしくはＩＩＲ（Infinite impulse response）フィルタ等が用いられる。

次に、ＣＰＵ１４は、抽出された特定の周波数成分の時系列データと予め定める閾値とを比較することによって、判定期間内において１または複数の有意区間を決定する（ステップＳ１４０）。抽出された特定の周波数成分の時系列データは、各有意区間において連続的に閾値を超えている。

次に、ＣＰＵ１４は、各有意区間の時間幅を前後に拡張する処理、すなわち、各有意区間の始点を早めて終点を遅らせる処理（以下、この処理を「膨潤処理」と称する）を行う（ステップＳ１５０）。各有意区間ごとに、この膨潤処理によって増加した部分を含めた全体が１つの有意区間として取り扱われる。さらに、ＣＰＵ１４は、膨潤処理を行うことによって、隣接する複数の有意区間に重なりが生じた場合には、隣接する複数の有意区間をまとめて１つの有意区間として取り扱う。この処理によって、変化の激しい信号の場合に有意区間の個数を減らすことができ、結果として、データの送信区間数を削減することができる。

次に、ＣＰＵ１４は、センサ素子１２によって判定期間内に検出された時系列データのうち、各有意区間内のデータのみを抽出する（有意区間内の時系列データを切り出す）（ステップＳ１６０）。通信部１６は、抽出された各有意区間内の時系列データのみをまとめてゲートウェイ装置２０に送信する（ステップＳ１７０）。この場合、各有意区間に対応する時刻を表す情報（たとえば、各有意区間の開始時刻または終了時刻などの情報）も送信データとともに出力される。以下、各センサ装置１０において、上記の手順が繰り返される。なお、上記のステップＳ１７０に代えて、連続する複数の判定期間内で抽出された各有意区間の時系列データをまとめてゲートウェイ装置２０に送信するようにしてもよい。これによって通信回数を削減することができる。

上位計算機４１は、ゲートウェイ２０を介して複数のセンサ装置１０と通信することにより、各センサ装置１０からの出力データを受信可能に構成されている。上位計算機４１は、いずれかのセンサ装置１０からデータ（各有意区間内の時系列データ）を受信すると、受信データをメモリに格納する。さらに、上位計算機４１は、複数のセンサ装置１０の各々から受信したデータに基づいて、監視対象物を監視する（たとえば、監視対象物が正常か否かを判定する）。

［データ処理の具体例］
（例１）
図４は、図３のデータの処理の具体例の一例を示す図である。図４では、信号の強度変化が時間的に離散して生じている場合（他の時間帯はノイズ成分のみの場合）が示されている。また、図４では、膨潤処理（図３のステップＳ１５０）が行われない例が示されている。図４に示す１００［ａ．ｕ．］の期間が、前述の判定期間に対応すると考えることができる。

図４（Ａ）は、センサ素子１２によって検出された時系列データの波形を示す図である。図４（Ｂ）は、図４（Ａ）に示す時系列データに対して、ローパスフィルタ処理を行った結果を示す波形図である。

図４（Ｃ）は、有意区間を示す波形（以下、この波形を「通信窓波形」とも称する）を示す図である。有意区間は、図４（Ｂ）に示すローパスフィルタ処理後の時系列データと閾値とを比較することによって得られる。図４（Ｃ）において、通信窓波形の値が“１”の区間は有意区間を示し、通信窓波形の値が“０”の区間は非有意区間を示す。

センサ装置１０から上位計算機４１に送信されるデータは、図４（Ａ）の時系列データから図４（Ｃ）に示す通信窓波形の有意区間のみのデータを抜き出すことによって得られる。図４（Ｄ）は、上位計算機４１によって再生されたデータを示す波形図である。図４（Ｄ）において、非有意区間（通信窓波形が０の区間）はセンサ装置１０から時系列データが外部に出力されていない。図４（Ａ）の時系列データと比較すると、図４（Ｄ）の再生データでは信号強度が小さい部分は削除されていることがわかる。

