JP7451387B2 - データ処理装置、データ処理方法、及びプログラム - Google Patents

Description

本発明の実施形態は、データ処理装置、データ処理方法、及びプログラムに関する。

上水道の末端である給水管や、その上流に位置する配水管等から発生する水漏れ（漏水）を、振動センサで取得した時系列振動データまたはマイクロホンで取得した時系列音声データを解析することにより、漏水の有無を判定する技術がある。データの測定箇所は、各家庭に備え付けられた水道メータ上やその周囲の配管または止水栓などである。判定の際に、周囲環境からのノイズが混入する場合が少なくない。ノイズは、例えば、自動車の通過音等の交通騒音や、往来する人の会話音声，屋外に設置した室外機や自動販売機等からの機械騒音などである。自動車などの交通騒音は、漏水と誤判定されてしまう場合があった。

国際公開第２０１７／１９９４５５号 特開平１０－７８３７１号公報

本発明が解決しようとする課題は、漏水音以外の変動成分を精度良く検出することができるデータ処理装置、データ処理方法、及びプログラムを提供することである。

実施形態のデータ処理装置は、取得部と、特徴量抽出部と、判定部と、を持つ。取得部は、センサが検出した時系列信号を取得する。特徴量抽出部は、前記時系列信号から変動成分の特徴量を抽出する。判定部は、所定の長さの前記時系列信号に対して第１閾値を超える期間の割合を算出し、算出した前記期間の割合に基づいて前記特徴量の変動成分の有無を判定する。

漏水判定のシステム構成の一例を示す図。 自動車など移動体が接近し遠ざかる際のセンサが検出した波形例を示す図。 図２の波形の周波数成分を解析した例を示す図。 第１の実施形態に係るデータ処理装置の構成の一例を示す図。 第１の実施形態に係る特徴量検出部のサチレーション除去部とバンドパスフィルタと振幅絶対値化部が行う処理例を示す図。 第１の実施形態に係る特徴量検出部のローパスフィルタとデータ平滑化部とｄＢ変換部とｄＢ最小値基準化部が行う処理例を示す図。 第１の実施形態に係る判定部の判定処理部と変動成分判定部が行う処理例を示す図。 第１の実施形態に係るデータ処理装置が行う処理手順例のフローチャート。 第１の実施形態による変動成分有無の判定の性能評価結果を示す図。 第１の実施形態に係る判定部が用いる他の閾値の例を示す図。 第２の実施形態に係るデータ処理装置の構成の一例を示す図。 第２の実施形態に係る特徴量検出部のローパスフィルタと振幅補正部とデータ平滑部、判定部が行う処理例を示す図。 第２の実施形態に係るデータ処理装置が行う処理手順例のフローチャート。 第２の実施形態による変動成分有無の判定の性能評価結果を示す図。

以下、実施形態のデータ処理装置、データ処理方法、及びプログラムを、図面を参照して説明する。なお、以下の実施形態では、データ処理装置として、漏水判定における変動成分の判定を行う例を説明する。

まず、漏水判定の測定例を説明する。
図１は、漏水判定のシステム構成の一例を示す図である。データの測定箇所は、例えば、各家庭に備え付けられたメーターボックス５００内の水道メータ５０１上やその周囲の配管、または止水栓５０２などである。図１の例の測定箇所は、センサ２を水道メータ５０１上である。センサ２は、例えば、振動を検出する振動センサ、音データを収音するマイクロホン等である。データ処理装置１と漏水検出器３は、センサ２が検出した検出データ（振動・音データなどの時系列信号）を取得する。漏水検出器３は、センサ２が検出した検出データに基づいて漏水の有無を検出する。データ処理装置１は、センサ２が検出した検出データに基づいて特徴量の変動成分の有無を検出する。

センサ２で検出の際は、自動車の通過音等の交通騒音、往来する人の会話音声、屋外に設置した室外機や自動販売機等からの機械騒音などノイズが混入する場合がある。図２は、自動車など移動体が接近し遠ざかる際のセンサが検出した波形例を示す図である。図２において、横軸は時間（秒）であり、縦軸は振幅の大きさ（例えば（Ｖ））である。図２のように、移動体が接近し遠ざかる際は、振幅が緩やかに増大し、測定地点近傍で最大となり、緩やかに減少していく様子がわかる。なお、測定データによっては、接近状態（緩やかに増大）、遠ざかる状態（緩やかに減少）のみの場合もある。

