WO2010107091A1

WO2010107091A1 - 生物学的パラメータを監視する方法、コンピュータプログラム、および生物学的パラメータの監視装置

Info

Publication number: WO2010107091A1
Application number: PCT/JP2010/054701
Authority: WO
Inventors: サシャヴラジック; ウィリアムボビエ
Original assignee: アイシン精機株式会社
Priority date: 2009-03-18
Filing date: 2010-03-18
Publication date: 2010-09-23
Also published as: CN102355850A; EP2409638A1; FR2943233A1; EP2409638A4; JPWO2010107091A1; CN102355850B; JP5382110B2; US20120197138A1; FR2943233B1

Abstract

　座席（８）またはベッドの部材の占有者（２）の心臓の拍動および／または呼吸信号の少なくとも１つの生物学的パラメータを監視する方法において、部材に結合されて接触による圧力変動を検知可能な１つまたは複数のセンサ（６）からの受信信号または各受信信号を、非線形フィルタリングにより処理する。例えば、本方法は、車両に搭載して利用される。また、本発明は、コンピュータまたは計算機での実行時に、本発明による方法の実行を制御可能なコード命令を含む、コンピュータプログラムを構成する。さらに、本発明によれば、座席またはベッドの部材の占有者の心臓の拍動および／または呼吸信号の少なくとも１つの生物学的パラメータの監視装置を提供する。

Description

生物学的パラメータを監視する方法、コンピュータプログラム、および生物学的パラメータの監視装置

　本発明は、座席またはベッドの部材の占有者の生物学的パラメータの監視に関する。

　本発明は、限定的ではないが、特に、運転者であろうと乗員であろうと、車両の占有者の生物学的パラメータの抽出および監視に関する。特に、人の心臓の拍動および呼吸信号を、拘束的でないように、また可能であればあらゆる運転条件で抽出しようとするものである。実際、これらの生物学的パラメータを得ることによって、道路交通安全を改善するための監視システムを利用できるようになる。特に、眠気または病気の症状により引き起こされる事故の件数を減らすことが求められている。

　例えば、特許文献１は、座席の占有者の心臓の拍動を監視する方法を提示している。このため、座席は圧電センサを含み、その信号を分析することによって心臓の拍動信号を抽出する。しかし、各センサから伝達される信号は、所望の生物学的信号と無関係のノイズを含む。このノイズを除去するために、上記文献は、パスバンドフィルタを適用し、信号において、検討されている現象の周波数を含む周波数範囲だけを考慮することを開示している。

　しかし、実際には、このような方法からは、満足のいく結果を得られない。実際、センサから出る信号に存在するノイズは、全ての周波数範囲を含むからである。そのために、パスバンドフィルタは、このノイズを除去することによって所望の信号を隔離することができない。言い換えると、パスバンドフィルタによって一定の周波数範囲に制限しても、この範囲に残り続けるノイズ量によって、所望の信号を得ることができない。しかも、運転者または乗員の生物学的パラメータを監視するために、このような方法を車両に搭載して利用することを望む場合、車上振動によって生じるノイズレベルによって、満足のいく結果を得ることができない。

米国特許出願公開第２００８／０１０３７０２号明細書

　従って、本発明の目的は、強いノイズにさらされる環境における生物学的信号の推定を改善することにある。

　このため、本発明によれば、座席またはベッドの部材の占有者の心臓の拍動および／または呼吸信号の少なくとも１つの生物学的パラメータを監視する方法を構成し、本方法では、部材に結合されて接触による圧力変動を検知可能な１つまたは複数のセンサからの受信信号または各受信信号を、非線形フィルタリングにより処理する。

　このようにして、非線形フィルタリングの使用は、観察する現象が非線形システムとして作用する限り、良好な結果をもたらす。そのため、非線形フィルタリングにより、収集された信号においてノイズの存在下でパラメータを推定することができ、従って、監視すべきパラメータに関する信号を容易に抽出することができる。

　有利には、フィルタリングが、拡張カルマンフィルタまたは個別フィルタ等のベイズ型の再帰的推定量を含む。

　ベイズ型のツールの使用は、このような状況で直接観察できない周波数等の値を仮に推定する場合、特に有効である。非線形システムの存在下で拡張カルマンフィルタを使用すると、非線形をモデル化できる場合は特に良好な結果が得られる。同様に、ガウスノイズでないノイズの変動を一段と良好に識別するには、個別フィルタが特に適応していることが分かる。

　有利には、以下のタイプの線形の状態推移式を使用し、
ｘ_ｋ＋１＝Ａ・ｘ_ｋ＋ｖ_ｋ
ここで、ｘ_ｋ＋１が以下のタイプの状態を示すベクトルであり、

ｖ_ｋがホワイトガウスノイズである。

　有利には、センサまたは複数のセンサのうちの１つのセンサの出力信号を以下によりモデル化し、

ここで、
φ_１（ｔ）＝ω（ｔ）・ｔ
φ_ｉ（ｔ）＝ｉ・ω（ｔ）・ｔ＋θ_ｉ（ｔ）、ｉ＝２．．．ｍであり、
ｙ（ｔ）は、信号を示し、
ω（ｔ）は、信号の瞬間的な基本パルスを示し、
ｍは、正弦関数の数であり、
ａ_ｉ（ｔ）は、正弦関数の振幅を示し、
φ_ｉ（ｔ）は、高調波の瞬間的な位相を示し、
θ_ｉ（ｔ）は、基本パルスと高調波との間の位相差を示す。