図５は、図４で説明したデータ処理の変形例を示す図である。図５では、図４のデータ処理に膨潤処理を含めた例が示されている。図５（Ａ）〜（Ｃ）については、図４（Ａ）〜（Ｃ）と同じであるので説明を繰返さない。

図５（Ｄ）は、図５（Ｃ）に示す通信窓波形に対して所定の拡張幅で膨潤処理を行った例を示す図である。図５（Ｄ）に示す膨潤処理後の通信窓波形では、図５（Ｃ）に示す膨潤処理前の通信窓波形に比べて、波形値が“１”の区間（有意区間）が拡張されていることがわかる。

センサ装置１０から上位計算機４１に送信されるデータは、図５（Ａ）の時系列データから図５（Ｄ）に示す通信窓波形の有意区間のみのデータを抜き出すことによって得られる。図５（Ｅ）は、上位計算機４１によって再生されたデータを示す波形図である。図４（Ｄ）に示す再生データの波形図と比較すると、図５（Ｅ）の生成データでは、膨潤処理によって波形全体が復元できている。図５（Ｅ）の場合、図５（Ａ）に示す元の時系列データに対するデータ圧縮率は４５％である。

図６は、図５で説明したデータ処理の変形例を示す図である。図６では、ローパスフィルタ処理に代えてバンドパスフィルタ処理が行われる例を示している。

図６（Ａ）は、センサ素子１２によって検出された時系列データの波形を示しており、図５（Ａ）の場合と同じである。図６（Ｂ）は、図６（Ａ）の時系列データに対してバンドパスフィルタ処理を行った結果を示す波形図である。

図６（Ｃ）は、有意区間を表す波形（通信窓波形）を示す図である。有意区間は、図６（Ｂ）に示すバンドパスフィルタ処理後の時系列データと閾値とを比較することによって得られる。図６（Ｃ）において、通信窓波形の値が“１”の区間は有意区間を示し、通信窓波形の値が“０”の区間は非有意区間を示す。

図６（Ｄ）は、図６（Ｃ）に示す通信窓波形に対して所定の拡張幅で膨潤処理を行った例を示す図である。図６（Ｄ）の場合には、膨潤処理後の通信窓（有意区間）に重なりが生じるために、隣接する２個の通信窓が１つにまとめられている。このように膨潤処理によって有意区間の数が不用意に多くなることを防止でき、抜き出した各有意区間に付加される時間情報が増えることによる圧縮率の低下を抑制できる。また、仮に有意区間の数が多くなったとしても、通信に関しては同時に膨潤処理を行う前述の判定期間毎もしくはそれ以上の周期において実施されることから、信号や判定結果によって通信頻度が変わることはなく、高頻度送信などの現象は発生しない。

センサ装置１０から上位計算機４１に送信されるデータは、図６（Ａ）の時系列データから図６（Ｄ）に示す通信窓波形の有意区間のみのデータを抜き出すことによって得られる。図６（Ｅ）は、上位計算機４１によって再生されたデータを示す波形図である。

（例２）
図７は、図３のデータ処理の他の具体例を示す図である。図７に示す５００［ａ．ｕ．］の期間が、前述の判定期間に対応すると考えることができる。図７（Ａ）では、信号強度が連続的に変動する場合の時系列データの例が示されている。具体的にこの例では、心臓の拍動の波形図を示している。心拍波形は、Ｐ波、Ｑ波、Ｒ波、Ｓ波、Ｔ波、Ｕ波という様々な要素を含む連続変動波形である。

図７（Ｂ）は、図７（Ａ）に示す時系列データに対してハイパスフィルタ処理を行った結果を示す波形図である。

図７（Ｃ）は、有意区間を表す波形（通信窓波形）を示す図である。有意区間は、図７（Ｂ）に示すハイパスフィルタ処理後の時系列データと閾値とを比較することによって得られる。図７（Ｃ）において、通信窓波形の値が“１”の区間は有意区間を示し、通信窓波形の値が“０”の区間は非有意区間を示す。