図３は、図２の波形の周波数成分を解析した例を示す図である。図３において、横軸は時間（秒）であり、縦軸は周波数（Ｈｚ）である。図３のように、周波数的な特徴としては３（ｋＨｚ）までの高域成分が含まれている。この帯域の周波数成分が、漏水音と誤判定される要因であり、特徴量の変動成分であると考えられる。

（第１の実施形態）
まず、本実施形態の変動成分有無を判定するデータ処理装置の構成例を説明する。
図４は、本実施形態に係るデータ処理装置の構成の一例を示す図である。図４のように、データ処理装置１は、取得部１１と、特徴量抽出部１２と、設定値設定部１３と、判定部１４と、出力部１５とを備える。

特徴量抽出部１２は、サチレーション除去部１２１と、バンドパスフィルタ１２２と、振幅絶対値化部１２３と、ローパスフィルタ１２４と、データ平滑化部１２５と、ｄＢ変換部１２６と、ｄＢ最小値基準化部１２７とを備える。
判定部１４は、判定処理部１４１と、変動成分判定部１４２とを備える。

データ処理装置１は、センサ２が検出した検出データから特徴量を抽出し、抽出した特徴量に基づいて特徴量の変動音であるか否かを判定する。

取得部１１は、センサ２が検出した検出データを取得する。検出データは、例えば、振動や音を記録した時系列信号データである。検出データは、例えばＷＡＶフォーマット形式に代表される時系列信号データである。検出データは、別フォーマットの時系列信号データであってもＷＡＶ形式に変換が可能なデータであってもよい。検出データは、例えば、ＡＤＰＣＭ（Adaptive Differential Pulse Code Modulation）、ＭＰ３、ＷＭＡ（Windows Media（登録商標） Audio）などの圧縮データでもよい。

特徴量抽出部１２は、取得部１１が取得した検出データから変動成分の特徴量を注出し、抽出した特徴量の変動成分の特徴量を示す情報を判定部１４に出力する。

サチレーション除去部１２１は、取得部１１が取得した検出データからサチレーションが発生した区間の除去を行い、サチレーションを除去した検出データをバンドパスフィルタ１２２に出力する。サチレーション除去部１２１は、突発成分や打撃成分の瞬時的な振幅超過の場合、任意に設定した時間窓幅で、超過部分が含まれる区間を抽出し除去する。なお、サチレーション除去部１２１は、例えば、所定の閾値を用いて、所定の閾値を所定時間連続して超える場合にサチレーションと判定して除去する。この閾値や所定時間も、設定値設定部１３が設定する。サチレーション除去部１２１は、全区間においてサチレーションが発生する場合、データ自体を破棄し判定処理を行わないものとし、判定不能データとして処理する。なお、サチレーションとは、振動や音を取得又は収音した時系列信号データの振幅が、例えばＷＡＶ形式等のデータフォーマットとしての振幅限界値を超えた状態、または任意に設定した許容振幅値を超えた状態である。

バンドパスフィルタ１２２は、サチレーションが除去されたデータに対して設定値設定部１３によって設定される所定の帯域を通過させる。通過させる所定の帯域は、例えば、漏水音の特徴的な周波数成分が含まれている８００～３０００（Ｈｚ）である。なお、通過させる所定の帯域は、例えば測定地域の地質や環境等に応じて、任意の帯域に設定するようにしてもよい。

振幅絶対値化部１２３は、バンドパスフィルタ１２２を通過後のデータに対して、絶対値化処理を行う。絶対値化処理を行う理由は、時間波形の振幅は正負の値を繰り返して示すため、連続的な時間変化を捉えやすくするためである。また、振幅絶対値化部１２３は、ローパスフィルタ１２４に入力するデータの先頭の例えば約０．５（秒）に、冒頭の０．５（秒）の信号をダミー信号として付加する。付加する理由は、ローパスフィルタ１２４によって、先頭区間の振幅レベルが著しく小さくなることへの対策である。

ローパスフィルタ１２４は、振幅絶対値化されたデータに対して、振幅の包絡線を抽出して連続した時間変化を捉えやすくするために、設定値設定部１３によって設定される例えばカットオフ周波数５（Ｈｚ）で低域を通過させることでエンベロープ処理を行う。なお、カットオフ周波数は、測定地域の地質や環境等に応じて、任意の帯域に設定するようにしてもよい。

データ平滑化部１２５は、ローパスフィルタ１２４を通過後のデータに対して、設定値設定部１３によって任意に設定した時間幅に含まれるサンプルの振幅を平均化することでスムージングを行う。平滑化によってデータの連続的な変化が捉えやすくなる。データ平滑化部１２５は、例えば０．１秒ごとに１秒間平均で実施する。

