JP7294844B2 - 生体情報検出装置 - Google Patents

Description

本発明は、電波を利用した生体情報検出装置に関する。

従来、電波を利用した距離測定方法としては、例えば、ＦＭ－ＣＷ（Frequency Modulated Continuous Wave）方式によるレーダ（以下「ＦＭ－ＣＷレーダ」という。）を用いた生体状態検出装置が提案されている（例えば、特許文献１参照）。

特許文献１に記載された生体状態検出装置は、周波数変調した連続波による送信波を、生体を含む対象物に送信し、送信波と対象物からの反射波との周波数差に基づいて、対象物までの予め定められた距離ごとの強度を時系列的に示す距離スペクトル強度データを検出するＦＭ－ＣＷレーダと、ＦＭ－ＣＷレーダの検出結果から、生体の呼吸に基づく体動信号を抽出する抽出手段と、体動信号に基づいて生体の姿勢が座位であるか臥位であるか、又は生体の呼吸を判定する判定手段とを備える。

特許第５８４８４６９号公報

生体（通常は人）の姿勢や呼吸数だけでなく、心拍数やベッド上に居るか居ないか（在／不在）、ベッドでの起き上がり等の生体に関する情報を取得して生体を監視したいという要請がある。

また、心拍数を検出するバンド型や呼吸数を検出する衣服型のウェアラブルデバイスが知られているが、身に付ける煩わしさがあり、非接触による検出が要望されている。

本発明の目的は、生体の心拍数を含む生体に関する情報を非接触で検出することができる生体情報検出装置を提供することにある。

［１］周波数変調した連続波による送信波を、生体を含む対象物に送信し、前記送信波と前記対象物からの反射波との周波数差に基づいて、前記対象物までの距離毎の強度を時系列的に示す距離スペクトル強度データを検出する検出部と、
前記検出部から出力される距離スペクトル強度データと前記距離スペクトル強度データに予め定められた時間の遅延を与えたデータとの差を前記距離毎に求めた第１の差分データを算出する第１の算出部と、
前記第１の差分データから前記生体の心拍数に対応する周波数成分を抽出する第１の抽出部と、を備えた生体情報検出装置。
［２］前記検出部から出力される距離スペクトル強度データと前記距離スペクトル強度データに予め定められた時間の遅延を与えたデータに対して行った移動平均処理によるデータとの差を前記距離毎に求めた第２の差分データを算出する第２の算出部と、
前記第２の差分データから前記生体の呼吸数に対応する周波数成分を抽出する第２の抽出部と、をさらに備えた前記［１］に記載の生体情報検出装置。
［３］当該生体情報検出装置は、前記生体が寝るベッドのヘッドボードに配置された、前記［１］又は［２］に記載の生体情報検出装置。

本発明によれば、生体の心拍数を含む生体に関する情報を非接触で検出することができる。

図１は、本発明の実施の形態に係る生体情報検出装置が配置されたベッドの一例を示し、（ａ）は平面図、（ｂ）は側面図である。 図２は、本実施の形態に係る生体情報検出装置の構成例を示すブロック図である。 図３は、第１のステート判定部及び第２のステート判定部における状態遷移の一例を示す図である。 図４は、第３のステート判定部における状態遷移の一例を示す図である。 図５は、判定テーブルの一例を示す図である。 図６は、位置判定部が出力するセンサからの距離の一例を示す図である。 図７は、ベッド及びその周辺におけるパワーの時系列的変化の一例を示す図である。 図８は、パワーの時系列的変化の一例を示し、（ａ）は心拍０°、（ｂ）は心拍９０°、（ｃ）は呼吸０°、（ｄ）は呼吸９０°を示す図である。

以下、本発明の実施の形態について図面を参照して説明する。なお、各図中、実質的に同一の機能を有する構成要素については、同一の符号を付してその重複した説明を省略する。

［実施の形態］
図１は、本発明の実施の形態に係る生体情報検出装置が配置されたベッドの一例を示し、（ａ）は平面図、（ｂ）は側面図である。

同図に示すベッド１０は、フレーム１１と、マットレス１２とを備える。フレーム１１は、マットレス１２が配置される床板１１０と、床板１１０の頭部側に立設した木製のヘッドボード１１１と、複数本の脚１１２とを備える。ヘッドボード１１１の外側の面１１１ａに生体情報検出装置（以下「センサ」ともいう。）１が配置されている。なお、センサ１をヘッドボード１１１の上部、内部、又は内側の面に配置してもよい。

