JPH09274535A - ペン型入力装置 - Google Patents

Abstract

(57)【要約】 【課題】小型の入力装置が求められている。そこで、ペ
ン型入力装置で正確且つ簡単に筆記入力する。 【解決手段】ＨＰＦ３２は加速度センサ２が検出した加
速度からペン先部の摩擦により発生する高周波数成分を
抽出し、接触検出部３３で筆記中か否かを検出する。Ｌ
ＰＦ３４は加速度センサ２が検出した加速度から筆記に
より発生する周波数成分を抽出し、加速度検出部３５で
ペン先部の筆記による加速度を検出する。移動量演算部
３６は筆記による加速度を基にペン先部の移動方向及び
距離を算出する。リカレント型ニューラルネットワーク
演算部４はこれらの情報を基にニューラルネットワーク
演算し、後処理部５で入力パターンの判定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は図形及び文字を入
力するペン型入力装置に関するものである。

【０００２】

【従来の技術】コンピュータ装置等の入力装置としては
キーボード、マウス、デジタイザ、ライトペン及びタブ
レット等が用いられている。コンピュータ装置の小型化
に伴い、携帯端末装置のニーズが高まり利用者も年々増
加している。そこで、小型の入力装置が求められるよう
になった。

【０００３】キーボードの小型化にはヒューマンインタ
ーフェイスの点で限界があり、携帯端末装置の入力装置
としては実用性が低い。また、マウスはポインティング
デバイスとしては小型化が可能であるが、図形及び文字
等の入力には適さない。

【０００４】このため、携帯端末装置の入力装置として
はタブレットとペンを用いたペン型の入力装置が多く採
用されている。このタブレットを用いたペン型の入力装
置をさらに小型化しようとした場合にはタブレットの大
きさが問題となる。そこで、例えば特開平３-156519号
公報に掲載されたペン型のコンピュータ入力装置、特開
平６-67799号公報に掲載されたペン型のコンピュータ入
力装置、特開平６-230886号公報に掲載されたペンシル
型入力装置のようなタブレットレスの入力装置が開発さ
れた。

【０００５】特開平３-156519号公報に掲載されたペン
型のコンピュータ入力装置は加速度センサが検出した加
速度を基にペン先部の移動方向及び移動距離を調べ、圧
力検出器で調べたペン先部に加わる圧力を基に筆記中か
否かを判断している。さらに、特開平６-67799号公報に
掲載されたペン型のコンピュータ入力装置は加速度セン
サで移動方向と移動距離を調べ、圧電振動ジャイロで加
速度センサが検出した移動方向及び移動距離のペン型の
コンピュータ入力装置のローテーションによる影響を補
正している。さらに、特開平６-230886号公報に掲載さ
れたペンシル型入力装置はイネーブルスイッチが押され
ているときに、一定距離隔てた２か所における加速度を
基に装置の移動方向及び移動距離を検出している。

【０００６】

【発明が解決しようとする課題】しかしながら、特開平
３-156519号公報に掲載されたペン型のコンピュータ入
力装置では、筆記中か否かの判断を行う圧力検出器でペ
ン先部に加わる圧力を直接検出するため、圧力検出器の
設置場所が限定され、且つ、装置の構造が複雑なものと
なる。

【０００７】また、特開平６-67799号公報に掲載された
ペン型のコンピュータ入力装置では、筆記中か否かの検
出を行う手段が設けられていないので、かかる機能を追
加する必要がある。

【０００８】さらに、特開平６-230886号公報に掲載さ
れたペンシル型入力装置ではユーザがイネーブルスイッ
チを押下することにより筆記開始信号を生成しなければ
ならず、ユーザの負担が大きい。

【０００９】この発明はかかる短所を解消するためにな
されたものであり、筆記入力を簡単な操作で正確に検出
する小型なペン型入力装置を得ることを目的とする。

【００１０】

【課題を解決するための手段】この発明に係るペン型入
力装置は、加速度センサとハイパスフィルタと接触検出
部とローパスフィルタと加速度検出部と移動量演算部と
リカレント型ニューラルネットワーク演算部と後処理部
を有し、加速度センサはペン軸をＺ軸とした場合のＺ軸
と直交するＸ軸方向及びＹ軸方向のペン先部の加速度を
検出し、ハイパスフィルタは加速度センサが検出した加
速度からペン先部と筆記面との摩擦により発生する高周
波数成分を抽出し、接触検出部はハイパスフィルタから
の信号を基にペン先部が筆記面と接触しているか否かを
検出して、イネーブルスイッチ等を用いずに筆記の開始
を検出する。