ｄＢ変換部１２６は、データ平滑化（スムージング）後のデータの振幅をｄＢ（デシベル）変換（音圧レベルに変換；１０ｌｏｇ_１０Ｘ）する。ｄＢ変換によって、振幅の持つ物理的な意味が把握しやすくなる。

ｄＢ最小値基準化部１２７は、ｄＢ変換後のデータに対して、ｄＢ最小値を０基準として補正する（ｄＢ最小値基準化）。ｄＢ変換とｄＢ最小値基準化とによって、縦軸の振幅レンジが拡大・圧縮されることなく、全データ同一の尺度で取り扱いが可能となる。実施形態では、周囲暗騒音が静かな状態（音圧０ｄＢ基準）から自動車等の移動体通過時の振幅差に着目する。

設定値設定部１３は、利用者の操作に基づいて特徴量抽出部１２と判定部１４の各機能部の閾値や設定値を任意に設定する。なお、設定値設定部１３は、各機能部の設定値や閾値を予め記憶していてもよい。サチレーション除去部１２１の閾値は、例えば、許容振幅、全体に含まれるサチレーションの割合である。バンドパスフィルタ１２２に対する設定値は、例えば、周波数範囲（例えば８００～３０００（Ｈｚ）），とフィルタの種類（例えばバターワース）と次数（例えばＮ＝３）である。ローパスフィルタ１２４に対する設定値は、例えば、カットオフ周波数（例えば５Ｈｚ）と、フィルタの種類（例えばバターワース）と次数（例えばＮ＝３）である。データ平滑化部１２５に対する設定値は、例えば平均化する時間幅と時間ステップである。判定部１４に対する閾値は、例えばｄＢ値の閾値（閾値Δ（ｄＢ））である。

判定部１４は、特徴量抽出部１２から取得したデータに対して、特徴量の変動成分の有無を判定する。

判定処理部１４１は、特徴量抽出部１２から取得したデータに対して、設定値設定部１３が設定した閾値（第１閾値）Δ（ｄＢ）を超えた音圧レベル（ｄＢ）の期間の割合を求める。

変動成分判定部１４２は、全データ区間中、閾値を超えた音圧レベルの期間の割合が閾値（第２閾値）Ω（％）を超えた場合に特徴量の変動成分あり（交通騒音あり）と判定する。

出力部１５は、変動成分有無の判定結果を、例えば、ランプ等に出力、または画像表示装置、携帯端末等の外部装置に出力する。出力部１５は、有線または無線の通信部を備えていてもよい。出力部１５は、例えば、特徴量の変動成分ありの場合に１を出力し、特徴量の変動成分なしの場合に０を出力する。

次に、特徴量抽出部１２が行う処理例を、図５と図６を用いて説明する。図５は、本実施形態に係る特徴量検出部のサチレーション除去部とバンドパスフィルタと振幅絶対値化部が行う処理例を示す図である。図６は、本実施形態に係る特徴量検出部のローパスフィルタとデータ平滑化部とｄＢ変換部とｄＢ最小値基準化部が行う処理例を示す図である。図５と図６の各グラフにおいて、横軸は時刻（秒）であり、縦軸はレベルである。なお、図５の例は、変動音のひとつである車の通過音のデータ処理例を示す。

漏水が発生している際の特徴は、８００～３０００Ｈｚ程度の周波数成分が含まれるケースが多い。また、漏水時は、定常的な音であり、音の振幅の変化が少なく一定の音である。
なお、漏水検出器で取得するデータの長さは、一般的に１０秒程度の短い時間である。漏水検出器では、長時間取得した場合においても、データから１０秒程度の区間に切り出して、そのデータ区間での特徴量の変動成分有無を判定する。このため、本実施形態でも、例えば１０秒間程度のデータを取得または切り出す。なお、図５の例は、８秒間の検出データを取得した例である。

グラフｇ１０は、取得部１１が取得し特徴量抽出部１２に出力する検出データの波形を示す。検出データは、測定環境が静かな状態の波形ｇ１１と、サチレーションｇ１２と車通過時の波形ｇ１３を含む。

グラフｇ２０は、波形ｇ２１からサチレーション除去部１２１によってサチレーションｇ１２を除去された後の波形を示す。

グラフｇ３０は、通過帯域周波数８００～３０００（Ｈｚ）、３次フィルタの設定のバンドパスフィルタ１２２によって帯域通過された後の波形を示す。

グラフｇ４０は、振幅絶対値化部１２３によって振幅絶対値化された後の波形を示す。

グラフｇ５０は、カットオフ周波数５Ｈｚ、３次フィルタの設定のローパスフィルタ１２４によってエンベロープ処理された後の波形を示す。

グラフｇ６０は、１秒間平均の設定のデータ平滑化部１２５によって平滑化された後の波形を示す。なお、グラフｇ５０に対してグラフｇ６０のデータが約１秒減っている理由は、平均化したためである。