　有利には、以下のタイプの観察式を使用し、

ここで、

は、観察者による信号ｙ（ｋ）の推定値であり、
Ｈは、状態ｘ_ｋを測定値ｙ_ｋに関連づける行列であり、

および

は、それぞれ、観察者によるａ_ｉ，ｋおよびφ_ｉ，ｋの推定値であり、
ｎ_ｋは、観察者により観察されたノイズである。

　好適には、
　一群のセンサの中の各センサの信号を受信し、
　この信号をアトム辞書（仏語でｄｉｃｔｉｏｎｎａｉｒｅ　ｄ’ａｔｏｍｅｓ）に投入し、
　投入により幾つかのセンサを選択し、
　選択されたセンサだけを用いて監視を実施する。

　このようにして、アトム辞書への信号の投入により、生物学的パラメータの監視のために最も適切な信号を供給するセンサを、高い信頼性で自動化手段により選択することができる。そのため、この監視方式は、部材の占有者の身体の特徴、その姿勢、姿勢の変化、あるいはまた占有者の動きに、リアルタイムで適応させることができる。それによって、本方法は、オペレータを介在させる必要なしに、空間的かつ時間的に監視の諸条件に同時に適応させることによって生物学的パラメータを監視可能である。従って、本方法は、監視すべき生物学的パラメータに関する最も信頼性の高いデータを得ることを促している。

　さらに、例えば車両に搭載する場合、振動レベルは、本方法の信頼性の大部分が、周囲のノイズを考慮するために前段で実施される処理の種類に依存するように構成される。言い換えると、利用すべき信号から前段で上記ノイズの大部分を単に除去することによって、監視すべき生物学的パラメータを示すデータをそこから適切に抽出できることが多い。この問題は、車両に搭載して行われる監視に制限されるものではない。監視が、例えばベッドを占有する患者に関与する場合、周囲のノイズ（例えば電気器具が発生するノイズ）が、この監視を妨害する可能性があるので、その結果、本方法の信頼性は、ここでも同様に、利用される信号から上記ノイズを除去するために行われる処理の質に依存する。医療用ベッドでは、ベッドが動くときに振動が生じるので、患者の搬送時にこの問題が発生する。

　このため、好適には、少なくとも１つの加速度計が部材に結合されており、
　入力における加速度計または少なくとも１つの加速度計のうちの１つの加速度計の少なくとも１つの信号と、出力におけるセンサまたは複数のセンサのうちの１つのセンサの信号との間の伝達関数のモデルを決定し、
　モデルによりノイズ値を推定し、
　推定されたノイズ値をセンサの信号から除去する。

　このようにして、この加速度計または各加速度計は、定義上、振動を感知する。そのため、特に忠実な、周囲のノイズの基準信号を供給することができる。さらに、伝達関数のモデルを決定することによって、ノイズ値を高い信頼性で推定可能である。そのため、利用すべき信号から、そこに含まれる大部分のノイズを除去することができる。従って、これは、この加速度計または各加速度計が読み取る信号を、利用すべき信号から直接取り除くのではなく、すなわち、信号の減算を行うというわけではない。加速度計の信号を用いて、利用すべき信号におけるノイズの影響をモデル化し、このノイズの推定値を、利用すべき信号からより適切に抽出するのである。これによって、特にノイズを含まない利用信号が前段で得られる。まだそこに残っているノイズは、利用すべき１つまたは複数の生物学的パラメータを忠実に示す信号を得る障害とはならない。

　例えば、本方法は、車両に搭載して利用される。

　本発明によれば、また、コンピュータまたは計算機での実行時に、本発明による方法の実行を制御可能なコード命令を含む、コンピュータプログラムを構成する。

　本発明によれば、また、記録された形態でこのようなプログラムを含む、データ記録媒体を設ける。

　本発明によれば、さらに、ダウンロードのために遠隔通信ネットワークでこのようなプログラムを利用提供するように構成する。

　さらに、本発明によれば、
　座席またはベッドの部材の占有者の心臓の拍動および／または呼吸信号の少なくとも１つの生物学的パラメータの監視装置を構成し、本装置は、
　部材に結合されて、接触による圧力変動を検知可能な少なくとも１つのセンサと、
　非線形フィルタリングによりセンサまたは各センサからの受信信号または各受信信号の処理手段とを含む。

　本発明の他の特徴および長所は、添付図面に関して限定的ではなく例として挙げられた好適な実施形態の以下の説明から、いっそう明らかになるであろう。

本発明による実施形態の装置を示す全体図である。本装置に結合される座席の側面図である。図２の座席のセンサアレイの１つを示す図である。本発明の方法で利用される辞書のアトムを示すグラフである。本実施形態における伝達関数のモデル化を示す図である。本方法の実施時に、このようにモデル化された伝達関数を考慮することを示す図である。伝達関数によるノイズの抽出前とノイズの抽出後の信号の振幅を経時的に示すグラフである。本方法により推定される心臓の拍動と実際の心臓の拍動とを２つの曲線でそれぞれ示し、また受入可能な許容範囲を示す図である。