図７（Ｄ）は、図７（Ｃ）に示す通信窓波形に対して所定の拡張幅で膨潤処理を行った例を示す図である。図７（Ｄ）において、膨潤処理後の複数の通信窓に重なりが生じた場合には、隣接する複数の通信窓が１つにまとめられている。

センサ装置１０から上位計算機４１に送信されるデータは、図７（Ａ）の時系列データから図７（Ｄ）に示す通信窓波形の有意区間のみのデータを抜き出すことによって得られる。非有意区間の部分のデータは、センサ装置１０から外部に出力されない。

図７（Ｅ）は、上位計算機４１によって再生されたデータを示す波形図である。各非有意区間では、本事例では直前の有意区間の最後のデータ値がそのまま維持されているが、線形補間などで補間してもよい。図７（Ｅ）において点線は、図７（Ａ）の元の時系列データの波形を示している。図７（Ｅ）の場合、図７（Ａ）に示す元の時系列データに対するデータ圧縮率は７４％である。元の時系列データのうちで激しく信号が変化する部分の特徴を失わずにデータ量を抑制できるという効果が得られている。

図８は、図７で説明したデータ処理の変形例を示す図である。図８の例では、有意区間を決定する際の閾値の値が図７の場合よりも大きくなっている。図８（Ａ），（Ｂ）については、図７（Ａ），（Ｂ）と同じであるので説明を繰返さない。

図８（Ｃ）は、有意区間を表す波形（通信窓波形）を示す図である。図７（Ｃ）の場合よりも大きな閾値が用いられているので、有意区間の総数および各有意区間の時間幅が図７（Ｃ）の場合よりも小さくなっている。

図８（Ｄ）は、図８（Ｃ）に示す通信窓波形に対して所定の拡張幅で膨潤処理を行った例を示す図である。図８（Ｄ）において、膨潤処理後の複数の通信窓に重なりが生じた場合には、隣接する複数の通信窓が１つにまとめられている。

センサ装置１０から上位計算機４１に送信されるデータは、図８（Ａ）の時系列データから図８（Ｄ）に示す通信窓波形の有意区間のみのデータを抜き出すことによって得られる。非有意区間の部分のデータは、センサ装置１０から外部に出力されない。

図８（Ｅ）は、上位計算機４１によって再生されたデータを示す波形図である。各非有意区間では、本事例では直前の有意区間の最後のデータ値がそのまま維持されているが、線形補間などで補間してもよい。図８（Ｅ）において点線は、図８（Ａ）の元の時系列データの波形を示している。図８（Ｅ）の場合、図８（Ａ）に示す元の時系列データに対するデータ圧縮率は５２％である。図７（Ｅ）の場合よりもデータ圧縮率が小さくなって（圧縮の程度が大きくなっている）おり、再生状況は図７（Ｅ）に比較して劣化しているものの、元の時系列データの概形を再生できている。

［効果］
上記の例１の場合、すなわち、信号の変動部分が離散的に生じる場合には、離散的に生じる信号強度の変動部分に合わせたサンプリングレートでデータを取得すると、データ量が膨大になってしまうという問題がある。データ量を削減するためにサンプリングレートを下げると細かな変動が取得できずにデータの精度が犠牲になる。これに対して、本実施形態の場合には、通信データ量を抑えるともに必要な周波数領域に対応する部分のデータを精度良く取得できるという効果がある。有意な信号の発生率が低下すればするほど、大きなデータ圧縮効果が得られる。

さらに、上記の例２のように、信号強度が連続的に変動する場合においても、本実施形態によれば、信号が変動する部分の特徴を失わずに送信するデータ量を圧縮することが可能である。

＜第２の実施形態＞
第２の実施形態では、有意区間の判定方法が第１の実施形態の場合と異なる。センサネットワークの構成およびセンサ装置のハードウェア構成は、第１の実施形態の場合とほぼ同じであるので説明を繰返さない。さらに、第１の実施形態の場合と同様に、決定された各有意区間に対して膨潤処理を行ってもよい。