グラフｇ７０は、ｄＢ変換部１２６によってｄＢ変換された後の波形を示す。

グラフｇ８０は、ｄＢ最小値基準化部１２７によってｄＢ最小値基準化によって静かな状態ｇ８１を０（ｄＢ）にされた後の波形を示す。この結果、車通過時ｇ８２と静かな状態ｇ８１との差は、約２０（ｄＢ）である。

次に、判定部１４が行う処理例を用いて説明する。図７は、本実施形態に係る判定部の判定処理部と変動成分判定部が行う処理例を示す図である。図７の各グラフにおいて、横軸は時刻（秒）であり、縦軸はレベルである。

図７の例では、判定処理部１４１は、グラフｇ１００のように閾値ｇ１０１以上を“１”と判定し、閾値未満を“０”と判定する。

変動成分判定部１４２は、グラフｇ１１０のように判定処理部１４１から“１”が出力されている時刻（約３．５～４．５（秒））ｇ１１１の割合を求める。図７の例では“１”の割合が約１１．３％であり閾値以上であるため、変動成分判定部１４２は、このデータを変動音であると判定する。なお、“１”の割合の閾値Ωは、例えば１０（％）である。なお、閾値Δ（＝２０ｄＢ）や，閾値Ω（＝１０％）は、任意に設定することが可能である。

次に、データ処理装置１が行う処理手順例を説明する。
図８は、本実施形態に係るデータ処理装置が行う処理手順例のフローチャートである。

取得部１１は、センサ２が検出した検出データを取得する（ステップＳ１）。サチレーション除去部１２１は、取得部１１が取得した検出データからサチレーションが発生した区間の除去を行う（ステップＳ２）。

バンドパスフィルタ１２２は、サチレーションが除去されたデータに対して、設定値設定部１３によって設定された所定の帯域を通過させる（ステップＳ３）。振幅絶対値化部１２３は、バンドパスフィルタ１２２を通過後のデータに対して、絶対値化処理を行う（ステップＳ４）。

ローパスフィルタ１２４は、振幅絶対値化されたデータに対して、設定値設定部１３によって設定された低域を通過させることでエンベロープ処理を行う（ステップＳ５）。データ平滑化部１２５は、ローパスフィルタ１２４を通過後のデータに対して、設定値設定部１３によって任意に設定した時間幅に含まれるサンプルの振幅を平均化することでグラフスムージングを行う（ステップＳ６）。

ｄＢ変換部１２６は、グラフスムージング処理後のデータの振幅をｄＢ変換する（ステップＳ７）。ｄＢ最小値基準化部１２７は、ｄＢ変換後のデータに対して、ｄＢ最小値を０基準として補正するｄＢ最小値基準化を行う（ステップＳ８）。

判定処理部１４１は、特徴量抽出部１２から取得したデータに対して、設定値設定部１３によって設定された閾値Δ（ｄＢ）を超えた音圧レベル（ｄＢ）の期間の割合を求める（ステップＳ９）。変動成分判定部１４２は、全データ区間中、閾値を超えた音圧レベルの割合が閾値Ωを超えた場合に特徴量の変動成分が含まれていると判定し、閾値を超えた音圧レベルの割合が閾値Ω未満の場合に特徴量の変動成分が含まれていないと判定する（ステップＳ１０）。

次に、変動成分有無の判定の性能評価結果を説明する。
図９は、本実施形態による変動成分有無の判定の性能評価結果を示す図である。図９に示す例は、２６個の実際の漏水調査現場において取得した変動成分を含んだテストデータを用いて、特徴量の変動成分の有無を判定した結果である。本実施形態によれば、８８．５％の正解率であった。

ここで、判定部１４が用いる他の閾値の例を説明する。
図６と図７を用いて説明した例では、判定期間のデータの極大値が１つの例を説明したが、これに限らない。図１０のように、判定期間のデータの極大値の数は２つ以上であってもよい。図１０は、本実施形態に係る判定部が用いる他の閾値の例を示す図である。なお、図１０の各グラフの波形は、ｄＢ最小値基準化後の波形である。