【００１１】さらに、ローパスフィルタは加速度センサ
が検出した加速度から筆記により発生する周波数成分を
抽出し、加速度検出部はローパスフィルタからの信号を
基にペン先部の筆記による加速度を検出し、移動量演算
部は加速度検出部が検出したペン先部の加速度を基にペ
ン先部の移動方向及び移動距離を算出して、簡単な操作
でペン先部の移動方向及び移動距離を検出する。

【００１２】さらに、リカレント型ニューラルネットワ
ーク演算部はペン先部が筆記面と接触しているか否か示
す情報及びペン先部の移動方向並びに移動距離を基に認
識対象パターンの特徴を抽出し、抽出した認識対象パタ
ーンの特徴と予め学習した結果を基に入力パターンの中
間認識結果を算出し、後処理部はニューラルネットワー
ク演算部による入力パターンの中間認識結果を基に入力
パターンの判定して、簡単な構成で迅速且つ正確に文字
等の入力パターンを判断する。

【００１３】また、ペン型入力装置は、加速度センサと
ハイパスフィルタと接触検出部とローパスフィルタと加
速度検出部と移動量演算部と記憶部と階層型ニューラル
ネットワーク演算部と後処理部を有し、加速度センサは
ペン軸をＺ軸とした場合のＺ軸と直交するＸ軸方向及び
Ｙ軸方向のペン先部の加速度を検出し、ハイパスフィル
タは加速度センサが検出した加速度からペン先部と筆記
面との摩擦により発生する高周波数成分を抽出し、接触
検出部はハイパスフィルタからの信号を基にペン先部が
筆記面と接触しているか否かを検出し、ローパスフィル
タは加速度センサが検出した加速度から筆記により発生
する周波数成分を抽出し、加速度検出部はローパスフィ
ルタからの信号を基にペン先部の筆記による加速度を検
出し、移動量演算部は加速度検出部が検出したペン先部
の加速度を基にペン先部の移動方向及び移動距離を算出
し、記憶部は接触検出部が検出したペン先部が筆記面と
接触しているか否かを示す情報及び移動量演算部が算出
したペン先部の移動方向並びに移動距離を記憶し、階層
型ニューラルネットワーク演算部は記憶部に記憶したペ
ン先部が筆記面と接触しているか否かを示す情報及びペ
ン先部の移動方向並びに移動距離を基に認識対象パター
ンの特徴を抽出し、抽出した認識対象パターンの特徴と
予め学習した結果を基に入力パターンの中間認識結果を
算出し、後処理部はニューラルネットワーク演算部によ
る入力パターンの中間認識結果を基に入力パターンを判
定して、移動量が多い入力パターンであっても正確に入
力パターンを判定する。

【００１４】さらに、上記ハイパスフィルタは10Hz近傍
の周波数を境にして加速度センサからの信号の高周波成
分を抽出し、上記ローパスフィルタは100Hz近傍の周波
数を境にして加速度センサからの信号の低周波数成分を
抽出する。

【００１５】さらに、前処理部は移動量演算部が抽出し
た認識対象パターンの特徴を規格化し特異点除去を行
い、パターンの認識率を高くする。

【００１６】さらに、記憶部に記憶した認識対象パター
ンの特徴を表わすデータ数を一定に保ち、パターンの認
識率をさらに高くする。

【００１７】

【発明の実施の形態】この発明のペン型入力装置は、コ
ンピュータ装置等に文字、記号及び図形等を入力するも
のある。この発明のペン型入力装置は、ペン軸をＺ軸と
した場合のＺ軸と直交するＸ軸方向及びＹ軸方向のペン
先部の加速度を検出し、検出した加速度からペン先部と
筆記面との摩擦により発生する周波数成分を抽出してペ
ン先部が筆記面と接触しているか否かを検出し、ペン先
部が筆記面と接触していることを検出すると検出した加
速度を基にペン先部の移動方向及び移動距離を算出し、
算出したペン先部の移動方向及び移動距離を基にリカレ
ント型ニューラルネットワーク演算をして入力パターン
を認識して入力パターン認識精度を高めると同時に認識
時間の短縮を図る。

