TWI489125B - 信號處理裝置 - Google Patents

信號處理裝置 Download PDF

Info

Publication number
TWI489125B
TWI489125B TW102119957A TW102119957A TWI489125B TW I489125 B TWI489125 B TW I489125B TW 102119957 A TW102119957 A TW 102119957A TW 102119957 A TW102119957 A TW 102119957A TW I489125 B TWI489125 B TW I489125B
Authority
TW
Taiwan
Prior art keywords
signal
cognitive
processing device
filter
frequency
Prior art date
Application number
TW102119957A
Other languages
English (en)
Other versions
TW201407182A (zh
Inventor
杉野聰
增田達男
村上忠
Original Assignee
松下電器產業股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from JP2012283357A external-priority patent/JP2014013229A/ja
Priority claimed from JP2012286833A external-priority patent/JP6037279B2/ja
Application filed by 松下電器產業股份有限公司 filed Critical 松下電器產業股份有限公司
Publication of TW201407182A publication Critical patent/TW201407182A/zh
Application granted granted Critical
Publication of TWI489125B publication Critical patent/TWI489125B/zh

Links

Classifications

    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Radar Systems Or Details Thereof (AREA)

Description

信號處理裝置
本發明係關於對來自電波感測器之感測器信號進行信號處理之信號處理裝置。
自以往即有人提倡圖56所示之構成之照明系統(文獻1[日本公開專利公報第2011-47779號])。此照明系統包含：物體檢測裝置101，具備檢測檢測區域內之檢測對象物存在與否並輸出感測器信號之感測器110；及照明器具102，藉由物體檢測裝置101控制點燈狀態。
感測器110係一毫米波感測器，朝檢測區域發送毫米波，將由於檢測區域內移動之檢測對象物反射之毫米波加以接收，將相當於發送之毫米波與接收之毫米波之頻率差分之都卜勒頻率之感測器信號加以輸出。
物體檢測裝置101包含：放大電路111，將感測器110輸出之感測器信號分為複數之頻帶，針對每一頻帶放大；及判定部112，藉由使放大電路111之輸出與既定閾值比較，判定檢測對象物存在與否。
且物體檢測裝置101包含對應由判定部112判定之判定結果控制照明 器具102之點燈狀態之照明控制部113。
且物體檢測裝置101包含將感測器110輸出之感測器信號每一各頻率之強度加以偵測之頻率分析部114。且物體檢測裝置101包含雜訊去除部(雜訊判定部115及切換電路116)，使用頻率分析部114之分析結果降低定常產生之指定頻率雜訊之影響。在此，作為頻率分析部114，使用FFT(高速傅立葉轉換)分析儀。判定部112、照明控制部113與雜訊去除部包含於以微電腦為主構成之控制區塊117。放大電路111構成將感測器信號針對預先決定之頻帶輸出之信號處理部。又，文獻1中記載下列要旨：信號處理部亦可係使用FFT分析儀、數位濾波器等之構成。
放大電路111具有複數使用運算放大器之放大器118，藉由調節構成各放大器118之電路之各種參數，可設定由各放大器118放大信號之頻帶。亦即，各放大器118亦用作為使指定頻帶之信號通過之帶通濾波器。又，放大電路111中，以並聯連接之複數之放大器118將感測器信號分為複數之頻帶，將各頻帶之信號以各放大器118分別放大並個別輸出。
判定部112相對於每一放大器118具有將放大器118之輸出A/D轉換為數位值，與預先決定之閾值比較之比較器119，判定檢測對象物存在與否。比較器119中，閾值針對每一各路徑帶域(亦即每一各放大器118)個別設定，放大器118之輸出處於由閾值決定之範圍外時輸出H位準之信號。在此，於初始狀態(出廠狀態)設定之各路徑帶域之閾值Vth係使用在無電波暗室等電磁波反射之狀態下，於一定時間內測定之各放大器118輸出值V之峰至峰Vpp之最大值Vppini，與該輸出值V之平均值Vavg，以Vth=Vavg±Vppini表示之值。又，判定部112包含採取各比較結果之邏輯和之邏輯和電路120，即使只有1個，只要有H位準之信號，即自邏輯和電路120輸出顯示檢測對象物存在之「檢測狀態」之檢測信號，另一方面，若皆為L位準，即自邏輯和電路120輸出顯示檢測對象物不存在之「非檢測狀態」之檢測信號。檢測信號於檢測狀態中為「1」，於非檢測狀態中為「0」。
雜訊去除部包含：雜訊判定部115，自頻率分析部114之輸出判定定常產生之指定頻率雜訊之有無；及切換電路116，對應雜訊判定部115之判定結果切換相對於判定部112各放大器118之輸出狀態。
切換電路116包含分別插入放大電路111各放大器118與判定部112各比較器119之間之開關121，於初始狀態中此等所有開關121開啟。又，以來自雜訊判定部115之輸出個別對各開關121開關控制，藉此個別開啟關閉各放大器118相對於判定部112之輸出。亦即，切換電路116中，可藉由來自雜訊判定部115之輸出，將對應任意路徑帶域放大器118之開關121加以關閉，藉此可使該放大器118之輸出無效。
雜訊判定部115中，將每一自頻率分析部114輸出之頻率(頻率成分)之感測器信號之信號強度(電壓強度)加以讀入並記憶於記憶體(未經圖示)，使用記憶之資料判定定常產生之指定頻率雜訊之有無。
雜訊判定部115控制切換電路116，俾判斷某指定頻率之雜訊定常產生時，具有包含該雜訊之路徑帶域之放大器118與判定部112之間之開關121關閉。藉此，指定頻率之雜訊定常產生時，就包含該雜訊之頻帶相對於判定部112放大電路111之輸出無效。在此，開關121之開關狀態在每當於雜訊判定部115判定「定常時」時更新。
文獻1所記載之物體檢測裝置101中，可想像除感測器110與照明控制部113外之部分構成對毫米波感測器所構成之感測器110之感測器信號進行信號處理之信號處理裝置。然而，此物體檢測裝置101中，有於例如屋外等使用時，起因於檢測對象(檢測對象物)以外物體之動靜(例如樹枝或葉子搖動之動靜、電線搖動之動靜等)，將檢測對象以外之物體作為檢測對象物體錯誤偵測之可能性。
鑑於上述事由，本發明之目的在於提供一種信號處理裝置，可減少起因於檢測對象以外物體之動靜之錯誤偵測。
依本發明之第1形態之信號處理裝置包含：頻率分析機構，將對應由物體反射之電波之感測器信號轉換為頻域信號，作為頻帶不同之濾波器排之群組中每一該濾波器排之信號抽出；標準化機構，以藉由該頻率分析機構抽出之信號總和，或是通過既定複數之該濾波器排之信號強度總和，將分別通過該各濾波器排之信號強度標準化，作為標準化強度輸出；及認知機構，進行藉由依自該標準化機構輸出之每一該濾波器排之標準化強度決定之頻率分布，與該標準化強度之成分比中至少一者識別該物體之認知處理。
依本發明之第2形態之信號處理裝置於第1形態中，包含：放大部，放大該感測器信號；及A/D轉換部，將由該放大部放大之感測器信號轉換為數位感測器信號並輸出；且該頻率分析機構將自該A/D轉換部輸出之感測器信號轉換為頻域信號，作為該濾波器排之群組中每一該濾波器排之信號抽出。
依本發明之第3形態之信號處理裝置於第1或第2形態中，該頻率分析機構具有藉由對自該A/D轉換部輸出之感測器信號進行離散餘弦轉換，將其轉換為該頻域信號之功能，該各濾波器排分別具有複數之頻格(frequency bin)，該信號處理裝置在該頻率分析機構與該標準化機構之間具有平滑化處理機構，其具有：在每一該各濾波器排，對每一該頻格之信號強度沿頻域平滑化處理之功能；與在每一該各濾波器排，對每一該頻格之信號強度沿時間軸方向平滑化處理之功能中至少一者。
依本發明之第4形態之信號處理裝置於第1~第3形態中任一者中，包含自通過該濾波器排之信號去除背景信號之背景信號去除機構。
依本發明之第5形態之信號處理裝置於第4形態中，該背景信號去除機構，藉由自通過該濾波器排之信號減去該背景信號，而去除該背景信號。
依本發明之第6形態之信號處理裝置於第5形態中，該背景信號去除機構，作為該背景信號，將事前獲得之每一該各濾波器排中複數點之信號在時間軸上之平均值加以去除。
依本發明之第7形態之信號處理裝置於第5形態中，該背景信號去除機構，作為該背景信號，去除每一該濾波器排緊接在前之信號。
依本發明之第8形態之信號處理裝置於第4形態中，該背景信號去除機構以藉由依頻域對該背景信號濾波而去除該背景信號之適應濾波器構成。
依本發明之第9形態之信號處理裝置於第4形態中，該背景信號去除機構自以該標準化機構進行標準化前的每一該濾波器排之該信號，將每一該濾波器排之該背景信號加以去除。
依本發明之第10形態之信號處理裝置於第8形態中，該適應濾波器之適應演算法係離散餘弦轉換之LMS演算法。
依本發明之第11形態之信號處理裝置於第4形態中，該各濾波器排分別具有複數之頻格，以經常性包含該背景信號之該頻格為指定頻格，該背景信號去除機構視該指定頻格之信號為無效，藉由以依接近該指定頻格之該頻格之信號強度推定之信號強度加以補足，而去除背景信號。
依本發明之第12形態之信號處理裝置於第1~第11任1個形態中，該認知機構，作為該認知處理，藉由進行以主成分分析或是KL轉換進行之模式認知(pattern recognition)識別該物體。
依本發明之第13形態之信號處理裝置於第1~第11任1個形態中，該認知機構，作為該認知處理，藉由進行以多元迴歸分析(multiple regression analysis)進行之認知處理識別該物體。
依本發明之第14形態之信號處理裝置於第1~第11任1個形態中，該認知機構，作為該認知處理，進行基於神經網路之認知處理以識別該物體。
依本發明之第15形態之信號處理裝置於第1~第14任1個形態中，該認知機構，藉由根據在時間軸上之奇數次該認知處理的結果之多數決判定，而決定識別結果。
依本發明之第16形態之信號處理裝置於第1~第15任1個形態中，僅於以該標準化機構進行標準化前之複數之該濾波器排之該信號強度總和在既定值以上時，進行基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為有效。
依本發明之第17形態之信號處理裝置於第16形態中，包含使該既定值為可變之閾值設定機構。
依本發明之第18形態之信號處理裝置於第17形態中，該閾值設定機構，根據在輸出該感測器信號之電波感測器起動時至經過既定時間之期間通過該濾波器排之該標準化前之各信號強度，設定該既定值。
依本發明之第19形態之信號處理裝置於第17或第18形態中，該閾值設定機構，在該認知機構識別出有該物體之狀態持續既定時間以上時，或 該認知機構識別出無該物體之狀態持續既定時間以上時，對該既定值進行再設定。
依本發明之第20形態之信號處理裝置於第1~第19任1個形態中，包含：信號成分抽出機構，自每一該濾波器排之該標準化強度，將起因於該物體之動靜之信號成分加以抽出；及干擾判斷機構，該抽出之起因於該物體之動靜之信號成分每單位時間之變動大小至少於1個該濾波器排在第1既定值以上時，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
依本發明之第21形態之信號處理裝置於第20形態中，該干擾判斷機構，在自每該單位時間之變動大小在該第1既定值以上至經過既定時間為止，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
依本發明之第22形態之信號處理裝置於第20或第21形態中，該干擾判斷機構，在自每該單位時間之變動大小變得在小於該第1既定值之第2既定值以下至經過既定時間為止，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
依本發明之第23形態之信號處理裝置於第1~第19任1個形態中，包含干擾判斷機構，其在通過至少1個該濾波器排之信號強度的每單位時間之變動大小在第1既定值以上時，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
依本發明之第24形態之信號處理裝置於第23形態中，該干擾判斷機構，在自每該單位時間之變動大小變得在該第1既定值以上至經過既定時間為止，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
依本發明之第25形態之信號處理裝置於第23或第24形態中，該干擾判斷機構，在自每該單位時間之變動大小變得在小於該第1既定值之第2既定值以下至經過既定時間為止，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
N1、N2‧‧‧神經元
Ob‧‧‧物體
Tr‧‧‧樹
Se‧‧‧感測器裝置
s1~s5‧‧‧信號強度
X1~X7‧‧‧步驟
1‧‧‧電波感測器
2‧‧‧信號處理裝置
3‧‧‧放大部
4‧‧‧A/D轉換部
5‧‧‧頻率分析機構
5a‧‧‧濾波器排
5b‧‧‧頻格
5bi ‧‧‧指定頻格
6‧‧‧標準化機構
7‧‧‧認知機構
8‧‧‧平滑化處理機構
9‧‧‧背景信號推定機構
10‧‧‧背景信號去除機構
11‧‧‧資料庫
12‧‧‧輸出部
13‧‧‧信號成分抽出機構