センサ１は、例えば、ベッド１０又はその周辺における対象者Ｐの生体情報を検出する。「生体情報」とは、生体の位置や生体の状態等の生体に関する情報をいう。生体情報には、例えば、ベッド１０上の在／不在、活動状態、着床状態、ベッド１０上の姿勢、呼吸数、心拍数（脈拍数）等が含まれる。対象者Ｐは、生体の一例である。なお、生体は、犬、猫等の動物でもよい。また、対象者Ｐは複数でもよい。

センサ１の検出可能距離は、例えば０～２ｍである。センサ１からの距離に応じて同心円状に、第１の検出エリア（例えば、０．７ｍ以下）１２１、及び第２の検出エリア（例えば、０．７ｍを超え２ｍ以下）１２２が設定されている。第１の検出エリア１２１及び第２の検出エリア１２２によりベッド１０をカバーすることができる。なお、センサ１の検出可能距離を例えば０～３ｍとし、２ｍを超え３ｍ以下の第３の検出エリアを設定してもよい。第３の検出エリアを設定することにより、例えば、ベッド１０のヘッドボード１１１と反対側の方から対象者Ｐが接近する動きを検出することができる。

図２は、センサ１の構成例を示すブロック図である。センサ１は、検出系２と、第１の処理系３と、第２の処理系４と、通信部５とを備える。

通信部５は、第１の処理系３及び第２の処理系４により得られた生体情報の検出結果を有線又は無線により外部に送信する。外部としては、例えば、対象者Ｐを管理する管理センタ等が考えられる。管理センタは、通信部５から送信された生体情報に基づいて警報を発する等の動作を行う。

（検出系の構成）
検出系２は、ＲＦレーダ２０と、Ｉ／Ｑ折畳同期加算部２１と、周波数変換部２２とを備える。

ＲＦレーダ２０は、周波数変調した連続波による送信波を対象物（生体等の移動体やベッド等の固定物を含む。）に送信し、対象物からの反射波を受信し、送信波と反射波との周波数差（ビート周波数）をＩ信号及びＱ信号（以下「ＩＱ信号」という。）として出力する。送信波は、例えば２４ＧＨｚ帯を用いる。掃引周波数帯域を２００ＭＨｚとした場合、ＲＦレーダ２０は、２４．０５ＧＨｚ～２４．２５ＧＨｚの範囲で変調した送信波を送信する。なお、周波数帯は、２４ＧＨｚに限られない。

Ｉ／Ｑ折畳同期加算部２１は、ＲＦレーダ２０から出力されたＩＱ信号の重ね合わせを予め定められた回数繰り返し行う。これによりＩＱ信号のＳＮ比が向上する。

周波数変換部２２は、Ｉ／Ｑ折畳同期加算部２１から出力されたＩＱ信号をフーリエ変換することにより、対象物までの距離毎の強度（以下、パワーともいう。）を時系列的に示すデータ（以下「距離スペクトル強度データ」ともいう。）を出力する。

（第１の処理系の構成）
第１の処理系３は、第１の差分データ算出部３０と、スペクトラム変換部３１と、フィルタ部３２と、位置判定部３３と、エリア毎パワー部３４と、第１の動作判定部３５と、ノイズフロア検出部３６と、第１の抽出部３７と、第１のステート判定部３８と、判定テーブル３９０（図４参照）を保持する第３のステート判定部３９とを備える。第１の差分データ算出部３０は、第１の算出部の一例である。なお、第３のステート判定部３９は、第２の処理系４に設けられてもよく、第１の処理系３及び第４の処理系４とは独立して設けられてもよい。

第１の差分データ算出部３０は、周波数変換部２２から出力される距離スペクトル強度データに予め定められた時間（例えば、２０．４８ｍｓ）の遅延を与える遅延部３０ａと、周波数変換部２２の出力データに遅延部３０ａの出力データを加算する加算部３０ｂとを備える。これにより距離スペクトル強度データと時系列的にその１つ前の距離スペクトル強度データとの差を距離毎に求めた差分データが得られる。