　以下、本実施形態では車両４の乗員または運転者である人２の身体から生物学的な情報を抽出するための完全なシステムを構成する、本発明による方法および関連する装置の実施形態について説明する。本発明は、心臓の拍動および／または呼吸律動等の人の生物学的パラメータを監視することをめざしている。この監視は、様々な運転条件において行われ、また、身体の動きに対して確かなものであることが望まれる。これは、上記の生物学的パラメータを得て、これを監視することに関する。特に、運転条件がいかなるものであろうとも、関与する人に対して拘束しないように上記パラメータを得ることが望まれる。実際、心臓の拍動および／または呼吸信号に関する情報の入手により、眠気または幾つかの病気症状による事故を減らして道路交通安全を改善する監視システムが得られる。

　最初に、システムの構成と、本方法により実施されるステップとについて大まかに説明する。次いで、こうした構成と本実施形態の幾つかの特徴を詳しく説明する。

　装置は、人２により占有される座席８が支持する複数の圧電センサ６を含む。これらのセンサは、占有者の姿勢または占有者が行う動きがどのようなものであろうとも、センサにより所望の信号を常に得られるように構成されている。センサは、接触圧の変動を検知可能であり、ここでは圧電センサである。センサは、座席８の座部１０と背もたれ部１２の上方の主要面付近に配置され、この面は、占有者２に隣接するように設けられている。センサは、また、この面に直接配置することもできる。このようにして、センサは、特に動脈の付近で身体の圧力を受け、特に、身体から生じる圧力変動を受ける。この場合は、フィルムまたはシートからなるセンサに関与する。しかしながら、後述するように、これらのセンサはあらゆるタイプの機械的な振動を感知するので、こうしたセンサの出力では所望の信号を直接観察することができない。

　この実施例では、座席８が約６０個のセンサを含むが、当然のことながらこの数字は限定的なものではない。座部１０におけるセンサの数は１０個から７０個とし、例えば４０個にすることができる。背もたれ部１２におけるセンサ数は、５個から５０個であり、例えば２０個にすることができる。本方法の使用中に用いられる基板は、例えば２０個のセンサ、すなわち座部に１５個、背もたれ部に５個のセンサを含む。従って、基板は、例えば、座席に存在するセンサの約３０％を含む。

　センサの信号処理は、アナログ部分とデジタル部分とを使用する。

　アナログ部分は、センサ６の出力信号の振幅の収集ステップと編成ステップとを含む。アナログ出力の各々はデジタル化され、次いで、座席８における身体２の位置に応じて幾つかのセンサだけが自動的に選択される。これらのセンサから送られる信号は、その後、処理されて融合される。センサのこのような選択ステップおよび融合ステップは、身体の動きに適切に従ってこれを予測するように、本方法の実施時に複数回にわたって実施される。ここで、車両の乗員と運転者の動きが、一般には同じタイプではないことに留意する。乗員の動きは、よりランダムであるが、数は運転者の動きよりも少ない。運転者の動きに対しては、そもそも、車両における４個の駆動輪の存在、手の動き、加速、制動、ギヤチェンジのための脚の位置等の特徴を考慮しなければならない。

　図１では、センサの信号を選択して融合させる役割を果たす装置をブロック１４で示した。このブロックは、身体の動きを検知して、この動きを追跡し、予測することができる。特に、上記ブロックは、生物学的パラメータを得るために有効な信号を最も供給可能なセンサを選択することができる。このブロックは、１つの動きを正確に検知し、１つの動きを予測して、選択すべき候補センサのリストを得ることができる。そのため、本方法は、占有者の動きにかかわらず変動なしに連続的に実施される。ブロックは、また、慣性物体だけが部材に置かれているかどうか判断して、そうした場合には何の処理も行わないようにすることができる。

　座席８には、さらに、特に車両による振動ノイズ等の周囲のノイズに対する基準センサとして作用する加速度計１６が設けられる。これらの加速度計センサ１６の各々は、互いに垂直な３つの方向、すなわち水平方向Ｘ、Ｙおよび垂直方向Ｚにおいてノイズを感知する。本方法の範囲では、加速度計１６と各々の圧電センサ６との間で伝達関数を推定することにより、その後、これらのセンサの出力ノイズを低減することができる。伝達関数は、車両の現行の運転条件と身体の動きとを追跡するのに必要であることが判明する都度、推定し直される。そのため、ブロック２０は、加速度計と圧電センサとの間の伝達関数を推定するために経時的に変化する、ダイナミックモデルを作成する役割を果たす。このように推定される上記の伝達関数によって、ノイズに関する様々な値を予測し、その後、圧電センサの信号により伝達されるノイズを低減することができる。この段階で使用されるモデルは、線形であっても非線形であってもよい。これは、センサ６により供給される信号のノイズを低減する第１のステップである。