14、15‧‧‧干擾判斷機構
50‧‧‧濾波器排之群組
57a‧‧‧濾波器
57b‧‧‧減法器
57c‧‧‧適應處理部
71、72‧‧‧輸入層
101‧‧‧物體檢測裝置
102‧‧‧照明器具
110‧‧‧感測器
111‧‧‧放大電路
112‧‧‧判定部
113‧‧‧照明控制部
114‧‧‧頻率分析部
115‧‧‧雜訊判定部
116‧‧‧切換電路
117‧‧‧控制區塊
118‧‧‧放大器
119‧‧‧比較器
120‧‧‧邏輯和電路
121‧‧‧開關
圖1係包含依實施形態1之電波感測器與信號處理裝置之感測器裝置之方塊圖。
圖2係依實施形態1之信號處理裝置之標準化機構之說明圖。
圖3係依實施形態1之信號處理裝置之標準化機構之說明圖。
圖4係依實施形態1之信號處理裝置之標準化機構之說明圖。
圖5係用於依實施形態1之信號處理裝置之平滑化處理機構之說明圖。
圖6係用於依實施形態1之信號處理裝置之平滑化處理機構之說明圖。
圖7係用於依實施形態1之信號處理裝置之平滑化處理機構之說明圖。
圖8係依實施形態1之信號處理裝置之背景信號去除機構之一例之說明圖。
圖9係依實施形態1之信號處理裝置之背景信號去除機構之一例之說明圖。
圖10係依實施形態1之信號處理裝置之背景信號去除機構之一例之說明圖。
圖11係依實施形態1之信號處理裝置之背景信號去除機構之另一例之說明圖。
圖12係依實施形態1之信號處理裝置之背景信號去除機構之又一例之說明圖。
圖13係依實施形態1之信號處理裝置之背景信號去除機構之又一例之說明圖。
圖14係構成依實施形態1之信號處理裝置之背景信號去除機構之再一例之適應濾波器之方塊圖。
圖15係依實施形態1之信號處理裝置之以主成分分析進行之認知處理之說明圖。
圖16係依實施形態1之信號處理裝置之以主成分分析進行之認知處理之說明圖。
圖17係依實施形態1之信號處理裝置之以主成分分析進行之認知處理之說明圖。
圖18係依實施形態1之感測器裝置之使用形態之說明圖。
圖19係依實施形態1之感測器裝置之使用形態之說明圖。
圖20係依實施形態1之感測器裝置之來自電波感測器之感測器信號之波形圖。
圖21係依實施形態1之信號處理裝置之標準化機構之輸出之說明圖。
圖22係依實施形態1之信號處理裝置之輸出信號之說明圖。
圖23係包含依實施形態1之電波感測器與信號處理裝置之感測器裝置之使用形態之說明圖。
圖24係依實施形態1之感測器裝置之來自電波感測器之感測器信號之波形圖。
圖25係依實施形態1之信號處理裝置之輸出信號之說明圖。
圖26係依實施形態1之信號處理裝置之標準化機構之輸出之說明圖。
圖27係依實施形態1之信號處理裝置之輸出信號之說明圖。
圖28係依實施形態1之信號處理裝置之以多元迴歸分析進行之識別處理之說明圖。
圖29係依實施形態1之信號處理裝置之以多元迴歸分析進行之識別處理之另一說明圖。
圖30係依實施形態1之信號處理裝置之以多元迴歸分析進行之識別處理之另一說明圖。
圖31係依實施形態1之信號處理裝置之以識別機構進行之多數決判定之說明圖。
圖32係依實施形態1之信號處理裝置之說明圖。
圖33係依實施形態1之信號處理裝置之說明圖。
圖34係依實施形態1之濾波器排之群組之說明圖。
圖35係依實施形態1之動作之流程圖。
圖36係依實施形態1之感測器裝置之來自電波感測器之感測器信號之波形圖。
圖37係依實施形態1之感測器裝置之來自電波感測器之感測器信號之波形圖。
圖38係依實施形態1之信號處理裝置之輸出信號之說明圖。
圖39係依實施形態1之信號處理裝置之輸出信號之說明圖。
圖40係依實施形態1之信號處理裝置之輸出信號之說明圖。
圖41係依實施形態1之信號處理裝置之輸出信號之說明圖。
圖42係依實施形態1之信號處理裝置之狀態機之動作之說明圖。
圖43係依實施形態1之信號處理裝置之狀態機之動作之說明圖。
圖44係依實施形態1之信號處理裝置之狀態機之動作之說明圖。
圖45係依實施形態1之信號處理裝置之狀態機之動作之說明圖。
圖46係依實施形態1之信號處理裝置之神經網路之概略構成圖。
圖47係包含依實施形態2之電波感測器與信號處理裝置之感測器裝置之方塊圖。
圖48係依實施形態2之信號處理裝置藉由多元迴歸分析分離之信號成分之波形圖。
圖49係依實施形態2之信號處理裝置未進行認知處理之可否判斷時之輸出信號之波形圖。
圖50係依實施形態2之信號處理裝置進行認知處理之可否判斷時之輸出信號之波形圖。
圖51係依實施形態2之信號處理裝置藉由多元迴歸分析分離之信號成分之一部分之波形圖。
圖52係包含依實施形態2之電波感測器與信號處理裝置之另一感測器裝置之方塊圖。
圖53係依實施形態2之信號強度之波形圖。
圖54係依實施形態2之信號處理裝置未進行認知處理之可否判斷時之輸出信號之波形圖。
圖55係依實施形態2之信號處理裝置進行認知處理之可否判斷時之輸 出信號之波形圖。
圖56係顯示習知之照明系統之構成之方塊圖。
實施形態1
於以下根據圖1~圖46說明關於本實施形態之信號處理裝置2。
信號處理裝置2對自發送電波並接收因物體反射之電波之電波感測器1輸出之感測器信號進行信號處理。又，圖1係包含電波感測器1與信號處理裝置2之感測器裝置Se之方塊圖。
作為電波感測器1，使用朝檢測區域發送既定頻率電波，將因於檢測區域內動作之物體反射之電波加以接收，將相當於發送之電波與接收之電波之頻率差分之都卜勒頻率之感測器信號加以輸出之都卜勒感測器。因此，感測器信號(自電波感測器1輸出之感測器信號)係對應物體動靜之類比時間軸信號。如此，電波感測器1於既定檢測區域發送電波。電波感測器1接收來自檢測區域之電波後，即將作為對應接收之電波之信號之感測器信號(類比感測器信號)加以輸出。
電波感測器1包含：發送機，朝檢測區域發送電波；接收機，將因檢測區域內之物體反射之電波加以接收；及混波器，將相當於發送之電波與接收之電波之頻率差分之頻率之感測器信號加以輸出。
發送機包含發送用天線。且接收機包含接收用天線。
又，自發送機發送之電波例如可係既定頻率24.15GHz之毫米波。自發送機發送之電波不限於毫米波，亦可係微波。且發送之電波既定頻率之值無特別限定。反射電波之物體於檢測區域內移動時，因都卜勒效果反射波 頻率移位。且電波感測器1其構成等無特別限定，亦可使用2頻(多頻)方式之都卜勒感測器，或FMCW(Frequency Modulated Continuous Wave)方式之都卜勒感測器等。
信號處理裝置2包含：放大部3，放大感測器信號(自電波感測器1輸出之類比感測器信號)；及A/D轉換部4，將由放大部3放大之感測器信號(類比感測器信號)轉換為數位感測器信號並輸出。
放大部3可藉由例如使用運算放大器之放大器構成。
A/D轉換部4將因放大部3放大之類比感測器信號轉換為數位感測器信號並輸出。A/D轉換部4雖設定採樣率(sampling rate)為1×103s sps(sample per second)，但採樣率無特別限定。
且信號處理裝置2包含頻率分析機構5，其將自A/D轉換部4輸出之感測器信號轉換為頻域信號(頻率軸信號)，作為頻帶(通過頻帶)不同之濾波器排5a(參照圖2)之群組中每一濾波器排5a之信號(對應濾波器排5a之信號)抽出之。
換言之，頻率分析機構5將對應由物體反射之電波之感測器信號轉換為頻域信號，使頻域信號通過頻帶不同之複數之濾波器排5a之群組(濾波器)，抽出分別對應複數之濾波器排5a之複數之信號。在此，所謂對應濾波器排5a之信號意指通過濾波器排5a之信號。
如此，頻率分析機構5沿頻率軸分割感測器信號(頻域信號)，產生頻帶不同之複數之信號。
頻率分析機構5中，作為濾波器排5a之群組，雖設定限定數(例如16個)之濾波器排5a，但濾波器排5a之個數無特別限定。
且信號處理裝置2包含標準化機構6，其以由頻率分析機構5抽出之信號總和(強度總和)，或是通過既定複數(例如低頻側之4個)濾波器排5a之信號強度總和，將分別通過各濾波器排5a之信號強度加以標準化，作為標準化強度輸出之。
換言之，標準化機構6將由頻率分析機構5抽出之複數之信號之強度加以標準化。藉此，標準化機構6求取由頻率分析機構5抽出之複數之信號之標準化強度。例如，標準化機構6使用分別對應複數之濾波器排5a中複數之指定之濾波器排5a之複數之指定信號之強度總和進行標準化。又，複數之指定之濾波器排5a亦可係所有複數之濾波器排5a。此時，複數之指定之信號係所有由頻率分析機構5抽出之複數之信號。
如此，標準化機構6使用分別對應複數之濾波器排5a中複數之指定之濾波器排5a之複數之指定信號之強度總和將複數之信號之強度標準化，求取複數之信號之標準化強度。
且信號處理裝置2包含認知機構7，其進行藉由依自標準化機構6輸出之每一濾波器排5a之標準化強度決定之頻率分布認知物體之認知處理。亦即，認知機構7進行藉由關於依由標準化機構6求取之標準化強度決定之感測器信號(頻域信號)之標準化強度之特徵識別物體之認知處理。在此，關於感測器信號(頻域信號)之標準化強度之特徵係依自標準化機構6輸出之每一濾波器排5a之標準化強度決定之頻率分布，亦即，感測器信號(頻域信號)之標準化強度之頻率分布。
上述頻率分析機構5具有藉由對自A/D轉換部4輸出之感測器信號進行離散餘弦轉換(Discrete Cosine Transform：DCT)將其轉換為頻域信號之功能。且如圖2所示，各濾波器排5a分別具有複數(圖示例中為5個)頻格(frequency bin)5b。利用DCT之濾波器排5a之頻格5b亦稱為DCT格。各濾波器排5a由頻格5b之寬(圖2中之△f)決定解析度。各濾波器排5a中各 頻格5b之數量無特別限定，可為5個以外之複數，亦可為1個。將自A/D轉換部4輸出之感測器信號轉換為頻域信號之正交轉換不限於DCT，例如亦可為高速傅立葉轉換(Fast Fourier Transformation：FFT)。利用FFT之濾波器排5a之頻格5b亦稱為FFT格。且將自A/D轉換部4輸出之感測器信號轉換為頻域信號之正交轉換亦可係子波轉換(Wavelet Transform：WT)。
各濾波器排5a分別具有複數之頻格5b時，信號處理裝置2宜在頻率分析機構5與標準化機構6之間具有平滑化處理機構8。此平滑化處理機構8宜具有沿頻域(頻率軸方向)對相對於每一各濾波器排5a每一頻格5b信號之強度進行平滑化處理之功能，與沿時間軸方向對相對於每一各濾波器排5a每一頻格5b信號之強度進行平滑化處理之功能其中至少一者。藉此，信號處理裝置2可降低雜訊之影響，若雙方都有的話，可更降低雜訊之影響。
沿頻域對相對於每一各濾波器排5a每一頻格5b信號之強度進行平滑化處理之功能(以下亦稱第1平滑化處理功能)例如可藉由平均值濾波器、負載平均濾波器、中位數濾波器、負載中位數濾波器等實現。以平均值濾波器實現第1平滑化處理功能時，如圖2、圖5所示，於時刻t1 ，自頻率低者起依序數來第1個濾波器排5a之5個頻格5b中各信號強度分別係s1、s2、s3、s4及s5。在此，就第1個濾波器排5a觀察，若藉由第1平滑化處理功能經平滑化處理之信號強度為m11(參照圖3、圖6)，則強度m11可藉由下列(1)式求取。
同樣地，如圖3、圖6所示，第2個濾波器排5a、第3個濾波器排5a、第4個濾波器排5a及第5個濾波器排5a之信號分別為m21 、m31 、m41 及m51 。簡要而言，本實施形態中，為求便於說明，相對於時間軸上時刻ti (i為自然數)時第j(j為自然數)個濾波器排5a之信號藉由第1平滑化處理功能經平滑化處理之信號強度以mji 表示。
標準化機構6中，藉由於認知機構7通過利用來認知處理之複數之既定濾波器排5a之信號強度總和，將分別通過各濾波器排5a之信號強度值加以標準化。在此說明，例如頻率分析機構5中濾波器排5a之總數為16個，利用來認知處理之既定複數之濾波器排5a自頻率低者依序數來僅第1~5 5個。若於時刻t1通過第1個濾波器排5a之信號強度m11之標準化強度為n11(參照圖4)，則標準化強度n11可於標準化機構6藉由下列(2)式求取。
且各濾波器排5a分別由1個頻格5b構成時，標準化機構6將分別通過各濾波器排5a之信號強度抽出，以此等強度總和，將分別通過各濾波器排5a之信號強度加以標準化。
且平滑化處理機構8沿時間軸方向對相對於每一各濾波器排5a每一頻格5b信號之強度進行平滑化處理之功能(以下亦稱第2平滑化處理功能)可藉由例如平均值濾波器、負載平均濾波器、中位數濾波器、負載中位數濾波器等實現。藉由求取於時間軸方向之複數之點(例如3點)之平均值之平均值濾波器使第2平滑化處理功能實現時，如圖7所示，就第1個濾波器排5a觀察，若藉由第2平滑化處理功能經平滑化處理之信號強度為m1 ，則強度m1 可藉由下列(3)式求取。
同樣地，若第2個濾波器排5a、第3個濾波器排5a、第4個濾波器排5a及第5個濾波器排5a之信號強度分別為m2 、m3 、m4 及m5 ，則強度m2 、m3 、m4 及m5 分別可藉由下列(4)、(5)、(6)及(7)式求取。
【數式4】
簡要而言，本實施形態中，為求便於說明，藉由第1平滑化處理功能對第n(n為自然數)濾波器排5a之信號進行平滑化處理，更藉由第2平滑化處理功能經平滑化處理之信號強度以mn 表示。
且信號處理裝置2宜包含：背景信號推定機構9，將分別自各濾波器排5a輸出之信號所包含之背景信號(亦即雜訊)加以推定；及背景信號去除機構10，自通過各濾波器排5a之信號去除背景信號。
信號處理裝置2宜例如作為動作模式，有推定背景信號之第1模式，與進行認知處理之第2模式，每隔由計時器(未經圖示)計時之既定時間(例如30秒)即切換第1模式與第2模式。在此，信號處理裝置2宜於第1模式期間令背景信號推定機構9動作，於第2模式期間，以背景信號去除機構10去除背景信號，再以認知機構7進行認知處理。第1模式時間與第2模式時間不限於相同時間(例如30秒)，亦可係相互不同之時間。
背景信號去除機構10亦可例如從自濾波器排5a輸出之信號減去背景信號，藉此去除背景信號。此時，背景信號去除機構10例如可藉由自分別通過各濾波器排5a之信號m1 、m2 、…(參照圖9)之強度將以背景信號推定機構9推定之背景信號強度b1 、b2 、‥(參照圖8)減去之減法器構成。圖10顯示藉由以同一濾波器排5a彼此自信號減去背景信號獲得之信號強度。在此，若自左起第1個濾波器排5a之信號強度為L1 ，則強度L1 可藉由下列(8)式求取。
【數式5】L 1 =m 1 -b 1 (8)