［データ処理の概要］
図９は、図２の実施形態のセンサネットワークにおいて、各センサ装置によるデータ処理の手順を示すフローチャートである。図９のステップＳ２００，Ｓ２１０，Ｓ２２０，Ｓ２２５，Ｓ２５０，Ｓ２６０，Ｓ２７０における処理は、図３のステップＳ１００，Ｓ１１０，Ｓ１２０，Ｓ１２５，Ｓ１５０，Ｓ１６０，Ｓ１７０における処理とそれぞれほぼ同じであるので、以下では説明を繰返さない。

図９のステップＳ２３０，Ｓ２３５，Ｓ２４０の処理は、図３のステップＳ１３０のフィルタ処理に対応する。図９のこれらのステップでは、フィルタ処理に代えて、元の時系列データをフーリエ変換し、得られたスペクトルの特徴を表す複数の特徴量を抽出するという処理を行っている。さらに、図９のステップＳ２４５の処理は、図３のステップＳ１４０に対応するものであり、複数の特徴量の間の関係が予め定める基準を満たしているか否かを判定することによって判定期間内で１または複数の有意区間を決定するものである。以下のこれらの各ステップの処理を図２および図９を参照して具体的に説明する。

［前処理およびＦＦＴ］
まず、ＣＰＵ１４は、センサ素子１２によって判定期間内に検出された時系列データに対して、前処理（ステップＳ２３０）を行った後にフーリエ変換（ステップＳ２３５）を行う。フーリエ変換として、たとえば、ＦＦＴ（Fast Fourier Transformation）が用いられる。

具体的に、前処理は窓処理を含む。窓処理とは、ＦＦＴの対象となるＮ個の時系列データを切り出すために窓関数を時系列データに掛け合わせる処理である。窓関数として、たとえば、方形窓、ハニング窓、ハミング窓、またはブラックマン窓などが用いられる。窓処理によって切り出されたＦＦＴの対象区間は、一般に「フレーム」と呼ばれる。前処理として他に、デジタルフィルタによるプリエンファシスフィルタを用いて周波数域強調を行ってもよい。

ＣＰＵ１４は、フレームの位置を少しずつずらしながら、判定期間内の時系列データを順次切り出してＦＦＴを行う。たとえば、時系列データのサンプリング周期をＴｓ［秒］とすると、ＣＰＵ１４は、ｍ×Ｔｓ（１≦ｍ≦Ｎを満たす整数）ごとに、現時点までに得られたＮ個の時系列データに対してＦＦＴを実行する。ＦＦＴの結果であるフーリエスペクトルには、振幅スペクトルと位相スペクトルとがある。さらに、パワースペクトルが計算される場合もある。

［特徴量の算出］
次に、ＣＰＵ１４は、各フレームごとに、ＦＦＴによって得られたスペクトルの特徴を表す複数の特徴量を求める（ステップＳ２４０）。以下、具体的な特徴量の例について説明する。

（１．卓越周波数および／またはピーク値）
図１０は、パワースペクトルの一例を示す図である。パワースペクトルに代えて振幅スペクトルを用いてもよい。このようなスペクトルの形状の特徴を特徴量として用いることができる。

具体的に、図１０のパワースペクトルには、６個の局所的なピーク（極大点）が示されている。これらのピーク値を与える周波数を卓越周波数ｆ０〜ｆ５と称する。ここでは卓越周波数には対応するピーク値の大きいものから順に次数がつけられている。第０次卓越周波数ｆ０を含む所定次数（１０次程度）までの卓越周波数および／またはそのピーク値を特徴量として利用することができる。