スペクトラム変換部３１は、第１の差分データ算出部３０からの差分データに対し、連続する複数の周波数ＢＩＮ毎にパワーを求め、それを対数に変換する。

フィルタ部３２は、スペクトラム変換部３１の出力データに対して連続する複数の周波数ＢＩＮ毎に移動平均処理（ローパスフィルタに相当する処理）を行い、処理結果（距離毎のパワー）を第１の動き情報３２ａとして位置判定部３３に出力する。なお、第１の動き情報３２ａには全ての位置のパワーが含まれている。

位置判定部３３は、第１の処理系３のフィルタ部３２からの第１の動き情報３２ａと第２の処理系４のフィルタ部４２からの第２の動き情報４２ａのピーク位置（センサ１からピークまでの距離）に基づいて、対象者Ｐのベッド１０上の位置（例えば、センサ１から０．７ｍ以内、センサ１から０．７ｍを超え２ｍ以内、ベッド１０外等）を判定し、それを位置情報３３ａとして第３のステート判定部３９に出力する。

第１の処理系３のフィルタ部３２から対象者Ｐの毎分６０回以上の比較的速い第１の動きの情報（例えば、歩行等の体動）３２ａが得られ、第２の処理系４のフィルタ部４２から対象者Ｐの毎分５０回以下の比較的遅い第２の動きの情報（例えば、呼吸数等）４２ａが得られる。

第１の動き情報３２ａ及び第２の動き情報４２ａには、パワーのピークが発生したときの時間及びセンサ１からの距離が含まれる。したがって、位置判定部３３は、パワーのピークが発生した時間及び距離を追跡することにより、対象者Ｐのベッド１０上の現在の位置及び位置の変化等の位置情報３３ａを検出することができる。

また、位置判定部３３は、第１の動き情報３２ａに基づいてセンサ１から対象者Ｐのまでの距離の情報（図６参照）を生成し、これを位置情報３３ａとして第３のステート判定部３９に出力する。図６は、位置判定部３３が出力するセンサ１からの距離の一例を示す図である。図６の横軸は時間（検出単位等）を示す。

エリア毎パワー部３４は、算出に使用する距離範囲を指定することでエリア１２１、１２２毎のパワーを出力する。すなわち、エリア毎パワー部３４は、第１の差分データ算出部３０から出力された距離スペクトル強度データを、第１の検出エリア１２１に関する距離スペクトル強度データ（以下「第１のエリア動き情報」という。）３４ａと、第２の検出エリア１２２に関する第１のエリア動き情報３４ｂとに分けて出力する。

第１の動作判定部３５は、エリア毎パワー部３４が出力したエリア１２１、１２２毎の第１のエリア動き情報３４ａ、３４ｂと、ノイズフロア検出部３６が検出した最小ノイズフロア３６ａとに基づいて、第１の検出エリア１２１及び第２の検出エリア１２２における対象者Ｐの体動の有無を判定し、判定結果を動作情報３５ａ（図７参照）として第３のステート判定部３９に出力する。

すなわち、第１の動作判定部３５は、第１の検出エリア１２１及び第２の検出エリア１２２におけるパワーが最小ノイズフロア３６ａを超え、さらに閾値以上に変動した場合、その位置で対象者Ｐの体動があったと判定する。

第１の動作判定部３５は、エリア毎パワー部３４が出力する第１のエリア動き情報３４ａ、３４ｂのいずれか一方が予め定められた時間（例えば２秒）のパワーの平均値が体動の閾値（例えば、２０ｄＢ）以上の場合（図７のａ、ｃ、ｄ参照）、体動が「有」の動作情報３５ａを第３のステート判定部３９に出力する。また、第１の動作判定部３５は、エリア毎パワー部３４が出力する第１のエリア動き情報３４ａ、３４ｂの両方が予め定められた時間（例えば２秒）のパワーの平均値が体動の閾値（例えば、２０ｄＢ）未満の場合（図７のｂ参照）、体動が「無」の動作情報３５ａを第３のステート判定部３９に出力する。