【００１８】ペン型入力装置は、例えば２個のピエゾ抵
抗方式の加速度センサと座標演算部とリカレント型ニュ
ーラルネットワーク演算部と後処理部と通信部を有す
る。２個の加速度センサはペン軸をＺ軸とした場合のＺ
軸と直交するＸ軸方向及びＹ軸方向のペン先部の加速度
を検出する。座標演算部は、例えば差動増幅器とハイパ
スフィルタ（以下「ＨＰＦ」という。）と接触検出部と
ローパスフィルタ（以下「ＬＰＦ」という。）と加速度
検出部と移動量演算部を備える。差動増幅器は加速度セ
ンサからの加速度を表わす信号を増幅する。ＨＰＦは、
例えば10Hz近傍の周波数を境にして加速度センサが検出
した加速度からペン先部と筆記面との摩擦により発生す
る周波数成分を抽出する。ここで、ＨＰＦのカットオフ
周波数を10Hz近傍としたのは低周波成分のピーク周波数
は筆記速度を速くしても10Hz程度だからである。また、
ペン先部と筆記面との摩擦力が加速度の高周波数部分に
影響を及ぼすためで、ＨＰＦのカットオフ周波数をあま
り低くすると摩擦の影響による高周波成分を分離できな
くなり、逆にあまり高くすると摩擦による影響までカッ
トオフすることになるからである。接触検出部はＨＰＦ
が抽出した加速度センサ成分を基にペン先部が筆記面と
接触しているか否かを検出する。

【００１９】ＬＰＦは、例えば100Hz近傍の周波数を境
にして加速度センサが検出した加速度からペン先部の筆
記による周波数成分を抽出する。加速度検出部はＬＰＦ
が抽出した加速度を表わす周波数を加速度に変換する。
ここで、周波数から加速度への変換は、一定筆圧で低周
波成分のピーク周波数と高周波成分のピーク周波数はほ
ぼ筆記速度に比例していることを利用して求める。

【００２０】移動量演算部は接触検出部がペン先部と筆
記面が接触していることを検出すると、ＬＰＦが抽出し
た加速度成分を基にペン先部の移動量を検出するもの
で、積分回路を備え、ＬＰＦが抽出した加速度のペン先
部の筆記による成分を積分回路で２回積分してペン先部
の移動量を検出する。

【００２１】リカレント型ニューラルネットワーク演算
部は移動量演算部が算出したペン先部の移動方向及び移
動距離を基に認識対象パターンの特徴を抽出し、抽出し
た認識対象パターンの特徴と予め学習した結果を基に入
力パターンの中間認識結果を算出する。ここで、リカレ
ント型ニューラルネットワーク演算部は協調、競合作用
及び自己組織化能力に基づいて入力信号をいくつかの特
徴に分析すると共に、それらを統合するニューラルネッ
トワークによって構成したものである。例えばリカレン
ト型ニューラルネットワーク演算部は予め認識させたい
情報を実際に入力し、そのデータをサンプリングしこれ
らのデータを入力層に入力し、出力層に分類したいパタ
ーン数分のニューロンを用意し、各パターンとニューロ
ンを対応させておく。ある情報を入力したときそれに対
応するニューロンの出力が「１」となり、それ以外のニ
ューロンの出力が「０」となるように、例えば逆伝搬法
（バックプロパゲーション法）等で学習しておく。リカ
レント型ニューラルネットワーク演算部はこのようにし
て得られた結合係数と同じ結合係数でニューラルネット
ワーク演算を行なう。後処理部はリカレント型ニューラ
ルネットワーク演算部の入力パターンの中間認識結果を
基にニューロン出力が最も大きいものを選択し入力パタ
ーンを判定して、パターン認識率を高めると同時にパタ
ーン認識時間を短縮する。

【００２２】通信部は上記パターン認識結果をコンピュ
ータ装置等に送信する。

【００２３】なお、移動量演算部からの出力は時系列で
あるので、上記構成ではリカレント型ニューラルネット
ワーク演算部を用いた。これに対して、移動量演算部の
演算結果を一旦記憶部に記憶し、階層型ニューラルネッ
トワーク演算部で記憶部に記憶した座標演算部の演算結
果を用いてニューラルネットワーク演算を行なうように
しても良い。