　一方で、このノイズ低減ステップは、幾つかの場合には不十分であると判明する場合がある。このため、ブロック２０は、また、心臓の鼓動および／または呼吸信号等の生物学的パラメータをさらに正確に得られる第２の推定・追跡ステップを含む。このステップは、運転条件（身体の動き、都市部での運転、高速運転および高速道路での運転）がいかなるものであろうとも、生物学的パラメータの変動をいっそう適切に追跡することができる。この第２のステップは、非線形システムに適応するように構成される。このステップは、あらゆるノイズ変動をよりよく識別するように、拡張カルマンフィルタまたは個別フィルタを含むことができる。このような非線形処理ステップは、経時的に変化する振動環境で心臓の鼓動および呼吸律動等の非線形モデルに由来するパラメータを抽出および監視するのにまさに適している。

　２つのフィルタリングステップの後で、ブロック２２は、所望の信号を得て、これを監視し、その変化を予測することができる。

　本発明は、あらゆるタイプの車両に適している。しかし、本発明は車両に制限されるものではない。そのため、座席またはベッド、例えば患者のパラメータを監視するための医療用ベッド等の、他のタイプの部材で利用可能である。

　利用される方法は自己適応型である。

　次に、本方法の幾つかの特徴について詳しく説明する。ここでは、車両の運転者の生物学的パラメータを監視するものと仮定する。

１．圧電センサの選択および融合
　図１から３を参照すると、座席８は、ここでは、座部１０と背もたれ部１２とにそれぞれ配置された２個のセンサアレイ６を含む。これらのアレイの各々は、この場合には、複数の行と複数の列を含む。例えば、図３に示したように、アレイは、５個の行と５個の列を含んで碁盤状のセンサを形成する。各アレイのセンサは、ほぼ同一平面にある。センサは、装置の他の部分に適切に電気接続され、これらのセンサにより読み取られる信号を手段１４および２０に伝達する。

　ブロック１４は、利用可能な幾つかのセンサだけを選択する役割を果たす。これは、例えば座部１０で２個のセンサ、背もたれ部１２で２個のセンサを選択することに関する。しかし、この数は場合に応じて減らしたり増やしたりすることができる。

　車両のエンジンは切れていると仮定する。運転者および乗員は車両に入る。イグニッションキーまたは同等部材によりスイッチが入れられると、手段１４、２０、２２を含む本発明による装置７は、本方法の使用を命令する。装置７の処理部材および計算部材は、例えばダッシュボード１１に収容される。

　本方法の利用が開始されると、装置７は、基本的に座部と背もたれ部のセンサの中から選択されたセンサ６の、デフォルトによる基板を作動させる。この基板はメモリを有する。こうしたデフォルトによる基板は、本方法の基本調整の一部をなす。

　座席８に人２の身体があると、幾つかのセンサ６から信号が送信される。手段１４は、これらの信号を分析することによって、様々な状況、特に身体２の特徴と座席におけるその姿勢とを考慮して、基板を調節することが好ましいかどうか推定する。手段１４は、また、人の代わりに部材に物体が存在しているかどうかについて分析する。もしそうであれば、いかなる追加的な処理も行われない。

　このため、手段１４は、基本的に最も利用できる信号を供給するセンサ６を識別する。信号を全く供給しないセンサについては考慮しない。高い圧力信号を供給するセンサの信号についてもまた考慮しない。これは、本方法では特に圧力変動を調べるからである。したがって、人２の臀部の下に配置されるセンサは、人の胴体の大部分の重量を受け、情報的には比較的乏しい信号を供給する。これらは、一般には考慮されない。この段階では、手段１４に対して最も関連性のある基板、この場合には、わずかな動き、すなわち、わずかな圧力変動を最も感知するセンサを備えた基板を得なければならない。そのため、幾つかのセンサを付加し、または除去することによって、基本となる基板を適応させる。このように適応された基板において、本方法の後段でセンサの選択が行われることになるのである。

　本方法の後段では、ゆっくりした身体の動きまたは小さい振幅の動きが検出されるたびに、ブロック１４が、それに関連可能な新しいセンサを選択するように構成される。すばやい身体の動きまたは大きな振幅が検知されると、ブロック１４は、センサの基板を完全に新しくして、いっそう適切に状況に適応させられるようにする。

　次に、所定のセンサ基板の存在下で、最も適切なセンサ、すなわち、生物学的パラメータに関連する所望の信号を含む可能性が最も高いセンサをブロックがどのように選択するかについて説明する。

ａ．信号の選択
　ここでは、時間－周波数の同時分析を実施する。そのため、高い周波数精度を提供するアトム分解を用いて重量を推定し、追跡すべき成分の位置を突き止めることができる。これは、一種のウェーブレットパケットによる拡張である。