ノイズフロア検出部３６は、第１の検出エリア１２１におけるパワーの最小値を追跡することで最小ノイズフロア３６ａ（図７参照）を検出する。但し、最小ノイズフロア３６ａは、値が極端に変化しないように変化量を制限している。

第１の抽出部３７は、第１の差分データ算出部３０から出力された差分データから心拍数を抽出する。第１の抽出部３７は、バンドバスフィルタ３７０と、オートゲイン３７１と、櫛型フィルタ３７２と、ピーク毎ＳＮ比算出部３７３とを備える。

バンドパスフィルタ３７０は、第１の差分データ算出部３０から出力された差分データのうち一般の人の心拍の周波数成分（例えば、５０～１５０ｂｐｍ）が通過するようにフィルタ係数が設定されている。

オートゲイン３７１は、バンドパスフィルタ３７０の出力信号の平均パワーが所定の値になるようにゲインを調整し、位相差０°のＩ信号３７１ａ（図８（ａ）参照）、及び位相差９０°のＱ信号３７１ｂ（図８（ｂ）参照）を出力する。図８（ａ）、（ｂ）は、オートゲイン３７１の出力信号の一例を示す図である。図８（ａ）、（ｂ）の横軸は時間（秒）を示し、縦軸はパワー（ｄＢ）を示す。図８（ａ）、（ｂ）に示すように、バンドパスフィルタ３７０を通過させることにより、心拍数を含む信号３７１ａ、３７１ｂが得られることが分かる。

櫛型フィルタ３７２は、検出された信号から心拍数を特定し、ピーク毎ＳＮ比算出部３７３は、周期性（ピーク）を評価することにより、安定的に心拍数を出力する。

第１のステート判定部３８は、図３に示す「待ち」、「探索」、「収束」、「安定」のいずれの状態であるかを判定し、「探索」、「収束」、「安定」の各状態の心拍数を心拍情報３８ａとして通信部５に出力する。なお、以下は第１のステート判定部３８について説明するが、第２のステート判定部４８においても検出対象以外は第１のステート判定部３８と同様であるので、説明を省略する。

具体的には、「待ち」の状態のときに第３のステート判定部３９から「着床」の状態になったことが通知されると、「探索」に移行する。「探索」では、第１の抽出部３７からの出力データに対して計算に用いられる時間幅が比較的短い移動平均を行う。ＳＮ比が低いが「探索」に移行してから短い時間（例えば、数十秒以下）で心拍数を算出することができる。「探索」の状態が予め定められた時間継続すると、「収束」に移行する。「収束」では、第１の抽出部３７からの出力データに対して計算に用いられる時間幅が比較的長い移動平均を行う。まだＳＮ比が低いが「探索」よりは精度の高い心拍数を「収束」に移行してから短い時間（例えば、数十秒以下）で算出することができる。「収束」の状態が予め定められた時間継続すると、「安定」に移行する。「安定」では、第１の抽出部３７からの出力データに対して計算に用いられる時間幅が比較的長い移動平均を行うことで、ＳＮ比の高くなるため、「収束」よりも精度の高い心拍数を算出することができる。複数の段階で心拍数を算出することにより、長い時間待たなくても低い精度であるが心拍数を知ることができる。

第３のステート判定部３９は、位置判定部３３からの位置情報３３ａ、第１の動作判定部３５からの動作情報３５ａ、及び第２の動作判定部４５からの在／不在情報４５ａに基づいて、図５の判定テーブル３９０に従い、現在の対象者Ｐの状態（ステート）が図４に示す「着床」、「寝ている」、「寝た状態で体動」、「起き上がり」、「離床」のいずれの状態にあるかを判定し、その判定結果を姿勢情報３９ａとして通信部５に出力する。

図５は、判定テーブル３９０の一例を示す図である。判定テーブル３９０は、状態として、「着床」、「寝ている」、「寝た状態で体動」、「起き上がり」、「離床」を有する。判定テーブル３９０中の「ベッド」は対象者Ｐが存在する位置がベッド１０の位置であることを示し、「０．７ｍ超え」はセンサ１から対象者Ｐまでの距離が０．７ｍを超えたことを示し、「ベッド外」は対象者Ｐがベッド１０に存在しなくなったことを示す。判定テーブル３９０中の「有」は対象者Ｐに体動があったことを示し、「無」は対象者Ｐに体動がなかったことを示し、「在」は対象者Ｐがベッド１０の上に存在していることを示し、「不在」は対象者Ｐがベッド１０の上に存在していないことを示す。