【００２４】また、前処理部で移動量演算部が抽出した
認識対象パターンの特徴を示すデータをニューラルネッ
トワーク演算に適したデータに予め加工して、ニューラ
ルネットワーク演算部でのパターン認識率を高めるよう
にしても良い。前処理部は、例えばスケーリング、２値
化等又はこれらの組み合わせにより認識対象パターンの
特徴を示すデータを規格化し、又、明らかに異常なデー
タを入力したときにこのデータを除去する。

【００２５】さらに、一般にペン型入力装置に移動速度
は一定ではなくペン型入力装置の移動速度に応じて移動
量演算部の演算結果のデータ数が変動する。このデータ
数があまり多いとニューラルネットワーク演算部の演算
速度が遅くなり、データ数があまり少ないとパターン認
識率が低下する場合がある。そこで、データ加工部を備
え、データ加工部で実際のデータ数が少ないときにはデ
ータを補間し、データ数が多いときにはデータを間引き
して記憶部に記憶した移動量演算部の演算結果のデータ
数を一定に保つようにしても良い。

【００２６】

【実施例】図１はこの発明の一実施例のペン型入力装置
の構成図である。図に示すように、ペン型入力装置１は
加速度センサ２ａ，２ｂ、座標演算部３、リカレント型
ニューラルネットワーク演算部４、後処理部５、通信部
６及び電源部７を有する。加速度センサ２ａ，２ｂは、
それぞれペン軸８をＺ軸とした場合のＺ軸と直交するＸ
軸方向及びＹ軸方向に向けて設けられ、ペン先部９にお
けるＸ軸方向及びＹ軸方向の加速度を検出する。以下の
説明では加速度センサ２ａ，２ｂは、ピエゾ抵抗方式の
ものを用いるが、圧電方式のものでも、静電容量方式の
ものでも良い。また、特に断わらない限りペン軸８をＺ
軸とした座標系をペン軸座標系（Ｘ，Ｙ，Ｚ）という。

【００２７】座標演算部３は、図２に示すように差動増
幅器３１、ハイパスフィルタ３２（以下「ＨＰＦ」とい
う。）、接触検出部３３、ローパスフィルタ（以下「Ｌ
ＰＦ」という。）３４、加速度検出部３５及び移動量演
算部３５を備える。差動増幅器３１は加速度センサ２
ａ，２ｂからの加速度を表わす信号を増幅する。ＨＰＦ
３２は、例えば10Hz近傍のカットオフ周波数を境にして
加速度センサ２ａ，２ｂが検出した加速度からペン先部
９と筆記面との摩擦により発生する周波数成分を抽出す
る。ここで、ＨＰＦ３２のカットオフ周波数を10Hz近傍
としたのは低周波成分のピーク周波数は筆記速度を速く
しても10Hz程度だからである。また、ペン先部９と筆記
面との摩擦力が加速度の高周波数部分に影響を及ぼすた
めで、ＨＰＦ３２のカットオフ周波数をあまり低くする
と摩擦の影響による高周波成分を分離できなくなり、逆
にあまり高くすると摩擦による影響までカットオフする
ことになるからである。接触検出部３３は、例えば単安
定マルチバイブレータ３３１を備え、ＨＰＦ３２が抽出
した加速度センサ成分を基にペン先部９が筆記面と接触
しているか否かを検出する。

【００２８】ＬＰＦ３４は、例えば100Hz近傍のカット
オフ周波数を境にして加速度センサ２ａ，２ｂが検出し
た加速度から筆記による加速度の成分を抽出する。ここ
で、ＨＰＦ３２とＬＰＦ３４についてさらに詳しく説明
する。

【００２９】差動増幅器３１で増幅した加速度を表わす
信号は、例えば図３に示すようにピ−ク周波数が３Hz程
度の低周波成分とピ−ク周波数が300Hz程度の高周波成
分とが存在する。ここで、加速度を表わす信号の低周波
成分は筆記加速度を示し、高周波成分はペン軸８と筆記
面との摩擦による加速度への影響を示している。なお、
図３（ａ）は任意の長さの線分を筆記した時の加速度波
形を示し、図３（ｂ）は図３（ａ）の加速度波形につい
て高速フ−リエ変換による周波数解析を行った結果を示
す。