　そのため、１個のセンサの信号を、ここでは、拡張関数ｆ_ｍ，ｎの線形結合として示した。

　この信号ｘは、行列の記法で次のように表すことができる。
ｘ＝Ｆα、ここでＦ＝［ｆ_１，ｆ_２，．．．，ｆ_Ｍ］

　信号ｘは、ここでは列ベクトル（Ｎ×１フォルマント）、αは、拡張係数（Ｎ×１）の列ベクトル、Ｆは、列が拡張関数ｆ_ｍ，ｎであるＮ×Ｍの行列である。拡張係数と様々な関数との１つの線形結合によって１つの信号モデルを供給する。コンパクトな複数のモデルは、信号に対して大きな相関関係がある拡張関数を含む傾向がある。

　広範な時間－周波数挙動に適合するアトム辞書を用意し、アトム辞書の幾つかの適切なアトム等を選んで信号を分解することができる。この辞書は以下のように構成される。

　圧電センサのパルス応答は、基本周波数オフセットを伴う減衰正弦波形であることが知られている。そこで、全ての位相をカバーできるようにするために、ｇ_γが余弦波形、ｈ_γが正弦波形であるとき、ベクトルＤ＝（ｇ_γ，ｈ_γ）系から辞書を構成すれば、非常に適応する辞書が得られる。

　このようにして、辞書は、考えられる様々な周波数（ただし、本発明の監視範囲に制限される周波数）の正弦波形および余弦波形から構成される。この場合に最も強い周波数は２０ヘルツであるので、この実施例では、単一の呼吸信号に対して、０．２ヘルツから３ヘルツの間にある周波数範囲を用いることが好ましい。呼吸信号と心律動とを合わせた２つの信号に対しては、０．７から２０ヘルツに及ぶ範囲を使用し、いずれの場合も１ピッチは０．１ヘルツとする。

　十分な周波数解像度を得るために、辞書の各アトムはハニング窓により加重され、これによって特にエッジ効果を回避できる。そのため、

ここで

ここで、ｍはアトムの長さを示す。実際には、この長さは、周波数解像度に対して重要な値である。こうした加重がない場合、アトムは、辞書において異なる持続時間を有する可能性がある。

　したがって、辞書は、加重されたＮ個の正弦アトムと加重されたＮ個の余弦アトムとからなる。そのため、これらのアトムは、類推によってウェーブレットパケットと同一視可能な小型（すなわち限定された、すなわちゼロでない有限数の地点からなる）サポート信号を形成する。

　従って、図４では、１つの周波数に対する１つの正弦アトムと１つの余弦アトムとの連結をまさに含む、辞書のアトムの１つを示した。信号は、時間を横軸で、振幅を縦軸で示している。アトムの長さは、ここでは、横軸においてサンプル０個の地点と２０００個の地点との間で測定可能であり、時間はサンプル数（サンプリング周波数に依存する）として選択される。

　さらに、各組のアトムに対して正規化係数を計算する。

　これにより、もともと異なる重量および長さを有するアトムを比較することができる。

　このようにして、正規直交化基底を構成する辞書が得られる。

　基板の各センサから供給される信号ｆ（すなわちそのパルス応答）は、アトム辞書の各組に投入され、次のように値を計算する。
　ｓｕｐ｜Ｃ（ｆ，ｇ_γ，ｈ_γ）｜
ここで、Ｃ（ｆ，ｇ_γ，ｈ_γ）は距離関数である。この例では、次の距離関数を選択する。
　Ｃ（ｆ，ｇ_γ，ｈ_γ）＝φ_２，γ・（＜ｆ，ｇ_γ＞^２＋＜ｆ，ｈ_γ＞^２－２φ_１，γ＜ｆ，ｇ_γ＞・＜ｆ，ｈ_γ＞）

　この距離関数により、人間の身体とシステムとが同時に発生する成分（身体の重量と車両の振動とによる共振）の位置を正確に突き止められるようになる。そのため、センサにより伝達される信号がシステムのパラメータと人間の生物学的パラメータとを同時に含む場合、センサは適格であるとみなされる。システムのパラメータしか含んでいない場合は、適格ではない。

　その場合、信号に対して計算される値が大きい順に分類を行って、適格センサのリストを作成する。自然整数の数ｐを予め決定し、このリストの最初のｐ個の値を考慮する。これらの値に対応する最初のｐ個のセンサが、選択されたセンサである。

ｂ．動きの予測
　本方法は、関連する信号の集合（占有者の生物学的パラメータ）を適切に保持するために、人間の身体の動きを予測することができる。そのため、この例では以下のアプローチを用いる。

　身体の動きの発生は、供給される信号が変動し始める基板のセンサで検知される。図３では、背もたれ部における基板のセンサが、それらの基準（ｉ，ｊ）、（ｉ＋１，ｊ＋１）、および（ｉ，ｊ＋２）により識別されるセンサであると仮定する。

　手段１４は、これらのセンサにより動きを識別し、この同じ手段が、補間によって、図３では矢印２４により示されたこの動きの方向を予測することができる。そのため、こうした動きが行われる間、手段１４は、今後の動きを予測し、動きの最中に、選択されたセンサの基板に対して、動きの進路にあって今後の動きの間に有利な信号を供給可能なセンサを付加する。図３で、センサ（ｉ，ｊ＋２）と同じ行にある２個のセンサ（ｉ＋２，ｊ＋２）、（ｉ＋１，ｊ＋２）がそれにあたる。従って、手段１４は、これらのセンサから供給される見込みの信号をできるだけ早く考慮することができる。その後、これらのセンサの位置で動きが認識されることが確認されると、これらのセンサは基板に保持される。それに対して、予測が誤りであって、センサのうちの少なくとも１つに対していかなる動きも検知されない場合、このセンサは基板から取り除かれる。