（２．周波数区間ごとの統計量）
周波数空間を等間隔に分割するか、周波数の対数の空間を等間隔に分割することによって、複数の周波数区間を生成し、生成した周波数区間ごとの統計量を特徴量として用いることができる。たとえば、図１０の場合には、周波数区間が等間隔に複数の区間ＦＳ１〜ＦＳ５に分割され、周波数区間ごとの特徴量として最大値（Ｍａｘ）、最小値（Ｍｉｎ）、中央値（Ｍｅｄｉａｎ）が抽出される。中央値に代えて平均値（Ａｖｅｒａｇｅ）を用いてもよい。通常は平均値として相加平均が用いられるが、振幅表現として対数が好ましい信号の場合には平均値として相乗平均を用いてもよい。さらに、上記の場合、各周波数区間の最大値、最小値、および中央値に対応する周波数列を特徴量として用いてもよいし、最大値、最小値、中央値と各対応の周波数との両方を特徴量として用いてもよい。また、同様の結果を得られる演算として、周波数空間を等間隔に分割したマルチバンドパスフィルタでの計算値を用いてもよい。さらに、周波数空間を等比分割した１／ｎオクターブ分析（対数空間で等間隔なマルチバンドパス）による係数列を用いてもよい。

（３．メル周波数ケプストラム係数列）
音声データの場合などでは、メル周波数ケプストラム係数列（ＭＦＣＣ：Mel-Frequency Cepstrum Coefficients）を特徴量として抽出してもよい。時系列データに対して人間の感覚に合致した分析処理を行う場合（低周波振動に重要度を持たせる場合）は、ＭＦＣＣが有効である。

ＭＦＣＣの算出では、まず、パワースペクトルデータまたは振幅スペクトルデータにメルフィルタバンクを乗算することによってデータ圧縮する。メルフィルタバンクとは、バンドパスフィルタのアレイであり、周波数軸上で２０程度に分割されたフィルタを有する。各フィルタの周波数幅は異なっており、聴覚特性の心理尺度に合わせて、低周波数ほど密（周波数幅が狭い）になり、高周波数ほど粗（周波数幅が広い）になっている。メルフィルタバンクの乗算によって圧縮されたスペクトルデータは、対数処理を施した後に離散コサイン変換される。離散コサイン変換によって得られたケプストラムの低次成分がＭＦＣＣである。

［有意区間の判定］
再び図９を参照して、次に、ＣＰＵ１４は、複数の特徴量の間の関係が予め定める基準を満たしているか否かを判定することによって、判定期間において１または複数の有意区間を決定する（ステップＳ２４５）。各有意区間には、１または複数の時間フレーム（前処理（ステップＳ２３０）における窓）が対応し、対応する各時間フレームにおいて算出された複数の特徴量は上記の基準を満たしている。

たとえば、特徴量としてスペクトルの複数のピーク値（ａ₀，ａ₁，ａ₂，ａ₃，…）を用いる場合には、これらのピーク値（ａ_k，ただしｋ＝１，２，３，…）に対して判定条件を設定し、判定条件が満たされる場合に、対応する時間フレームが有意区間に含まれると判定される。判定条件として、各ピーク値または係数ａ_kと所定の閾値との大小関係、もしくは規格化されたピーク値または係数（ａ_k／ａ_i，ｋ≠ｉ）と所定の閾値との大小関係、もしくはこれらの複合条件が用いられる。

図１１は、第２の実施形態において有意区間の判定について説明するための図である。図１１では、有意区間の判定条件は、主要振幅ａ₀と、特徴的なピークが生じ得る周波数ｆ₂（この周波数ｆ₂と周波数ｆ₀との関係は既知である）における振幅ａ₂との比が、所定の閾値以上となることである。この判定条件が満たされる場合に、対応する時間フレームが有意区間に含まれると判定される。図１１（Ａ）は有意区間でないと判定された通常時のスペクトル波形を示し、図１１（Ｂ）は有意区間と判定された場合のスペクトル波形を示す。図１１（Ｂ）では、周波数ｆ₂における振幅ａ₂の大きさが図１１（Ａ）の場合に比べて増加している。

［効果］
本実施形態によれば、センサ素子によって検出された時系列データのフーリエスペクトルにおける複数の特徴量の間の関係に基づいて有意区間が決定されるので、例えば監視対象物の異常判定に必要な期間の時系列データのみを精度良く抽出することできる。この結果、単純な時系列データの閾値判定（主には信号の有無による）の適応が難しい事象の抽出が可能となり、たとえば常時振動があり時系列波形のモニタだけでは判別困難な振動対象において、振動の状況の変化のみを高感度に検出することができる。