【００３０】ＨＰＦ３２及びＬＰＦ３４は上記加速度を
表わす信号からペン先部９の筆記面との摩擦による加速
度成分及びペン先部９の筆記による加速度成分を抽出す
るもので、オペアンプ等によるアクティブフィルタ又は
デジタルフィルタである。アクティブフィルタとしては
バタワースフィルタ（最大平坦特性）、ベッセルフィル
タ（位相平坦特性）、チェビシェフフィルタ等を条件に
応じて選択する。ここでは、特にＬＰＦ３４通過信号に
演算処理を施して加速度に変換する必要があるので、最
大平坦特性を有する２次のバタワースフィルタを用い
た。例えば図４に示すようにカットオフ周波数120Hz以
上において、前記摩擦加速度に起因する高周波成分が著
しく多くなることから、ＬＰＦ３４のカットオフ周波数
は、例えば100Hz程度にする。ここで、図４は図３
（ａ）に示した加速度波形にカットオフ周波数を60Hz〜
160Hzの範囲で20Hzステップ毎に変化させた時のＬＰＦ
３４通過信号を示す。

【００３１】また、ＨＰＦ３２のカットオフ周波数は、
各フィルタの特性に応じて決める。ＨＰＦ３４で摩擦加
速度成分の抽出をするにはカットオフ周波数を、例えば
図５（ｆ）に示すように10Hzにする。なお、図５（ｂ）
は図５（ａ）で示す加速度信号をＨＰＦ３２のカットオ
フ周波数を１Hzにしてカットオフしたものを示し、図５
（ｄ）は図５（ｃ）で示す加速度信号をＨＰＦ３２のカ
ットオフ周波数を５Hzにしてカットオフしたものを示
し、図５（ｆ）は図５（ｅ）で示す加速度信号をＨＰＦ
３２のカットオフ周波数を10Hzにしてカットオフしたも
のを示す。これは、低周波成分のピーク周波数は筆記速
度を速くしても10Hz程度だからである。

【００３２】単安定マルチバイブレータ３３１はＨＰＦ
３２から入力したトリガパルスに対して方形波パルスを
出力する。ペン型入力装置１ではこの方形波パルスの有
無からペン先部９が筆記面上を移動しているか否かを判
断することができる。ペン型入力装置１は、この結果に
よりペンアップ時の移動量とペンダウン時の移動量を分
けて検出することができる。なお、単安定マルチバイブ
レータ３３１の代わりに、コンパレータ等を用いしきい
値より入力信号が大きいか否かを基にペン先部９が筆記
面上を移動しているか否かを判断するようにしても良
い。

【００３３】加速度検出部３５はＬＰＦ３４が出力した
加速度を表わす周波数を加速度に変換する。ここで、周
波数から加速度への変換は、例えば一定筆圧では低周波
成分のピーク周波数と高周波成分のピーク周波数は、図
６に示すようにほぼ筆記速度に比例していることを利用
して求める。

【００３４】移動量演算部３６は加速度検出部３５が変
換したペン先部９の筆記による加速度成分を基にペン先
部９の移動量を検出するもので、積分回路３６１，３６
２を備え、加速度検出部３５が変換したペン先部９の筆
記による加速度成分を積分回路３５１，３５２で２回積
分してペン先部９の移動量を検出する。なお、加速度セ
ンサ２ａ，２ｂはＸ軸及びＹ軸方向の加速度を検出する
ので、これにより移動方向も検出することができる。