同樣地，就第2個濾波器排5a、第3個濾波器排5a、第4個濾波器排5a及第5個濾波器排5a減去背景信號後之信號強度若分別為L2 、L3 、L4 及L5 ，則強度L2 、L3 、L4 及L5 可分別藉由下列(9)、(10)、(11)及(12)式求取。
【數式6】L 2 =m 2 -b 2 (9)L 3 =m 3 -b 3 (10)L 4 =m 4 -b 4 (11)L 5 =m 5 -b 5 (12)
背景信號推定機構9亦可於第1模式期間，推定分別就各濾波器排5a獲得之信號強度為每一各濾波器排5a之背景信號強度並隨時更新。且背景信號推定機構9亦可於第1模式，推定分別就各濾波器排5a獲得之複數之信號強度之平均值為每一各濾波器排5a之背景信號強度。亦即，背景信號推定機構9亦可以事前獲得之每一各濾波器排5a之複數點之信號在時間軸上之平均值為背景信號。藉此，背景信號推定機構9可提升背景信號之推定精度。
且背景信號去除機構10亦可以每一濾波器排5a緊接在前之信號(亦即前次信號)為背景信號。在此，信號處理裝置2亦可具有在以標準化機構6標準化處理各信號前，藉由減去時間軸上緊接在前之信號去除背景信號之功能。簡要而言，背景信號去除機構10亦可具有關於分別通過各濾波器排5a之信號，自作為標準化處理對象之信號減去在時間軸上1個取樣前之信號，藉此去除背景信號之功能。此時，例如圖11所示，若作為標準化處理對象，在時刻t1各濾波器排5a之各信號為m1 (t1 )、m2 (t1 )、m3 (t1 )、m4 (t1 )及m5 (t1 )，緊接在其前時刻t0 之信號為m1 (t0 )、m2 (t0 )、m3 (t0 )、m4 (t0 )及m5 (t0 )， 相減後之信號強度為L1 、L2 、L3 、L4 及L5 ，則強度L1 、L2 、L3 、L4 及L5 分別可藉由下列(13)、(14)、(15)、(16)及(17)式求取。
【數式7】L 1 =m 1 (t 1 )-m 1 (t 0 ) (13)L 2 =m 2 (t 1 )-m 2 (t 0 ) (14)L 3 =m 3 (t 1 )-m 3 (t 0 ) (15)L 4 =m 4 (t 1 )-m 4 (t 0 ) (16)L 5 =m 5 (t 1 )-m 5 (t 0 ) (17)
又，依根據信號處理裝置2使用形態之周圍環境，有時包含預先相對較大之背景信號(雜訊)之頻格5b為已知。例如，於包含電波感測器1與信號處理裝置2之感測器裝置Se周邊，存在由商用電源供給電源之設備時，包含如商用電源頻率(例如60Hz)低倍之頻率(例如，60Hz、120Hz等)之指定頻率之頻格5b之信號中，包含相對較大之背景信號之可能性高。另一方面，檢測對象物體於檢測區域內移動時自電波感測器1輸出之感測器信號中，該感測器信號頻率(都卜勒頻率)對應電波感測器1與物體之間之距離，與物體之移動速度隨時變化，故其不以指定頻率定常產生。
在此，信號處理裝置2亦可在各濾波器排5a分別具有複數之頻格5b時，以經常性包含背景信號之頻格5b為指定頻格5bi ，背景信號去除機構10令指定頻格5bi 之信號無效，藉由以自接近該指定頻格5bi 之2個頻格5b之信號強度推定之信號強度加以補足，而去除背景信號。圖12、13之例中，以圖12中自左起第3個頻格5b為指定頻格5bi ，令該指定頻格5bi 之信號(信號強度b3 )無效，如圖13所示，以自接近該指定頻格5bi 之2個頻格5b之信號成分強度b2 、b4 推定之信號成分強度b3 補充。此推定時，以接近指定頻格5bi 之2個頻格5b之信號強度b2 、b4 之平均值，亦即(b2 +b4 )/2為推定之信號強度b3 。簡要而言，若於濾波器排5a內自低頻率側起第i頻格5b為指定頻格5bi ，該指定頻格5bi 之信號強度為bi ，則bi 係藉由下列(18)式所 示之推定式求取之值。
藉此，信號處理裝置2可在短時間內降低定常產生之指定頻率背景信號(雜訊)之影響。藉此，信號處理裝置2可實現提升檢測對象物體之檢測精度。
背景信號去除機構10亦可使用藉由於頻域(頻率軸上)對背景信號濾波，藉此去除背景信號之適應濾波器(Adaptive filter)。
適應濾波器係按照適應演算法(最佳化演算法)使傳達函數(濾波器係數)自適應之濾波器，可藉由數位濾波器實現。作為此種適應濾波器，宜係使用DCT之適應濾波器(Adaptive filter using Discrete Cosine Transform)。此時，作為適應濾波器之適應演算法，使用DCT之LMS(Least Mean Square)演算法即可。且適應濾波器亦可係使用FFT之適應濾波器。此時，作為適應濾波器之適應演算法，使用FFT之LMS演算法即可。LMS演算法有相較於投影(Projection)演算法或RLS(Recursive Least Square)演算法可降低運算量之優點，DCT之LMS演算法僅以實數運算即可，相較於需複素數運算之FFT之LMS演算法有可降低運算量之優點。
適應濾波器呈例如圖14所示之構成。此適應濾波器包含：濾波器57a，使濾波器係數可變；減法器57b，輸出濾波器57a之輸出信號與參照信號之誤差信號；及適應處理部57c，按照適應演算法自輸入信號與誤差信號產生濾波器係數之修正係數，使濾波器係數更新。
適應濾波器以濾波器57a之輸入信號為熱雜訊所構成之背景信號，參照信號為所希望之白色雜訊值，即可藉由對不要之背景信號濾波去除背景信號。
且背景信號去除機構10亦可藉由適當設定適應濾波器之遺忘係數(forgetting factor)，將在頻率軸上對長時間平均的背景信號進行濾波之信號頻率分布加以抽出。遺忘係數用來在更新濾波器係數之運算時以指數函數之方式使過去資料(濾波器係數)之影響自現在資料(濾波器係數)愈回朔至過去愈輕，愈接近現在資料愈重。遺忘係數係未滿1之正值，例如適當設定於約0.95~0.99之範圍內即可。
認知機構7根據通過各濾波器排5a，由標準化機構6經標準化之各標準化強度之頻域中之分布進行識別物體之認知處理。在此，識別係包含分類、認知之概念。
認知機構7可藉由進行例如以主成分分析(principal component analysis)進行之模式認知處理識別物體。此認知機構7按照使用主成分分析之認知演算法動作。為採用如此之認知機構7，預先將於電波感測器1之檢測區域未包含偵測對象物體時之學習取樣資料、分別對應偵測對象物體之不同動靜之學習取樣資料加以取得，將藉由對此等複數之學習資料施行主成分分析而獲得之資料記憶於資料庫(資料庫裝置)11。在此，記憶於資料庫11之資料係利用於模式認知之資料，係物體動靜與投影向量及判別邊界值(閾值)相對應之範疇資料。
在此，為求便於說明，圖15顯示與於電波感測器1之檢測區域未包含偵測對象物體時之學習取樣資料對應之標準化強度在頻域之分布，圖16顯示與包含偵測對象物體時之學習取樣資料對應之標準化強度在頻域之分布。又，圖15中，分別通過各濾波器排5a之信號之標準化強度自低頻側起依序係m10 、m20 、m30 、m40 及m50 。圖16中，分別通過各濾波器排5a之信號之標準化強度自低頻側起依序係m11 、m21 、m31 、m41 及m51 。又，圖15、16任一者中，分別通過低頻側之3個濾波器排5a之信號之標準化強度總和皆為變量m1 ，分別通過高頻側之2個濾波器排5a之信號之標準化強度總和皆為變量m2 。簡要而言，圖15中，變量m1 、m2 分別可藉由下列(19) 及(20)式求取。
【數式9】m 1 =m 10 +m 20 +m 30 (19)m 2 =m 40 +m 50 (20)
且圖16中，變量m1 、m2 分別可藉由下列(21)及(22)式求取。
【數式10】m 1 =m 11 +m 21 +m 31 (21)m 2 =m 41 +m 51 (22)
圖17係為以影像方式說明2個變量m1 、m2 為相互正交之座標軸時之2維散布圖與投影軸及識別邊界以2維圖示者。圖17中，以虛線包圍之區域內各散布點(圖17中之“+”)之座標位置為μ0 (m2 、m1 )，以實線包圍之區域內各散布點之座標位置為μ1 (m2 、m1 )。主成分分析中，預先將與於電波感測器1之檢測區域未包含偵測對象物體時之學習取樣資料對應之資料群組Gr0，和與於電波感測器1之檢測區域包含偵測對象物體時之學習取樣資料對應之資料群組Gr1加以決定。又，主成分分析中，藉由在投影軸上使圖17中分別以虛線、實線包圍之區域內各散布點投影之資料分布(以虛線、實線示意顯示)之平均值間隔最大，且分散(variance)最大之條件決定投影軸。藉此，主成分分析中，可針對每一學習取樣求取投影向量。
又，信號處理裝置2包含輸出由識別機構(認知機構)7識別之識別結果之輸出部12，藉由認知機構7認知到檢測對象物體時，自輸出部12輸出表示偵測到物體之輸出信號(“1”)，未認知到檢測對象物體時，自輸出部12輸出表示未偵測到物體之輸出信號(“0”)。
信號處理裝置2包含未圖示之運算處理裝置(例如微電腦)，此運算處理裝置用作為頻率分析機構5、標準化機構6、背景信號推定機構9、背景信號去除機構10、平滑化處理機構8及認知機構7。亦即，信號處理裝置2 於圖1中放大部3、A/D轉換部4、輸出部12及資料庫11以外之部分可藉由以微電腦實行適當程式實現之。
在此，參照圖18~圖22並同時說明關於自電波感測器1輸出之感測器信號之一例，與自輸出部12輸出之輸出信號之關係。
圖18、19說明包含電波感測器1與信號處理裝置2之感測器裝置Se之使用狀況，顯示檢測對象物體Ob係人，於屋外檢測區域內存在作為檢測對象以外之物體之樹Tr。圖20顯示在此使用狀況下，於樹Tr之枝及葉搖動之狀態下，物體Ob於樹Tr前以1m/s之移動速度恰移動6.7m時自電波感測器1輸出之感測器信號之一例。又，電波感測器1與樹Tr之距離約10m，電波感測器1與物體Ob之距離約8m。圖21顯示標準化強度在頻域之分布及在時間軸區域之分布。圖22中已確認可減少輸出部12之輸出信號內，起因於檢測對象以外物體之動靜之錯誤偵測。
又，以標準化強度在頻域之分布觀察，檢測區域內物體係樹時，枝或葉即使搖動亦不移動，故相較於物體係於檢測區域內步行之人時，具有自更低頻區域有信號成分之頻率分布。相對於此，物體係於檢測區域內步行之人時，具有在對應其步行速度之頻率附近有中心頻率之山型頻率分布，於頻率分布明顯可見不同。
於檢測區域內存在之檢測對象以外之物體主要係非移動體之可動物。電波感測器1之檢測區域設定於屋外時，於檢測區域內存在之檢測對象以外之物體不限於樹Tr，例如可舉出因風搖動之電線等。
在此，參照圖23~圖26並同時說明關於自電波感測器1輸出之感測器信號之另一例與自輸出部12輸出之輸出信號之關係。
圖23說明包含電波感測器1與信號處理裝置2之感測器裝置Se之使用狀況，顯示檢測對象物體Ob係人，於屋外之檢測區域內下雨。圖24顯 示在此使用狀況下，物體Ob以1m/s之移動速度恰移動6.7m時自電波感測器1輸出之感測器信號之一例。圖25係未以背景信號去除機構10去除背景信號時輸出部12之輸出信號。圖26顯示以背景信號去除機構10去除背景信號時標準化強度在頻域之分布及在時間軸區域之分布。圖27係以背景信號去除機構10去除背景信號時輸出部12之輸出信號。自圖27與圖25之比較明白可知，藉由以背景信號去除機構10去除背景信號，可減少起因於檢測對象以外之物體(在此係雨滴)之動靜之錯誤偵測。
且電波感測器1之檢測區域設定於屋內時，於檢測區域內存在之檢測對象以外之物體可舉出例如電風扇等包含可動體(電風扇時係葉片)之設備等。
信號處理裝置2宜藉由來自外部之設定使上述閾值可變。藉此，信號處理裝置2可對應使用用途調整要求之不報率、誤報率。例如，檢測對象物體係人，根據來自輸出部12之輸出信號控制照明負載開關之使用用途中，可容許如有時於電波感測器1之檢測區域內雖有人進來但未報程度之少許誤報。
以上說明之本實施形態之信號處理裝置2如上述，包含放大部3、A/D轉換部4、頻率分析機構5、標準化機構6與認知機構7。在此，頻率分析機構5將自A/D轉換部4輸出之感測器信號轉換為頻域信號，作為頻帶不同之濾波器排5a群組中每一濾波器排5a之信號抽出之。且標準化機構6以由頻率分析機構5抽出之信號總和或是通過既定複數之濾波器排5a之信號強度總和，將分別通過各濾波器排5a之信號強度標準化，作為標準化強度輸出。且認知機構7進行藉由依自標準化機構6輸出之每一濾波器排5a之標準化強度決定之頻率分布識別物體之認知處理。
又，本實施形態之信號處理裝置可減少起因於檢測對象以外物體之動靜之錯誤偵測。簡要而言，本實施形態之信號處理裝置2中，依將通過既定複數之濾波器排5a之信號標準化之標準化強度決定之頻率分布可以統計 方式分離不同物體並識別之，故可減少錯誤偵測。
且利用FFT之濾波器排5a中，有時需在FFT處理前實施對感測器信號乘上既定窗函數(window function)之處理，以壓制所希望之頻帶(通過帶域)外之旁瓣(side-lobe)。作為窗函數，例如可使用矩形窗(rectangular window)、高斯窗(Gauss window)、韓恩窗(hann window)、漢明窗(hamming window)等。相對於此，利用DCT之濾波器排5a中，可不使用窗函數，或以簡約的數位濾波器實現窗函數。
且利用DCT之濾波器排5a相較於利用FFT之濾波器排5a，FFT係複素運算之處理方式(運算強度及相位)，相對於此，DCT係實數運算之處理方式，故可減小運算規模。且DCT中，關於頻率之解析度，以相同處理點數比較DCT與FFT即知，DCT係FFT之2分之1，故可使資料庫11等硬體資源(hardware resource)等小型化。信號處理裝置2中，例如A/D轉換部4每1秒期間之採樣數為128時(採樣頻率為1kHz時)，FFT格5b之寬為8Hz，相對於此，DCT格5b之寬可為4Hz。又，此等數值係一例，無特別限定。
且信號處理裝置2以認知機構7在時間軸上持續識別檢測對象物體時，將此時自標準化機構6輸出之標準化強度作為偏移之背景信號去除，藉此可提升認知精度。
認知機構7不限於藉由以主成分分析進行之模式認知處理識別物體，例如亦可藉由以KL轉換進行之模式認知處理識別物體。信號處理裝置2藉由以認知機構7進行以主成分分析進行之模式認知處理或是以KL轉換進行之模式認知處理，可實現認知機構7中計算量之降低及資料庫11容量(記憶容量)之降低。