（第２の処理系の構成）
第２の処理系４は、第２の差分データ算出部４０と、スペクトラム変換部４１と、フィルタ部４２と、エリア毎パワー部４４と、第２の動作判定部４５と、ノイズフロア検出部４６と、第２の抽出部４７と、第２のステート判定部４８とを備える。第２の差分データ算出部４０は、第２の算出部の一例である。

第２の差分データ算出部４０は、周波数変換部２２から出力される距離スペクトル強度データに予め定められた時間（例えば、２０．４８ｍｓ）の遅延を与えるとともに、周波数変換部２２から出力される距離スペクトル強度データに対して移動平均処理を行う移動平均部４０ａと、周波数変換部２２の出力データに移動平均部４０ａの出力データを加算する加算部４０ｂとを備える。これにより距離スペクトル強度データと時系列的にその１つ前の距離スペクトル強度データとの差を距離毎に求めた差分データが得られる。

移動平均処理では、時系列的に連続するＮ個の値を平均した平均値を、時間方向に１つずつ移動しながら算出する。検出したい動きの周波数に応じてＮの値を定めればよい。本実施の形態では、毎分１０～５０回の呼吸数が検出できるようにＮの値を定める。なお、移動平均処理は、単純移動平均を用いてもよく、重み付け移動平均を用いてもよい。重み付け移動平均を用いることにより、本来のデータに近いデータが得られる。重み付け移動平均は、直近ほど大きな係数を用いる。

スペクトラム変換部４１と、第１の処理系３のスペクトラム変換部３１と同様に、連続する複数の周波数ＢＩＮ毎にパワーを求め、それを対数に変換する。

フィルタ部４２は、第１の処理系３のフィルタ部３２と同様に、スペクトラム変換部４１の出力データに対して連続する複数の周波数ＢＩＮ毎に移動平均処理（ローパスフィルタに相当する処理）を行い、処理結果（距離毎のパワー）を第２の動き情報４２ａとして位置判定部３３に出力する。なお、第２の動き情報４２ａには、全ての位置のパワーが含まれている。

エリア毎パワー部４４は、第１の処理系３のエリア毎パワー部３４と同様に、算出に使用する距離範囲を指定することでエリア１２１、１２２毎のパワーを算出する。すなわち、エリア毎パワー部４４は、第２の差分データ算出部４０から出力された距離スペクトル強度データを、第１の検出エリア１２１に関する距離スペクトル強度データ（以下「第２のエリア動き情報」という。）４４ａと、第２の検出エリア１２２に関する第２のエリア動き情報４４ｂとに分けて出力する。

第２の動作判定部４５は、エリア毎パワー部４４が算出したエリア１２１、１２２毎の第２のエリア動き情報４４ａ、４４ｂと、ノイズフロア検出部４６が検出した最小ノイズフロア４６ａとに基づいて、対象者Ｐのベッド１０に存在（着床）しているか否かを示す在／不在情報４５ａ（図７参照）を第３のステート判定部３９に出力する。

すなわち、第２の動作判定部４５は、第１の検出エリア１２１及び第２の検出エリア１２２におけるパワーが最小ノイズフロアを超え、さらに閾値以上に変動した場合、その位置に対象者Ｐがいると判定する。なお、動作判定部４５は、ノイズフロア検出部４６のデータを用いずにエリア毎パワー部４４の出力データのレベルと予め定めた閾値との比較によりベッド１０上の在／不在を判定してもよい。

第２の動作判定部４５は、エリア毎パワー部４４が出力する第２のエリア動き情報４４ａ、４４ｂのいずれか一方が予め定められた時間（例えば２秒）のパワーの平均値が在／不在の閾値（例えば、２０ｄＢ）以上の場合、「在」の在／不在情報４５ａを第３のステート判定部３９に出力する。また、第２の動作判定部４５は、エリア毎パワー部４４が出力する第２のエリア動き情報４４ａ、４４ｂの両方が予め定められた時間（例えば２秒）のパワーの平均値が在／不在の閾値（例えば、２０ｄＢ）未満の場合、「不在」の在／不在情報４５ａを第３のステート判定部３９に出力する。