【００３５】リカレント型ニューラルネットワーク演算
部４は座標演算部３が算出したペン先部９の移動方向及
び移動距離を基に入力した認識対象パターンの特徴を抽
出し、抽出した認識対象パターンの特徴と予め学習した
結果を基に入力パターンの中間認識結果を算出する。こ
こで、リカレント型ニューラルネットワーク演算部４
は、図７に示すように協調、競合作用及び自己組織化能
力に基づいて入力信号をいくつかの特徴に分析すると共
に、それらを統合するリカレント型のニューラルネット
ワークによって構成したものである。例えばリカレント
型ニューラルネットワーク演算部４は予め認識させたい
情報を実際に入力し、そのデータをサンプリングしこれ
らのデータを入力層４１に入力し、出力層４２に分類し
たいパターン数分のニューロンを用意し、各パターンと
ニューロンを対応させておく。ある情報を入力したとき
それに対応するニューロンの出力が「１」となり、それ
以外のニューロンの出力が「０」となるように、例えば
逆伝搬法（バックプロパゲーション法）等で学習させて
おく。リカレント型ニューラルネットワーク演算部４は
このようにして得られた結合係数と同じ結合係数でニュ
ーラルネットワーク演算を行なう。後処理部５はリカレ
ント型ニューラルネットワーク演算部４の入力パターン
の中間認識結果を基に最もニューロンが大きいものを選
択し入力パターンを判定する。

【００３６】通信部６は上記パターン認識結果をコンピ
ュータ装置等に送信する。

【００３７】上記構成のペン型入力装置１の動作を、図
８のフローチャートを参照して説明する。

【００３８】加速度センサ２ａ，２ｂからの信号のいず
れかに10Hz以上の加速度成分が含まれ、ＨＰＦ３２がそ
の10Hz以上の加速度成分を抽出すると、接触検出部３３
の単安定マルチバイブレータ３３１は入力した加速度成
分をトリガパルスとして方形波パルスを出力し、ペン先
部９が筆記面上を移動していることを検出する（ステッ
プＳ１）。ニューラルネットワーク演算には多大の計算
料を必要とするが、このようにペン先部９が筆記面上を
移動していることを検出することにより、ペン先部９と
筆記面が接触していない場合の計算をしないようにで
き、処理効率を高めることもできる。

【００３９】接触検出部３３がペン先部９が筆記面上を
移動していることを検出すると、移動量演算部３６は加
速度検出部３５が変換したペン先部９の加速度を２回積
分し、ペン先部９のＸ軸方向及びＹ軸方向の移動距離を
算出する。ここで、Ｘ軸方向及びＹ軸方向の移動距離が
分かるので、ペン先部９の移動方向も分かる（ステップ
Ｓ２）。

【００４０】リカレント型ニューラルネットワーク演算
部４は座標演算部３が算出したペン先部９と筆記面とが
接触している状態におけるペン先部９の移動方向及び移
動距離を基に認識対象パターンの特徴を抽出し、抽出し
た認識対象パターンの特徴を基に入力パターンの中間認
識結果を算出する（ステップＳ３）。後処理部５はリカ
レント型ニューラルネットワーク演算部４の入力パター
ン中間認識結果を入力して、入力パターンを判定する
（ステップＳ４）。これにより、正確且つ迅速に文字、
図形及びその構成要素を入力することができる。ここ
で、文字の構成要素の入力があった場合の文字の認識に
は、例えばパターンマッチング等の方法を用いる。ペン
型入力装置１は上記動作（ステップＳ２〜Ｓ４）を筆記
が終了するまで繰り返し、図形等を入力する（ステップ
Ｓ５）。ここで、上記筆記の終了には接触検出部３３が
ペン先部９と筆記面が接触していないことを検出した信
号を用いても良いし、接触検出部３３がペン先部９と筆
記面が接触していることを検出した後一定時間を筆記中
と判断するようにしても良い。

【００４１】なお、上記実施例においては座標演算部３
の演算結果を直接リカレント型ニューラルネットワーク
演算部４に入力したが、図９に示すように座標演算部３
の演算結果を一旦記憶部１０に記憶して、記憶部１０に
記憶した座標演算部３の演算結果を階層型ニューラルネ
ットワーク演算部４ａに入力するようにしても良い。座
標演算部３の演算結果を一旦記憶部１０に記憶すること
により、多くの時系列データを要する入力パターンの認
識をできるようになる。

【００４２】さらに、図１０に示すように座標演算部４
の演算結果を規格化し特異点除去を行う前処理部１１を
有しても良い。前処理部１１は、例えばスケーリング、
２値化等又はこれらの組み合わせにより座標演算部３の
演算結果を規格化し、又、明らかに異常なデータを入力
したときにこのデータを除去する。このように、座標演
算部３の演算結果をニューラルネットワーク演算に適し
たデータに予め加工することにより、リカレント型ニュ
ーラルネットワーク演算部４及び階層型ニューラルネッ
トワーク演算部４ａでのパターン認識率を高めることが
できる。