２．伝達関数の識別と推定
　車両における振動ノイズの基準の役割を果たすために、複数の加速度計１６が使用される。車上振動が単一の方向に及ぼされるのでない限り、例えば単に垂直方向に及ぼされるだけでない限り、好適には、３軸または３Ｄ加速度計を用いる。さらに、少なくとも２個の加速度計を使用することが好ましい。

　これらの加速度計の位置を特定することが、信頼性の高いモデルを得るために重要であると判明する場合がある。例えば、一方の加速度計１６を座席の座部１０の構造体でこの座部の下部に配置することによって、この加速度計が、座席の下で占有者の振動を感知するようにする。この実施例では、第２の加速度計を背もたれ部１２の頂部に置いている。これは、座席のこの部分は、座部に対して一定の独立性を保って振動し得ることが確認されているからである。

　圧電センサ６および加速度計１６の位置決定に応じて、その後に実施される伝達関数のモデル化を線形または非線形とすることができる。いずれにしても、こうしたモデル化のパラメータは、この場合、再帰的手順により推定される。さらに、上記パラメータは、様々な状況、特に運転条件にモデルが正確に適応するように、本方法の実施中にしばしば推定し直される。

　選択された圧電センサ６の各々に対して伝達関数をモデル化する。そのため、図５に示したように、この伝達関数は、入力で、全ての加速度計１６の出力信号を有する。この場合には、座部の加速度計１６により供給されるそれぞれＸ、Ｙ、およびＺ方向の振動に対応する３個の信号と、背もたれ部の加速度計１６により供給される３個の類似した信号とに関する。伝達関数は、出力で、考慮された圧電センサ６により供給される信号ｓを有する。そのため図５では、伝達関数のモデル化の原理を示した。これは、関数１１と、そのパラメータの識別に関与するものであり、入力では、２個の加速度計により供給されたｘ、ｙ、ｚ信号を有し、出力では、考慮された圧電センサにより供給される信号ｓを供給する。このようにして、圧電センサにより供給される信号における振動の固有の影響のモデル化が得られる。

　この場合、手段２０は、まず、複数のタイプのモデルのリストの中から、伝達関数を得るために最も適したタイプのモデルを状況に応じて決定する。このリストは、この場合は、次の通りである：
　状態を示すことによるモデル化、
　ＡＲＭＡ、
　ＡＲＸ、
　ＮＬＡＲＸ。

　各タイプのモデルによるモデル化の試みの後で、基本的に最も適したタイプのモデルを考慮する。

　次いで、図６に示したように、このように識別されたモデルを用いて、加速度計により供給される瞬間的な信号に応じてノイズ値をダイナミックに決定する。入力は、加速度計の６個の信号値である。出力は、圧電センサの信号側の単一ノイズによる推定値である。その場合、この推定値は、減算器１３の位置で、当該圧電センサ６から供給される信号から差し引かれる。それにより、この減算後、振動ノイズの影響の大部分が除去された信号が得られる。

　本実施形態では、手段２０は、デフォルトにより、ＡＲＸタイプの外部自己回帰モデルを使用している。これは、リストの他のタイプのモデルのどれからも、よりよい結果が得られない場合に、このタイプのモデルが使用されることを意味する。そうでない場合、最も良い結果を提供するモデルが使用される。このモデルの構造は次の通りである。

ここで、
　Ａ（ｑ）は、Ｎ_Ａ個の係数を有する多項式である。
　ｙ（ｔ）は、圧電センサの出力信号である。
　Ｂ_ｉ（ｑ）は、Ｎ_Ｂ個の係数を有する多項式である。
　ｕ_ｉ（ｔ）（ｉ＝１．．．Ｎ_ｉ）は、加速度計により供給される入力信号である。
　ｎ_ｋｉは、入力における単位遅延数である。
　ｅ（ｔ）は、このモデルのエラー信号である。

　自由係数Ｎ_ｃの総数は、次のようになる。
Ｎ_Ｃ＝Ｎ_Ａ＋Ｎ_ｉ・Ｎ_Ｂ

　多項式の係数は、エラー予測共分散行列のトレースを最小化することにより推定される。先に述べたように、パラメータのこうした推定は、運転条件の変化につれて時々更新される。各サンプリングステップでモデルのパラメータが推定されると、圧電センサ内の予測ノイズ（すなわち推定ノイズ）を計算できる。その場合、こうした推定ノイズは、図６に示したように圧電センサの出力で除去される。

　図７では、減算前の圧電センサ６の信号１５を細線で、減算後の信号１７を太線で示した。特に、縦座標の信号の振幅（単位：ボルト）が、減算後に著しく減少し、心臓の拍動に対応するピークがはっきりと現れていることが分かる。