ノイズフロア検出部４６は、第１の処理系３のノイズフロ検出部３６と同様に、第１の検出エリア１２１におけるパワーの最小値を追跡することで最小ノイズフロア４６ａを検出する。但し、最小ノイズフロア４９ａは、値が極端に変化しないように変化量を制限している。

第２の抽出部４７は、バンドバスフィルタ４７０と、オートゲイン４７１と、櫛型フィルタ４７２と、ピーク毎ＳＮ比算出部４７３とを備える。

バンドパスフィルタ４７０は、第２の差分データ算出部４０から出力された差分データのうち一般の人の呼吸の周波数成分（例えば、５～５０ｂｐｍ）が通過するようにフィルタ係数が設定されている。

オートゲイン４７１は、バンドパスフィルタ３７０の出力信号の平均パワーが所定の値になるようにゲインを調整し、位相差０°のＩ信号４７１ａ（図８（ｃ）参照）、及び位相差９０°のＱ信号４７１ｂ（図８（ｄ）参照）を出力する。図８（ｃ）、（ｄ）は、オートゲイン４７１の出力信号の一例を示す図である。図８（ｃ）、（ｄ）の横軸は時間（秒）を示し、縦軸はパワー（ｄＢ）を示す。図８（ｃ）、（ｄ）に示すように、バンドパスフィルタ４７０を通過させることにより、呼吸数を含む信号４７１ａ、４７１ｂが得られることが分かる。

櫛型フィルタ４７２は、検出された信号から呼吸数を特定し、ピーク毎ＳＮ比算出部４７３は、周期性（ピーク）を評価することにより、安定的に呼吸数を出力する。

第２のステート判定部４８は、第１のステート判定部３８と同様に、図３に示す「待ち」、「探索」、「収束」、「安定」のいずれの状態であるかを判定し、「探索」、「収束」、「安定」の各状態の呼吸数を呼吸情報４８ａとして通信部５に出力する。

（実施の形態の動作）
次に、本実施の形態の動作の一例を図７を参照して説明する。図７は、ベッド１０及びその周辺におけるパワーの時系列的変化の一例を示す図である。図７の横軸は時間を示し、縦軸は動作情報３５ａ及び在／不在情報４５ａを除きパワー（ｄＢ：デシベル）を示す。

対象者Ｐがベッド１０に近づくと、図７のａで示すように、第１の処理系３のエリア毎パワー部３４から出力される第１のエリア動き情報３４ａ、及び第２の処理系４のエリア毎パワー部４４から出力される第２のエリア動き情報４４ａ（例えば、呼吸）のパワーのレベルが共に大きくなる。

次に、対象者Ｐがベッド１０に横になると、図７のｂに示すように、第１のエリア動き情報３４ａ及び第２のエリア動き情報４４ａのパワーのレベルは、共に小さくなるが、第１のエリア動き情報３４ａの方が第２のエリア動き情報４４ａよりもレベルは小さくなる。対象者Ｐの体動が呼吸よりも遅くなると、このような傾向になる。図７のａからｂに移行し、ｂの区間が予め定められた第１の時間継続することで、第３のステート判定部３９は、「着床」と判定する。図７のｂの区間が現れなかった場合は、第３のステート判定部３９は、「離床」と判定する。図７のｂの区間が予め定められた第２の時間（第１の時間よりも長い）継続することで、第３のステート判定部３９は、「寝ている」と判定する。

対象者Ｐがベッド１０の上で寝返りをすると、図７のｃ、ｄに示すように、体が動くため、第１のエリア動き情報３４ａ及び第２のエリア動き情報４４ａのパワーが共に瞬間的に大きくなる。図７のｃ、ｄの区間では、第３のステート判定部３９は、「寝た状態で体動」と判定する。図７のｃ、ｄの区間で図６に示すように、位置判定部３３から０．７ｍを超える距離の情報が出力された場合、第３のステート判定部３９は、「起き上がり」と判定する。