【００４３】さらに、図１１に示すように記憶部１０に
記憶した座標演算部３の演算結果のデータ数を一定に保
つデータ加工部１２を有するようにしても良い。一般に
ペン型入力装置１に移動速度は一定ではなくペン型入力
装置１の移動速度に応じて座標演算部３の演算結果のデ
ータ数が変動する。このデータ数があまり多いと階層型
ニューラルネットワーク演算部４ａの演算速度が遅くな
り、データ数があまり少ないとパターン認識率が低下す
る場合がある。そこで、データ加工部１２で実際のデー
タ数が少ないときにはデータを補間し、データ数が多い
ときにはデータを間引きすることにより、階層型ニュー
ラルネットワーク演算部４ａのパターン認識率を向上で
きる。ここで、データの補間には、例えば多項式近似に
よる内挿処理を行い、データの間引きには均等に間引く
方法を用いる。

【００４４】さらに、加速度センサ２ａ，２ｂの取り付
け位置がペン先部９と離れていると、回転により実際の
加速度と検出した加速度に誤差が生じる場合もあるの
で、加速度の座標変換時にこの誤差を補正するようにし
ても良い。

【００４５】

【発明の効果】この発明は以上説明したように、ペン先
部の加速度を基に筆記中か否かを判断するので、文字等
の入力操作を簡単にできる。

【００４６】さらに、筆記中における加速度を基にペン
先部の移動方向及び移動距離を算出するので、小型の装
置で筆記面上を移動するペン先部の移動方向及び移動距
離を容易に検出することができる。

【００４７】さらに、ペン先部の移動方向及び移動距離
をリカレント型ニューラルネットワークに入力してパタ
ーン中間認識結果出力し、入力パターンの中間認識結果
を基に最終認識結果を出力するので、簡単な構成で迅速
に入力パターンを判断することができる。

【００４８】また、ペン先部の移動方向及び移動距離を
一旦記憶するので、階層型のニューラルネットワークを
用いて正確に入力パターンを判断することができる。

【００４９】さらに、10Hz近傍の周波数を境にして加速
度センサからの信号の高周波成分を抽出してペン先部が
接触しているか否かを判断し、100Hz近傍の周波数を境
にして加速度センサからの信号の低周波数成分を抽出し
て、ペン先部の移動方向及び移動距離を検出するので、
加速度の高周波数成分と低周波数成分を分離し、正確に
ペン先部の移動方向等を検出することができる。

【００５０】さらに、ペン先部の移動方向及び移動距離
を規格化し特異点除去を行うので、ニューラルネットワ
ークのパターン認識速度を高めることができる。

【００５１】さらに、ペン先部の移動方向及び移動距離
のデータ数を一定に保つので、階層型ニューラルネット
ワークのパターン認識率を高めることができる。

【図面の簡単な説明】

【図１】この発明の実施例を示す構成図である。

【図２】座標演算部の構成図である。

【図３】任意の長さの線分を筆記した時の加速度の波形
図である。

【図４】ＬＰＦのカットオフ周波数を変えた場合の加速
度の波形図である。

【図５】ＨＰＦのカットオフ周波数を変えた場合の加速
度の波形図である。

【図６】筆記速度と周波数との関係を示す波形図であ
る。

【図７】リカレント型ニューラルネットワーク演算部の
構成図である。

【図８】ペン型入力装置の動作を示すフローチャートで
ある。

【図９】座標演算部の演算結果を一旦記憶部に記憶する
装置の構成図である。

【図１０】前処理部を備える場合の構成図である。

【図１１】データ加工部を備える場合の構成図である。

【符号の説明】

１ ペン型入力装置 ２ 加速度センサ ３ 座標演算部 ３１ 差動増幅器 ３２ ＨＰＦ ３３ 接触検出部 ３３１ 単安定マルチバイブレータ ３４ ＬＰＦ ３５ 加速度検出部 ３６ 移動量演算部 ４ リカレント型ニューラルネットワーク演算
部 ４ａ 階層型ニューラルネットワーク演算部 ５ 後処理部 ８ ペン軸 ９ ペン先部 １０ 記憶部 １１ 前処理部 １２ データ加工部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 佐藤 康弘 東京都大田区中馬込１丁目３番６号 株式 会社リコ−内 (72)発明者 井上 隆夫 東京都大田区中馬込１丁目３番６号 株式 会社リコ−内 (72)発明者 藤沢 悦子 東京都大田区中馬込１丁目３番６号 株式 会社リコ−内