３．生物学的パラメータの抽出
　こうしたノイズ除去ステップの後、手段２０により、心律動と呼吸信号を抽出することが必要である。これは、周波数を直接観察できないパラメータを推定することに帰する。従って、ベイズ推定に位置づけることが特に有効である。さらに、検討されたシステムは非線形であるので、拡張カルマンフィルタを用いることができる。ガウスノイズではないノイズ変動をより密接に認識するために個別フィルタを用いてもよい。

　例として、以下に、心臓の拍動の推定および監視のための拡張カルマンフィルタの利用を示す。

　ここでは、血圧に応答する圧電センサ信号を、ゆっくり変化する振幅要素および位相要素を有する正弦波形の高調波成分の和としてモデル化することを提案する。

ここで、φ_１（ｔ）＝ω（ｔ）・ｔ
φ_ｉ（ｔ）＝ｉ・ω（ｔ）・ｔ＋θ_ｉ（ｔ）、ｉ＝２．．．ｍであり
ω（ｔ）は、心臓の拍動に関連する信号の基本パルスを示す。
ｍは、正弦波形成分の数であり、
ａ_ｉ（ｔ）は、正弦波形成分の振幅を示し、
φ_ｉ（ｔ）、ｉ＝２．．．ｍは、高調波の瞬間的な位相を示し、
θ_ｉ（ｔ）は、基本パルスと高調波との間の位相差を示す。

　この式から、以下の状態を示すベクトルを提案する。

　正弦成分の振幅ａ_ｋ，ｉの経時的な変化は、付加的なホワイトガウスノイズにより次のようにモデル化される。
ａ_{ｋ＋１，ｉ}＝ａ_ｋ，ｉ＋ｖ_ｋ，ｉ ^ａ

　瞬間的な基本パルスω_ｋの経時的な変化もまた、付加的なホワイトガウスノイズによりモデル化される。
ω_ｋ＋１＝ω_ｋ＋ｖ_ｋ ^ω

　基本パルスと高調波成分との間の位相差θ_ｉ（ｔ）に対しても同様であり、瞬間的な位相φ_ｋ，ｉ（ｔ）の経時的な変化は次式により得られる。
φ_{ｋ＋１，ｉ}＝ｉ・ω_ｋ＋φ_ｋ，ｉ＋ｖ_ｋ，ｉ ^φ

　このような選択は、ω_ｋが、実際のパルスと信号のサンプリング周波数との比率として表されることを意味する。その結果、状態推移を示す式は線形であり、次式によって与えられる。

　これは、次のように書くこともできる。
　ｘ_ｋ＋１＝Ａ・ｘ_ｋ＋ｖ_ｋ　　　（１）
ここで、

　ノイズｖ_ｋの成分の分散の推定は、推定されるパラメータ（パルス、振幅成分および位相成分）の変化速度とアルゴリズムの収束速度とに影響を及ぼすことになる。

　式（１）を考慮すると、基本的に予想される観察を示す式は、次式により与えられる。

　観察を示す式は非線形であり、これにより、拡張カルマンフィルタの使用が裏付けられる。観察ノイズの分散ｎ_ｋは、圧電信号で観察されるノイズの分散に関連する。

　拡張カルマンフィルタのアルゴリズムは、次のように実行される。

　初期化ステップ：

　ｋ∈｛１，．．．，∞｝の場合、拡張カルマンフィルタの予想式は次の通りである。

　更新される式は次のようになる。

ここで

　また、ここで、Ｑ^ｗとＲ^ηは、それぞれｖ_ｋとｎ_ｋの共分散行列であり、Ｉは、単位行列である。

　従って、これは、拡張カルマンフィルタに関する標準アルゴリズムである。

　本発明の場合、このアルゴリズムは次のように適応される。ノイズ

および

の値はゼロに等しいと仮定する。

　状態推移を示す式（１）は線形であることが分かっているので、次のようになる。

　ここで、ａは、式（２）で得られる。

　式（１）と（３）を考慮すると、次のようになる。

および

　最後に、式（３）は、次の通りになる。

　圧電センサの複数の信号を同時に操作するために、状態ベクトルおよび観察ベクトルの大きさもまた大きくすることができる。例えば、センサの２個の信号を用いることにより、状態ベクトル、状態推移行列、および観察を示す線形行列は、次のようになる。

　この処理では、心臓の拍動（および／または呼吸信号）を見つけるために、１つまたは複数の圧電センサを処理することができる。状態を示すこのモデルは、一例として挙げられており、限定的なものではない。

　上記処理の結果を例として図８に示す。曲線３０により実際の心臓の拍動信号を示し、曲線３２により、本発明の方法により推定された心臓の拍動信号を、曲線３４と３６により、実際の信号の振幅における上下５％の公差閾値を示した。これらの曲線は、横座標で示した時間（単位：秒）に応じた毎分の鼓動数を縦座標で示している。実際の信号と、本発明の方法により推定された信号との間のずれが、実際の信号の上下５％の公差範囲に頻繁に含まれていることが分かる。これは、実際の走行条件（都市部の運転、高速道路での運転など）で実施されたテストの結果に関するものである。