認知機構7亦可進行藉由自標準化機構6輸出之每一濾波器排5a之標準化強度之成分比識別物體之認知處理。亦即，認知機構7亦可進行藉由 關於依由標準化機構6求取之標準化強度決定之感測器信號(頻域信號)之標準化強度之特徵識別物體之認知處理。在此，關於感測器信號(頻域信號)之標準化強度之特徵係依自標準化機構6輸出之每一濾波器排5a之標準化強度決定之標準化強度之成分比，亦即，感測器信號(頻域信號)之標準化強度之成分比。
如此之認知機構7例如藉由進行以多元迴歸分析進行之認知處理識別物體即可。此時，認知機構7按照使用多元迴歸分析之認知演算法動作。
採用如此之認知機構7時，預先將分別對應於電波感測器1之檢測區域內偵測對象物體之不同動靜之學習資料加以取得，將藉由對此等複數之學習資料施行多元迴歸分析而獲得之資料記憶於資料庫11。按照多元迴歸分析，如圖28所示，合成有信號成分s1、信號成分s2與信號成分s3之合成波形Gs中，即使信號成分s1、s2、s3之類別、信號成分之數量、各信號成分s1、s2、s3之各強度為未知，亦可自合成波形分離推定出各信號成分s1、s2、s3。圖28中之〔S〕表示以信號成分s1、s2、s3為矩陣要素之矩陣，〔S〕-1 意指〔S〕之反矩陣，I意指標準化強度之成分比(係數)。更詳細而言，I意指以標準化強度之成分比(係數)i1、i2、i3為矩陣要素之矩陣。在此，記憶於資料庫11之資料係利用於認知處理之資料，係物體之動靜與信號成分s1、s2、s3相對應之資料。
圖29中，橫軸係時間，縱軸係標準化強度，在於屋外之檢測區域內搖動之電線下作為檢測對象物體之人以2m/s之移動速度恰移動10m時，自標準化機構6輸出之標準化強度在時間軸上之資料(對應上述合成波形Gs)以A1表示。且圖29中，亦顯示藉由多元迴歸分析自資料A1分離之信號成分A2、A3。在此，信號成分A2係起因於人之移動之信號成分，信號成分A3係起因於電線搖動之信號成分。圖30顯示認知機構7中，A2>A3時識別檢測對象物體存在，輸出部12之輸出信號為“1”，此以外時識別檢測對象物體不存在，輸出部12之輸出信號為“0”時輸出部12之輸出信號。依圖30已確認可減少起因於檢測對象以外之物體(在此係電線)之動靜之錯誤偵測。
信號處理裝置2宜藉由來自外部之設定使上述判定條件(A2>A3)可變。例如，判定條件宜為A2>α×A3，藉由來自外部之設定使係數α可變。藉此，信號處理裝置2可對應使用用途調整要求之不報率、誤報率。
又，認知機構7中，亦可根據上述頻率分布之特徵及標準化強度之成分比識別檢測對象物體。亦即，認知機構7亦可進行藉由關於依由標準化機構6求取之標準化強度決定之感測器信號(頻域信號)之標準化強度之特徵識別物體之認知處理。在此，關於感測器信號(頻域信號)標準化強度之特徵係感測器信號(頻域信號)之標準化強度頻率分布及標準化強度之成分比。
認知機構7亦可藉由根據在時間軸上奇數次認知處理之結果之多數決判定識別物體。例如，按照圖31中以短劃線包圍之區域之3次認知處理的結果之多數決判定，輸出部12之輸出信號為“1”。
藉此，信號處理裝置2可提升認知機構7中之識別精度。
且信號處理裝置2亦可僅於以標準化機構6進行標準化前之複數之既定濾波器排5a之信號成分強度總和或是加權總和在既定值以上時，以認知機構7進行認知處理或是令認知機構7造成的認知結果為有效。圖32、33係以標準化機構6進行標準化前各濾波器排5a之各信號強度自低頻側起依序為m1 、m2 、m3 、m4 及m5 時之例，圖32顯示強度總和(m1 +m2 +m3 +m4 +m5 )在既定值(Eth1)以上之情形，圖33顯示強度總和(m1 +m2 +m3 +m4 +m5 )未滿既定值(Eth1)之情形。
藉此，信號處理裝置2可減少錯誤偵測。例如，認知機構7藉由使用經標準化之信號成分強度之頻率分布認知物體時，即使於在電波感測器1之檢測範圍內無檢測對象物體，經輸入背景雜訊時，亦有判定信號強度之頻率分布類似於檢測範圍內有檢測對象時之特徵而錯誤偵測之可能性。在此，信號處理裝置2藉由使用標準化前之信號強度判斷可否進行認知處理， 抑制錯誤偵測。
且信號處理裝置2中，以標準化機構6進行標準化前之複數之既定濾波器排5a亦可係1個濾波器排之群組50(參照圖34)，判定各複數之濾波器排之群組50中，標準化前信號成分之強度總和或是加權總和是否在既定值(Eth2)以上。亦即，信號處理裝置2僅於任一濾波器排之群組50中，標準化前信號成分之強度總和在既定值(Eth2)以上時，進行以認知機構7進行之認知處理或是令認知機構造成之認知處理的結果為有效。或是信號處理裝置2亦可僅於所有濾波器排之群組50中，標準化前信號成分之強度總和或是加權總和在既定值(Eth2)以上時，進行以認知機構7進行之認知處理或是令認知機構造成之認知處理的結果為有效。以下，按照圖35之流程說明關於包含此判定處理之一連串處理。又，以下，僅稱「標準化前信號成分之強度總和或是加權總和」為「標準化前信號成分之強度總和」。
首先，A/D轉換部4進行將因放大部3放大之感測器信號轉換為數位感測器信號並輸出之A/D轉換處理(X1)。其次，頻率分析機構5將自A/D轉換部4輸出之感測器信號藉由DCT處理轉換為頻域信號(頻率軸信號)(X2)，進行作為每一濾波器排5a之信號抽出之濾波器排處理(X3)。例如，可想像為128點之DCT時，自128個頻格5b將頻格5b每5個綁在一起，分割為25個濾波器排5a等。
其次，例如圖34所示，信號處理裝置2分別就低頻側及高頻側之2個濾波器排之群組50，求取構成各濾波器排之群組50之複數之濾波器排5a標準化前之信號強度總和。又，信號處理裝置2進行對每一濾波器排之群組50判定信號強度總和是否在既定值(Eth2)以上之閾值判定處理(X4)。
亦即，信號處理裝置2用作為判定以標準化機構6進行標準化前之複數之濾波器排5a之信號強度總和是否在既定值以上之閾值判定機構(亦即，信號處理裝置2包含閾值判定機構)。
若任一濾波器排之群組50中信號強度總和在既定值(Eth2)以上，信號處理裝置2即判斷自電波感測器1輸出之感測器信號之振幅大，係背景雜訊之可能性低，進行以標準化機構6進行之標準化處理(X5)。亦即，標準化機構6使分別通過各濾波器排5a之信號強度標準化並作為標準化強度輸出之。
又，信號處理裝置2之認知機構7進行認知藉由標準化獲得之每一複數之濾波器排5a之頻率成分之信號強度分布之特徵，判斷是否可視為檢測對象物體之認知處理(X6)。又，認知機構7判斷係檢測對象物體時，輸出部12進行檢測信號之輸出處理(X7)。
另一方面，若所有濾波器排之群組50中各信號強度總和未滿既定值(Eth2)，信號處理裝置2即判斷自電波感測器1輸出之感測器信號之振幅小，係背景雜訊之可能性高。又，信號處理裝置2判斷係背景雜訊之可能性高時，不進行包含以標準化機構6進行之標準化處理之以下之處理(X5~X7)。
又，圖36顯示無作為檢測對象之物體時自電波感測器1輸出之感測器信號(背景雜訊之信號模式)之一例。且圖37顯示有作為檢測對象之物體時自電波感測器1輸出之感測器信號之一例。圖36所示之背景雜訊之感測器信號相較於圖37之物體檢測時之感測器信號振幅較小。又，圖36、圖37中，橫軸皆表示時間，縱軸皆表示測器信號強度(電壓)。
又，藉由信號處理裝置2進行上述步驟X4之閾值判定處理，輸出部12之輸出信號相對於圖36之感測器信號(背景雜訊)如圖38般顯示，相對於圖37之感測器信號(有作為檢測對象之物體)如圖39般顯示。亦即，已確認藉由適當設定既定值(Eth2)，可減少背景雜訊造成的錯誤偵測，且由作為檢測對象之物體時可確實偵測。又，圖38、圖39中，輸出部12之輸出信號在藉由認知機構7認知到檢測對象物體時為「1」，未認知到檢測對象物體時為「0」。
另一方面，既定值(Eth2)為零時，輸出部12之輸出信號相對於圖36之感測器信號(背景雜訊)如圖40般顯示，相對於圖37之感測器信號(有作為檢測對象之物體)如圖41般顯示。亦即，信號處理裝置2未進行上述步驟X4之閾值判定處理時，背景雜訊造成的錯誤偵測頻繁發生，且有作為檢測對象之物體時，輸出部12之輸出信號亦頻繁切換為「1」。如此，已知信號處理裝置2未進行上述步驟X4之閾值判定處理時，有發生背景雜訊造成的錯誤偵測之可能性。
其次，信號處理裝置2為進行上述各處理具備狀態機，此狀態機之基本動作顯示於圖42。
首先，電源輸入時或重置解除後，狀態機馬上自閒置狀態J11開始動作。又，狀態機自閒置狀態J11轉變為狀態S11，狀態S11中，若呈認知機構7偵測到作為檢測對象之物體之狀態(以下稱偵測狀態)，即轉變為狀態W11。另一方面，狀態S11中，若呈認知機構7未偵測到作為檢測對象之物體之狀態(以下稱非偵測狀態)，即轉變為狀態S11再經過預先決定之既定時間後，轉變為狀態S16。又，於狀態S16若呈非偵測狀態，即轉變為狀態S11。亦即，若自狀態S11持續維持非偵測狀態，即顯示在狀態S11與狀態S16之間往復之轉變。
又，於狀態S11、S16若呈偵測狀態，即轉變為狀態W11，於狀態W11恰待命預先決定之時間後，轉變為狀態S12，更無條件地轉變為狀態S13。於狀態S13，若處於非偵測狀態，或偵測狀態持續既定時間以上，即轉變為狀態S14。又，於狀態S14若呈偵測狀態，即轉變為狀態S13。亦即，若自狀態S13持續維持偵測狀態，即顯示在狀態S13與狀態S14之間往復之轉變。
又，於狀態S14若為非偵測狀態，即轉變為狀態S15。於狀態S15若為非偵測狀態，即轉變為狀態S11，於狀態S15若為偵測狀態，即轉變為狀 態W11。
以上係狀態機之基本構造之動作，若為非偵測狀態即於狀態S11附近轉變，若為偵測狀態即於狀態S13附近轉變。又，信號處理裝置2轉變狀態機各狀態，並同時進行上述步驟X1~X7各處理。
其次，使用圖43所示之狀態機之動作說明關於將閾值判定處理中之既定值(Eth2)設定於自電波感測器1起動時至經過既定時間為止之期間(以下稱起動期間)之閾值設定處理。亦即，信號處理裝置2用作為使既定值(Eth2)可變之閾值設定機構(亦即，信號處理裝置2包含閾值設定機構)。
圖43中，在圖42之狀態轉變圖內閒置狀態J11與狀態S11之間設有狀態I00。
設置電波感測器1之周圍環境中背景雜訊之位準有時會因使背景雜訊位準變化之要素增減等要因變化。因此，即使曾設定閾值判定處理中之既定值(Eth2)一次，背景雜訊位準變化時，以目前之設定值亦有不發生期待之動作，發生錯誤偵測，或檢測對象雖存在但呈非偵測狀態之可能性。
在此，自閒置狀態J11轉變之狀態I00中，將設定閾值判定處理中之既定值(Eth2)之動作於起動期間進行，設定既定值(Eth2)後，轉變為狀態S11。具體而言，狀態I00中，進行感測器信號之A/D轉換處理、DCT處理、濾波器排處理(圖35中之步驟X1~X3)，量測各濾波器排5a中之信號強度。又，將所有或複數之濾波器排5a之信號強度之平均值乘上預先決定之係數，計算既定值(Eth2)，於以下之閾值判定處理作為閾值使用此既定值(Eth2)。且亦可以預先決定之上限值或下限值限定既定值(Eth2)之範圍。既定值(Eth2)之上限值為確保作為檢測對象之物體之偵測精度設定之，既定值(Eth2)之下限值為確保背景雜訊造成的錯誤偵測之抑制效果設定之。
又，想像狀態機之動作剛開始後，作為檢測對象之物體不存在於電波 感測器1之檢測區域內，自電波感測器1輸出背景雜訊之感測器信號即知，於狀態I00設定之既定值(Eth2)係根據背景雜訊之值。因此，可想像於狀態I00設定之既定值(Eth2)作為用於以下之閾值判定處理之閾值相當妥當。
如此，圖43之狀態機中，於起動期間，對應周圍背景雜訊之環境設定閾值判定處理中之既定值(Eth2)。具體而言，起動後不馬上進行認知處理，首先自感測器信號量測周圍之背景雜訊位準，將其值乘上預先決定之係數，計算既定值(Eth2)。因此，即使在電波感測器1之周圍環境變化，背景雜訊位準亦變化時，因於起動期間可適當變更既定值(Eth2)，故亦可減少背景雜訊造成的錯誤偵測。
亦即，信號處理裝置2(閾值設定機構)根據於自電波感測器1起動時至經過既定時間為止之期間通過濾波器排5a之標準化前之各信號強度，設定既定值(Eth2)。
其次，使用圖44所示之狀態機之動作說明關於將閾值判定處理中之既定值(Eth2)在動作中再設定之閾值設定處理。
圖44中，對圖43之狀態轉變圖追加有自狀態S14轉變之狀態I11，與自狀態S11轉變之狀態I12。
即使於起動期間設定閾值判定處理中使用之既定值(Eth2)，在背景雜訊位準量測時背景雜訊之狀態與平常不同之情形下，設定之既定值(Eth2)亦有在以下之感測器動作中不適當之可能性。且即使可在起動期間設定適當之既定值(Eth2)，例如於存在定期產生雜訊之要素(電源、自動販賣機等)時，亦有設定之既定值(Eth2)不適當之可能性。其結果，有發生錯誤偵測，或發生檢測對象雖存在卻呈非偵測狀態之偵測遺漏之可能性。
圖44所示之狀態機中，自狀態S13若持續維持偵測狀態，即顯示在狀態S13與狀態S14之間往復之轉變。在此，發生在狀態S13與狀態S14之 間往復之轉變時，藉由對經歷狀態S14之次數計數，可知偵測狀態之持續時間。在此，預先設定偵測狀態持續時間之上限，或經歷狀態S14之次數之上限，於狀態S14超過該上限時，即使為偵測狀態亦不轉變為狀態S13，而轉變為狀態I11。
狀態I11中，因閾值判定處理中使用之既定值(Eth2)過小，視為有偵測狀態持續之可能性，進行再設定既定值(Eth2)之動作。具體而言，狀態I11中，進行感測器信號之A/D轉換處理、DCT處理、濾波器排處理(圖35中之步驟X1~X3)，量測各濾波器排5a中之信號強度。又，將所有或複數之濾波器排5a之信號強度之平均值乘上預先決定之係數，計算既定值(Eth2)，於以下之閾值判定處理中作為閾值使用此既定值(Eth2)。且亦可以預先決定之上限值或下限值限定既定值(Eth2)之範圍。
又，僅在於狀態I11重新計算之既定值(Eth2)大於現在使用中之既定值(Eth2)時，不使用使用中之既定值(Eth2)，代之以再設定為於狀態I11重新計算之既定值(Eth2)。相反地，於狀態I11重新計算之既定值(Eth2)在現在使用中之既定值(Eth2)以下時，不再設定為於狀態I11計算之新的既定值(Eth2)，持續使用使用中之既定值(Eth2)。又，狀態I11中之處理完畢後，轉變為狀態S11。