（実施の形態の効果）
本実施の形態によれば、以下の効果を奏する。
（１）第１の差分データ算出部３０が出力する差分データから対象者Ｐの心拍数に対応する周波数成分を抽出しているので、対象者Ｐの心拍数を高精度に非接触で検出することができる。
（２）第２の差分データ算出部４０が出力する差分データから対象者Ｐの呼吸数に対応する周波数成分を抽出しているので、対象者Ｐの呼吸数を高精度に非接触で検出することができる。
（３）生体情報検出装置１をベッド１０のヘッドボード１１に配置しているので、生体情報検出装置１を天井に配置した場合よりもセンサ１の検出可能距離に対するセンサ１からの距離の変化が大きいため、対象者Ｐのベッド１０における起き上がり動作を高精度に検出することができる。

［変形例］
なお、本発明の実施の形態は、上記実施の形態に限定されるものではなく、本発明の要旨を変更しない範囲内で種々に変形、実施が可能である。

１…生体情報検出装置（センサ）、２…検出系、３…第１の処理系、
４…第２の処理系、５…通信部、
１０…ベッド、１１…フレーム、１２…マットレス、
２０…ＲＦレーダ、２１…Ｉ／Ｑ折畳同期加算部、２２…周波数変換部、
３０…第１の差分データ算出部、３０ａ…遅延部、３０ｂ…加算部、
３１…スペクトラム変換部、３２…フィルタ部、３３…位置判定部、
３３ａ…位置情報、３４…エリア毎パワー部、
３４ａ、３４ｂ…第１のエリア動き情報、３５…第１の動作判定部、
３６…ノイズフロア検出部、３６ａ…最小ノイズフロア、
３８…第１のステート判定部、３８ａ…心拍情報、３９…第３のステート判定部、
４０…第２の差分データ算出部、４０ａ…移動平均部、４０ｂ…加算部、
４１…スペクトラム変換部、４２…フィルタ部、４４…エリア毎パワー部、
４４ａ、４４ｂ…第２のエリア動き情報、４５…第２の動作判定部、
４５ａ…在／不在情報、４６…ノイズフロア検出部、４６ａ…最小ノイズフロア、
４７…第２の抽出部、４８…第２のステート判定部、４８ａ…呼吸情報、
１１０…床板、１１１…ヘッドボード、１１２…脚、１１１ａ…外側の面、
１２１…第１のエリア、１２２…第２の検出エリア、
３７０…バンドバスフィルタ、３７１…オートゲイン、３７１ａ…Ｉ信号、
３７１ｂ…Ｑ信号、３７２…櫛型フィルタ、３７３…ピーク毎ＳＮ比算出部、
４７０…バンドバスフィルタ、４７１…オートゲイン、４７１ａ…Ｉ信号、
４７１ｂ…Ｑ信号、４７２…櫛型フィルタ、４７３…ピーク毎ＳＮ比算出部、
Ｐ…対象者

Claims (3)

1. 周波数変調した連続波による送信波を、生体を含む対象物に送信し、前記送信波と前記対象物からの反射波との周波数差に基づいて、前記対象物までの距離毎の強度を時系列的に示す距離スペクトル強度データを検出する検出部と、
   前記検出部から出力される距離スペクトル強度データと前記距離スペクトル強度データに予め定められた時間の遅延を与えたデータとの差を前記距離毎に求めた第１の差分データを算出する第１の算出部と、
   前記第１の差分データから前記生体の心拍数に対応する周波数成分を抽出する第１の抽出部と、
   を備えた生体情報検出装置。
2. 前記検出部から出力される距離スペクトル強度データと前記距離スペクトル強度データに予め定められた時間の遅延を与えたデータに対して行った移動平均処理によるデータとの差を前記距離毎に求めた第２の差分データを算出する第２の算出部と、
   前記第２の差分データから前記生体の呼吸数に対応する周波数成分を抽出する第２の抽出部と、
   をさらに備えた請求項１に記載の生体情報検出装置。
3. 当該生体情報検出装置は、前記生体が寝るベッドのヘッドボードに配置された、
   請求項１又は２に記載の生体情報検出装置。

Images