Claims (5)

【特許請求の範囲】
1. 【請求項１】 加速度センサとハイパスフィルタと接触
   検出部とローパスフィルタと加速度検出部と移動量演算
   部とリカレント型ニューラルネットワーク演算部と後処
   理部を有し、加速度センサはペン軸をＺ軸とした場合の
   Ｚ軸と直交するＸ軸方向及びＹ軸方向のペン先部の加速
   度を検出し、ハイパスフィルタは加速度センサが検出し
   た加速度からペン先部と筆記面との摩擦により発生する
   高周波数成分を抽出し、接触検出部はハイパスフィルタ
   からの信号を基にペン先部が筆記面と接触しているか否
   かを検出し、ローパスフィルタは加速度センサが検出し
   た加速度から筆記により発生する周波数成分を抽出し、
   加速度検出部はローパスフィルタからの信号を基にペン
   先部の筆記による加速度を検出し、移動量演算部は加速
   度検出部が検出したペン先部の加速度を基にペン先部の
   移動方向及び移動距離を算出し、リカレント型ニューラ
   ルネットワーク演算部はペン先部が筆記面と接触してい
   るか否か示す情報及びペン先部の移動方向並びに移動距
   離を基に認識対象パターンの特徴を抽出し、抽出した認
   識対象パターンの特徴と予め学習した結果を基に入力パ
   ターンの中間認識結果を算出し、後処理部はニューラル
   ネットワーク演算部による入力パターンの中間認識結果
   を基に入力パターンの判定をすることを特徴とするペン
   型入力装置。
2. 【請求項２】 加速度センサとハイパスフィルタと接触
   検出部とローパスフィルタと加速度検出部と移動量演算
   部と記憶部と階層型ニューラルネットワーク演算部と後
   処理部を有し、加速度センサはペン軸をＺ軸とした場合
   のＺ軸と直交するＸ軸方向及びＹ軸方向のペン先部の加
   速度を検出し、ハイパスフィルタは加速度センサが検出
   した加速度からペン先部と筆記面との摩擦により発生す
   る高周波数成分を抽出し、接触検出部はハイパスフィル
   タからの信号を基にペン先部が筆記面と接触しているか
   否かを検出し、ローパスフィルタは加速度センサが検出
   した加速度から筆記により発生する周波数成分を抽出
   し、加速度検出部はローパスフィルタからの信号を基に
   ペン先部の筆記による加速度を検出し、移動量演算部は
   加速度検出部が検出したペン先部の加速度を基にペン先
   部の移動方向及び移動距離を算出し、記憶部は接触検出
   部が検出したペン先部が筆記面と接触しているか否かを
   示す情報及び移動量演算部が算出したペン先部の移動方
   向並びに移動距離を記憶し、階層型ニューラルネットワ
   ーク演算部は記憶部に記憶したペン先部が筆記面と接触
   しているか否かを示す情報及びペン先部の移動方向並び
   に移動距離を基に認識対象パターンの特徴を抽出し、抽
   出した認識対象パターンの特徴と予め学習した結果を基
   に入力パターンの中間認識結果を算出し、後処理部はニ
   ューラルネットワーク演算部による入力パターンの中間
   認識結果を基に入力パターンの判定をすることを特徴と
   するペン型入力装置。
3. 【請求項３】 上記ハイパスフィルタは10Hz近傍の周波
   数を境にして加速度センサからの信号の高周波成分を抽
   出し、上記ローパスフィルタは100Hz近傍の周波数を境
   にして加速度センサからの信号の低周波数成分を抽出す
   る請求項１又は２記載のペン型入力装置。
4. 【請求項４】 移動量演算部が抽出した認識対象パター
   ンの特徴を規格化し特異点除去を行う前処理部を有する
   請求項１又は２記載のペン型入力装置。
5. 【請求項５】 記憶部に記憶した認識対象パターンの特
   徴を表わすデータ数を一定に保つ請求項２記載のペン型
   入力装置。