且圖44所示之狀態機中，自狀態S11若持續維持非偵測狀態，即顯示在狀態S11與狀態S16之間往復之轉變。在此，在狀態S11與狀態S16之間往復之轉變發生時，藉由對經歷狀態S16之次數計數，可知非偵測狀態之持續時間。在此，預先設定非偵測狀態持續時間之上限，或經歷狀態S16之次數之上限，於狀態S11超過該上限時，即使為非偵測狀態亦不轉變為狀態S16，而轉變為狀態I12。
狀態I12中，因閾值判定處理中使用之既定值(Eth2)過大，視為有非偵測狀態持續之可能性，進行再設定既定值(Eth2)之動作。具體而言，狀態I12中，進行感測器信號之A/D轉換處理、DCT處理、濾波器排處理(圖35中 之步驟X1~X3)，量測各濾波器排5a中之信號強度。又，將所有或複數之濾波器排5a之信號強度之平均值乘上預先決定之係數，計算既定值(Eth2)，於以下之閾值判定處理中作為閾值使用此既定值(Eth2)。且亦可以預先決定之上限值或下限值限定既定值(Eth2)之範圍。
又，僅在於狀態I12重新計算之既定值(Eth2)小於現在使用中之既定值(Eth2)時，不使用使用中之既定值(Eth2)，代之以再設定為於狀態I12重新計算之既定值(Eth2)。相反地，於狀態I12重新計算之既定值(Eth2)在現在使用中之既定值(Eth2)以上時，不再設定為於狀態I12計算之新的既定值(Eth2)，持續使用使用中之既定值(Eth2)。又，狀態I12中之處理完畢後，若為非偵測狀態即轉變為狀態S11，若為偵測狀態即轉變為狀態W11。
如此，偵測狀態或非偵測狀態較預先設定之時間長而持續時，判斷現在的既定值(Eth2)相對於目前的背景雜訊或周圍的雜訊有設定為不適當的值的可能性，進行既定值(Eth2)之再設定。因此，因既定值(Eth2)過小而使錯誤偵測頻繁發生時，藉由更新為更大的既定值(Eth2)，可抑制發生錯誤偵測。且因既定值(Eth2)過大而無法偵測作為檢測對象之物體時，藉由更新為更小的既定值(Eth2)，可提高偵測感度，減少偵測遺漏。
亦即，信號處理裝置2(閾值設定機構)在認知機構7識別有物體之狀態持續既定時間以上時，或認知機構7識別無物體之狀態持續既定時間以上時，再設定既定值(Eth2)。
其次，使用圖45所示之狀態機之動作說明關於背景信號去除機構10自以標準化機構6進行標準化前之每一濾波器排5a之信號去除每一濾波器排5a之背景信號之背景信號去除處理。
圖45所示之狀態機除圖44之狀態轉變圖所示之各狀態外，追加對應狀態S11~S16之狀態S21~S26、對應狀態W11之狀態W21、對應狀態I11、I12之狀態I21、I22。亦即，狀態S21~S26、狀態W21、狀態I21、I22分別 進行與狀態S11~S16、狀態W11、狀態I11、I12相同之處理。且狀態S21~S26進行與對應之狀態S11~S16相同之處理，並同時亦進行背景信號去除處理。且圖45之狀態S12、S22作用來切換可否進行背景去除處理。
首先，確認有無定常的背景信號，判斷背景信號存在時實行背景信號去除處理後，即可提升抽出所希望信號之效率，實現防止錯誤偵測。然而，背景信號去除處理係因減少信號成分而招致偵測感度惡化之原因，故應係僅在真的必要時實行之處理，不應經常實行。
在此，圖45之狀態S12中，僅在有作為大於預先決定之值之信號強度之濾波器排5a，且無法判定有作為檢測對象之物體時，轉變為狀態S22，於以下之狀態S21~S26，針對每一濾波器排5a進行背景去除處理。
又，狀態S22中，僅在有作為大於預先決定之值之信號強度之濾波器排5a，且無法判定有作為檢測對象之物體時，轉變為狀態S23，於以下之狀態S21~S26，持續針對每一濾波器排5a進行背景去除處理。且於狀態S22，無作為大於預先決定之值之信號強度之濾波器排5a，或可判定有作為檢測對象之物體時，轉變為狀態S12，停止背景信號去除處理。
因此，僅在真的必要時，進行背景信號去除處理，故可防止不必要地去除信號成分而降低偵測感度。
此狀態S12、S22分別係自狀態W11、W21轉變而來，故自非偵測狀態成為偵測狀態時，必判斷可否進行背景去除處理。
且檢測狀態持續時，亦設置判斷可否進行此背景去除處理之機會。首先，於狀態S13，若非偵測狀態或偵測狀態持續既定時間以上，即轉變為狀態S14。亦即，自狀態S13轉變為狀態S14有非偵測狀態或偵測狀態持續既定時間以上之2個條件。
後者條件(偵測狀態持續既定時間以上)下自狀態S13轉變為狀態S14時，若自狀態S13持續偵測狀態，即顯示在狀態S13與狀態S14之間往復之轉變。又，預先設定偵測狀態持續時間之上限，或經歷狀態S14之次數上限，於狀態S14超過此上限時，即使為偵測狀態亦不轉變為狀態S13，轉變為狀態I11，再設定既定值(Eth2)。
另一方面，前者條件(非偵測狀態)下自狀態S13轉變為狀態S14時，於狀態S14若為非偵測狀態，即轉變為狀態S15，但於狀態S14若為偵測狀態，即轉變為狀態S12。於狀態S24亦相同，前者條件(非偵測狀態)下自狀態S23轉變為狀態S24時，於狀態S24若為非偵測狀態，即轉變為狀態S25，但於狀態S24若為偵測狀態，即轉變為狀態S22。
且於狀態I12，若為非偵測狀態即轉變為狀態S11，若為偵測狀態即轉變為狀態W11。
且於狀態I22，若為非偵測狀態即轉變為狀態S22，若為偵測狀態即轉變為狀態W21。亦即，即使藉由增加判斷狀態S22中可否進行背景去除處理之機會，亦可盡量抑制實行背景信號去除處理導致偵測感度惡化。
且認知機構7亦可具有作為認知處理進行基於神經網路之認知處理以識別物體之功能。藉此，信號處理裝置2可提升識別機構(認知機構)7造成的識別精度。
作為神經網路，例如可使用無教師之競爭學習型神經網路。作為神經網路，雖可使用有教師之反向傳遞型者，但競爭學習型神經網路較反向傳遞型神經網路構成簡單，可僅使用每一範疇之學習資料學習，一旦學習後亦可藉由追加學習強化學習。
作為學習資料，預先使用分別對應於電波感測器1之檢測區域內偵測對象物體之不同動靜而取得之標準化機構6之輸出。
神經網路例如圖46所示，呈由輸入層71與輸出層72 2層構成，輸出層72各神經元N2與輸入層71之所有神經元N1分別結合之構成。神經網路雖假定藉由以微電腦實行適當應用程式實現之情形，但亦可使用專用之類神經電腦。
神經網路之動作中有學習模式與檢測模式，於學習模式使用適當學習資料學習後，於檢測模式進行認知處理。
輸入層71之神經元N1與輸出層72之神經元N2之結合度(加權係數)可變，於學習模式，藉由將學習資料輸入神經網路使神經網路學習，決定輸入層71各神經元N1與輸出層72各神經元N2之加權係數。換言之，輸出層72各神經元N2和以與輸入層71各神經元N1之間之加權係數為要素之加權向量相對應。因此，加權向量具有與輸入層71之神經元N1相同數量之要素，輸入輸入層71之特徵量參數個數與加權向量之要素個數一致。
另一方面，於檢測模式，對神經網路之輸入層71賦予應判定範疇，自標準化機構6輸出之檢測用資料後，輸出層72之神經元N2中，加權向量與檢測用資料之距離最小之神經元N2即點火。若於學習模式使輸出層72之神經元N2與範疇相對應，即可藉由點火之神經元N2之位置範疇得知檢測用資料之範疇。本實施形態之神經網路中，設定範疇，俾除物體之「偵測」以外皆判定「非偵測」。
如以上所述，本實施形態之信號處理裝置2包含放大部3、A/D轉換部4、頻率分析機構5、標準化機構6與認知機構7。放大部3將自發送電波並接收因物體反射之電波之電波感測器1輸出，對應物體動靜之感測器信號加以放大。A/D轉換部4將因放大部3放大之感測器信號轉換為數位感測器信號並輸出。頻率分析機構5將自A/D轉換部4輸出之感測器信號轉換為頻域信號，作為頻帶不同之濾波器排5a群組中每一濾波器排5a之信號抽出之。標準化機構6以由頻率分析機構5抽出之信號總和或是通過既定 複數之濾波器排5a之信號強度總和，將分別通過各濾波器排5a之信號強度標準化，作為標準化強度輸出之。認知機構7進行藉由依自標準化機構6輸出之每一濾波器排5a之標準化強度決定之頻率分布，與標準化強度之成分比中至少一者識別物體之認知處理。
換言之，本實施形態之信號處理裝置2包含以下第1特徵。第1特徵中，信號處理裝置2包含頻率分析機構5、標準化機構6與認知機構7。頻率分析機構5將對應由物體反射之電波之感測器信號轉換為頻域信號，作為頻帶不同之濾波器排5a群組中每一濾波器排5a之信號抽出之。標準化機構6以由頻率分析機構5抽出之信號總和或是通過既定複數之濾波器排5a之信號強度總和，將分別通過各濾波器排5a之信號強度標準化，作為標準化強度輸出。認知機構7進行藉由依自標準化機構6輸出之每一濾波器排5a之標準化強度決定之頻率分布，與標準化強度之成分比中至少一者識別物體之認知處理。
且本實施形態之信號處理裝置2亦可包含以下第2特徵。第2特徵中，信號處理裝置2包含放大感測器信號之放大部3，與將因放大部3放大之感測器信號轉換為數位感測器信號並輸出之A/D轉換部4。頻率分析機構5將自A/D轉換部4輸出之感測器信號轉換為頻域信號，作為濾波器排5a群組中每一濾波器排5a之信號抽出。
且本實施形態之信號處理裝置2亦可包含以下第3特徵。第3特徵中，頻率分析機構5具有藉由對自A/D轉換部4輸出之感測器信號進行離散餘弦轉換，將其轉換為頻域信號之功能。各濾波器排5a分別包含複數之頻格5b。信號處理裝置2在頻率分析機構5與標準化機構6之間具有平滑化處理機構8。平滑化處理機構8具有：沿頻域對相對於每一各濾波器排5a每一頻格5b信號之強度進行平滑化處理之功能；與沿時間軸方向對相對於每一各濾波器排5a每一頻格5b信號之強度進行平滑化處理之功能中至少一者。
且本實施形態之信號處理裝置2亦可具有以下第4特徵。第4特徵中，信號處理裝置2包含自通過濾波器排5a之信號去除背景信號之背景信號去除機構10。
且本實施形態之信號處理裝置2除第4特徵外，亦可包含以下第5特徵。第5特徵中，背景信號去除機構10藉由自通過濾波器排5a之信號減去背景信號去除背景信號。且本實施形態之信號處理裝置2除第5特徵外，亦可選擇性地包含以下第6及第7特徵。第6特徵中，背景信號去除機構10作為背景信號將事前獲得之每一各濾波器排5a中複數點之信號在時間軸上之平均值加以去除。第7特徵中，背景信號去除機構10作為背景信號將每一濾波器排5a緊接在前之信號加以去除。
且本實施形態之信號處理裝置2亦可不包含第5特徵，代之以選擇性地包含以下第8及第9特徵。第8特徵中，背景信號去除機構10以藉由沿頻域對背景信號濾波去除背景信號之適應濾波器構成。第9特徵中，背景信號去除機構10自以標準化機構6進行標準化前之每一濾波器排5a之信號去除每一濾波器排5a之背景信號。
又，本實施形態之信號處理裝置2除第8特徵外，亦可包含以下第10特徵。第10特徵中，適應濾波器之適應演算法係離散餘弦轉換之LMS演算法。
且本實施形態之信號處理裝置2亦可不包含第5、第8及第9特徵，代之以包含以下第11特徵。第11特徵中，各濾波器排5a分別具有複數之頻格5b。以經常性包含背景信號之頻格5b為指定頻格5b。背景信號去除機構10視指定頻格之信號為無效，藉由以依接近指定頻格之該頻格之信號強度推定之信號強度加以補足，而去除背景信號。
且本實施形態之信號處理裝置2亦可選擇性地包含以下第12~14特徵。第12特徵中，認知機構7作為認知處理藉由進行以主成分分析或是 KL轉換進行之模式認知識別物體。第13特徵中，認知機構7作為認知處理藉由進行以多元迴歸分析進行之認知處理識別物體。第14特徵中，認知機構7作為認知處理進行基於神經網路之認知處理以識別物體。
且本實施形態之信號處理裝置2亦可包含以下第15特徵。第15特徵中，認知機構7藉由根據在時間軸上奇數次認知處理之結果之多數決判定，而決定識別結果。
且本實施形態之信號處理裝置2亦可包含以下第16特徵。第16特徵中，信號處理裝置2僅於以標準化機構6進行標準化前之複數之濾波器排5a之信號強度總和在既定值以上時，進行以認知機構7進行之認知處理或是視以認知機構7進行之認知處理的結果為有效。
且本實施形態之信號處理裝置2除第16特徵外，亦可包含以下第17特徵。第17特徵中，信號處理裝置2包含使既定值可變之閾值設定機構(亦即實行閾值設定處理之信號處理裝置2)。
且本實施形態之信號處理裝置2除第17特徵外，亦可包含以下第18特徵。第18特徵中，閾值設定機構根據在自輸出感測器信號之電波感測器1起動時至經過既定時間為止之期間通過濾波器排5a之標準化前之各信號強度，設定既定值。
且本實施形態之信號處理裝置2除第17或第18特徵外，亦可包含以下第19特徵。第19特徵中，閾值設定機構在認知機構7識別出有物體之狀態持續既定時間以上時，或認知機構7識別出無物體之狀態持續既定時間以上時，再設定既定值。
如以上所述，本實施形態之信號處理裝置2中，可減少起因於檢測對象以外物體之動靜之錯誤偵測。
實施形態2
本實施形態係關於對來自接收由物體反射之無線信號之感測器之感測器信號進行信號處理之信號處理裝置。
文獻1所記載之物體檢測裝置101中，可想像除感測器110與照明控制部113外之部分構成將毫米波感測器所構成之感測器110之感測器信號以頻域進行信號處理之信號處理裝置。
一般而言，將感測器信號以頻域進行信號處理之信號處理裝置根據頻域信號之分布特徵進行作為偵測對象之物體之認知處理。或信號處理裝置自頻域信號抽出起因於作為偵測對象之物體之動靜之信號成分，根據此抽出之信號成分比進行作為偵測對象之物體之認知處理。
然而，進行如此之認知處理之信號處理裝置若因偵測對象以外物體之動靜於頻域信號發生急遽的時間變動，即有將偵測對象以外之物體作為偵測對象物體錯誤偵測之可能性。
為避免此錯誤偵測，可考慮將頻域信號之分布特徵，或信號成分比於一定時間區間之資訊整體作為認知處理對象。然而，此方法中，認知處理耗費時間，且會導致信號處理裝置複雜化、大規模化。
又，所謂偵測對象以外物體之動靜可舉出例如樹枝或葉子搖動之動靜、電線搖動之動靜等。
鑑於上述事由，本實施形態之目的在於提供一種簡便且小型之信號處理裝置，無關於有無因偵測對象以外物體之動靜信號之急遽的時間性變動，可高精度地偵測偵測對象物體。
以下根據圖47~圖55說明關於本實施形態之信號處理裝置2。圖47所示之信號處理裝置2包含信號成分抽出機構13與干擾判斷機構14，此點與 實施形態1之信號處理裝置2不同。