図１０の各グラフにおいて、横軸は時刻（秒）であり、縦軸はレベル（ｄＢ）である。グラフｇ２００～ｇ２５０において、直線ｇ２０１、ｇ２１１、ｇ２２１、ｇ２３１、ｇ２４１およびｇ２５１は閾値Δ（ｄＢ）を示し、割合ｇ２０２、ｇ２１２、ｇ２２２、ｇ２３２、ｇ２４２およびｇ２５２は閾値Ω（％）を示す。

なお、図１０の各閾値は、実現場での測定データおよび現地調査結果の積み上げによるパラメータサーベイにより決定することが望ましい。また、図１０に示した波形や閾値は一例であり、これに限らない。

以上のように、本実施形態では、ローパスフィルタ後のデータに対してｄＢ変換とｄＢ最小値基準化を行ったデータに対し閾値を超える割合を求め、その割合により特徴量の変動成分の有無を判定するようにした。また、本実施形態では、時間領域のデータから特徴量を抽出して特徴量の変動成分の有無を判定するようにした。

これにより、本実施形態によれば、漏水と誤判定されるノイズの一つである変動成分を精度良く検出し、ノイズを除去することができる。

（第２の実施形態）
第２の実施形態では、ローパスフィルタ通過後の処理方法が第１の実施形態と異なり、ローパスフィルタ通過後に振幅補正処理を行い、データ平滑化する処理を行う。また、本実施形態では、ｄＢ変換を実施せず、判定部でｄＢ（デシベル）ではなく振幅値で判定処理を行う。

まず、本実施形態の変動成分有無を判定するデータ処理装置の構成例を説明する。
図１１は、本実施形態に係るデータ処理装置の構成の一例を示す図である。図１１のように、データ処理装置１Ａは、取得部１１と、特徴量抽出部１２Ａと、設定値設定部１３Ａと、判定部１４Ａと、出力部１５とを備える。

特徴量抽出部１２Ａは、サチレーション除去部１２１と、バンドパスフィルタ１２２と、振幅絶対値化部１２３と、ローパスフィルタ１２４と、データ平滑化部１２５と、振幅補正部１２８とを備える。
判定部１４Ａは、判定処理部１４１Ａと、変動成分判定部１４２Ａとを備える。

振幅補正部１２８は、ローパスフィルタ１２４を通過後の振幅の最大値を、例えば１となるよう補正する。

データ平滑化部１２５は、振幅補正部１２８によって振幅が補正されたデータに対して、設定値設定部１３Ａによって任意に設定された時間幅に含まれるサンプルの振幅を平均化することでスムージングを行う。

判定処理部１４１Ａは、振幅を検出する閾値Δ（第１閾値）が設定値設定部１３Ａによって例えば０～１までの範囲で設定され、特徴量抽出部１２Ａが出力するデータが設定された閾値以上であるか否かを判定する。

変動成分判定部１４２Ａは、全体のうち”１”となる区間が任意の閾値Ω（第２閾値）の割合で特徴量の変動成分ありか否かを判定する。変動成分判定部１４２Ａは、例えば０％＜割合≦４０％の場合に変動音あり、割合が０％の場合に変動音なし、割合＞４０％の場合に変動音なしであると判定する。割合＞４０％を変動音なしと判定する理由は、一定の区間閾値を超えるような大きさの音量が入っている場合、自動車が通過するような交通騒音のような緩やかな時間変動とみなせないためである。なお、割合≧０％の場合は、時間平均化処理を施していることから、最低１秒区間は閾値を超える振幅変動を示していることを意味する。

設定値設定部１３Ａは、特徴量抽出部１２Ａに関する設定値を特徴量抽出部１２と同様に設定する。また、設定値設定部１３Ａは、判定処理部１４１Ａ、変動成分判定部１４２の閾値Δと閾値Ωの値を、第１の実施形態で使用した数値と異なる値を設定する。

次に、特徴量抽出部１２Ａと判定部１４Ａが行う処理例を説明する。図１２は、本実施形態に係る特徴量検出部のローパスフィルタと振幅補正部とデータ平滑部、判定部が行う処理例を示す図である。図１２の各グラフにおいて、横軸は時刻（秒）であり、縦軸はレベルである。なお、図１２の例は、図５と同様に変動音のひとつである車の通過音のデータ処理例を示す。

サチレーション除去部１２１と、バンドパスフィルタ１２２と、振幅絶対値化部１２３と、ローパスフィルタ１２４が行う処理の波形例は、図５のグラフｇ１０～ｇ４０と同じである。

グラフｇ３００は、振幅絶対値化後の波形ｇ３０１に対して、カットオフ周波数５Ｈｚ、３次フィルタの設定のローパスフィルタ１２４によってエンベロープ処理された後の波形ｇ３０２を示す。