今回開示された実施形態はすべての点で例示であって制限的なものでないと考えられるべきである。この発明の範囲は上記した説明ではなくて請求の範囲によって示され、請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１ センサネットワークシステム、１０ センサ装置、１２ センサ素子、１４ ＣＰＵ、１５ メモリ、１６ 通信部、１７ 電源、２０ ゲートウェイ装置、４０ ネットワーク、４１ 上位計算機。

Claims (6)

1. 物理量を時系列的に検出するセンサ素子と、
   データ処理部と、
   通信部とを備え、
   前記データ処理部は、前記センサ素子によって所定期間内に検出された時系列データに対してフィルタ処理を行うことにより特定の周波数成分の時系列データを抽出し、前記抽出された時系列データと予め定める閾値とを比較することによって前記所定期間内の１または複数の有意区間を決定し、
   前記抽出された時系列データは、各前記有意区間において前記閾値を超えており、
   前記データ処理部は、さらに、各前記有意区間の始点を早めて終点を遅らせることによって各前記有意区間の時間幅を拡張し、
   前記通信部は、前記センサ素子によって前記所定期間内に検出された時系列データのうちで各前記有意区間における時系列データをまとめて無線送信し、
   前記通信部は、前記有意区間ごとに、時間幅の拡張によって増加した部分を含めた全体を１つの有意区間として取り扱う、センサ装置。
2. 物理量を時系列的に検出するセンサ素子と、
   データ処理部と、
   通信部とを備え、
   前記データ処理部は、前記センサ素子によって所定期間内に検出された時系列データを設定された時間フレームごとにフーリエ変換し、得られたスペクトルの特徴を表す複数の特徴量を抽出し、
   前記データ処理部は、前記複数の特徴量の間の関係が予め定める基準を満たしているか否かを判定することによって前記所定期間内の１または複数の有意区間を決定し、
   各前記有意区間に対応する１または複数の時間フレームの各々において、前記複数の特徴量の間の関係は前記基準を満たしており、
   前記データ処理部は、さらに、各前記有意区間の始点を早めて終点を遅らせることによって各前記有意区間の時間幅を拡張し、
   前記通信部は、前記センサ素子によって前記所定期間内に検出された時系列データのうちで各前記有意区間における時系列データをまとめて無線送信し、
   前記通信部は、前記有意区間ごとに、時間幅の拡張によって増加した部分を含めた全体を１つの有意区間として取り扱う、センサ装置。
3. 前記データ処理部は、各前記有意区間の時間幅を拡張することによって隣接する複数の有意区間に重なりが生じた場合には、前記隣接する複数の有意区間をまとめて１つの有意区間として取り扱う、請求項１または２に記載のセンサ装置。
4. 前記通信部は、各前記有意区間に対応する時刻を表す情報とともに各前記有意区間の時系列データをまとめて無線送信する、請求項３に記載のセンサ装置。
5. 請求項１〜４のいずれか１項に記載の複数のセンサ装置と、
   各前記センサ装置と無線通信するゲートウェイ装置とを備える、センサネットワークシステム。
6. データ圧縮方法であって、
   センサ素子によって所定期間内に検出された時系列データに対して、プロセッサがフィルタ処理を行うことにより特定の周波数成分の時系列データを抽出するステップと、
   前記プロセッサが、前記抽出された時系列データと予め定める閾値とを比較することによって前記所定期間内の１または複数の有意区間を決定するステップとを備え、
   前記抽出された時系列データは、各前記有意区間において前記閾値を超えており、
   前記データ圧縮方法は、さらに、
   前記プロセッサが、各前記有意区間の始点を早めて終点を遅らせることによって各前記有意区間の時間幅を拡張するステップと、
   前記プロセッサが、前記センサ素子によって検出された時系列データのうちで各前記有意区間における時系列データのみを抽出するステップを備え、
   前記プロセッサは、各有意区間ごとに、時間幅の拡張によって増加した部分を含めた全体を１つの有意区間として取り扱う、データ圧縮方法。