信號處理裝置2對自電波感測器1輸出之感測器信號進行信號處理。電波感測器1對偵測區域內發送電波，接收偵測區域內由物體反射之電波(無線信號)，輸出對應此物體動靜之感測器信號。又，圖47係包含電波感測器1與信號處理裝置2之感測器裝置Se之方塊圖。
如於實施形態1所述，信號處理裝置2以頻域實行感測器信號之信號處理。具體而言，認知機構7進行根據頻域信號之分布特徵，與通過各濾波器排5a之信號之標準化強度成分比其中至少一者識別作為偵測對象之物體之認知處理。頻域中感測器信號之信號處理例如可使用以主成分分析、KL轉換、多元迴歸分析、神經網路等進行之認知處理。
以下說明關於進行如此之認知處理之信號處理裝置2中，即使在因偵測對象以外物體之動靜，於頻域信號發生急遽的時間性變動時，亦可抑制以偵測對象以外者為偵測對象物體錯誤偵測之構成。在此，所謂偵測對象以外物體之動靜可舉出例如樹枝或葉子搖動之動靜、電線搖動之動靜等。
首先，認知機構7進行藉由自標準化機構6輸出之每一濾波器排5a之標準化強度之成分比識別物體之認知處理。圖48中，橫軸係時間，縱軸係標準化強度，顯示依自標準化機構6輸出之標準化強度在時間軸上之資料(對應圖29之資料A1)藉由多元迴歸分析分離之信號成分A2、A3。又，認知機構7在於1或複數之既定濾波器排5a中，起因於人之移動之信號成分A2大於起因於偵測對象以外物體之動靜之信號成分A3時，識別偵測對象物體存在。以下，稱起因於人之移動之信號成分A2為偵測物體信號成分A2，稱起因於偵測對象以外物體之動靜之信號成分A3為干擾信號成分A3。
然而，偵測物體信號成分A2有因偵測對象以外物體之動靜而發生急遽的時間性變動之可能性。又，於偵測物體信號成分A2存在急遽的時間性變動時，即使經平均化處理，亦有認知機構7以偵測對象以外者為偵測對象 物體錯誤偵測之可能性。
在此，認知機構7包含信號成分抽出機構13與干擾判斷機構14(參照圖47)。
信號成分抽出機構13從自標準化機構6輸出之每一濾波器排5a之標準化強度之信號抽出偵測物體信號成分A2。
干擾判斷機構14在於1或複數之既定濾波器排5a中，抽出之偵測物體信號成分A2每單位時間之變動大小在既定值(Eth11)(第1既定值)以上時，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
具體而言，信號成分抽出機構13使用多元迴歸分析，針對每一濾波器排5a，從自標準化機構6輸出之標準化強度在時間軸上之資料抽出偵測物體信號成分A2。又，信號成分抽出機構13將偵測物體信號成分A2之資料(參照圖48)朝干擾判斷機構14輸出。
干擾判斷機構14依偵測物體信號成分A2於時間軸區域之分布微分運算偵測物體信號成分A2，將偵測物體信號成分A2之時間微分強度(=dA2/dt)以既定時間間隔計算。又，干擾判斷機構14在於1或複數之既定濾波器排5a中，偵測物體信號成分A2之時間微分強度在既定值(Eth11)以上時，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
此時，作為使用信號成分抽出機構13及干擾判斷機構14之認知處理可否判斷對象之既定濾波器排5a中，對應作為偵測對象之物體，適當設定1個以上濾波器排5a。又，所有作為對象之既定濾波器排5中，偵測物體信號成分A2每單位時間之變動大小在既定值(Eth11)以上時，禁止認知處理，或令認知處理的結果無效。
圖49顯示相對於圖48所示之偵測物體信號成分A2，未進行使用信號成分抽出機構13及干擾判斷機構14之認知處理之可否判斷時自輸出部12輸出之輸出信號。圖50顯示相對於圖48所示之偵測物體信號成分A2，進行使用信號成分抽出機構13及干擾判斷機構14之認知處理之可否判斷時自輸出部12輸出之輸出信號。已確認圖48所示之偵測物體信號成分A2中發生起因於偵測對象以外物體之動靜之急遽的時間性變動，藉由進行使用信號成分抽出機構13及干擾判斷機構14之認知處理之可否判斷，可抑制以偵測對象以外者為偵測對象錯誤偵測。
因此，信號處理裝置2無關於有無起因於偵測對象以外物體之動靜偵測物體信號成分A2急遽的時間性變動，可藉由頻域信號分析高精度地偵測偵測對象物體。且將偵測物體信號成分A2之時間微分強度與既定值(Eth11)比較之處理所需之時間相對較短，且包含本構成之信號處理裝置2可以簡便、小型之構造實現。
且干擾判斷機構14亦可於偵測物體信號成分A2之時間微分強度在既定值(Eth11)以上起至經過既定時間為止，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。例如圖51所示，偵測物體信號成分A2於時刻ta急遽變動，於此時刻ta偵測物體信號成分A2之時間微分強度在既定值(Eth11)以上。此時，即使於時刻ta以下呈平坦波形(時間微分強度未滿既定值(Eth11))，亦橫跨時刻ta以下既定時間Ta禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。因此，可更確實減少起因於偵測對象以外物體之動靜偵測物體信號成分A2之急遽的時間性變動造成的錯誤偵測。
且干擾判斷機構14亦可於偵測物體信號成分A2之時間微分強度在既定值(Eth12)以下時，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。在此使用之既定值(Eth12)小於既定值(Eth11)，以抑制作為變動小而大致一定之信號強度之偵測物體信號成分A2 造成的錯誤偵測。
且干擾判斷機構14亦可於自偵測物體信號成分A2之時間微分強度在既定值(Eth12)以下起經過既定時間為止，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。此時，可更確實地抑制作為變動小而大致一定之信號強度之偵測物體信號成分A2造成的錯誤偵測。
如以上所述，本實施形態之信號處理裝置2包含頻率分析機構5、標準化機構6、認知機構7、信號成分抽出機構13與干擾判斷機構14。頻率分析機構5將自接收由物體反射之無線信號之感測器(電波感測器)1輸出，對應物體動靜之感測器信號轉換為頻域信號，作為頻帶不同之濾波器排5a群組中每一濾波器排5a之信號抽出之。標準化機構6以由頻率分析機構5抽出之信號總和或是通過既定複數之濾波器排5a之信號強度總和，將分別通過濾波器排5a之信號強度標準化，作為標準化強度輸出。認知機構7進行藉由依自標準化機構6輸出之每一濾波器排5a之標準化強度決定之感測器信號之頻率分布，與標準化強度之成分比中至少一者識別物體之認知處理。信號成分抽出機構13自每一濾波器排5a之標準化強度抽出起因於物體動靜之信號成分。干擾判斷機構14在抽出之起因於物體動靜之信號成分每單位時間之變動大小於至少1個濾波器排5a在第1既定值以上時，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
換言之，本實施形態之信號處理裝置2除上述第1特徵外，具有以下第20特徵。第20特徵中，信號處理裝置2更包含信號成分抽出機構13與干擾判斷機構14。信號成分抽出機構13自每一濾波器排5a之標準化強度抽出起因於物體動靜之信號成分。干擾判斷機構14在抽出之起因於物體動靜之信號成分每單位時間之變動大小於至少1個濾波器排5a在第1既定值以上時，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
且本實施形態之信號處理裝置2除第20特徵外，亦可具有以下第21特徵。第21特徵中，干擾判斷機構14於每單位時間之變動大小在第1既定值以上至經過既定時間為止，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
且本實施形態之信號處理裝置2除第20或第21特徵外，亦可包含以下第22特徵。第22特徵中，干擾判斷機構14於每單位時間之變動大小在小於該第1既定值之第2既定值以下至經過既定時間為止，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
又，本實施形態之信號處理裝置2亦可適當包含上述第2~第19之特徵。
如以上說明，依本實施形態有下列效果：可提供一種簡便且小型之信號處理裝置，無關於有無因偵測對象以外物體之動靜信號之急遽的時間性變動，可高精度地偵測偵測對象物體。
其次，說明關於進行認知處理可否判斷之另一形態(亦即，本實施形態之信號處理裝置2之變形例)。
首先，信號處理裝置2包含圖52所示之干擾判斷機構15。亦即，圖52所示之信號處理裝置2之變形例包含干擾判斷機構15，此點與實施形態1之信號處理裝置2不同。
干擾判斷機構15於通過1或複數之既定濾波器排5a之信號(標準化前之信號)強度每單位時間之變動大小在既定值(Eth21)以上時，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。此時，作為使用干擾判斷機構15之認知處理可否判斷對象之濾波器排5a對應作為偵測對象之物體適當設定。
具體而言，干擾判斷機構15依通過1或複數之既定濾波器排5a之各信號強度於時間軸區域之分布微分運算各濾波器排5a之信號強度，將各信號強度之時間微分強度(信號強度為y時係dy/dt)以既定時間間隔計算。又，干擾判斷機構15於預先決定之1或複數之既定濾波器排5a之信號強度之時間微分強度在既定值(Eth21)以上時，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
此時，作為使用干擾判斷機構15之認知處理可否判斷對象之既定濾波器排5a中，對應作為偵測對象之物體，適當設定1個以上濾波器排5a。又，於所有作為對象之既定濾波器排5a中，信號強度的每單位時間之變動大小在既定值(Eth21)以上時，禁止認知處理，或令認知處理的結果無效。
圖53顯示既定濾波器排5a之信號強度之波形一例。圖54顯示相對於圖53所示之信號強度波形，未進行使用干擾判斷機構15之認知處理可否判斷時自輸出部12輸出之輸出信號。圖55顯示相對於圖53所示之信號強度波形，進行使用干擾判斷機構15之認知處理可否判斷時自輸出部12輸出之輸出信號。又，已確認圖53所示之信號強度波形中，發生起因於偵測對象以外物體之動靜之急遽的時間性變動，藉由進行使用干擾判斷機構15之認知處理可否判斷，可抑制以偵測對象以外者為偵測對象物體錯誤偵測。
因此，信號處理裝置2無關於有無起因於偵測對象以外物體之動靜信號強度急遽的時間性變動，可藉由頻域信號分析高精度地偵測偵測對象物體。且將各濾波器排5a之信號強度與既定值(Eth21)比較之處理所需之時間相對較短，且包含本構成之信號處理裝置2可以簡便、小型之構造實現。
且干擾判斷機構15亦可於濾波器排5a之信號強度在既定值(Eth21)以上起至經過既定時間為止，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。此時，可更確實地減少起因於偵測對象以外物體之動靜信號強度急遽的時間性變動造成的錯誤偵測。
且干擾判斷機構15亦可於信號強度之時間微分強度在既定值(Eth22)以下時，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。在此使用之既定值(Eth22)小於既定值(Eth21)，亦可抑制變動小而大致一定之信號強度造成的錯誤偵測。
且干擾判斷機構15亦可於信號強度之時間微分強度在既定值(Eth22)以下起經過既定時間為止，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。此時，可更確實地抑制作為變動小而大致一定之信號強度之偵測物體信號成分A2造成的錯誤偵測。
如以上所述，本實施形態之信號處理裝置2之變形例包含頻率分析機構5、標準化機構6、認知機構7與干擾判斷機構15。頻率分析機構5將自接收由物體反射之無線信號之感測器(電波感測器)1輸出，對應物體動靜之感測器信號轉換為頻域信號，作為頻帶不同之濾波器排5a群組中每一濾波器排5a之信號抽出之。標準化機構6以由頻率分析機構5抽出之信號總和或是通過既定複數之濾波器排5a之信號強度總和，將分別通過濾波器排5a之信號強度標準化，作為標準化強度輸出之。認知機構7進行藉由依自標準化機構6輸出之每一濾波器排5a之標準化強度決定之感測器信號之頻率分布，與標準化強度之成分比中至少一者識別物體之認知處理。干擾判斷機構15於通過至少1個濾波器排5a之信號強度的每單位時間之變動大小在第1既定值以上時，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
換言之，本實施形態之信號處理裝置2之變形例除上述第1特徵外，具有以下第23特徵。第23特徵中，信號處理裝置2包含干擾判斷機構15，其於通過至少1個濾波器排5a之信號強度的每單位時間之變動大小在第1既定值以上時，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
且本實施形態之信號處理裝置2之變形例除第23特徵外，亦可具有以 下第24特徵。第24特徵中，干擾判斷機構15於每單位時間之變動大小在第1既定值以上至經過既定時間為止，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
且本實施形態之信號處理裝置2之變形例除第23或第24特徵外，亦可具有以下第25特徵。第25特徵中，干擾判斷機構15於每單位時間之變動大小在小於該第1既定值之第2既定值以下至經過既定時間為止，禁止以認知機構7進行之認知處理，或是令以認知機構7進行之認知處理的結果無效。
又，本實施形態之信號處理裝置2之變形例亦可適當包含上述第2~第19之特徵。
如以上說明，依本實施形態有下列效果：可提供簡便且小型之信號處理裝置，無關於有無因偵測對象以外物體之動靜信號之急遽的時間性變動，可高精度地偵測偵測對象物體。
又，實施形態1、2中雖使用電波感測器1，但只要可接收由物體反射之電波、音波等無線信號，不限定感測器種類。
Se‧‧‧感測器裝置
1‧‧‧電波感測器
2‧‧‧信號處理裝置
3‧‧‧放大部
4‧‧‧A/D轉換部
5‧‧‧頻率分析機構
6‧‧‧標準化機構
7‧‧‧認知機構
8‧‧‧平滑化處理機構
9‧‧‧背景信號推定機構
10‧‧‧背景信號去除機構
11‧‧‧資料庫
12‧‧‧輸出部