グラフｇ３１０は、エンベロープ処理された後の波形ｇ３０２に対して、振幅補正部１２８による振幅補正された後の波形を示す。

グラフｇ３２０は、１秒間平均の設定のデータ平滑化部１２５によって平滑化された後の波形を示す。なお、図１２の例では、閾値ｇ２２１を０．７とする。なお、閾値の根拠は、仮にデータの振幅が一定の場合、振幅の最大値で割った振幅の大きさは、ほぼ１である。そして、振幅が１の実効値は、√（２）であるので、目安として０．７とした。

グラフｇ３３０は、判定部１４Ａが全期間中の１の期間の割合を判定する波形を示す。判定部１４Ａは、特徴量抽出部１２Ａから取得したデータに対して、閾値ｇ３２１を超えた振幅レベルの期間ｇ３３１の割合を求める。グラフｇ２３０の例では、閾値ｇ３２１を超えた振幅レベルの期間の割合が約１１％であり、０％より多く４０％以下であるため、判定部１４Ａは特徴量の変動成分が含まれていると判定する。

次に、データ処理装置１Ａが行う処理手順例を説明する。
図１３は、本実施形態に係るデータ処理装置が行う処理手順例のフローチャートである。なお、データ処理装置１Ａは、ステップＳ１～Ｓ５の処理を、第１の実施形態と同様に行う。

振幅補正部１２８は、ローパスフィルタ１２４を通過後の振幅の最大値を正規化するように補正する（ステップＳ１０１）。データ平滑化部１２５は、振幅補正部１２８によって振幅が補正されたデータに対して、グラフスムージング処理を行う（ステップＳ１０２）。

判定処理部１４１Ａは、特徴量抽出部１２Ａから取得したデータに対して、設定値設定部１３Ａが設定した閾値Δを超えた振幅レベルの期間の割合を求める（ステップＳ１０３）。変動成分判定部１４２Ａは、全データ区間中、閾値を超えた振幅レベルの割合と閾値Ωを比較して、比較した結果に基づいて、特徴量の変動成分が含まれているか否かの判定を行う（ステップＳ１０４）。

次に、変動成分有無の判定の性能評価結果を説明する。
図１４は、本実施形態による変動成分有無の判定の性能評価結果を示す図である。図１４に示す例は、２６個の実際の漏水調査現場において取得した変動成分を含んだテストデータを用いて、特徴量の変動成分の有無を判定した結果である。本実施形態によれば、７６．９％の正解率であった。ただし、第２の実施形態では、第１の実施形態の評価結果では不正解であったテストデータのＮｏ４、Ｎｏ１０、Ｎｏ２２で正解となっている。このため、用途や環境に応じて第１の実施形態の手法と第２の実施形態の手法とを使い分けることで、より判定精度を向上させることができる。

以上のように、本実施形態では、ローパスフィルタ後のデータに対して振幅補正を行ったデータに対して閾値を超える割合を求め、その割合により特徴量の変動成分の有無を判定するようにした。

これにより、本実施形態でも、漏水と誤判定されるノイズの一つである特徴量の変動成分を精度良く検出し、ノイズを除去することができる。

なお、漏水の判定は、漏水検出器３を用いて行い、漏水検出器３が漏水を検出した際に、検出結果が漏水であるか特徴量の変動成分の影響を受けていて後検出であるかの判定に、各実施形態の判定結果を用いる。このため、データ処理装置１（または１Ａ）は、判定した判定結果を漏水検出器３に出力するようにしてもよい。

上述した各実施形態では、漏水検査における特徴量の変動成分の有無を判定する例を説明したが、これに限らない。上述した各実施例では、車が通過する際の変動成分を検出する例を説明したが、特徴量の変動成分は、これに限らない。判定する特徴量の変動成分に応じて、帯域周波数、カットオフ周波数、平均化の設定値、閾値等を設定するようにしてもよい。

上述した各実施形態では、センサ２から取得する検出データがアナログ信号の例を説明したが、検出データはデジタル信号であってもよい。この場合、センサ２がアナログ信号をデジタル信号に変換してもよく、取得部１１がアナログ信号をデジタル信号に変換してもよい。なお、取得した検出データがデジタル信号の場合、特徴量抽出部１２（または１２Ａ）と判定部１４（または１４Ａ）は、各処理をデジタル信号に対して行う。

本実施形態の各手法は、振動センサやマイクロホン等で検出データを取得し、取得した検出データに基づいて異常の有無を判定する各種の装置に適用可能である。この場合、用いる対象や環境に合わせて、設定値や閾値を変更する。

上記各実施形態では、データ処理装置１がＬＳＩ等のハードウェア機能部であるものとしたが、ソフトウェア機能部であってもよい。

以上説明した少なくともひとつの実施形態によれば、検出データから特徴量を抽出する特徴量抽出部と特徴量に基づいて特徴量の変動成分の有無を判定する判定部を持つことにより、漏水音以外の変動成分を精度良く検出することができる。

なお、本発明におけるデータ処理装置１の機能の全てまたは一部を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによりデータ処理装置１の処理の全てまたは一部を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。

また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１，１Ａ…データ処理装置、１１…取得部、１２，１２Ａ…特徴量抽出部、１３，１３Ａ…設定値設定部、１４，１４Ａ…判定部、１５…出力部、１２１…サチレーション除去部、１２２…バンドパスフィルタ、１２３…振幅絶対値化部、１２４…ローパスフィルタ、１２５…データ平滑化部、１２６…ｄＢ変換部、１２７…ｄＢ最小値基準化部、１２８…振幅補正部、１４１，１４１Ａ…判定処理部、１４２，１４２Ａ…変動成分判定部

Claims (8)

1. センサが検出した時系列信号を取得する取得部と、
   前記時系列信号から変動成分の特徴量を抽出する特徴量抽出部と、
   所定の長さの前記時系列信号に対して第１閾値を超える期間の割合を算出し、算出した前記期間の割合に基づいて前記特徴量の変動成分の有無を判定する判定部と、
   を備え、
   前記特徴量抽出部は、
   前記時系列信号からサチレーションが発生した区間の除去を行うサチレーション除去部と、
   前記サチレーションが除去されたデータに対して所定の帯域を通過させるバンドパスフィルタと、
   前記バンドパスフィルタを通過後のデータに対して振幅の絶対値化処理を行う振幅絶対値化部と、
   前記振幅が絶対値化されたデータに対して、所定のカットオフ周波数で低域を通過させるローパスフィルタと、
   前記ローパスフィルタを通過後のデータに対して任意に設定した時間幅に含まれるサンプルの振幅を平均化することで振幅平滑化を行うデータ平滑化部と、
   前記振幅平滑化後のデータの振幅をデシベル変換するデシベル変換部と、
   前記デシベル変換後のデータに対して、デシベル最小値を０基準として補正するデシベル最小値基準化部と、を備え、
   前記ローパスフィルタを通過後のデータから変動成分の特徴量を抽出する
   データ処理装置。
2. センサが検出した時系列信号を取得する取得部と、
   前記時系列信号から変動成分の特徴量を抽出する特徴量抽出部と、
   所定の長さの前記時系列信号に対して第１閾値を超える期間の割合を算出し、算出した前記期間の割合に基づいて前記特徴量の変動成分の有無を判定する判定部と、
   を備え、
   前記特徴量抽出部は、
   前記時系列信号からサチレーションが発生した区間の除去を行うサチレーション除去部と、
   前記サチレーションが除去されたデータに対して所定の帯域を通過させるバンドパスフィルタと、
   前記バンドパスフィルタを通過後のデータに対して振幅の絶対値化処理を行う振幅絶対値化部と、
   前記振幅が絶対値化されたデータに対して、所定のカットオフ周波数で低域を通過させるローパスフィルタと、
   前記ローパスフィルタを通過後の振幅の最大値を正規化するように補正する振幅補正部と、
   前記振幅補正部によって振幅が補正されたデータに対してグラフスムージング処理を行うデータ平滑化部と、を備え、
   前記ローパスフィルタを通過後のデータから変動成分の特徴量を抽出する
   データ処理装置。
3. 前記判定部は、
   前記特徴量抽出部から取得したデータに対して、前記第１閾値を超えた振幅レベル期間の割合を求める判定処理部と、
   全データ区間中、前記第１閾値を超えた振幅レベルの期間の割合と第２閾値を比較した結果に基づいて前記特徴量の変動成分の有無を判定する変動成分判定部と、を備える、
   請求項１または請求項２に記載のデータ処理装置。
4. 前記特徴量抽出部は、
   前記特徴量抽出部と前記判定部の各機能部の閾値や設定値を任意に設定する設定値設定部を、さらに備える、
   請求項１から請求項３のうちのいずれか１項に記載のデータ処理装置。
5. 取得部が、センサが検出した時系列信号を取得し、
   特徴量抽出部が、前記時系列信号から変動成分の特徴量を抽出し、
   判定部が、所定の長さの前記時系列信号に対して第１閾値を超える期間の割合を算出し、算出した前記期間の割合に基づいて前記特徴量の変動成分の有無を判定し、
   前記特徴量抽出部のサチレーション除去部が、前記時系列信号からサチレーションが発生した区間の除去を行い、
   前記特徴量抽出部のバンドパスフィルタが、前記サチレーションが除去されたデータに対して所定の帯域を通過させ、
   前記特徴量抽出部の振幅絶対値化部が、前記バンドパスフィルタを通過後のデータに対して振幅の絶対値化処理を行い、
   前記特徴量抽出部のローパスフィルタが、前記振幅が絶対値化されたデータに対して、所定のカットオフ周波数で低域を通過させ、
   前記特徴量抽出部のデータ平滑化部が、前記ローパスフィルタを通過後のデータに対して任意に設定した時間幅に含まれるサンプルの振幅を平均化することで振幅平滑化を行い、
   前記特徴量抽出部のデシベル変換部が、前記振幅平滑化後のデータの振幅をデシベル変換し、
   前記特徴量抽出部のデシベル最小値基準化部が、前記デシベル変換後のデータに対して、デシベル最小値を０基準として補正し、
   前記特徴量抽出部が、前記ローパスフィルタを通過後のデータから変動成分の特徴量を抽出する、
   データ処理方法。
6. 取得部が、センサが検出した時系列信号を取得し、
   特徴量抽出部が、前記時系列信号から変動成分の特徴量を抽出し、
   判定部が、所定の長さの前記時系列信号に対して第１閾値を超える期間の割合を算出し、算出した前記期間の割合に基づいて前記特徴量の変動成分の有無を判定し、
   前記特徴量抽出部のサチレーション除去部が、前記時系列信号からサチレーションが発生した区間の除去を行い、
   前記特徴量抽出部のバンドパスフィルタが、前記サチレーションが除去されたデータに対して所定の帯域を通過させ、
   前記特徴量抽出部の振幅絶対値化部が、前記バンドパスフィルタを通過後のデータに対して振幅の絶対値化処理を行い、
   前記特徴量抽出部のローパスフィルタが、前記振幅が絶対値化されたデータに対して、所定のカットオフ周波数で低域を通過させ、
   前記特徴量抽出部の振幅補正部が、前記ローパスフィルタを通過後の振幅の最大値を正規化するように補正し、
   前記特徴量抽出部のデータ平滑化部が、前記振幅補正部によって振幅が補正されたデータに対してグラフスムージング処理を行い、
   前記特徴量抽出部が、前記ローパスフィルタを通過後のデータから変動成分の特徴量を抽出する
   データ処理方法。
7. コンピュータに、
   センサが検出した時系列信号を取得させ、
   前記時系列信号から変動成分の特徴量を抽出させ、
   所定の長さの前記時系列信号に対して第１閾値を超える期間の割合を算出させ、算出した前記期間の割合に基づいて前記特徴量の変動成分の有無を判定させ、
   前記時系列信号からサチレーションが発生した区間の除去を行わせ、
   前記サチレーションが除去されたデータに対して所定の帯域を通過させ、
   前記所定の帯域を通過後のデータに対して振幅の絶対値化処理を行わせ、
   前記振幅が絶対値化されたデータに対して、所定のカットオフ周波数で低域を通過させ、
   前記低域を通過後のデータに対して任意に設定した時間幅に含まれるサンプルの振幅を平均化することで振幅平滑化を行わせ、
   前記振幅平滑化後のデータの振幅をデシベル変換させ、
   前記デシベル変換後のデータに対して、デシベル最小値を０基準として補正させ、
   前記低域を通過後のデータから変動成分の特徴量を抽出させる、
   プログラム。
8. コンピュータに、
   センサが検出した時系列信号を取得させ、
   前記時系列信号から変動成分の特徴量を抽出させ、
   所定の長さの前記時系列信号に対して第１閾値を超える期間の割合を算出させ、算出した前記期間の割合に基づいて前記特徴量の変動成分の有無を判定させ、
   前記時系列信号からサチレーションが発生した区間の除去を行わせ、
   前記サチレーションが除去されたデータに対して所定の帯域を通過させ、
   前記所定の帯域を通過後のデータに対して振幅の絶対値化処理を行わせ、
   前記振幅が絶対値化されたデータに対して、所定のカットオフ周波数で低域を通過させ、
   前記低域を通過後の振幅の最大値を正規化するように補正させ、
   振幅が補正されたデータに対してグラフスムージング処理を行わせ、
   前記低域を通過後のデータから変動成分の特徴量を抽出させる、
   プログラム。

Images