　手段１４、２０、２２は、マイクロプロセッサ等の計算手段を含み、例えば、１つまたは複数のメモリ等を有する１つまたは複数のコンピュータを含む。本発明による方法は、ハードディスク、フラッシュメモリ、ＣＤまたはＤＶＤディスク等のデータ記録媒体に記録されたコンピュータプログラムにより自動的に実施可能である。コンピュータプログラムは、コンピュータでの実行時に本発明による方法の実施を制御可能なコード命令を含む。このようなプログラムは、そのダウンロード、例えば、更新プログラムバージョンのダウンロードのために、遠隔通信ネットワークで利用提供するように構成することができる。

　もちろん、本発明は、その範囲を逸脱することなく多数の修正を実施可能である。

　以上、選択ステップ１、伝達関数によるノイズ除去ステップ２、および非線形フィルタリングステップ３が連続して実施される例について記載した。図８で裏付けられるように、このような連続から、きわめて良好な結果を得られる。しかし、特に、それほど騒音がない環境では、受入可能な結果を得ながら、これらのステップのうちの任意の１つだけを利用し、さらには、そのうちの任意の２つだけを利用することもできる。

　第１のステップでは、周波数範囲の各々に対して固有のアトム辞書を関連づけることができ、従って、この場合には２つのアトム辞書を使用可能である。

　本出願は、２００９年３月１８日に出願された仏国特許出願第０９５１７１４号に基づく。本明細書中に仏国特許出願第０９５１７１４号の明細書、特許請求の範囲、図面全体を参照として取り込むものとする。

Claims

　座席またはベッドの部材の占有者の心臓の拍動および／または呼吸信号の少なくとも１つの生物学的パラメータを監視する方法であって、部材に結合されて接触による圧力変動を検知可能な１つまたは複数のセンサからの受信信号または各受信信号を、非線形フィルタリングにより処理することを特徴とする、生物学的パラメータを監視する方法。
　前記フィルタリングが、拡張カルマンフィルタまたは個別フィルタ等のベイズ型の再帰的推定量を含む、請求項１に記載の方法。
　以下のタイプの線形の状態推移式を使用し、
　ｘ_ｋ＋１＝Ａ・ｘ_ｋ＋ｖ_ｋ
ここで、ｘ_ｋ＋１が以下のタイプの状態を示すベクトルであり、

ｖ_ｋがホワイトガウスノイズである、請求項１または２に記載の方法。
　センサまたは複数のセンサのうちの１つのセンサの出力信号を以下によりモデル化し、

ここで、
φ_１（ｔ）＝ω（ｔ）・ｔ
φ_ｉ（ｔ）＝ｉ・ω（ｔ）・ｔ＋θ_ｉ（ｔ）、ｉ＝２．．．ｍであり、
ｙ（ｔ）は、信号を示し、
ω（ｔ）は、信号の瞬間的な基本パルスを示し、
ｍは、正弦関数の数であり、
ａ_ｉ（ｔ）は、正弦関数の振幅を示し、
φ_ｉ（ｔ）は、高調波の瞬間的な位相を示し、
θ_ｉ（ｔ）は、基本パルスと高調波との間の位相差を示す、請求項１～３のいずれか一項に記載の方法。
　以下のタイプの観察式を使用し、

ここで、

は、観察者による信号ｙ（ｋ）の推定値であり、
Ｈは、状態ｘ_ｋを測定値ｙ_ｋに関連づける行列であり、

および

は、それぞれ、観察者によるａ_ｉ，ｋおよびφ_ｉ，ｋの推定値であり、
ｎ_ｋは、観察者により観察されたノイズである、請求項１～４のいずれか一項に記載の方法。
　一群のセンサの中の各センサの信号を受信し、
　この信号をアトム辞書に投入し、
　投入により幾つかのセンサを選択し、
　選択されたセンサだけを用いて監視を実施する、請求項１～５のいずれか一項に記載の方法。
　少なくとも１つの加速度計が部材に結合されており、
　入力における加速度計または少なくとも１つの加速度計のうちの１つの加速度計の少なくとも１つの信号と、出力におけるセンサまたは複数のセンサのうちの１つのセンサの信号との間の伝達関数のモデルを決定し、
　モデルによりノイズ値を推定し、
　推定されたノイズ値をセンサの信号から除去する、請求項１～６のいずれか一項に記載の方法。
　車両に搭載して利用される、請求項１～７のいずれか一項に記載の方法。
　コンピュータまたは計算機での実行時に請求項１～８のいずれか一項に記載の方法のステップの実行を制御可能なコード命令を含むことを特徴とするコンピュータプログラム。
　座席またはベッドの部材の占有者の心臓の拍動および／または呼吸信号の少なくとも１つの生物学的パラメータの監視装置であって、
　部材に結合されて、接触による圧力変動を検知可能な少なくとも１つのセンサと、
　非線形フィルタリングによりセンサまたは各センサからの受信信号または各受信信号の処理手段とを含むことを特徴とする、生物学的パラメータの監視装置。