Claims (25)

  1. 一種信號處理裝置，包含：頻率分析機構，將對應由物體反射之電波之感測器信號轉換為頻域信號，作為頻帶不同之濾波器排(filter bank)之群組中每一該濾波器排之信號抽出；標準化機構，以藉由該頻率分析機構抽出之信號總和，或是通過既定複數之該濾波器排之信號強度總和，將分別通過該各濾波器排之信號強度標準化，作為標準化強度輸出；及認知機構，進行藉由依自該標準化機構輸出之每一該濾波器排之標準化強度決定之頻率分布，與該標準化強度之成分比中至少一者識別該物體之認知處理。
  2. 如申請專利範圍第1項之信號處理裝置，其中包含：放大部，放大該感測器信號；及A/D轉換部，將由該放大部放大之感測器信號轉換為數位感測器信號並輸出；且該頻率分析機構將自該A/D轉換部輸出之感測器信號轉換為頻域信號，作為該濾波器排之群組中每一該濾波器排之信號抽出。
  3. 如申請專利範圍第1項之信號處理裝置，其中該頻率分析機構具有藉由對自該A/D轉換部輸出之感測器信號進行離散餘弦轉換，將其轉換為該頻域信號之功能，該各濾波器排分別具有複數之頻格(frequency bin)，該信號處理裝置在該頻率分析機構與該標準化機構之間具有平滑化處理機構，其具有：在每一該各濾波器排，對每一該頻格之信號強度沿頻域平滑化處理之功能；與在每一該各濾波器排，對每一該頻格之信號強度沿時間軸方向平滑化處理之功能中至少一者。
  4. 如申請專利範圍第1項之信號處理裝置，其中包含自通過該濾波器排之信號去除背景信號之背景信號去除機構。
  5. 如申請專利範圍第4項之信號處理裝置，其中該背景信號去除機構，藉由自通過該濾波器排之信號減去該背景信號，而去除該背景信號。
  6. 如申請專利範圍第5項之信號處理裝置，其中該背景信號去除機構，作為該背景信號，將事前獲得之每一該各濾波器排中複數點之信號在時間軸上之平均值加以去除。
  7. 如申請專利範圍第5項之信號處理裝置，其中該背景信號去除機構，作為該背景信號，去除每一該濾波器排緊接在前之信號。
  8. 如申請專利範圍第4項之信號處理裝置，其中該背景信號去除機構以藉由依頻域對該背景信號濾波而去除該背景信號之適應濾波器構成。
  9. 如申請專利範圍第4項之信號處理裝置，其中該背景信號去除機構自以該標準化機構進行標準化前的每一該濾波器排之該信號，將每一該濾波器排之該背景信號加以去除。
  10. 如申請專利範圍第8項之信號處理裝置，其中該適應濾波器之適應演算法係離散餘弦轉換之LMS演算法。
  11. 如申請專利範圍第4項之信號處理裝置，其中該各濾波器排分別具有複數之頻格，以經常性包含該背景信號之該頻格為指定頻格，該背景信號去除機構視該指定頻格之信號為無效，藉由以依接近該指定頻格之該頻格之信號強度推定之信號強度加以補足，而去除背景信號。
  12. 如申請專利範圍第1項之信號處理裝置，其中該認知機構，作為該認知處理，藉由進行以主成分分析或是KL轉換進行之模式認知(pattern recognition)識別該物體。
  13. 如申請專利範圍第1項之信號處理裝置，其中該認知機構，作為該認知處理，藉由進行以多元迴歸分析(multiple regression analysis)進行之認知處理識別該物體。
  14. 如申請專利範圍第1項之信號處理裝置，其中該認知機構，作為該認知處理，進行基於神經網路之認知處理以識別該物體。
  15. 如申請專利範圍第1項之信號處理裝置，其中該認知機構，藉由根據在時間軸上之奇數次該認知處理的結果之多數 決判定，而決定識別結果。
  16. 如申請專利範圍第1項之信號處理裝置，其中僅於以該標準化機構進行標準化前之複數之該濾波器排之該信號強度總和在既定值以上時，進行基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為有效。
  17. 如申請專利範圍第16項之信號處理裝置，其中包含使該既定值為可變之閾值設定機構。
  18. 如申請專利範圍第17項之信號處理裝置，其中該閾值設定機構，根據在輸出該感測器信號之電波感測器起動時至經過既定時間之期間通過該濾波器排之該標準化前之各信號強度，設定該既定值。
  19. 如申請專利範圍第17項之信號處理裝置，其中該閾值設定機構，在該認知機構識別出有該物體之狀態持續既定時間以上時，或該認知機構識別出無該物體之狀態持續既定時間以上時，對該既定值進行再設定。
  20. 如申請專利範圍第1項之信號處理裝置，其中包含：信號成分抽出機構，自每一該濾波器排之該標準化強度，將起因於該物體之動靜之信號成分加以抽出；及干擾判斷機構，該抽出之起因於該物體之動靜之信號成分每單位時間之變動大小至少於1個該濾波器排在第1既定值以上時，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
  21. 如申請專利範圍第20項之信號處理裝置，其中該干擾判斷機構，在自每該單位時間之變動大小在該第1既定值以上至經過既定時間為止，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
  22. 如申請專利範圍第20項之信號處理裝置，其中該干擾判斷機構，在自每該單位時間之變動大小變得在小於該第1既定值之第2既定值以下至經過既定時間為止，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
  23. 如申請專利範圍第1項之信號處理裝置，其中 包含干擾判斷機構，其在通過至少1個該濾波器排之信號強度的每單位時間之變動大小在第1既定值以上時，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
  24. 如申請專利範圍第23項之信號處理裝置，其中該干擾判斷機構，在自每該單位時間之變動大小變得在該第1既定值以上至經過既定時間為止，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
  25. 如申請專利範圍第23項之信號處理裝置，其中該干擾判斷機構，在自每該單位時間之變動大小變得在小於該第1既定值之第2既定值以下至經過既定時間為止，禁止基於該認知機構之該認知處理，或是視基於該認知機構之該認知處理的結果為無效。
TW102119957A 2012-06-05 2013-06-05 信號處理裝置 TWI489125B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2012128258 2012-06-05
JP2012283357A JP2014013229A (ja) 2012-06-05 2012-12-26 信号処理装置
JP2012286833A JP6037279B2 (ja) 2012-12-28 2012-12-28 信号処理装置

Publications (2)

Publication Number Publication Date
TW201407182A TW201407182A (zh) 2014-02-16
TWI489125B true TWI489125B (zh) 2015-06-21

Family

ID=50550445

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102119957A TWI489125B (zh) 2012-06-05 2013-06-05 信號處理裝置

Country Status (5)

Country Link
US (1) US20150130652A1 (zh)
EP (1) EP2857860A4 (zh)
CN (1) CN104350391A (zh)
TW (1) TWI489125B (zh)
WO (1) WO2013183271A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6249325B2 (ja) * 2012-12-28 2017-12-20 パナソニックＩｐマネジメント株式会社 信号処理装置
CN107249458A (zh) * 2015-02-25 2017-10-13 柯尼卡美能达株式会社 生物体监视装置、生物体监视方法以及生物体监视系统
JP6447530B2 (ja) * 2016-01-29 2019-01-09 オムロン株式会社 信号処理装置、信号処理装置の制御方法、制御プログラム、および記録媒体
CN105974385A (zh) * 2016-04-29 2016-09-28 中国石油集团钻井工程技术研究院 水平井随钻探层测距雷达回波信号处理方法
CN105911046B (zh) * 2016-07-04 2018-09-04 哈尔滨工业大学（威海） 一种基于频数分布原理的滤波方法
EP3664056B1 (en) * 2017-08-02 2023-09-06 Omron Corporation Sensor device, background noise data transmission method, and background noise data transmission program
CN109428609B (zh) * 2017-08-24 2022-04-19 西安中兴新软件有限责任公司 一种干扰处理方法和装置
JP2019191131A (ja) * 2018-04-27 2019-10-31 パナソニックＩｐマネジメント株式会社 信号処理システム、及びプログラム
TWI669522B (zh) * 2018-06-28 2019-08-21 立積電子股份有限公司 都普勒訊號處理裝置及訊號處理方法
CN111416785B (zh) * 2020-02-25 2022-03-29 重庆邮电大学 基于加权中值的一致性时钟同步相对频偏估计方法
CN116032310B (zh) * 2023-02-20 2023-07-04 西安瀚博电子科技有限公司 一种基于信道化滤波的信号自适应检测重构方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW240354B (zh) * 1991-03-12 1995-02-11 At & T Corp
TW201123169A (en) * 2009-08-28 2011-07-01 Ibm Speech feature extraction apparatus, speech feature extraction method, and speech feature extraction program

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4047172A (en) * 1972-05-30 1977-09-06 General Electric Company Signal processor for pulse-echo system providing interference level compensation and feed-forward normalization
US4093948A (en) * 1976-06-08 1978-06-06 Westinghouse Electric Corp. Target detection in a medium pulse repetition frequency pulse doppler radar
US4400700A (en) * 1981-06-08 1983-08-23 The United States Of America As Represented By The Secretary Of The Army Doppler frequency analysis of radar signals
FI76889C (fi) * 1987-02-17 1988-12-12 Kone Oy Foerfarande foer val av funktionssaett vid en anordning som anvaends foer raekning av objekt inom ett visst omraode.
JPH05333138A (ja) * 1992-05-27 1993-12-17 Mitsubishi Heavy Ind Ltd ソナー信号処理装置
US7202776B2 (en) * 1997-10-22 2007-04-10 Intelligent Technologies International, Inc. Method and system for detecting objects external to a vehicle
JP3936833B2 (ja) * 2000-08-28 2007-06-27 株式会社日立製作所 体動センシング装置及び体動センシングシステム
US6518915B2 (en) * 2000-11-15 2003-02-11 Geophysical Survey Systems, Inc. Impulse radar security system
US20040075606A1 (en) * 2002-10-22 2004-04-22 Jaawa Laiho Method and system for location estimation analysis within a communication network
JP4008830B2 (ja) * 2003-02-07 2007-11-14 株式会社東芝 レーダ信号処理装置
JP4734057B2 (ja) * 2005-07-25 2011-07-27 セコム株式会社 移動物体検出装置
JP4950537B2 (ja) * 2006-03-31 2012-06-13 セコム株式会社 移動物体検出装置
US20080211715A1 (en) * 2006-08-17 2008-09-04 Technology Focus Llc Global positioning system using broadband noise reduction
JP2008249405A (ja) * 2007-03-29 2008-10-16 Mitsubishi Motors Corp 物体識別方法及び物体識別装置
JP2010055768A (ja) * 2008-08-26 2010-03-11 Panasonic Electric Works Co Ltd 照明システム
US8013781B2 (en) * 2008-09-24 2011-09-06 Lockheed Martin Corporation Method and apparatus for radar surveillance and detection of sea targets
JP5252639B2 (ja) * 2009-02-20 2013-07-31 国立大学法人茨城大学 センサ装置
US8358234B2 (en) * 2009-03-26 2013-01-22 Tialinx, Inc. Determination of hostile individuals armed with weapon, using respiration and heartbeat as well as spectral analysis at 60 GHz
JP5584442B2 (ja) * 2009-08-26 2014-09-03 パナソニック株式会社 物体検知装置およびそれを備えた照明システム
EP2636283B1 (en) * 2010-11-02 2018-08-29 Philips Lighting Holding B.V. Lighting system with radar detection
JP5712649B2 (ja) * 2011-02-07 2015-05-07 富士通株式会社 レーダ装置及び目標探知方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW240354B (zh) * 1991-03-12 1995-02-11 At & T Corp
TW201123169A (en) * 2009-08-28 2011-07-01 Ibm Speech feature extraction apparatus, speech feature extraction method, and speech feature extraction program

Also Published As

Publication number Publication date
WO2013183271A1 (ja) 2013-12-12
EP2857860A4 (en) 2015-06-17
TW201407182A (zh) 2014-02-16
CN104350391A (zh) 2015-02-11
EP2857860A1 (en) 2015-04-08
US20150130652A1 (en) 2015-05-14

Similar Documents

Publication Publication Date Title
TWI489125B (zh) 信號處理裝置
JP6176337B2 (ja) 水栓装置
JP6167368B2 (ja) 信号処理装置
JP6176336B2 (ja) 便座装置、および便器装置
EP2940486B1 (en) Signal processing device
US7065465B2 (en) Method and system for multi-sensor data fusion
KR102014751B1 (ko) 변형된 mfcc를 이용한 전기부하 판별 장치 및 방법
JP6111506B2 (ja) センサ装置
CN102508210B (zh) 一种雷电脉冲信号检测及抗干扰装置
KR102014423B1 (ko) 기기별 사용 상태를 예측하기 위한 가전기기 모니터링 시스템 및 그것의 모니터링 방법
JP2014013229A (ja) 信号処理装置
US10958060B2 (en) Method and device for detecting an electric arc in a photovoltaic installation
JP6037279B2 (ja) 信号処理装置
JP2012225837A (ja) 動き検出装置、及び動き検出装置を備えたエレベータ
JP2015115143A (ja) 照明制御システム
US10761176B1 (en) Systems and methods for distance independent differential signature detection
JP2018141763A (ja) 検知装置、及び制御システム
JP2012155603A (ja) 侵入検知装置、侵入検知方法および侵入検知プログラム
JP2016075631A (ja) 信号処理装置
KR20160071547A (ko) 동적 객체 탐지 시스템 및 방법
CN113538823B (zh) 存在检测设备和方法
KR101912446B1 (ko) 침입 감지 방법 및 장치

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees