WO2016052049A1 - 信号処理装置、信号処理方法およびコンピュータプログラム - Google Patents

信号処理装置、信号処理方法およびコンピュータプログラム Download PDF

Info

Publication number
WO2016052049A1
WO2016052049A1 PCT/JP2015/074708 JP2015074708W WO2016052049A1 WO 2016052049 A1 WO2016052049 A1 WO 2016052049A1 JP 2015074708 W JP2015074708 W JP 2015074708W WO 2016052049 A1 WO2016052049 A1 WO 2016052049A1
Authority
WO
WIPO (PCT)
Prior art keywords
value
time
output signal
error
values
Prior art date
Application number
PCT/JP2015/074708
Other languages
English (en)
French (fr)
Inventor
足立　佳久
奥村　哲也
林　哲也
前田　茂己
Original Assignee
シャープ株式会社
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
Application filed by シャープ株式会社 filed Critical シャープ株式会社
Priority to JP2016551661A priority Critical patent/JP6286574B2/ja
Priority to CN201580053920.2A priority patent/CN106796127B/zh
Priority to US15/515,618 priority patent/US10571314B2/en
Publication of WO2016052049A1 publication Critical patent/WO2016052049A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
    • G01D1/18—Measuring arrangements giving results other than momentary value of variable, of general application with arrangements for signalling that a predetermined value of an unspecified parameter has been exceeded
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D9/00—Recording measured values
    • G01D9/02—Producing one or more recordings of the values of a single variable
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/028—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/028—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure
    • G01D3/032—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure affecting incoming signal, e.g. by averaging; gating undesired signals

Definitions

  • the present invention relates to a signal processing device, a signal processing method, and a computer program, and more particularly, to a signal processing device, a signal processing method, and a computer program for obtaining an estimated value based on an output signal from a sensor.
  • Some gas sensors, humidity sensors, and temperature sensors using semiconductors require a relatively long time from the start of measurement until the value of the output signal (for example, voltage value) converges. That is, when a certain attribute to be measured is obtained based on the output signal from the sensor, the attribute cannot be obtained until the value of the output signal converges.
  • a semiconductor gas sensor for detecting an odor requires, for example, 600 seconds from the start of measurement until the value of the output signal converges.
  • the value of the output signal converges means that the value of the output signal at a certain time when a sufficient time has passed and the value of the output signal at a time before a certain time.
  • the difference is a value within a predetermined range for a predetermined time, and the value of the converged output signal is called a “convergence value”.
  • the time from the start of measurement until the value of the output signal converges is called “response time”, and the period until the response time elapses is called “transient response period”.
  • Patent Literature 1 discloses a method for estimating what performance a machine having different driving performance depending on the driving environment exhibits, for example, in an unknown driving environment. According to the estimation method described in Patent Document 1, the input driving environment data is classified based on the classification condition, the classified data is supplied to a corresponding one model, and an estimated value is obtained from the one model. Yes.
  • the present invention has been made in order to solve the above-described problem, and is a signal processing apparatus capable of obtaining an estimated value based on an output signal from a sensor relatively easily and with sufficient accuracy.
  • An object of the present invention is to provide a signal processing method and a computer program.
  • the input interface that receives the output signal V a (T) from the sensor, and the value of the output signal V a (T) is the parameter value P that represents an attribute of the measurement target.
  • the response time corresponding to the corresponding convergence value V c is Tr
  • the parameters are set in accordance with the value V a_T1 of the output signal obtained at time T1.
  • a plurality of predicted values V b_T2 corresponding to the value of the output signal that will be obtained at time T2 after time T1 are generated.
  • An estimation circuit that generates an estimated value Pe of a parameter representing the certain attribute of the measurement target based on the prediction circuit and the value V a_T2 of the output signal obtained at the time T2 and the plurality of prediction values V b_T2 And have.
  • the signal processing device further includes a first memory for storing a value of the output signal Va (T) , and the prediction circuit includes the value of the output signal obtained at the time T1.
  • V a_T1 is acquired from the first memory, and the plurality of prediction values V b_T2 are generated.
  • the estimation circuit acquires the plurality of prediction values V b_T2 from the prediction circuit.
  • the signal processing device further includes a second memory that stores the plurality of predicted values V b_T2 in association with different values P of the parameters, and the estimation circuit includes the plurality of prediction values A value V b_T2 and a different value P of the parameter are obtained from the second memory.
  • the estimated circuit comprises a plurality of predicted values V B_T2, seek error V E_T2 between the value V A_T2 of the output signal obtained at the time T2, based on the error V E_T2, The estimated value Pe of the measurement object is generated.
  • the prediction circuit determines, for each of a plurality of convergence values V c corresponding to different values of the parameter, according to the value V a_T3 of the output signal obtained at time T3 after the time T1. Based on the different relationship, a plurality of predicted values V b_T4 corresponding to the value of the output signal that will be obtained at time T4 after time T3 are further generated.
  • the time T3 may be the same as or different from the time T2.
  • the prediction circuit determines, for each of a plurality of convergence values V c corresponding to different values of the parameter, according to the value V a_T3 of the output signal obtained at time T3 after the time T1. Based on the different relationship, a plurality of predicted values V b_T4 corresponding to the value of the output signal that will be obtained at time T4 after the time T3 are further generated, and the estimation circuit is configured to output the plurality of predicted values V An error V e_T2 between b_T2 and the value V a_T2 of the output signal obtained at the time T2, a plurality of predicted values V b_T4, and a value V a_T4 of the output signal obtained at the time T4 seek error V E_T4, the error V E_T2, the error V E_T4 or based on the accumulated value of the error, to generate the estimate Pe of the measurement target.
  • the time T2 is later than the time T1 by a predetermined time Tc
  • the time T4 is later than the time T3 by the predetermined time Tc.
  • the prediction circuit starts from the certain time according to the value V a_Tk (k is an integer of 1 or more) of the output signal obtained at a certain time every time the predetermined time Tc elapses.
  • a plurality of predicted values V b_Tk + 1 corresponding to the value of the output signal that will be obtained after the predetermined time Tc are generated, and each time the predetermined time Tc elapses,
  • the prediction circuit determines the output signal value V a_Tk (k is an integer equal to or greater than 1) obtained at that time from the time.
  • a plurality of predicted values V b_Tk + n corresponding to the value of the output signal that will be obtained after a predetermined time n ⁇ Tc (n is an integer equal to or greater than 1) are generated, and the estimation circuit V B_Tk + n and the error V E_Tk between the value V A_Tk + n of the output signals + n and the error V between the value V a_Tk + n + 1 of said plurality of predicted values V b_Tk + n + 1 and the output signal e_Tk + n + 1 is obtained, and the estimated value Pe of the measurement object is generated based on the error V e_Tk + n , the error V e_Tk + n + 1 , or the accumulated value of the error.
  • the estimation circuit generates the estimated value Pe of the measurement target based on a cumulative value of the error over a predetermined period.
  • the estimation circuit generates the estimated value Pe of the measurement object based on a minimum absolute value of the accumulated error value.
  • the accumulated value of the error is reset every predetermined period.
  • the prediction circuit includes a neural network.
  • the signal processing device further includes the sensor.
  • the response time to be the convergence value V c to be performed is Tr
  • the parameters are different from each other according to the value V a_T1 of the output signal obtained at time T1 in the transient response period before the response time Tr elapses.
  • generating an estimated value Pe of a parameter representing the certain attribute of the measurement target based on the output signal value V a_T2 obtained at the time T2 and the plurality of predicted values V b_T2.
  • the signal processing method can be executed by any of the signal processing apparatuses described above.
  • the program according to the embodiment of the present invention includes a step of receiving an output signal V a (T) from a sensor, and a convergence of the value of the output signal V a (T) corresponding to a parameter value P representing an attribute to be measured.
  • the response time for the value V c is Tr
  • the parameters have different values according to the value V a_T1 of the output signal obtained at time T1.
  • the program causes a computer to execute a signal processing method that can be executed by any of the signal processing apparatuses described above.
  • the computer may be a plurality of computers connected via a network.
  • a program includes a computer, an input interface unit that receives an output signal V a (T) from a sensor, and a value of a parameter in which the value of the output signal V a (T) represents an attribute to be measured.
  • the input interface unit, the prediction unit, and the estimation unit can correspond to, for example, the input interface, the prediction circuit, and the estimation circuit of any of the signal processing devices described above. That is, the program according to the embodiment of the present invention causes a computer to function as, for example, one of the signal processing devices described above.
  • the program according to the embodiment of the present invention can be implemented in a memory of a computer, for example.
  • a signal processing device capable of obtaining an estimated value based on an output signal from a sensor relatively easily and with sufficient accuracy.
  • FIG. 4 is a flowchart illustrating a learning process of the prediction circuit 20. It is a graph which shows the time change of the sensor output at the time of measuring the smell of six types of bananas from which a maturity differs with a gas sensor. 4 is a diagram for explaining an example of an input / output relationship of an estimation circuit 30. FIG. 4 is a diagram for explaining an example of an input / output relationship of an estimation circuit 30. FIG. It is a figure for demonstrating the process which estimates the attribute of a measuring object.
  • the input interface that receives the output signal V a (T) from the sensor, and the value of the output signal V a (T) corresponds to the parameter value P that represents an attribute of the measurement target.
  • the response time becomes convergent value V c of when the Tr, the transient response period before the response time Tr has elapsed, according to the value V A_T1 the obtained output signal at time T1, the different values of the parameters
  • a prediction circuit that generates a plurality of predicted values V b_T2 corresponding to the value of the output signal that will be obtained at time T2 after time T1, based on a different relationship for each of a plurality of corresponding convergence values V c ;
  • an estimation circuit that generates an estimated value Pe of a parameter representing an attribute of the measurement target based on the value V a_T2 of the output signal obtained at T2 and a plurality of predicted values V b_T2 .
  • a signal processing apparatus receives an output signal from a sensor within a transient response period of the sensor, predicts a convergence value, and estimates an attribute of a measurement target using the predicted value.
  • a signal processing device obtains a plurality of predicted values from an output signal within a transient response period, based on a plurality of convergence values V c corresponding to different values of a parameter representing an attribute to be measured. . That is, the apparatus described in Patent Document 1 obtains a predicted value using one model selected from a plurality of models, whereas the signal processing apparatus according to the embodiment of the present invention uses a plurality of models.
  • the most likely predicted value is selected from the plurality of predicted values, and the attribute is estimated using the selected predicted value.
  • a plurality of probable prediction values are selected, and attributes are estimated using them. Therefore, in the apparatus described in Patent Document 1, the accuracy of the predicted value is greatly influenced by one selected model, but this is not the case with the signal processing apparatus according to the embodiment of the present invention. , The accuracy of the expected value will be higher. As a result, the accuracy of the estimated value finally obtained is also increased. Thereby, the waiting time of the user of the signal processing device can be reduced, and an attribute with a measurement target can be obtained quickly and with high accuracy.
  • a signal processing device used for obtaining a parameter P indicating the degree of ripeness of a banana (hereinafter referred to as “maturity”) using a gas sensor will be exemplified, and a signal processing device according to an embodiment of the present invention will be described. A signal processing method executed thereby will be described.
  • the computer program according to the embodiment of the present invention can cause a computer to execute the signal processing method.
  • FIG. 1 schematically shows the configuration of a signal processing device 100A according to Embodiment 1 of the present invention.
  • the signal processing apparatus 100A includes an input interface 10 that receives the output signal Va (T) from the sensor 80, and a convergence value in which the value of the output signal Va (T) corresponds to a parameter value P that represents a certain attribute to be measured.
  • an estimation circuit 30 is provided that generates an estimated value Pe of a parameter representing an attribute of the measurement target.
  • the signal processing device 100A further includes a first memory 40 that stores the value of the output signal V a (T) , and the prediction circuit 20 obtains the value V a_T1 of the output signal obtained at time T1 from the first memory 40. Obtaining and generating a plurality of prediction values V b_T2 , the estimation circuit 30 acquires a plurality of prediction values V b_T2 from the prediction circuit 20.
  • FIG. 2 schematically shows the configuration of a signal processing device 100B according to Embodiment 2 of the present invention.
  • the signal processing device 100B receives the output signal V a (T) from the sensor 80, and the value of the output signal V a (T) is a parameter indicating the attribute of the measurement target.
  • the estimation circuit 30 Based on the value V a_T2 of the output signal obtained at time T2 and a plurality of predicted values V b_T2 , the estimation circuit 30 generates an estimated value Pe of a parameter representing an attribute of the measurement target.
  • the signal processing device 100B includes, in place of the first memory 40 of the signal processing device 100A, a second memory 50 that stores a plurality of predicted values V b_T2 and different values P of the parameters in association with each other. Acquires from the second memory 50 a plurality of predicted values V b_T2 and different values P of the parameters.
  • the signal processing device 100B Since the first memory 40 included in the signal processing device 100A only needs to store the value of the output signal V a (T) , the signal processing device 100B stores a plurality of predicted values V b_T2 and different values P of the parameters. The amount of memory used can be smaller than that of the second memory 50.
  • the signal processing devices 100A and 100B are illustrated as devices independent of the sensor 80, but the signal processing devices 100A and 100B may include the sensor 80.
  • the prediction circuit 20 includes, for example, a plurality of sub prediction circuits 1 to N.
  • the sub prediction circuits 1 to N respectively correspond to parameter values P1 to PN representing certain attributes to be measured. Note that the same reference numerals as those of the prediction circuit 20 may be attached to the plurality of sub prediction circuits.
  • the parameter values P1 to PN correspond to different values of the convergence value V c of the output signal from the sensor 80, respectively. That is, if the value of the converged value V c is determined, the value P1 of parameters are determined corresponding thereto.
  • the difference between the value of the output signal at a certain time when a sufficient time has elapsed and the value of the output signal at a time before a certain time becomes a value within a predetermined range for a predetermined time.
  • the value of the output signal converges the value of the converged output signal is called the “convergence value”.
  • a sufficient time it means that 500 seconds or more have elapsed from the start of measurement
  • a time before a certain time is, for example, a time 50 seconds before a certain time
  • the predetermined time is, for example, 100 seconds
  • the predetermined range is, for example, 3% of a value at a certain time.
  • parameters P1, P2, P3, P4, P5, and P6 indicating the banana maturity for example, P1 represents a fully-ripened state and P6 represents the youngest state. It is assumed that the convergence value V c of the output signal of the gas sensor 80 corresponds to 4.6, 4.1, 3.4, 2.6, 1.5, and 0.6V.
  • the maturity of the banana can be determined. However, if the response time Tr until the value of the output signal V a (T) of the gas sensor 80 reaches the convergence value V c is, for example, 600 seconds, it must be 600 seconds or more in order to obtain the maturity of the banana.
  • the parameter value P representing the maturity of the banana can be obtained about 10 seconds after the start of measurement.
  • Each sub-prediction circuit 20 follows the time T1 based on the value V a_T1 of the output signal obtained at the time T1, based on a different relationship for each of the plurality of convergence values V c corresponding to different values of the parameters.
  • a predicted value V b_T2 corresponding to the value of the output signal that will be obtained at time T2 (typically, delayed by a predetermined time Tc) is generated.
  • an estimated value Pe of the parameter P is generated based on the value V a_T2 of the output signal obtained at time T2 and the predicted value V b_T2 .
  • the prediction circuit 20 obtains an error V e_T2 between a plurality of predicted values V b_T2 and the value V a_T2 of the output signal obtained at time T2, and generates an estimated value Pe of the measurement object based on the error V e_T2.
  • the parameter P corresponding to the sub prediction circuit having the smallest error V e_T2 between the value of the output signal V a_T2 and the prediction value V b_T2. Is generated as the estimated value Pe.
  • the value of the parameter Pe may be any of P1 to P6.
  • values between the discontinuous values of P1 to P6 or values outside these ranges may be set. It may be generated.
  • the interpolation or extrapolation calculation may be performed by selecting two or more of P1 to P6.
  • it is not limited to the error between the predicted value and the actually measured value (value of the output signal Va (T) ), and the parameter value may be generated using some relationship between the predicted value and the actually measured value.
  • the predicted value does not necessarily have to be a value obtained by calculation or the like from the value of the output signal Va (T) .
  • the value of the output signal Va (T) obtained at time T1 is too large, and the sub prediction circuit 6 corresponding to the parameter P6 can obtain it at time T2.
  • a predicted value corresponding to the output signal that may be generated cannot be generated.
  • a predicted value such that the estimated value Pe does not become P6 may be generated, for example, according to a predetermined condition.
  • the predicted value may be generated by the sub-prediction circuit corresponding to the other parameter.
  • estimation circuit 30 includes a plurality of predicted values V B_T2, the output signal obtained at time T2 between the value V A_T2 error V E_T2 and, a plurality of predicted values V B_T4, seek error V E_T4 between the value V A_T4 the obtained output signal to a time T4, the error V E_T2, error V E_T4 or based on the accumulated value of the error, Generate the estimated value Pe of the measurement object Good.
  • time T the prediction circuit 20 depending on the value V A_T3 output signal obtained at time T3 of the after T1, based on the plurality of convergence value V c different relationships each corresponding to different values of the parameter
  • the time T4 after the time T3 further generates a plurality of predicted values V B_T4 corresponding to the value of will be obtained an output signal
  • estimation circuit 30 includes a plurality of predicted values V B_T2, the output signal obtained at time T2 between the value V A_T2 error V E_T2 and, a plurality of predicted values V
  • the prediction circuit 20 depending on the value V A_T1 output signal obtained at time T1, on the basis of the different relationship for each of a plurality of convergence value V c that correspond to the different values of the parameter, different from the time T2 A plurality of predicted values V b_T5 corresponding to the value of the output signal that will be obtained at time T5 are further generated, and the estimation circuit 30 outputs the plurality of predicted values V b_T2 and the value V of the output signal obtained at time T2.
  • the time T5 may be before or after the time T2.
  • time T2 is set later than time T1 by a predetermined time i ⁇ Tc
  • time T5 is set later than time T1 by a predetermined time j ⁇ Tc (i ⁇ j).
  • a plurality of predicted values corresponding to the value of the output signal that will be obtained at a time different from the time T2 may be generated at a plurality of times.
  • the prediction circuit 20 is obtained after a predetermined time Tc from a certain time according to the value V a_Tk (k is an integer of 1 or more) obtained at a certain time.
  • V a_Tk (k is an integer of 1 or more) obtained at a certain time.
  • a plurality of predicted values V b_Tk + 1 corresponding to the value of the output signal that will be generated, and the value V a_Tm of the output signal obtained at another time different from a certain time each time the predetermined time Tc elapses In response to (m is an integer of 1 or more), a plurality of predicted values V b_Tm + 1 corresponding to the value of the output signal that will be obtained after a predetermined time Tc from another time is generated.
  • the other time may be a time after a predetermined time Tc from a certain time, or may be different.
  • the estimated values obtained by the signal processing devices 100A and 100B according to the embodiment increase in accuracy over time. Therefore, the estimated value Pe of the attribute to be measured may be generated based on the error V e_Tm + 1 obtained last or the accumulated value of the error. However, when the value of the error V e_T4 is larger than the value of the error V e_T2 due to the influence of noise included in the output signal, for example, based on the value of the error V e_T2 at the time T2 before the time T4.
  • the estimated value Pe of the measurement target may be generated.
  • a method for generating the estimated value Pe of the measurement object based on the accumulated error value will be described later. For example, the estimated value Pe can be generated based on the minimum absolute value of the accumulated error value.
  • the accumulated error value may be reset every predetermined period.
  • the prediction circuit 20 the value V A_T1 the obtained output signal at time T1, on the basis of a plurality of convergent value V c that correspond to the different values of the parameter, the time T2 A flow for causing the prediction circuit 20 to learn a predetermined relationship in order to generate a plurality of predicted values V b_T2 corresponding to the value of the output signal that will be obtained will be described.
  • creating the input / output relationship in the prediction circuit 20 is called learning. This learning can also be performed by the user.
  • the measurement object is set to a certain attribute P (S1). For example, one of six bananas having different maturity levels (parameter values P1 to P6) is selected.
  • Measurement is started by the sensor, and the value of the output signal Va (T) at times T1 and T2 is acquired (S3). At this time, the value of the output signal Va (T) is acquired in time series every predetermined time Tc as necessary.
  • the value and the value of the output signal V a (T) after the predetermined time at a certain time of the output signal V a (T) is already know. Therefore, when a certain value is input as the value of the output signal V a (T) at time T1, the predicted value at time T2 is generated from the value of the output signal V a (T) at time T2. As necessary, a time-series predicted value is generated using the value of the output signal Va (T) acquired in time-series.
  • the prediction circuit 20 can generate prediction values corresponding to a plurality of attributes.
  • a commercially available gas sensor manufactured by FIS Co., Ltd., P-31, for solvent (alcohol, organic solvent) is used to measure the intensity of banana odor.
  • Bananas have different odor intensity depending on their maturity.
  • the value of the output signal Va (T) varies with time, and the response time Tr is about 600 seconds. Learning of the six sub prediction circuits 1 to 6 is performed using the values of these output signals.
  • each of the 6 sub prediction circuits This is done by each of the 6 sub prediction circuits. That is, even if the same value as the input value is input to each sub prediction circuit, the output prediction value after 5 seconds is different from each other.
  • Table 2 shows the input / output of the sub-prediction circuit 6 when the sub-prediction circuit 6 is trained by using data whose output signal value is 0.6 V after 600 seconds (this is attribute P6). It is a table
  • an output may be obtained by interpolation such as linear interpolation.
  • a value other than between a_10 and a_11 for example, a value smaller than a_10
  • the output may be obtained by linear extrapolation or the like.
  • the signal processing apparatus 100B illustrated in FIG. 2 is described as an example, but the same applies to the signal processing apparatus 100A except that the memory location is different.
  • each sub prediction circuit is based on the learning result.
  • the estimation circuit 30 inputs and outputs each attribute P and its corresponding errors c_1x, c_2x,..., C_6x, and outputs a value d_x obtained by estimating the current attribute P to be measured. Have.
  • the output d_x may be obtained by interpolation such as linear interpolation.
  • the estimation circuit 30 may input each attribute P and the errors c_1x, c_2x,..., C_6x corresponding to them into an equation and obtain d_x as an output.
  • the arithmetic expression in this case is not an arithmetic expression based on a certain attribute P, but considers various attributes P (P1 to P6), so that the accuracy is higher than that of an arithmetic expression based on a certain attribute P. improves.
  • the effect of improving accuracy over an arithmetic expression based on one attribute P can be obtained not only with arithmetic expressions based on all attributes P but also with arithmetic expressions based on a plurality of selected attributes P. .
  • the measurement target is set (S11).
  • the attribute of the measurement target here is unknown.
  • the value of the output signal of the sensor 80 that measured the attribute to be measured is acquired via the input interface 10 (S12).
  • the value of the output signal at time T1 is input to each sub prediction circuit 20 (S13).
  • the value of the output signal is also input to the estimation circuit 30.
  • Each sub-prediction circuit generates a predicted value corresponding to the value of the output signal that will be obtained at time T2, in accordance with the value of the output signal that is input at time T1 (S14).
  • the generated prediction value and the attribute corresponding to the sub prediction circuit are associated with each other and stored in the memory (S15).
  • the value of the output signal at time T2, the predicted value corresponding to time T2, and the attribute P corresponding to the sub prediction circuit are input from the memory 50 to the estimation circuit 30 (S16).
  • the estimation circuit 30 calculates an error between the value of the output signal at time T2 and the predicted value corresponding to time T2 (S17).
  • the estimation circuit 30 receives the calculated error and attribute as input, calculates an estimated value, and generates an estimation result of the attribute to be measured (S18).
  • the estimation is stopped when the amount of change in the estimated value is less than or equal to the predetermined value, and the estimated value is plotted for subsequent times.
  • the convergence value that can be understood for the first time after 600 seconds has elapsed can be estimated at a value close to the convergence value about 10 seconds after the start of measurement.
  • the estimation is stopped here until the time when the convergence value is obtained, it is not necessary. For example, if the output signal changes midway, the estimation may be continued.
  • the plurality of sub-prediction circuits 20 learn corresponding to each attribute of the measurement target. And when estimating the attribute of a measuring object, an output signal is inputted into a plurality of sub prediction circuits 20, and a plurality of sub prediction circuits 20 generate a predicted value after a predetermined time.
  • ⁇ Calculate the error between the measured value of the output signal after a predetermined time and multiple predicted values.
  • An estimated value is calculated using the plurality of errors and the attribute of the measurement object associated therewith.
  • the sensor 80 and the signal processing device 100A or 100B may be connected via a network.
  • the signal processing device 100A or 100B may be shared with another sensor.
  • the measurement objects of the plurality of sensors can be used as one common attribute, and the estimated values obtained from the plurality of sensors are compared to be used for sensor defect inspection.
  • the present invention is not limited to this, and a plurality of the same types of sensors may be used, or a plurality of different types of sensors may be used.
  • processing can be performed with the same idea as in the case of one sensor.
  • a plurality of sensors are used, more information can be obtained, so that an estimated value can be obtained with higher accuracy.
  • a neural network that inputs an output signal when a measurement target has an attribute and generates a prediction value is provided. It may be used.
  • Fig. 9 shows an example of the configuration of a neural network.
  • the neural network shown in FIG. 9 is a neural network having one input layer node, five intermediate layer nodes, and one output layer node.
  • the neural network is learned so as to generate b_1x as a predicted value at time T + Tc.
  • a generally known method such as backpropagation can be used.
  • the number of required parameters is 16.
  • the breakdown consists of five weight parameters between the nodes of the input layer and the intermediate layer, five biases of each node of the intermediate layer, five weight parameters between the nodes of the intermediate layer and the output layer, and one bias of the node of the output layer. is there.
  • the input / output relationship of the prediction circuit (each sub-prediction circuit) 20 is an example having a form like a lookup table (for example, Table 1 and Table 2). Therefore, the amount of information increases.
  • the neural network exemplified here when used, the relationship between input and output can be expressed by 16 parameters, so that the amount of information can be reduced. Note that it is also possible to use a neural network for learning of input / output of the estimation circuit, and the effect that the amount of information can be similarly reduced is obtained.
  • the configuration of the prediction circuit can be simplified.
  • the number of intermediate layers and / or the number of nodes in the intermediate layer are not limited to the exemplified numbers. By increasing these numbers, the accuracy of predicted values can be improved.
  • each sub-prediction circuit 20 may be expressed by an approximate expression.
  • the amount of information can be reduced as compared with the case of having a look-up table (for example, Table 1 or Table 2).
  • the estimation circuit 30 included in the signal processing devices of the first to third embodiments described above calculates the estimated value directly based on the error between the output signal and the predicted value. Is generated.
  • the estimation circuit 30 included in the signal processing devices of the first to third embodiments described above calculates the estimated value directly based on the error between the output signal and the predicted value. Is generated.
  • an estimated value may be generated.
  • the estimation circuit 30 included in the signal processing apparatus generates an estimated value of the attribute to be measured based on the accumulated value of the predicted value error according to the output signal. It is configured. Specifically, as described above, the estimation circuit 30 calculates an error (c_1x, c_2x,..., C_6x) between the predicted value input from the memory and the output signal, and calculates an error corresponding to each attribute. During the measurement (that is, over a plurality of times), an accumulated value (represented by “ ⁇ ”) is generated, and an estimated value of the attribute to be measured is generated using the accumulated value of this error as an input.
  • FIG. 12 is a graph showing the change over time of the accumulated error value in FIG. Since the measurement object is the attribute P5, the error between the predicted value 5 corresponding to the attribute and the output signal is almost zero at any time, and the accumulated error is also almost zero. On the other hand, for the other attributes (P1 to P4 and P6), the absolute value of the accumulated error increases with time. Further, as can be seen from FIG. 12, the change in the accumulated error is almost linear. Therefore, using the relationship between each attribute and the accumulated error, an estimated value of the attribute to be measured can be generated by linear interpolation.
  • the estimated value of the attribute to be measured can be generated by linear interpolation, the estimated value can be generated with high accuracy, and the estimation circuit 30 can change the input / output relationship in the form of a table as described above. Therefore, the amount of memory used in the estimation circuit 30 can be reduced.
  • the estimation circuit 30 included in the signal processing device according to the fifth embodiment generates an estimation value based on the accumulated error value, similarly to the estimation circuit 30 included in the signal processing device according to the fourth embodiment.
  • the estimation circuit 30 included in the signal processing device according to the fifth embodiment has a minimum absolute value among a plurality of cumulative values of errors and a cumulative value having a positive value and a cumulative value having a negative value. A cumulative value is selected, and an estimated value of the attribute to be measured is generated based on the cumulative value having the smallest absolute value for each of the positive and negative values and the corresponding attribute.
  • the cumulative value corresponding to the attribute P4 is selected as the cumulative value having a positive value and the minimum absolute value among the cumulative values of the plurality of errors, and has the negative value and the absolute value.
  • a cumulative value corresponding to the attribute P5 is selected as the cumulative value having the smallest value, and an estimated value is generated based on these cumulative values. Note that the predicted value to be selected may be changed depending on the time.
  • the absolute value of each of the attribute having a positive error accumulation value and the attribute having a negative value is the smallest (close to 0).
  • the estimation circuit 30 of the signal processing device according to the fourth and fifth embodiments obtains an accumulated value of errors over the entire measurement period and generates an estimated value based on the accumulated value.
  • the estimation circuit of the signal processing device according to the sixth embodiment is configured to reset the accumulated value after a certain timing, here, a certain time.
  • the accumulated value of the error between the predicted value input from each sub-prediction circuit 20 and the output signal corresponding to the time is, for example, as shown in FIG.
  • the attribute estimation error after the change becomes large.
  • the accumulated value is reset at a certain timing, the error of the estimated value can be reduced even if the attribute of the measurement object changes.
  • the “certain timing” may be a predetermined time interval or an arbitrary time interval. Further, the accumulated value may be reset in response to some operation such as the magnitude of input change to another sensor (for example, a temperature sensor) or a reset request from the user.
  • the estimation circuit 30 of the signal processing device according to the seventh embodiment accumulates errors for a predetermined time and generates an estimated value based on the accumulated error.
  • the time variation of the accumulated error generated by the estimation circuit 30 configured as described above is as shown in FIG.
  • the measurement interval is 0.1 second, and an error of 5 seconds is accumulated.
  • the accumulated errors P1 to P6 in FIG. 14 show that the noise on the signal is smaller. That is, the estimation circuit 30 of the signal processing device according to the seventh embodiment can generate an estimated value with higher accuracy than the estimation circuit 30 of the signal processing device of the fourth embodiment. Further, the signal processing apparatus according to the seventh embodiment can reduce the error of the estimated value even when the attribute of the measurement target is changed, for example, similarly to the signal processing apparatus according to the sixth embodiment.
  • Each sub prediction circuit included in the prediction circuit 20 included in the signal processing devices 100A and 100B according to the above-described embodiments may further have a function of updating (changing) a prediction value corresponding to the value of the output signal.
  • a function of updating (changing) a prediction value corresponding to the value of the output signal For example, as the sensors 80A and 80B shown in FIG. 16 and FIG. 17, if the sensor package structure is different, the response time of the sensor changes, so the function of updating (changing) the predicted value according to the package structure is provided. It is preferable.
  • FIG. 16 shows a schematic cross-sectional view of the sensor 80A
  • FIG. 17 shows a schematic cross-sectional view of the sensor 80B. Both of the sensors 80A and 80B are used as the sensor 80 in the above embodiment.
  • the 16 has a sensor chip (reaction unit) 82 and a package 84 that protects the reaction unit 82.
  • the package 84 has an opening (intake port 84a), and portions other than the intake port 84a are formed of, for example, a ceramic plate, a metal plate, or a plastic plate.
  • the structure of the opening (intake port 86a) of the additional package 86 also affects the response time. Therefore, the response time to the convergence value also varies depending on the structure of the further package 86.
  • the package 86 is also formed of a ceramic plate, a metal plate, or a plastic plate.
  • the measurement target is set (S21).
  • the attribute of the measurement target here may be any one of P1 to P6 or any P.
  • Measurement is started by the sensor 80B, and values of output signals at times T1 and T2 are acquired (S22). At this time, the value of the output signal is acquired in time series every predetermined time Tc as necessary.
  • the prediction circuit 20 can generate predicted values corresponding to a plurality of attributes even if the package containing the sensor changes.
  • a certain attribute P is set.
  • the relationship between the values of the output signals at the times T1 and T2 is created for a plurality of attributes, and the output signals at the times T1 and T2 of the attributes P1 to P6 are created.
  • the value relationship may be updated.
  • a parameter related to response time is derived from the relationship between the values of the output signal at times T1 and T2 created in S23, and the output signal at times T1 and T2 of the attributes P1 to P6 based on the value of the parameter.
  • the value of a certain parameter may be determined and updated to the value based on the measurement result for a predetermined time, or the parameter value may be gradually changed by a predetermined value.
  • the processing of the prediction circuit 20 is performed using the new predicted value.
  • the first embodiment of the present invention is used even when the value of the output signal decreases during the transient response period.
  • To 8 and signal processing devices modified from them can be used.
  • the correct estimated value even if the value of the output signal increases or decreases during the transient response time Can be generated.
  • the signal processing method executed by the signal processing device according to the embodiment of the present invention described above can also be executed by a computer.
  • the program according to the embodiment of the present invention can cause a computer to execute the above-described signal processing method or cause the computer to function as the above-described signal processing device.
  • the computer may be a plurality of computers connected via a network.
  • the computer may include, for example, a smartphone, a tablet, a smart watch (a device that can be worn on the wrist in a wristwatch manner and has functions such as arithmetic processing and communication in addition to the watch), and a wearable device.
  • the generated estimated value of the parameter may be displayed as it is on a display device of a smartphone, a tablet, a smart watch, or a wearable device, or secondary information obtained by processing the generated estimated value of the parameter (for example, a parameter
  • the secondary information may be health information related to the maturity of the banana).
  • the secondary information may be acquired from a network, for example.
  • the measurement target and the parameter to be estimated are not limited to these and may be widely applied. It can.
  • the measurement target is other food
  • the parameter to be estimated is when it is eaten (when it is best to eat)
  • the measurement target is the atmosphere
  • the parameters to be estimated are humidity, temperature, and atmospheric pressure.
  • the measurement target is a food
  • the user can quickly know when to eat without waiting for the response time to elapse. Therefore, for example, it is possible to select and purchase ingredients at the time of eating using a signal processing device in a supermarket or the like.
  • signal processing devices are used to estimate when to eat, such as maturity, and to determine the date and time for harvesting and shipping, and the shipping location (close or far) Etc.), the expiration date and the quality retention period can be determined.
  • the measurement target is the atmosphere and the estimated parameters are environmental information such as humidity, temperature, and atmospheric pressure
  • the environmental conditions change such as indoors or outdoors
  • the processing device is taken out from the bag or pocket, it is possible to quickly know environmental information such as the changed humidity, temperature, and atmospheric pressure without waiting for the response time to elapse.
  • the measurement target is a human body and the estimated parameters are biological information such as body temperature and sweating amount
  • the biological information such as body temperature and sweating amount after the change can be quickly known without waiting for the response time to elapse. be able to.
  • the signal processing device may be built in cooking equipment such as a microwave oven.
  • the cooking condition of the food can be estimated using an output signal of a sensor that detects water vapor or the like emitted from the food. This makes it possible to know the cooking condition of the ingredients during the transient response period without waiting for the response time to elapse, so that cooking failures such as overheating and overcooking can be prevented and the time to eat is not missed. .
  • the signal processing device may be incorporated in an air conditioner such as an air conditioner, a dehumidifier, a humidifier, or an air purifier.
  • an air conditioner such as an air conditioner, a dehumidifier, a humidifier, or an air purifier.
  • the situation of the surrounding environment can be estimated using the output signal of the sensor that detects the temperature, humidity, odor, dirt, and the like of the surrounding environment.
  • the sensor 80 is not limited to this, and a sensor or capacitance using a semiconductor with a relatively long response time.
  • the present invention can be widely applied to signal processing such as a sensor (for example, a humidity sensor, a temperature sensor) using the sensor.
  • This specification discloses a signal processing device, a signal processing method, and a computer program described in the following items.
  • An input interface for receiving an output signal V a (T) from the sensor;
  • Tr response time at which the value of the output signal V a (T) is a convergence value V c corresponding to a parameter value P representing an attribute to be measured
  • Tr the transient response before the response time Tr elapses in the period, depending on the value V A_T1 obtained the output signal at time T1, different values on the basis of the different relationship for each of a plurality of convergence value V c corresponding to the time later than the time T1 of the parameter
  • a prediction circuit for generating a plurality of predicted values V b_T2 corresponding to the value of the output signal that will be obtained at T2,
  • An estimation circuit that generates an estimated value Pe of a parameter representing the certain attribute of the measurement object based on the value V a_T2 of the output signal obtained at the time T2 and the plurality of predicted values V b_T2 ;
  • Signal processing device When the response time at which the value of the output signal V a (T) is
  • the signal processing apparatus described in Item 1 it is possible to obtain an estimated value based on the output signal from the sensor relatively easily and with sufficient accuracy. Thereby, the waiting time of the user of the signal processing device can be reduced, and an attribute with a measurement target can be obtained quickly and with high accuracy.
  • a first memory for storing the value of the output signal Va (T) ;
  • the prediction circuit acquires the value V a_T1 of the output signal obtained at the time T1 from the first memory, and generates the plurality of predicted values V b_T2 .
  • the signal processing device according to item 1, wherein the estimation circuit acquires the plurality of predicted values V b_T2 from the prediction circuit.
  • the capacity of the first memory can be made relatively small.
  • a second memory for storing the plurality of predicted values V b_T2 in association with different values P of the parameters;
  • the signal processing device according to item 1, wherein the estimation circuit acquires the plurality of predicted values V b_T2 and different values P of the parameters from the second memory.
  • the estimation circuit comprises a plurality of predicted values V B_T2, seek error V E_T2 between the value V A_T2 obtained the output signal to the time T2, based on the error V E_T2, the of the measurement target 4.
  • the signal processing device according to any one of items 1 to 3, which generates an estimated value Pe.
  • the prediction circuit is based on a different relationship for each of a plurality of convergence values V c corresponding to different values of the parameter according to the value V a_T3 of the output signal obtained at time T3 after the time T1. 5.
  • the signal processing device according to any one of items 1 to 4, further generating a plurality of predicted values V b_T4 corresponding to the value of the output signal that will be obtained at time T4 after time T3.
  • the prediction circuit is based on a different relationship for each of a plurality of convergence values V c corresponding to different values of the parameter according to the value V a_T3 of the output signal obtained at time T3 after the time T1.
  • a plurality of predicted values V b_T4 corresponding to the value of the output signal that will be obtained at time T4 after the time T3,
  • the estimation circuit comprises a plurality of predicted values V B_T2, the error V E_T2 and said plurality of predicted values V B_T4 between the value V A_T2 of the output signal obtained at the time T2, resulting in the time T4 was calculated error V E_T4 between the value V A_T4 of the output signal, the error V E_T2, the error V E_T4 or based on the accumulated value of the error, to generate the estimate Pe of the measurement object, item 5.
  • the signal processing device according to any one of 1 to 4.
  • the signal processing device described in item 6 it is possible to obtain a more accurate estimated value.
  • the amount of memory used in the estimation circuit can be reduced.
  • Item 7 The signal processing device according to Item 6, wherein the time T2 is later than the time T1 by a predetermined time Tc, and the time T4 is later than the time T3 by the predetermined time Tc.
  • the prediction circuit determines the predetermined time Tc from the certain time according to the value V a_Tk (k is an integer of 1 or more) of the output signal obtained at a certain time.
  • a plurality of predicted values V b_Tk + 1 corresponding to the value of the output signal that will be obtained later are generated, and obtained at another time different from the certain time each time the predetermined time Tc elapses.
  • a plurality of predicted values V b_Tm corresponding to the value of the output signal that will be obtained after the predetermined time Tc from the other time according to the value V a_Tm of the output signal (m is an integer of 1 or more).
  • the estimation circuit the error V e_Tk + 1 and the value V A_Tm of said plurality of predicted values V b_Tm + 1 and the output signal of the value V a_Tk + 1 of said plurality of predicted values V b_Tk + 1 and the output signal seek error V e_Tm + 1 and +1, the error V e_Tk + 1, the error V e_Tm + 1 or on the basis of the cumulative value of the error, to generate the estimate Pe of the measurement object, item 7 A signal processing device according to 1.
  • the prediction circuit determines the predetermined time n ⁇ from the time according to the value V a_Tk (k is an integer of 1 or more) of the output signal obtained at that time. Generating a plurality of predicted values V b_Tk + n corresponding to the value of the output signal that will be obtained after Tc (n is an integer of 1 or more);
  • the estimation circuit, the error V e_Tk + n and the plurality of predicted values V b_Tk + n + 1 and the value of the output signal of the value V a_Tk + n of the plurality of predicted values V b_Tk + n and the output signal seek error V e_Tk + n + 1 and V a_Tk + n + 1, the error V e_Tk + n, the error V e_Tk + n + 1 or on the basis of the cumulative value of the error, the estimation of the measurement object Item 8.
  • the estimated value of the attribute to be measured can be generated by linear interpolation.
  • the error of the estimated value can be reduced even if the attribute of the measurement object changes.
  • the prediction circuit depending on the value V A_T1 of the output signal obtained at the time T1, on the basis of the different relationship for each of a plurality of convergence value V c that correspond to the different values of the parameter, and the time T2 Further generates a plurality of predicted values V b_T5 corresponding to the values of the output signal that would be obtained at different times T5;
  • the estimation circuit comprises a plurality of predicted values V B_T2, the error V E_T2 and said plurality of predicted values V B_T5 between the value V A_T2 of the output signal obtained at the time T2, resulting in the time T5 was calculated error V E_T5 between the value V A_T5 of the output signal, the error V E_T2, the error V E_T5 or based on the accumulated value of the error, to generate the estimate Pe of the measurement object, item 5.
  • the signal processing device according to any one of 1 to 4.
  • the accuracy of the estimated value can be improved.
  • a correct estimated value can be generated even when the structure around the reaction part of the sensor changes.
  • the amount of information for generating a predicted value can be reduced.
  • the step of receiving the output signal V a (T) from the sensor and the response time when the value of the output signal V a (T) becomes the convergence value V c corresponding to the parameter value P representing the attribute to be measured is Tr In the transient response period before the response time Tr elapses, for each of a plurality of convergence values V c corresponding to different values of the parameter according to the value V a_T1 of the output signal obtained at time T1.
  • the estimated value can be obtained based on the output signal from the sensor relatively easily and with sufficient accuracy.
  • the estimated value can be obtained based on the output signal from the sensor relatively easily and with sufficient accuracy using a computer.
  • the present invention can be used for a signal processing device, a signal processing method, and a computer program for obtaining an estimated value based on an output signal from a sensor.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)

Abstract

　信号処理装置（１００Ａ、１００Ｂ）は、センサから出力信号Ｖa(T)を受け取る入力インターフェイス（１０）と、出力信号Ｖa(T)の値が測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた出力信号の値Ｖa_T1に応じて、複数の収束値Ｖc毎に異なる関係に基づいて、時刻Ｔ１より後の時刻Ｔ２に得られるであろう出力信号の値に対応する複数の予測値Ｖb_T2を生成する予測回路（２０）と、時刻Ｔ２に得られた出力信号の値Ｖa_T2と複数の予測値Ｖb_T2とに基づいて、測定対象のある属性を表すパラメータの推定値Ｐｅを生成する推定回路（３０）とを有する。

Description

信号処理装置、信号処理方法およびコンピュータプログラム
　本発明は、信号処理装置、信号処理方法およびコンピュータプログラムに関し、特に、センサからの出力信号に基づいて推定値を求める信号処理装置、信号処理方法およびコンピュータプログラムに関する。
　半導体を用いたガスセンサ、湿度センサおよび温度センサの中には、測定を開始してから、出力信号の値（例えば電圧値）が収束するまでに比較的長い時間を要するものがある。すなわち、センサからの出力信号に基づいて測定対象のある属性を求める場合、出力信号の値が収束するまで、その属性を求められない。例えば、匂いを検出するための半導体ガスセンサは、測定を開始してから出力信号の値が収束するまでに、例えば６００秒を要する。
　なお、本明細書において、「出力信号の値が収束する」とは、十分な時間が経過したときのある時刻の出力信号の値と、ある時刻よりも前の時刻の出力信号の値との差が、所定時間の間、所定の範囲内の値となることをいい、収束した出力信号の値を「収束値」という。また、測定開始から出力信号の値が収束するまでの時間を「応答時間」といい、応答時間が経過するまでの期間を「過渡応答期間」という。
　センサからの出力信号に基づいて、測定対象のある属性をいち早く求めるためには、過渡応答期間における出力信号の値に基づいて、その属性に対応する収束値を推定すればよい。このよう収束値を推定する方法は、種々検討されている。例えば、特許文献１には、運転環境に応じて運転性能が異なる機械が、例えば未知の運転環境下でどのような性能を発揮するかを推定する方法が開示されている。特許文献１に記載の推定方法によると、入力された運転環境データを分類条件に基づいて分類し、分類されたデータを対応する１つのモデルに供給し、その１つのモデルから推定値を求めている。
特開２００５－２４２８０３号公報
　特許文献１に記載の推定方法によると、入力された運転環境データを分類条件に基づいて分類した上で、分類されたデータに対応する１つのモデルを選択する。したがって、推定誤差を小さくするためには、各分類に対応するモデルが正確であることが必要である上に、多数の分類およびそれぞれに対応するモデルを用意する必要があるという問題がある。
　本発明は、上記の問題を解決するためになされたものであり、比較的簡単に、かつ、十分な正確さで、センサからの出力信号に基づいて推定値を求めることができる、信号処理装置、信号処理方法およびコンピュータプログラムを提供することを目的とする。
　本発明の実施形態による信号処理装置は、センサから出力信号Ｖa(T)を受け取る入力インターフェイスと、前記出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ１より後の時刻Ｔ２に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T2を生成する予測回路と、前記時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と前記複数の予測値Ｖb_T2とに基づいて、前記測定対象の前記ある属性を表すパラメータの推定値Ｐｅを生成する推定回路とを有する。
　ある実施形態において、前記信号処理装置は、前記出力信号Ｖa(T)の値を格納する第１メモリをさらに有し、前記予測回路は、前記時刻Ｔ１に得られた前記出力信号の前記値Ｖa_T1を前記第１メモリから取得し、前記複数の予測値Ｖb_T2を生成し、前記推定回路は、前記予測回路から前記複数の予測値Ｖb_T2を取得する。
　ある実施形態において、前記信号処理装置は、前記複数の予測値Ｖb_T2と、前記パラメータの互いに異なる値Ｐとを関連付けて格納する第２メモリをさらに有し、前記推定回路は、前記複数の予測値Ｖb_T2および前記パラメータの互いに異なる値Ｐを前記第２メモリから取得する。
　ある実施形態において、前記推定回路は、前記複数の予測値Ｖb_T2と、前記時刻Ｔ２に得られた前記出力信号の前記値Ｖa_T2との誤差Ｖe_T2を求め、前記誤差Ｖe_T2に基づいて、前記測定対象の前記推定値Ｐｅを生成する。
　ある実施形態において、前記予測回路は、前記時刻Ｔ１より後の時刻Ｔ３に得られた前記出力信号の値Ｖa_T3に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、時刻Ｔ３より後の時刻Ｔ４に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T4をさらに生成する。ここで、前記時刻Ｔ３は、前記時刻Ｔ２と同じであってもよいし、異なっていてもよい。
　ある実施形態において、前記予測回路は、前記時刻Ｔ１より後の時刻Ｔ３に得られた前記出力信号の値Ｖa_T3に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ３より後の時刻Ｔ４に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T4をさらに生成し、前記推定回路は、前記複数の予測値Ｖb_T2と、前記時刻Ｔ２に得られた前記出力信号の前記値Ｖa_T2との誤差Ｖe_T2および、前記複数の予測値Ｖb_T4と、前記時刻Ｔ４に得られた前記出力信号の値Ｖa_T4との誤差Ｖe_T4を求め、前記誤差Ｖe_T2、前記誤差Ｖe_T4、または前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する。
　ある実施形態において、前記時刻Ｔ２は前記時刻Ｔ１よりも所定の時間Ｔｃだけ遅く、前記時刻Ｔ４は時刻Ｔ３よりも前記所定の時間Ｔｃだけ遅い。
　ある実施形態において、前記予測回路は、前記所定の時間Ｔｃが経過する毎に、ある時刻に得られた前記出力信号の値Ｖa_Tk（ｋは１以上の整数）に応じて、前記ある時刻から前記所定の時間Ｔｃ後に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_Tk+1を生成し、かつ、前記所定の時間Ｔｃが経過する毎に、前記ある時刻と異なる他の時刻に得られた前記出力信号の値Ｖa_Tm（ｍは１以上の整数）に応じて、前記他の時刻から前記所定の時間Ｔｃ後に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_Tm+1を生成し、前記推定回路は、前記複数の予測値Ｖb_Tk+1と前記出力信号の値Ｖa_Tk+1との誤差Ｖe_Tk+1および、前記複数の予測値Ｖb_Tm+1と前記出力信号の値Ｖa_Tm+1との誤差Ｖe_Tm+1を求め、前記誤差Ｖe_Tk+1、前記誤差Ｖe_Tm+1、または前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する。ここで、前記他の時刻は、前記ある時刻から前記所定の時間Ｔｃ後の時刻であってもよいし、異なっていてもよい。
　ある実施形態において、前記所定の時間Ｔｃが経過する毎に、前記予測回路は、その時刻に得られた前記出力信号の値Ｖa_Tk（ｋは１以上の整数）に応じて、その時刻から前記所定の時間ｎ・Ｔｃ（ｎは１以上の整数）後に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_Tk+nを生成し、前記推定回路は、前記複数の予測値Ｖb_Tk+nと前記出力信号の値Ｖa_Tk+nとの誤差Ｖe_Tk+nおよび、前記複数の予測値Ｖb_Tk+n+1と前記出力信号の値Ｖa_Tk+n+1との誤差Ｖe_Tk+n+1を求め、前記誤差Ｖe_Tk+n、前記誤差Ｖe_Tk+n+1、または前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する。
　ある実施形態において、前記推定回路は、予め決められた期間にわたる前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する。
　ある実施形態において、前記推定回路は、前記誤差の累積値の絶対値の最小値に基づいて、前記測定対象の前記推定値Ｐｅを生成する。
　ある実施形態において、前記誤差の累積値は予め決められた期間毎にリセットされる。
　ある実施形態において、前記予測回路はニューラルネットワークを含む。
　ある実施形態において、前記信号処理装置は、前記センサをさらに有する。
　本発明の実施形態による信号処理方法は、センサから出力信号Ｖa(T)を受け取る工程と、前記出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ１より後の時刻Ｔ２に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T2を生成する工程と、前記時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と前記複数の予測値Ｖb_T2とに基づいて、前記測定対象の前記ある属性を表すパラメータの推定値Ｐｅを生成する工程とを包含する。
　ある実施形態において、前記信号処理方法は、上記のいずれかに記載の信号処理装置によって実行され得る。
　本発明の実施形態によるプログラムは、センサから出力信号Ｖa(T)を受け取る工程と、前記出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ１より後の時刻Ｔ２に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T2を生成する工程と、前記時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と前記複数の予測値Ｖb_T2とに基づいて、前記測定対象の前記ある属性を表すパラメータの推定値Ｐｅを生成する工程とをコンピュータに実行させる。
　ある実施形態において、前記プログラムは、上記のいずれかに記載の信号処理装置によって実行され得る信号処理方法をコンピュータに実行させる。コンピュータは、ネットワークを介して接続された複数のコンピュータであってもよい。
　本発明の実施形態によるプログラムは、コンピュータを、センサから出力信号Ｖa(T)を受け取る入力インターフェイス手段と、前記出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ１より後の時刻Ｔ２に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T2を生成する予測手段と、前記時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と前記複数の予測値Ｖb_T2とに基づいて、前記測定対象の前記ある属性を表すパラメータの推定値Ｐｅを生成する推定手段として機能させる。入力インターフェイス手段、予測手段および推定手段は、例えば、上記のいずれかに記載の信号処理装置の入力インターフェイス、予測回路および推定回路にそれぞれ対応し得る。すなわち、本発明の実施形態によるプログラムは、コンピュータを、例えば上記のいずれかに記載の信号処理装置として機能させる。本発明の実施形態によるプログラムは、例えば、コンピュータのメモリに実装され得る。
　本発明の実施形態によると、比較的簡単に、かつ、十分な正確さで、センサからの出力信号に基づいて推定値を求めることができる、信号処理装置、信号処理方法およびコンピュータプログラムが提供される。
本発明の実施形態１による信号処理装置１００Ａの構成を模式的に示す図である。 本発明の実施形態２による信号処理装置１００Ｂの構成を模式的に示す図である。 予測回路２０の学習プロセスを説明するフローチャートである。 熟度の異なる６種類のバナナの匂いをガスセンサで測定した際のセンサ出力の時間変化を示すグラフである。 推定回路３０の入出力関係の例を説明するための図である。 推定回路３０の入出力関係の例を説明するための図である。 測定対象の属性を推定するプロセスを説明するための図である。 本発明の実施形態による信号処理装置を用いて推定を行った結果を示すグラフである。 本発明の実施形態３による信号処理装置において、予測回路２０として用いられるニューラルネットワークの構成の一例を示す図である。 本発明の実施形態４および５による信号処理装置が有する、出力信号と予測値との誤差の累積値に基づいて推定値を生成する推定回路の構成を示す図である。 測定対象の属性がＰ５（６００秒後の収束値Ｖc＝約１．５Ｖ）のときの、予測値と出力信号との誤差の時間変化を表わすグラフである。 図１１の誤差の累積値の時間変化を表すグラフである。 本発明の実施形態６による信号処理装置の推定回路３０において、累積誤差を一定期間毎にリセットした場合の累積誤差の時間変化を表すグラフである。 本発明の実施形態７による信号処理装置の推定回路３０において、所定の時間だけ誤差を累積した場合の累積誤差の時間変化を表すグラフである。 過渡応答期間に出力信号の値が減少する出力信号の時間変化を示すグラフである。 センサ８０Ａの模式的な断面図である。 センサ８０Ｂの模式的な断面図である。 複数の予測値を更新するプロセスを説明するための図である。
　以下、図面を参照して、信号処理装置、信号処理方法およびコンピュータプログラムを説明する。
　本発明の実施形態による信号処理装置は、センサから出力信号Ｖa(T)を受け取る入力インターフェイスと、出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた出力信号の値Ｖa_T1に応じて、パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、時刻Ｔ１より後の時刻Ｔ２に得られるであろう出力信号の値に対応する複数の予測値Ｖb_T2を生成する予測回路と、時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と複数の予測値Ｖb_T2とに基づいて、測定対象のある属性を表すパラメータの推定値Ｐｅを生成する推定回路とを有する。
　本発明の実施形態による信号処理装置は、センサの過渡応答期間内に、センサからの出力信号を受け取り、収束値を予測し、その予測値を利用して、測定対象の属性を推定する。本発明の実施形態による信号処理装置は、過渡応答期間内の出力信号から、測定対象の属性を表すパラメータの互いに異なる値に対応する複数の収束値Ｖcに基づいて、複数の予測値を求める。すなわち、特許文献１に記載の装置が、複数のモデルから選択された１つのモデルを用いて予測値を得ているのに対して、本発明の実施形態による信号処理装置は、複数のモデルを用いて複数の予測値を得た後、複数の予測値の中から最も確からしい予測値を選択し、それを用いて属性を推定する。あるいは、複数のモデルを用いて複数の予測値を得た後、確からしい複数の予測値を選択し、それらを用いて属性を推定する。したがって、特許文献１に記載の装置では、選択される１つのモデルによって予測値の正確性が大きく影響されるのに対して、本発明の実施形態による信号処理装置によるとそのようなことがなく、予想値の正確性が高くなる。その結果、最終的に求められる推定値の正確性も高くなる。これにより、信号処理装置のユーザの待ち時間を低減し、測定対象のある属性をいち早く、高い正確性で得ることができる。
　以下、ガスセンサを用いて、バナナが熟している程度（以下、「熟度」という。）を示すパラメータＰを求めるために用いられる信号処理装置を例示し、本発明の実施形態による信号処理装置およびそれによって実行される信号処理方法を説明する。また、本発明の実施形態によるコンピュータプログラムは、上記信号処理方法をコンピュータに実行させることができる。
　（実施形態１および２）
　図１に、本発明の実施形態１による信号処理装置１００Ａの構成を模式的に示す。信号処理装置１００Ａは、センサ８０から出力信号Ｖa(T)を受け取る入力インターフェイス１０と、出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた出力信号の値Ｖa_T1に応じて、パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、時刻Ｔ１より後の時刻Ｔ２に得られるであろう出力信号の値に対応する複数の予測値Ｖb_T2を生成する予測回路２０と、時刻Ｔ２に得られた出力信号の値Ｖa_T2と複数の予測値Ｖb_T2とに基づいて、測定対象のある属性を表すパラメータの推定値Ｐｅを生成する推定回路３０とを有する。
　信号処理装置１００Ａは、出力信号Ｖa(T)の値を格納する第１メモリ４０をさらに有し、予測回路２０は、時刻Ｔ１に得られた出力信号の値Ｖa_T1を第１メモリ４０から取得し、複数の予測値Ｖb_T2を生成し、推定回路３０は、予測回路２０から複数の予測値Ｖb_T2を取得する。
　図２に、本発明の実施形態２による信号処理装置１００Ｂの構成を模式的に示す。信号処理装置１００Ｂは、信号処理装置１００Ａと同様に、センサ８０から出力信号Ｖa(T)を受け取る入力インターフェイス１０と、出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた出力信号の値Ｖa_T1と、パラメータの互いに異なる値に対応する複数の収束値Ｖcとに基づいて、時刻Ｔ１より後の時刻Ｔ２に得られるであろう出力信号の値に対応する複数の予測値Ｖb_T2を生成する予測回路２０と、時刻Ｔ２に得られた出力信号の値Ｖa_T2と複数の予測値Ｖb_T2とに基づいて、測定対象のある属性を表すパラメータの推定値Ｐｅを生成する推定回路３０とを有する。
　信号処理装置１００Ｂは、信号処理装置１００Ａの第１メモリ４０に代えて、複数の予測値Ｖb_T2と、パラメータの互いに異なる値Ｐとを関連付けて格納する第２メモリ５０を有し、推定回路３０は、複数の予測値Ｖb_T2およびパラメータの互いに異なる値Ｐを第２メモリ５０から取得する。
　信号処理装置１００Ａが有する第１メモリ４０は、出力信号Ｖa(T)の値を格納すればよいので、信号処理装置１００Ｂの、複数の予測値Ｖb_T2とパラメータの互いに異なる値Ｐとを格納する第２メモリ５０よりもメモリの使用量を小さくできる。
　なお、信号処理装置１００Ａおよび１００Ｂは、センサ８０と独立した装置として例示しているが、信号処理装置１００Ａおよび１００Ｂがセンサ８０を備えてもよい。
　予測回路２０は、図１および図２に示す様に、例えば、複数のサブ予測回路１～Ｎを有している。サブ予測回路１～Ｎは、それぞれ、測定対象のある属性を表すパラメータの値Ｐ１～ＰＮに対応している。なお、複数のサブ予測回路に予測回路２０と同じ参照符号を付すことがある。また、パラメータの値Ｐ１～ＰＮは、それぞれ、センサ８０からの出力信号の収束値Ｖcの異なる値に対応している。すなわち、収束値Ｖcの値が求まれば、それに対応するパラメータの値Ｐ１が決定される。
　ここで、十分な時間が経過したときのある時刻の出力信号の値と、ある時刻よりも前の時刻の出力信号の値との差が、所定時間の間、所定の範囲内の値となることを「出力信号の値が収束する」といい、収束した出力信号の値を「収束値」という。例えば、十分な時間が経過したときとは測定開始から５００秒以上が経過したときのことをいい、ある時刻よりも前の時刻とは、例えば、ある時刻よりも５０秒前の時刻であり、所定時間とは例えば１００秒であり、所定の範囲とは例えばある時刻の値の３％である。以下では、上記で例示した条件で収束値Ｖcを求める例を説明するが、収束値Ｖcを求める条件は、当然に、センサ、求める属性等に応じて、適宜設定される。
　例えば、属性がバナナの熟度の場合、バナナの熟度を示すパラメータＰ１、Ｐ２、Ｐ３、Ｐ４、Ｐ５およびＰ６（例えば、Ｐ１が完熟状態を表し、Ｐ６が最も若い状態を表す。）は、ガスセンサ８０の出力信号の収束値Ｖc＝４．６、４．１、３．４、２．６、１．５、０．６Ｖに対応するとする。
　未知のバナナの匂いをガスセンサ８０で測定することによって、そのバナナの熟度を求めることができる。しかしながら、ガスセンサ８０の出力信号Ｖa(T)の値が収束値Ｖcとなるまでの応答時間Ｔｒが例えば６００秒であると、バナナの熟度を求めるために６００秒以上またなければならない。信号処理装置１００Ａまたは１００Ｂを用いると、例えば、測定開始後約１０秒で、バナナの熟度を表すパラメータの値Ｐを求めることができる。
　各サブ予測回路２０は、パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、時刻Ｔ１に得られた出力信号の値Ｖa_T1に応じて、時刻Ｔ１より後の時刻Ｔ２（典型的には、所定の時間Ｔｃだけ遅い）に得られるであろう出力信号の値に対応する予測値Ｖb_T2を生成する。次に、時刻Ｔ２で得られた出力信号の値Ｖa_T2と、予測値Ｖb_T2とに基づいて、パラメータＰの推定値Ｐｅを生成する。
　予測回路２０は、例えば、複数の予測値Ｖb_T2と、時刻Ｔ２に得られた出力信号の値Ｖa_T2との誤差Ｖe_T2を求め、誤差Ｖe_T2に基づいて、測定対象の推定値Ｐｅを生成する。例えば、６つのパラメータＰ１～Ｐ６に対応する６つのサブ予測回路１～６の内で、出力信号Ｖa_T2の値と予測値Ｖb_T2との誤差Ｖe_T2が最も小さいサブ予測回路に対応するパラメータＰの値を推定値Ｐｅとして生成する。パラメータＰｅの値は、このように、Ｐ１～Ｐ６のいずれかとしてもよいし、補間または補外演算を行うことによって、Ｐ１～Ｐ６の不連続な値の間、またはこれらの範囲外の値を生成してもよい。また、補間または補外演算は、Ｐ１～Ｐ６のうち、２つ以上を選択して行ってもよい。もちろん、予測値と実測値（出力信号Ｖa(T)の値）との誤差に限られず、予測値と実測値との何らかの関係を用いて、パラメータの値を生成するようにしてもよい。
　なお、予測値は、必ずしも、出力信号Ｖa(T)の値から演算等によって求められる値である必要は無い。例えば、測定対象のバナナのパラメータがＰ１の場合、時刻Ｔ１において得られた出力信号Ｖa(T)の値が大き過ぎて、パラメータＰ６に対応するサブ予測回路６では、時刻Ｔ２において得られるであろう出力信号に対応する予測値を生成できない場合があり得る。このような場合には、推定値ＰｅがＰ６とならないような予測値を、例えば予め決められた条件に従って、生成するようにしてもよい。
　また、あるパラメータと、他のパラメータに対応するサブ予測回路で得られるであろう出力信号に対応する予測値との関係性を求めておいて、あるパラメータの予測値が生成された場合に、その予測値との関係性から、当該他のパラメータに対応するサブ予測回路で予測値を生成するようにしてもよい。
　時刻Ｔ２における上記の動作によって、高い正確性を有する推定値Ｐｅを生成できないと判定される場合、例えば、誤差Ｖe_T2の値が予め決められた値よりも大きい場合など、予測回路２０は、時刻Ｔ１より後の時刻Ｔ３に得られた出力信号の値Ｖa_T3に応じて、パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、時刻Ｔ３より後の時刻Ｔ４に得られるであろう出力信号の値に対応する複数の予測値Ｖb_T4をさらに生成し、推定回路３０は、複数の予測値Ｖb_T2と、時刻Ｔ２に得られた出力信号の値Ｖa_T2との誤差Ｖe_T2および、複数の予測値Ｖb_T4と、時刻Ｔ４に得られた出力信号の値Ｖa_T4との誤差Ｖe_T4を求め、誤差Ｖe_T2、誤差Ｖe_T4、または誤差の累積値に基づいて、測定対象の推定値Ｐｅを生成してもよい。ここで、時刻Ｔ３は、時刻Ｔ２と同じであってもよいし、異なっていてもよい。典型的には、時刻Ｔ２は時刻Ｔ１よりも所定の時間Ｔｃだけ遅く、時刻Ｔ４は時刻Ｔ３よりも所定の時間Ｔｃだけ遅く設定される。
　また、予測回路２０は、時刻Ｔ１に得られた出力信号の値Ｖa_T1に応じて、パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、時刻Ｔ２とは異なる時刻Ｔ５に得られるであろう出力信号の値に対応する複数の予測値Ｖb_T5をさらに生成し、推定回路３０は、複数の予測値Ｖb_T2と、時刻Ｔ２に得られた出力信号の値Ｖa_T2との誤差Ｖe_T2および、複数の予測値Ｖb_T5と、時刻Ｔ５に得られた出力信号の値Ｖa_T5との誤差Ｖe_T5を求め、誤差Ｖe_T2、誤差Ｖe_T5、または誤差の累積値に基づいて、測定対象の推定値Ｐｅを生成してもよい。これにより、推定値の精度を更に向上させることができる。ここで、時刻Ｔ５は、時刻Ｔ２よりも前でもよいし、後でもよい。典型的には、時刻Ｔ２は時刻Ｔ１よりも所定の時間ｉ・Ｔｃだけ遅く、時刻Ｔ５は時刻Ｔ１よりも所定の時間ｊ・Ｔｃだけ遅く設定される（ｉ≠ｊ）。なお、時刻Ｔ５だけでなく、複数の時刻において、時刻Ｔ２とは異なる時刻に得られるであろう出力信号の値に対応する複数の予測値を生成してもよい。これにより、推定値の精度を更に向上させることができる。
　予測回路２０は、所定の時間Ｔｃが経過する毎に、ある時刻に得られた出力信号の値Ｖa_Tk（ｋは１以上の整数）に応じて、ある時刻から所定の時間Ｔｃ後に得られるであろう出力信号の値に対応する複数の予測値Ｖb_Tk+1を生成し、かつ、所定の時間Ｔｃが経過する毎に、ある時刻と異なる他の時刻に得られた出力信号の値Ｖa_Tm（ｍは１以上の整数）に応じて、他の時刻から所定の時間Ｔｃ後に得られるであろう出力信号の値に対応する複数の予測値Ｖb_Tm+1を生成し、推定回路３０は、複数の予測値Ｖb_Tk+1と出力信号の値Ｖa_Tk+1との誤差Ｖe_Tk+1および、複数の予測値Ｖb_Tm+1と出力信号の値Ｖa_Tm+1との誤差Ｖe_Tm+1を求め、誤差Ｖe_Tk+1、誤差Ｖe_Tm+1、または誤差の累積値に基づいて、測定対象の推定値Ｐｅを生成するようにしてもよい。ここで、他の時刻は、ある時刻から所定の時間Ｔｃ後の時刻であってもよいし、異なっていてもよい。
　実施形態の信号処理装置１００Ａおよび１００Ｂによって得られる推定値は、時間の経過につれて正確性が高まる。したがって、最後に得られた誤差Ｖe_Tm+1、または誤差の累積値に基づいて、測定対象の属性の推定値Ｐｅを生成すればよい。ただし、例えば、出力信号に含まれるノイズの影響などによって、誤差Ｖe_T4の値が誤差Ｖe_T2の値よりも大きい場合には、時刻Ｔ４よりも前の時刻Ｔ２における誤差Ｖe_T2の値に基づいて、測定対象の推定値Ｐｅを生成するようにしてもよい。なお、誤差の累積値に基づいて、測定対象の推定値Ｐｅを生成する方法については後述する。例えば、誤差の累積値の絶対値の最小値に基づいて推定値Ｐｅを生成することもできる。また、誤差の累積値を予め決められた期間毎にリセットするようにしてもよい。
　次に、図３を参照して、予測回路２０が、時刻Ｔ１に得られた出力信号の値Ｖa_T1と、パラメータの互いに異なる値に対応する複数の収束値Ｖcとに基づいて、時刻Ｔ２に得られるであろう出力信号の値に対応する複数の予測値Ｖb_T2を生成するために、予測回路２０に所定の関係を学習させるフローを説明する。ここでは、予測回路２０における入出力関係を作成することを学習と呼ぶ。この学習は、ユーザが行うこともできる。
　図３に示すように、まず、測定対象をある属性Ｐに設定する（Ｓ１）。例えば、熟度（パラメータの値Ｐ１～Ｐ６）が異なる６本のバナナの内の１本を選ぶ。
　設定された属性（例えば、パラメータの値Ｐ１）に対応するサブ予測回路１を準備する（Ｓ２）。
　センサで測定を開始し、時刻Ｔ１およびＴ２における出力信号Ｖa(T)の値を取得する（Ｓ３）。このとき、必要に応じて、所定の時間Ｔｃ毎に出力信号Ｖa(T)の値を時系列で取得する。
　次に、時刻Ｔ１およびＴ２における出力信号Ｖa(T)の値の関係を作成する（Ｓ４）。必要に応じて、時系列で取得した出力信号Ｖa(T)の値についても同様の関係を作成する。
　学習時には、出力信号Ｖa(T)の値を必要な時刻に取得するので、ある時刻の出力信号Ｖa(T)の値およびその所定時間後の出力信号Ｖa(T)の値は既にわかっている。そこで、時刻Ｔ１の出力信号Ｖa(T)の値としてある値が入力された場合に、時刻Ｔ２の出力信号Ｖa(T)の値を、時刻Ｔ２の予測値を生成するようにする。必要に応じて、時系列で取得した出力信号Ｖa(T)の値を用いて、時系列の予測値を生成するようにする。
　上記の学習を、測定対象の属性Ｐを変更して、属性Ｐの数だけ繰り返す（Ｓ５）。
　このようにして、予測回路２０は、複数の属性に対応した予測値を生成できるようになる。
　次に、図４を参照して、予測回路２０による学習の具体例を説明する。センサ８０として、市販のガスセンサ（エフアイエス株式会社製、Ｐ－３１、溶媒（アルコール、有機溶剤）用）にて、バナナの匂いの強さの測定を行った場合を例に説明する。
　バナナは、その熟度により匂いの強さが異なる。図４に示すグラフは、熟度の異なる6種類のバナナから得られた出力信号Ｖa(T)の時間変化を示している。６種類のバナナの熟度の違いは、属性パラメータＰ１～Ｐ６で表されている。また、パラメータＰ１、Ｐ２、Ｐ３、Ｐ４、Ｐ５およびＰ６は、出力信号の収束値Ｖc＝４．６、４．１、３．４、２．６、１．５、０．６Ｖにそれぞれ対応している。
　図４からわかるように、出力信号Ｖa(T)の値は、時間とともに変化しており、その応答時間Ｔｒは約６００秒である。これらの出力信号の値を用いて、６個のサブ予測回路１～６の学習を行う。
　例えば、６００秒経過時の出力信号の値が４．６Ｖであるデータ（これを属性Ｐ１とする）を用いて、サブ予測回路１の学習を行う場合では、ある時刻Ｔ１のときの出力信号の値ａ＿１ｎと、所定時間Ｔｃ後の時刻Ｔ２（＝Ｔ１＋Ｔｃ、例えば、Ｔｃは５秒）における出力信号の値ｂ＿１ｎとを取得し、サブ予測回路１にａ＿１ｎが入力されたときに、ｂ＿１ｎを出力できるよう、入出力の関係を作成する。その入出力の関係は表１のように表される。ここでの出力が予測値である。なお、測定間隔は例えば０．１秒である。
　これを６個のサブ予測回路それぞれで行う。すなわち、入力値として同じ値が各サブ予測回路に入力されたとしても、出力される５秒後の予測値は、それぞれ異なる値になる。
　表２は、６００秒経過時の出力信号の値が０．６Ｖであるデータ（これを属性Ｐ６とする）を用いてサブ予測回路６の学習を行った場合の、サブ予測回路６の入出力関係を表す表である。属性Ｐ２～Ｐ５についても、表１、表２と同様に入出力関係を作成する。
　なお、表に無い入力がなされた場合、例えば、ａ＿１０とａ＿１１との間の値が予測回路２０に入力された場合は、線形補間などの補間により出力を求めればよい。また、ａ＿１０とａ＿１１との間以外の値（例えば、ａ＿１０より小さい値）が予測回路２０に入力された場合は、線形補外などにより出力を求めればよい。
Figure JPOXMLDOC01-appb-T000001
Figure JPOXMLDOC01-appb-T000002
　次に、推定回路３０の入出力関係について説明する。ここでは、図２に示した信号処理装置１００Ｂを例示して説明するが、メモリの位置が異なるだけで、信号処理装置１００Ａについても同様である。
　図５に示すように、時刻Ｔ１のときの出力信号の値ａ＿Ｔ１（上記Ｖa_T1に相当。以下同じ。）が各サブ予測回路に入力されたとき、各サブ予測回路は学習結果に基づいて、所定時間Ｔｃ後の時刻Ｔ２（＝Ｔ１＋Ｔｃ）における出力信号の予測値ｂ＿１ｘ、ｂ＿２ｘ・・・ｂ＿６ｘ（属性Ｐ１～Ｐ６のそれぞれに対応する上記Ｖb_T1に相当。以下同じ。）をそれぞれ生成する。
　メモリ５０は、それらの予測値を、各サブ予測回路が対応している属性Ｐとともに格納する。そして、図６に示すように、時刻Ｔ２（＝Ｔ＋Ｔｃ）になったときに、推定回路３０に入力インターフェイス１０から出力信号の値ａ＿（Ｔ＋Ｔｃ）が入力され、メモリ５０から、時刻Ｔ２における出力信号の予測値ｂ＿１ｘ、ｂ＿２ｘ、・・・、ｂ＿６ｘと、それらに対応する属性Ｐが入力される。そして、推定回路３０は、予測値と出力信号の誤差ｃ＿１ｘ、ｃ＿２ｘ、・・・、ｃ＿６ｘ（属性Ｐ１～Ｐ６のそれぞれに対応する上記誤差Ｖe_T2に相当。以下同じ。）を算出する。
　そして、推定回路３０は、各属性Ｐとそれらに対応する誤差ｃ＿１ｘ、ｃ＿２ｘ、・・・、ｃ＿６ｘを入力とし、測定対象の現属性Ｐを推定した値ｄ＿ｘを出力とする、入出力の関係を有している。
　なお、推定回路３０の入出力関係に無い入力がなされた場合は、線形補間などの補間により出力のｄ＿ｘを求めてもよい。
　また、推定回路３０は、各属性Ｐとそれらに対応する誤差ｃ＿１ｘ、ｃ＿２ｘ、・・・、ｃ＿６ｘを式に入力し、ｄ＿ｘを出力として求めてもよい。この場合の演算式は、ある１つの属性Ｐに基づく演算式ではなく、さまざまな属性Ｐ（Ｐ１～６）が考慮されたものであるため、ある１つの属性Ｐに基づく演算式よりも精度は向上する。
　ある１つの属性Ｐに基づく演算式よりも精度を向上させるという効果は、全ての属性Ｐに基づく演算式だけでなく、選択された複数の属性Ｐに基づく演算式であっても得ることができる。
　次に、図７を参照して、測定対象の属性を推定するプロセスを説明する。
　まず、測定対象を設定する（Ｓ１１）。ここでの測定対象の属性は未知である。
　次に、測定対象の属性を測定したセンサ８０の出力信号の値を、入力インターフェイス１０を介して取得する（Ｓ１２）。
　各サブ予測回路２０に時刻Ｔ１の出力信号の値を入力する（Ｓ１３）。推定回路３０にも出力信号の値を入力する。
　各サブ予測回路は、入力された時刻Ｔ１の出力信号の値に応じて、時刻Ｔ２に得られるであろう出力信号の値に対応する予測値を生成する（Ｓ１４）。
　生成された予測値と、サブ予測回路に対応する属性とを互いに関連付けて、メモリに格納する（Ｓ１５）。
　推定回路３０に、メモリ５０から時刻Ｔ２の出力信号の値と、時刻Ｔ２に対応する予測値と、サブ予測回路に対応する属性Ｐとを入力する（Ｓ１６）。
　推定回路３０は、時刻Ｔ２の出力信号の値と時刻Ｔ２に対応する予測値との誤差を算出する（Ｓ１７）。
　推定回路３０は、算出した誤差と属性とを入力として、推定値を算出して、測定対象の属性の推定結果として生成する（Ｓ１８）。
　これを測定終了まで続ける（Ｓ１９）。
　測定対象のある属性（６００秒後の収束値Ｖc＝約３．５Ｖ）に対して、本発明の実施形態による信号処理装置を用いて推定を行った結果を図８のグラフに示す。
　ここでは、推定値の変化量が所定値以下になった場合に推定を止めて、それ以降の時刻に対しては、その推定値をプロットしている。
　本来なら６００秒経過して初めてわかる収束値を、測定開始から約１０秒後に、その収束値に近い値で推定できていることが分かる。
　なお、ここでは、収束値が得られる時刻まで推定を止めているが、その必要はなく、例えば、途中で出力信号が変化している場合には、推定を継続して行えばよい。
　上述したように、本発明の実施形態によると、複数のサブ予測回路２０は、測定対象の１つずつの属性に対応して学習している。そして、測定対象の属性の推定を行う際、出力信号は複数のサブ予測回路２０に入力され、複数のサブ予測回路２０が所定時間後の予測値を生成する。
　所定時間後の出力信号の実測値と、複数の予測値との誤差を算出する。その複数の誤差と、関連付けられた測定対象の属性を用いて、推定値を算出する。
　このように、本発明の実施形態によると、複数のモデルによる予測値と、実測値との誤差を用いて、測定対象の属性を推定しているので、特許文献１のように、ある所定範囲の分類内で１つのモデルを用いて推定を行うよりも、正確性を向上させることができるという効果を有する。
　なお、センサ８０と信号処理装置１００Ａまたは１００Ｂとは、ネットワークを介して接続されていてもよい。
　また、センサ８０が同種である場合、別のセンサと、信号処理装置１００Ａまたは１００Ｂ（予測回路２０および／または推定回路３０）を共有してもよい。このとき、複数のセンサの測定対象を１つの共通の属性にし、複数のセンサから得られる推定値を比較することによって、センサの不良検査に用いることができる。
　また、センサ８０が１つの場合で説明を行っているが、これに限らず、複数の同種のセンサを用いてもよく、複数の異なる種類のセンサを用いてもよい。このとき、ある属性に対する複数のセンサの入出力の関係をサブ予測回路、推定回路に設定すれば、センサが１つの場合と同じ考えで処理を行うことができる。複数のセンサを用いると、より多くの情報が得られるので、より高い正確性で推定値を得ることができる。
　（実施形態３）
　実施形態１の信号処理装置１００Ａおよび実施形態２の１００Ｂが有する予測回路２０が有するサブ予測回路に代えて、測定対象がある属性のときの出力信号を入力し、予測値を生成するニューラルネットワークを用いてもよい。
　図９にニューラルネットワークの構成の一例を示す。図９に示すニューラルネットワークは、入力層のノードを１個、中間層のノードを５個、出力層のノードを１個としたニューラルネットワークである。例えば、属性Ｐ１に対応するサブ予測回路１に対して、時刻Ｔの出力信号ａ＿Ｔが入力されてきた場合、時刻Ｔ＋Ｔｃの予測値としてｂ＿１ｘを生成するように、ニューラルネットワークの学習を行う。ニューラルネットワークの学習には、バックプロパゲーション等、一般的に知られている手法を用いることができる。
　入力層のノードを１個、中間層のノードを５個、出力層のノードを１個としたニューラルネットワークの場合、必要となるパラメータの数は１６個である。内訳は、入力層と中間層のノード間の重みパラメータ５つ、中間層の各ノードのバイアス５つ、中間層と出力層のノード間の重みパラメータ５つ、出力層のノードのバイアス１つである。
　信号処理装置１００Ａおよび１００Ｂにおいては、予測回路（各サブ予測回路）２０の入出力の関係をルックアップテーブルのような形（例えば、表１、表２）で持たせる例であった。したがって、情報量が多くなる。これに対して、ここで例示するニューラルネットワークを用いると、１６個のパラメータにより、入出力の関係を表現することができるので、情報量を少なくすることができるという効果が得られる。なお、推定回路の入出力の学習にもニューラルネットワークを用いることも可能で、同様に情報量を少なくできるという効果が得られる。
　また、入出力の関係を与えるだけで学習を行うことができるので、予測回路の構成を簡潔にすることができる。なお、中間層の数および／または中間層のノードの数は、例示した数に限らない。これらの数を増やすことによって予測値の精度を向上させることができる。
　また、予測回路（各サブ予測回路）２０の入出力の関係を近似式で表わしてもよい。これにより、ルックアップテーブルのような形（例えば、表１、表２）で持たせる場合に比べて、情報量を少なくすることができるという効果が得られる。
　（実施形態４）
　上述の実施形態１から３の信号処理装置が有する推定回路３０は、図５および図６を参照して説明した様に、出力信号と予測値との誤差に直接的に基づいて、推定値を生成している。出力信号と予測値との誤差に基づいて推定値を生成する際に、誤差を直接的に利用するだけでなく、本実施形態４で例示する推定回路３０のように、誤差の累積値に基づいて、推定値を生成するようにしてもよい。
　図１０に示すように、実施形態４の信号処理装置が有する推定回路３０は、出力信号に応じて、予測値の誤差の累積値に基づいて、測定対象の属性の推定値を生成するように構成されている。具体的には、推定回路３０は、上述したように、メモリから入力される予測値と出力信号との誤差（ｃ＿１ｘ、ｃ＿２ｘ、・・・、ｃ＿６ｘ）を算出し、各属性に対応する誤差を、測定中にわたって（すなわち、複数の時刻にわたって）、累積値（「Σ」で表す）を生成し、この誤差の累積値を入力として、測定対象の属性の推定値を生成する。
　図１１は、測定対象の属性Ｐ５が（６００秒後の収束値Ｖc＝約１．５Ｖ）のときの、各サブ予測回路２０から出力される予測値と、その時刻に対応する出力信号との誤差の時間変化を表わすグラフである。
　図１２は、図１１の誤差の累積値の時間変化を表すグラフである。測定対象が属性Ｐ５であるため、その属性に対応する予測値５と出力信号との誤差は、どの時刻でもほぼ０であるため、累積誤差もほぼ０である。一方、他の属性（Ｐ１～４およびＰ６）については、累積誤差は時間の経過に伴って絶対値が大きくなっている。また、図１２からわかるように、累積誤差の変化はほぼ線形である。したがって、各属性と累積誤差との関係を用いれば、測定対象の属性の推定値を、線形補間により生成することができる。
　例えば、ある時刻で、属性Ｐ４（６００秒後の収束値Ｖｖ＝約２．６Ｖ）と属性Ｐ６（６００秒後の収束値Ｖc＝約０．６Ｖ）の累積誤差が、累積値０を挟んで、１：２の場合には、推定値は、属性Ｐ４と属性Ｐ６の間の属性として線形補間により、６００秒後の収束値Ｖcが約１．３Ｖ（＝（２．６ｘ１＋０．６ｘ２）／３）となる属性と算出することができる。線形補間には、どの２つの累積誤差を用いてもよいし、３つ以上の累積誤差に基づいて推定値を算出してもよい。
　測定対象の属性の推定値を、線形補間により生成することができるので、高い精度で推定値を生成することができ、かつ、推定回路３０は、上述のように入出力の関係をテーブルの形で持つ必要がなくなり、推定回路３０内のメモリの使用量を削減することができる。
　（実施形態５）
　実施形態５による信号処理装置が有する推定回路３０は、実施形態４の信号処理装置が有する推定回路３０と同様に、誤差の累積値に基づいて推定値を生成する。ただし、実施形態５による信号処理装置が有する推定回路３０は、複数の誤差の累積値の内、正の値を持つ累積値および負の値を持つ累積値の中からそれぞれ、絶対値が最小の累積値を選択し、正負それぞれの絶対値が最小の累積値と、それらに対応する属性とに基づいて、測定対象の属性の推定値を生成するように構成されている。
　図１２に示した例では、複数の誤差の累積値のうち、正の値を有し絶対値が最小の累積値として、属性Ｐ４に対応する累積値を選択し、負の値を有し絶対値が最小の累積値として、属性Ｐ５に対応する累積値を選択し、これらの累積値に基づいて、推定値を生成する。なお、時刻によって、選択する予測値は変更してもよい。
　測定対象の属性の推定値を、線形補間により生成する際に、誤差の累積値が正の値を持つ属性と、負の値を持つ属性のうち、それぞれの絶対値が最小の（０に近い）２つの属性を選択することによって、他の属性の組み合わせを選択する場合と比較して、推定の精度を高くすることができる。
　（実施形態６）
　実施形態４および実施形態５による信号処理装置の推定回路３０は、測定期間の全体にわたる誤差の累積値を求め、それに基づいて推定値を生成する。これらに対し、実施形態６による信号処理装置の推定回路は、ある決まったタイミング、ここでは、ある決まった時間経過後に、累積値をリセットするように構成されている。各サブ予測回路２０から入力される予測値と、その時刻に対応する出力信号との誤差の累積値は、例えば、図１３のようになる。
　例えば、測定対象の属性に途中で変化が生じた場合、累積誤差には、変化前の属性での結果が残ってしまう。したがって、変化後の属性の推定誤差が大きくなってしまう。これに対して、ある決まったタイミングで累積値をリセットすれば、測定対象の属性が変化しても、推定値の誤差を低減することができる。なお、「ある決まったタイミング」とは、所定時間間隔でもよいし、任意の時間間隔でもよい。また、何か別のセンサ（例えば温度センサ）への入力変化の大きさや、ユーザからのリセット要求などの何らかの操作をきっかけにして、累積値をリセットしてもよい。
　（実施形態７）
　実施形態７による信号処理装置の推定回路３０は、所定の時間だけ誤差を累積し、それに基づいて推定値を生成する。このように構成された推定回路３０で生成される累積誤差の時間変化は図１４に示す様になる。ここでは、測定間隔は０．１秒であり、５秒間の誤差を累積している。図１１の誤差Ｐ１～Ｐ６と比較して、図１４の累積誤差Ｐ１～Ｐ６は、信号にのっているノイズが小さくなっていることがわかる。すなわち、実施形態７による信号処理装置の推定回路３０は、実施形態４の信号処理装置の推定回路３０よりも高い精度で推定値を生成することができる。また、実施形態７の信号処理装置は、実施形態６の信号処理装置と同様に、例えば、測定対象の属性が変化しても、推定値の誤差を低減することができる。
　なお、上記の実施形態４～７の信号処理装置のように、推定値を生成するために累積値を用いる場合、例えば、ノイズなどの影響で、ある時刻に得られた誤差が所定の範囲を超える値であった場合、その誤差は累積しないという処理を追加してもよい。
　（実施形態８）
　上述した実施形態における信号処理装置１００Ａおよび１００Ｂが有する予測回路２０が有する各サブ予測回路は、出力信号の値に対応する予測値を更新（変更）する機能をさらに有してもよい。例えば、図１６および図１７に示すセンサ８０Ａおよび８０Ｂの様に、センサのパッケージ構造が異なると、センサの応答時間が変化するので、パッケージ構造に応じて予測値を更新（変更）する機能を備えることが好ましい。
　図１６は、センサ８０Ａの模式的な断面図を示し、図１７は、センサ８０Ｂの模式的な断面図を示す。センサ８０Ａおよび８０Ｂのいずれも上記の実施形態におけるセンサ８０として用いられる。
　図１６に示すセンサ８０Ａは、センサチップ（反応部）８２と、反応部８２を保護するパッケージ８４とを有している。パッケージ８４は、開口部（吸気口８４ａ）を有し、吸気口８４ａ以外の部分は例えばセラミックス板、金属板またはプラスチック板で形成されている。反応部８２がパッケージ８４内の空間に配置されていると、反応部８２にバナナの匂いが到達するまでの時間は、パッケージ８４の吸気口８４ａの構造によって変わる。したがって、収束値までの応答時間がパッケージ８４の構造によって変化する。
　また、図１７に示すセンサ８０Ｂのように、パッケージ８４に加えて、さらなるパッケージ８６を有すると、さらなるパッケージ８６が有する開口部（吸気口８６ａ）の構造も応答時間に影響する。したがって、収束値までの応答時間はさらなるパッケージ８６の構造によっても変化する。なお、パッケージ８６もセラミックス板、金属板またはプラスチック板で形成されている。
　例えば、センサ８０Ａからの出力信号Ｖa(T)に基づいて、時刻T1より後の時刻T2に得られるであろう出力信号の値に対応する複数の予測値Vb_T2を作成していた信号処理装置において、センサ８０Ａのパッケージ構造をセンサ８０Ｂのパッケージ構造に変更すると、時刻T1より後の時刻T2に得られるであろう出力信号の予測値と、時刻T2で得られた出力信号の値との間に誤差が生じる。この結果、正しい推定値を生成することができなくなる。そこで、正しい推定値を生成できるよう、複数の予測値Vb_T2を更新する機能を信号処理装置に付与する。
　図１８を参照して、複数の予測値を更新するプロセスを説明する。
　まず、測定対象を設定する（Ｓ２１）。ここでの測定対象の属性は、Ｐ１～Ｐ６のいずれかでもよいし、任意のＰでもよい。
　センサ８０Ｂで測定を開始し、時刻Ｔ１およびＴ２における出力信号の値を取得する（Ｓ２２）。このとき、必要に応じて、所定の時間Ｔｃ毎に出力信号の値を時系列で取得する。
　次に、時刻Ｔ１およびＴ２における出力信号の値の関係を作成する（Ｓ２３）。必要に応じて、時系列で取得した出力信号の値についても同様の関係を作成する。
　そして、Ｓ２３で作成した時刻Ｔ１およびＴ２における出力信号の値の関係を元に、既に作成している属性Ｐ１～Ｐ６の時刻Ｔ１およびＴ２における出力信号の値の関係を更新する（Ｓ２４）。
　このようにして、予測回路２０は、センサの入っているパッケージが変わったとしても、複数の属性に対応した予測値を生成することができる。
　上記の説明では、ある１つの属性Ｐを設定しているが、複数の属性において、時刻Ｔ１およびＴ２における出力信号の値の関係を作成し、属性Ｐ１～Ｐ６の時刻Ｔ１およびＴ２における出力信号の値の関係を更新してもよい。
　更新の方法として、Ｓ２３で作成した時刻Ｔ１およびＴ２における出力信号の値の関係から、応答時間に関するパラメータを導出し、そのパラメータの値を元に、属性Ｐ１～Ｐ６の時刻Ｔ１およびＴ２における出力信号の値の関係の応答時間に関するパラメータを更新してもよい。その際、所定時間の測定結果に基づいて、あるパラメータの値を決定して、その値に更新してもよいし、パラメータの値を徐々に所定値ずつ変更させてもよい。
　更新後は、予測回路２０の処理は、新しい予測値を用いて行う。
　このように予測値を更新する機能を備えていれば、ここで例示したパッケージ構造の変化の様に、センサの反応部８２の周辺の構造が変化した場合にも正しい推定値を生成することができる。
　上記の説明では、過渡応答期間に出力信号の値が増加する例を説明したが、図１５に示す様に、過渡応答期間に出力信号の値が減少する場合においても、本発明の実施形態１から８による信号処理装置ならびにそれらを改変した信号処理装置を用いることができる。
　また、過渡応答期間に出力信号の値が増加する場合と減少する場合の信号処理装置を組み合わせることにより、過渡応答時間に出力信号の値が増加したり、減少したりしても、正しい推定値を生成することができる。
　上述した本発明の実施形態による信号処理装置によって実行される信号処理方法は、コンピュータによっても実行され得る。本発明の実施形態によるプログラムは、上記の信号処理方法をコンピュータに実行させる、または、コンピュータを上記の信号処理装置として機能させることができる。コンピュータは、ネットワークを介して接続された複数のコンピュータであってもよい。コンピュータは例えばスマートフォンやタブレット、スマートウォッチ（腕時計の方式で腕に装着でき、時計の他に演算処理や通信といった機能を持つデバイス）、ウェアラブルデバイスを含んでもよい。この場合、生成されたパラメータの推定値をそのまま、スマートフォンやタブレット、スマートウォッチ、ウェアラブルデバイスの表示装置に表示してもよいし、生成されたパラメータの推定値を加工した２次情報（例えば、パラメータの推定値がバナナの熟度のとき、２次情報とはバナナの熟度に関連した健康情報など）を表示してもよい。２次情報は、例えば、ネットワークから取得してもよい。
　なお、上記の実施形態では、測定対象としてバナナを用いて、バナナの熟度を推定する例により説明しているが、測定対象、および、推定するパラメータはこれらに限らず、広く適用することができる。例えば、測定対象は他の食材、推定するパラメータは食べ頃（いつ食べるのが最適か）など、測定対象は大気、推定するパラメータは湿度、温度、気圧などもある。
　測定対象が食材であった場合、ユーザは応答時間が経過するのを待つことなく、いち早く食べ頃を知ることができる。したがって、例えば、スーパーマーケットなどで信号処理装置を用いて、食べ頃の食材を選択し、購入することができる。
　また、食材が果物の場合、農場や選果場においては、信号処理装置を用いて、熟度などの食べ頃を推定することによって、収穫や出荷する日時の決定や、出荷場所（近いか遠いかなど）の選定、賞味期限や品質保持期間の決定を行うことができる。
　また、測定対象が大気で、推定するパラメータが湿度、温度、気圧などの環境情報である場合、ユーザが屋内から屋外など、環境条件が変化するような場所への移動を行った場合や、信号処理装置をカバンやポケットから取り出した場合に、応答時間が経過するのを待つことなく、変化後の湿度、温度、気圧などの環境情報をいち早く知ることができる。
　したがって、湿度、温度、気圧などの環境情報そのものだけでなく、湿度、温度、気圧などの環境情報に基づく健康に関する２次情報、例えば、温度、湿度の場合は、熱中症予防やインフルエンザ予防、肌の乾燥に関わる情報、気圧の場合は、頭痛、関節痛や古傷への影響などの注意喚起などの２次情報を、ユーザにいち早く提供することができる。
　また、測定対象が人体で、推定するパラメータが体温、発汗量などの生体情報であっても、応答時間が経過するのを待つことなく、変化後の体温、発汗量などの生体情報をいち早く知ることができる。
　また、信号処理装置は、オーブンレンジなどの調理機器に内蔵されていてもよい。この場合、食材から出る水蒸気などを検出するセンサの出力信号を用いて、食材の調理具合を推定することができる。　これにより、応答時間が経過するまで待つことなく、過渡応答期間に食材の調理具合を知ることができるので、温め過ぎや焼き過ぎといった、調理の失敗を防ぐことができ、食べ頃を逃すことがなくなる。
　また、信号処理装置は、エアコンや除湿機、加湿機、空気清浄機などの空調機器に内蔵されていてもよい。この場合、周囲環境の温度、湿度、臭い、汚れなどを検出するセンサの出力信号を用いて、周囲環境の状況を推定することができる。
　これにより、応答時間が経過するまで待つことなく、過渡応答期間に、周囲環境の温度、湿度、臭い、汚れを知ることができるので、空調や空気清浄などの制御をいち早く開始することができ、その結果、ユーザに快適な環境をいち早く提供することができる。
　上記の実施形態の信号処理装置および信号処理方法は、センサ８０としてガスセンサを用いた例について説明したが、センサ８０はこれに限られず、応答時間が比較的長い半導体を用いたセンサや静電容量を用いたセンサ（例えば、湿度センサ、温度センサ）等の信号処理に広く適用することができる。
　本明細書は、以下の項目に記載の信号処理装置、信号処理方法およびコンピュータプログラムを開示している。
［項目１］
　センサから出力信号Ｖa(T)を受け取る入力インターフェイスと、
　前記出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ１より後の時刻Ｔ２に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T2を生成する予測回路と、
　前記時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と前記複数の予測値Ｖb_T2とに基づいて、前記測定対象の前記ある属性を表すパラメータの推定値Ｐｅを生成する推定回路とを有する、信号処理装置。
　項目１に記載の信号処理装置によると、比較的簡単に、かつ、十分な正確さで、センサからの出力信号に基づいて推定値を求めることができる。これにより、信号処理装置のユーザの待ち時間を低減し、測定対象のある属性をいち早く、高い正確性で得ることができる。
［項目２］
　前記出力信号Ｖa(T)の値を格納する第１メモリをさらに有し、
　前記予測回路は、前記時刻Ｔ１に得られた前記出力信号の前記値Ｖa_T1を前記第１メモリから取得し、前記複数の予測値Ｖb_T2を生成し、
　前記推定回路は、前記予測回路から前記複数の予測値Ｖb_T2を取得する、項目１に記載の信号処理装置。
　項目２に記載の信号処理装置によると、第１メモリの容量を比較的小さくできる。
［項目３］
　前記複数の予測値Ｖb_T2と、前記パラメータの互いに異なる値Ｐとを関連付けて格納する第２メモリをさらに有し、
　前記推定回路は、前記複数の予測値Ｖb_T2および前記パラメータの互いに異なる値Ｐを前記第２メモリから取得する、項目１に記載の信号処理装置。
　項目３に記載の信号処理装置によると、信号処理装置のバリエーションが提供される。
［項目４］
　前記推定回路は、前記複数の予測値Ｖb_T2と、前記時刻Ｔ２に得られた前記出力信号の前記値Ｖa_T2との誤差Ｖe_T2を求め、前記誤差Ｖe_T2に基づいて、前記測定対象の前記推定値Ｐｅを生成する、項目１から３のいずれかに記載の信号処理装置。
　項目４に記載の信号処理装置によると、信号処理装置のバリエーションが提供される。
［項目５］
　前記予測回路は、前記時刻Ｔ１より後の時刻Ｔ３に得られた前記出力信号の値Ｖa_T3に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、時刻Ｔ３より後の時刻Ｔ４に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T4をさらに生成する、項目１から４のいずれかに記載の信号処理装置。
　項目５に記載の信号処理装置によると、より正確性の高い推定値を得ることができる。
［項目６］
　前記予測回路は、前記時刻Ｔ１より後の時刻Ｔ３に得られた前記出力信号の値Ｖa_T3に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ３より後の時刻Ｔ４に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T4をさらに生成し、
　前記推定回路は、前記複数の予測値Ｖb_T2と、前記時刻Ｔ２に得られた前記出力信号の前記値Ｖa_T2との誤差Ｖe_T2および、前記複数の予測値Ｖb_T4と、前記時刻Ｔ４に得られた前記出力信号の値Ｖa_T4との誤差Ｖe_T4を求め、前記誤差Ｖe_T2、前記誤差Ｖe_T4、または前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する、項目１から４のいずれかに記載の信号処理装置。
　項目６に記載の信号処理装置によると、より正確性の高い推定値を得ることができる。また、推定回路内のメモリの使用量を減らすことができる。
［項目７］
　前記時刻Ｔ２は前記時刻Ｔ１よりも所定の時間Ｔｃだけ遅く、前記時刻Ｔ４は時刻Ｔ３よりも前記所定の時間Ｔｃだけ遅い、項目６に記載の信号処理装置。
　項目７に記載の信号処理装置によると、信号処理装置のバリエーションが提供される。
［項目８］
　前記予測回路は、前記所定の時間Ｔｃが経過する毎に、ある時刻に得られた前記出力信号の値Ｖa_Tk（ｋは１以上の整数）に応じて、前記ある時刻から前記所定の時間Ｔｃ後に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_Tk+1を生成し、かつ、前記所定の時間Ｔｃが経過する毎に、前記ある時刻と異なる他の時刻に得られた前記出力信号の値Ｖa_Tm（ｍは１以上の整数）に応じて、前記他の時刻から前記所定の時間Ｔｃ後に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_Tm+1を生成し、
　前記推定回路は、前記複数の予測値Ｖb_Tk+1と前記出力信号の値Ｖa_Tk+1との誤差Ｖe_Tk+1および、前記複数の予測値Ｖb_Tm+1と前記出力信号の値Ｖa_Tm+1との誤差Ｖe_Tm+1を求め、前記誤差Ｖe_Tk+1、前記誤差Ｖe_Tm+1、または前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する、項目７に記載の信号処理装置。
　項目８に記載の信号処理装置によると、信号処理装置のバリエーションが提供される。
［項目９］
　前記所定の時間Ｔｃが経過する毎に、前記予測回路は、その時刻に得られた前記出力信号の値Ｖa_Tk（ｋは１以上の整数）に応じて、その時刻から前記所定の時間ｎ・Ｔｃ（ｎは１以上の整数）後に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_Tk+nを生成し、
　前記推定回路は、前記複数の予測値Ｖb_Tk+nと前記出力信号の値Ｖa_Tk+nとの誤差Ｖe_Tk+nおよび、前記複数の予測値Ｖb_Tk+n+1と前記出力信号の値Ｖa_Tk+n+1との誤差Ｖe_Tk+n+1を求め、前記誤差Ｖe_Tk+n、前記誤差Ｖe_Tk+n+1、または前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する、項目７に記載の信号処理装置。
　項目９に記載の信号処理装置によると、信号処理装置のバリエーションが提供される。
［項目１０］
　前記推定回路は、予め決められた期間にわたる前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する、項目８または９に記載の信号処理装置。
　項目１０に記載の信号処理装置によると、例えば、測定対象の属性の推定値を線形補間により生成することができる。
［項目１１］
　前記推定回路は、前記誤差の累積値の絶対値の最小値に基づいて、前記測定対象の前記推定値Ｐｅを生成する、項目８または９に記載の信号処理装置。
　項目１１に記載の信号処理装置によると、比較的簡単な構成で、正確性の高い推定値を得ることができる。
［項目１２］
　前記誤差の累積値は予め決められた期間毎にリセットされる、項目８から１１のいずれかに記載の信号処理装置。
　項目１２に記載の信号処理装置によると、測定対象の属性が変化しても、推定値の誤差を低減することができる。
［項目１３］
　前記予測回路は、前記時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ２とは異なる時刻Ｔ５に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T5をさらに生成し、
　前記推定回路は、前記複数の予測値Ｖb_T2と、前記時刻Ｔ２に得られた前記出力信号の前記値Ｖa_T2との誤差Ｖe_T2および、前記複数の予測値Ｖb_T5と、前記時刻Ｔ5に得られた前記出力信号の値Ｖa_T5との誤差Ｖe_T5を求め、前記誤差Ｖe_T2、前記誤差Ｖe_T5、または前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する、項目１から４のいずれかに記載の信号処理装置。
　項目１３に記載の信号処理装置によると、推定値の精度を向上させることができる。
［項目１４］
　前記予測回路は、前記出力信号の値に対応する複数の予測値を更新する、項目１から１０のいずれかに記載の信号処理装置。
　項目１４の信号処理装置によると、センサの反応部の周辺の構造が変化した場合にも正しい推定値を生成することができる。
［項目１５］
　前記予測回路はニューラルネットワークを含む、項目１から１４のいずれかに記載の信号処理装置。
　項目１５に記載の信号処理装置によると、予測値を生成するための情報量を少なくすることができる。
［項目１６］
　前記センサをさらに有する、項目１から１５のいずれかに記載の信号処理装置。
［項目１７］
　センサから出力信号Ｖa(T)を受け取る工程と、前記出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ１より後の時刻Ｔ２に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T2を生成する工程と、
　前記時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と前記複数の予測値Ｖb_T2とに基づいて、前記測定対象の前記ある属性を表すパラメータの推定値Ｐｅを生成する工程とを包含する、信号処理方法。
　項目１７に記載の信号処理方法によると、比較的簡単に、かつ、十分な正確さで、センサからの出力信号に基づいて推定値を求めることができる。
［項目１８］
　センサから出力信号Ｖa(T)を受け取る工程と、
　前記出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ１より後の時刻Ｔ２に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T2を生成する工程と、
　前記時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と前記複数の予測値Ｖb_T2とに基づいて、前記測定対象の前記ある属性を表すパラメータの推定値Ｐｅを生成する工程とをコンピュータに実行させるプログラム。
　項目１８に記載のプログラムによると、コンピュータを用いて、比較的簡単に、かつ、十分な正確さで、センサからの出力信号に基づいて推定値を求めることができる。
　本発明は、センサからの出力信号に基づいて推定値を求める信号処理装置、信号処理方法およびコンピュータプログラムに用いることができる。
　１０　　入力インターフェイス
　２０　　予測回路
　３０　　推定回路
　４０　　第１メモリ
　５０　　第２メモリ
　８０　　センサ
　８２　　センサチップ（センサの反応部）
　８４　　パッケージ
　８６　　パッケージ
　１００Ａ、１００Ｂ　　信号処理装置

Claims (15)

  1. 　センサから出力信号Ｖa(T)を受け取る入力インターフェイスと、
    　前記出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ１より後の時刻Ｔ２に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T2を生成する予測回路と、
    　前記時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と前記複数の予測値Ｖb_T2とに基づいて、前記測定対象の前記ある属性を表すパラメータの推定値Ｐｅを生成する推定回路とを有する、信号処理装置。
  2. 　前記出力信号Ｖa(T)の値を格納する第１メモリをさらに有し、
    　前記予測回路は、前記時刻Ｔ１に得られた前記出力信号の前記値Ｖa_T1を前記第１メモリから取得し、前記複数の予測値Ｖb_T2を生成し、
    　前記推定回路は、前記予測回路から前記複数の予測値Ｖb_T2を取得する、請求項１に記載の信号処理装置。
  3. 　前記複数の予測値Ｖb_T2と、前記パラメータの互いに異なる値Ｐとを関連付けて格納する第２メモリをさらに有し、
    　前記推定回路は、前記複数の予測値Ｖb_T2および前記パラメータの互いに異なる値Ｐを前記第２メモリから取得する、請求項１に記載の信号処理装置。
  4. 　前記推定回路は、前記複数の予測値Ｖb_T2と、前記時刻Ｔ２に得られた前記出力信号の前記値Ｖa_T2との誤差Ｖe_T2を求め、前記誤差Ｖe_T2に基づいて、前記測定対象の前記推定値Ｐｅを生成する、請求項１から３のいずれかに記載の信号処理装置。
  5. 　前記予測回路は、前記時刻Ｔ１より後の時刻Ｔ３に得られた前記出力信号の値Ｖa_T3に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、時刻Ｔ３より後の時刻Ｔ４に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T4をさらに生成する、請求項１から４のいずれかに記載の信号処理装置。
  6. 　前記予測回路は、前記時刻Ｔ１より後の時刻Ｔ３に得られた前記出力信号の値Ｖa_T3に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ３より後の時刻Ｔ４に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T4をさらに生成し、
    　前記推定回路は、前記複数の予測値Ｖb_T2と、前記時刻Ｔ２に得られた前記出力信号の前記値Ｖa_T2との誤差Ｖe_T2および、前記複数の予測値Ｖb_T4と、前記時刻Ｔ４に得られた前記出力信号の値Ｖa_T4との誤差Ｖe_T4を求め、前記誤差Ｖe_T2、前記誤差Ｖe_T4、または前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する、請求項１から４のいずれかに記載の信号処理装置。
  7. 　前記時刻Ｔ２は前記時刻Ｔ１よりも所定の時間Ｔｃだけ遅く、前記時刻Ｔ４は時刻Ｔ３よりも前記所定の時間Ｔｃだけ遅い、請求項６に記載の信号処理装置。
  8. 　前記予測回路は、前記所定の時間Ｔｃが経過する毎に、ある時刻に得られた前記出力信号の値Ｖa_Tk（ｋは１以上の整数）に応じて、前記ある時刻から前記所定の時間Ｔｃ後に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_Tk+1を生成し、かつ、前記所定の時間Ｔｃが経過する毎に、前記ある時刻と異なる他の時刻に得られた前記出力信号の値Ｖa_Tm（ｍは１以上の整数）に応じて、前記他の時刻から前記所定の時間Ｔｃ後に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_Tm+1を生成し、
    　前記推定回路は、前記複数の予測値Ｖb_Tk+1と前記出力信号の値Ｖa_Tk+1との誤差Ｖe_Tk+1および、前記複数の予測値Ｖb_Tm+1と前記出力信号の値Ｖa_Tm+1との誤差Ｖe_Tm+1を求め、前記誤差Ｖe_Tk+1、前記誤差Ｖe_Tm+1、または前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する、請求項７に記載の信号処理装置。
  9. 　前記推定回路は、予め決められた期間にわたる前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する、請求項８に記載の信号処理装置。
  10. 　前記予測回路は、前記時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ２とは異なる時刻Ｔ５に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T5をさらに生成し、
    　前記推定回路は、前記複数の予測値Ｖb_T2と、前記時刻Ｔ２に得られた前記出力信号の前記値Ｖa_T2との誤差Ｖe_T2および、前記複数の予測値Ｖb_T5と、前記時刻Ｔ5に得られた前記出力信号の値Ｖa_T5との誤差Ｖe_T5を求め、前記誤差Ｖe_T2、前記誤差Ｖe_T5、または前記誤差の累積値に基づいて、前記測定対象の前記推定値Ｐｅを生成する、請求項１から４のいずれかに記載の信号処理装置。
  11. 　前記予測回路は、前記出力信号の値に対応する複数の予測値を更新する、請求項１から１０のいずれかに記載の信号処理装置。
  12. 　前記予測回路はニューラルネットワークを含む、請求項１から１１のいずれかに記載の信号処理装置。
  13. 　前記センサをさらに有する、請求項１から１２のいずれかに記載の信号処理装置。
  14. 　センサから出力信号Ｖa(T)を受け取る工程と、前記出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ１より後の時刻Ｔ２に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T2を生成する工程と、
    　前記時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と前記複数の予測値Ｖb_T2とに基づいて、前記測定対象の前記ある属性を表すパラメータの推定値Ｐｅを生成する工程とを包含する、信号処理方法。
  15. 　センサから出力信号Ｖa(T)を受け取る工程と、
    　前記出力信号Ｖa(T)の値が、測定対象のある属性を表すパラメータの値Ｐに対応する収束値Ｖcとなる応答時間をＴｒとするとき、応答時間Ｔｒが経過する前の過渡応答期間において、時刻Ｔ１に得られた前記出力信号の値Ｖa_T1に応じて、前記パラメータの互いに異なる値に対応する複数の収束値Ｖc毎に異なる関係に基づいて、前記時刻Ｔ１より後の時刻Ｔ２に得られるであろう前記出力信号の値に対応する複数の予測値Ｖb_T2を生成する工程と、
    　前記時刻Ｔ２に得られた前記出力信号の値Ｖa_T2と前記複数の予測値Ｖb_T2とに基づいて、前記測定対象の前記ある属性を表すパラメータの推定値Ｐｅを生成する工程とをコンピュータに実行させるプログラム。
PCT/JP2015/074708 2014-10-02 2015-08-31 信号処理装置、信号処理方法およびコンピュータプログラム WO2016052049A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2016551661A JP6286574B2 (ja) 2014-10-02 2015-08-31 信号処理装置、信号処理方法およびコンピュータプログラム
CN201580053920.2A CN106796127B (zh) 2014-10-02 2015-08-31 信号处理装置和信号处理方法
US15/515,618 US10571314B2 (en) 2014-10-02 2015-08-31 Signal processing apparatus and signal processing method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-204326 2014-10-02
JP2014204326 2014-10-02

Publications (1)

Publication Number Publication Date
WO2016052049A1 true WO2016052049A1 (ja) 2016-04-07

Family

ID=55630094

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/074708 WO2016052049A1 (ja) 2014-10-02 2015-08-31 信号処理装置、信号処理方法およびコンピュータプログラム

Country Status (4)

Country Link
US (1) US10571314B2 (ja)
JP (1) JP6286574B2 (ja)
CN (1) CN106796127B (ja)
WO (1) WO2016052049A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019113419A (ja) * 2017-12-22 2019-07-11 太陽誘電株式会社 センシングシステム、車両、プログラム、情報処理装置、情報処理方法およびセンサ装置
WO2020065991A1 (ja) * 2018-09-28 2020-04-02 日本電気株式会社 情報処理装置、センサ動作最適化方法、およびプログラム
JP2022109290A (ja) * 2017-12-22 2022-07-27 太陽誘電株式会社 センシングシステムおよび情報処理装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019212018B9 (de) * 2019-08-09 2022-03-10 Berthold Technologies Gmbh & Co. Kg Messgerät für die Prozessmesstechnik
CN110471771A (zh) * 2019-08-16 2019-11-19 佳源科技有限公司 一种配电实时操作系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01124007A (ja) * 1987-11-09 1989-05-16 Hitachi Ltd プラント運転状態評価方法
JP2000346681A (ja) * 1999-06-02 2000-12-15 Japan Nuclear Cycle Development Inst States Of Projects 異常診断装置
JP2005222444A (ja) * 2004-02-09 2005-08-18 Toshiba Corp 統計的予測値演算方法および装置
JP2005242803A (ja) * 2004-02-27 2005-09-08 Mitsubishi Heavy Ind Ltd 機械の性能推定器、性能推定方法及び性能推定プログラム
JP2008083866A (ja) * 2006-09-26 2008-04-10 Matsushita Electric Works Ltd 異常監視装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0813127A3 (en) * 1988-05-20 1998-05-06 Matsushita Electric Industrial Co., Ltd. Inference rule determining method and inference device
US6408227B1 (en) * 1999-09-29 2002-06-18 The University Of Iowa Research Foundation System and method for controlling effluents in treatment systems
US8136983B2 (en) * 2009-01-01 2012-03-20 Mahmoud Razzaghi Sensor and control system
WO2012104910A1 (ja) * 2011-02-02 2012-08-09 三菱電機株式会社 電力開閉装置の動作時間予測装置および方法
JP6318599B2 (ja) * 2013-12-17 2018-05-09 株式会社リコー 半導体集積回路

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01124007A (ja) * 1987-11-09 1989-05-16 Hitachi Ltd プラント運転状態評価方法
JP2000346681A (ja) * 1999-06-02 2000-12-15 Japan Nuclear Cycle Development Inst States Of Projects 異常診断装置
JP2005222444A (ja) * 2004-02-09 2005-08-18 Toshiba Corp 統計的予測値演算方法および装置
JP2005242803A (ja) * 2004-02-27 2005-09-08 Mitsubishi Heavy Ind Ltd 機械の性能推定器、性能推定方法及び性能推定プログラム
JP2008083866A (ja) * 2006-09-26 2008-04-10 Matsushita Electric Works Ltd 異常監視装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019113419A (ja) * 2017-12-22 2019-07-11 太陽誘電株式会社 センシングシステム、車両、プログラム、情報処理装置、情報処理方法およびセンサ装置
CN111492226A (zh) * 2017-12-22 2020-08-04 太阳诱电株式会社 传感系统、车辆、程序、信息处理装置、信息处理方法和传感器装置
JP2022109290A (ja) * 2017-12-22 2022-07-27 太陽誘電株式会社 センシングシステムおよび情報処理装置
US11644449B2 (en) 2017-12-22 2023-05-09 Taiyo Yuden Co., Ltd. Sensing system, information processing apparatus, and sensor apparatus
JP7312884B2 (ja) 2017-12-22 2023-07-21 太陽誘電株式会社 センシングシステムおよび情報処理装置
WO2020065991A1 (ja) * 2018-09-28 2020-04-02 日本電気株式会社 情報処理装置、センサ動作最適化方法、およびプログラム
JPWO2020065991A1 (ja) * 2018-09-28 2021-08-30 日本電気株式会社 情報処理装置、センサ動作最適化方法、およびプログラム
US11789001B2 (en) 2018-09-28 2023-10-17 Nec Corporation Information processing apparatus, sensor operation optimization method, and program

Also Published As

Publication number Publication date
CN106796127A (zh) 2017-05-31
CN106796127B (zh) 2019-11-29
JP6286574B2 (ja) 2018-02-28
US20180328767A1 (en) 2018-11-15
JPWO2016052049A1 (ja) 2017-08-17
US10571314B2 (en) 2020-02-25

Similar Documents

Publication Publication Date Title
JP6286574B2 (ja) 信号処理装置、信号処理方法およびコンピュータプログラム
CN103946672B (zh) 物理量传感器或其装置的输出值修正方法及装置
Bowman et al. Alarm variables for dengue outbreaks: a multi-centre study in Asia and Latin America
US11715049B2 (en) Information processing device and method
CN105403325B (zh) 预测移动设备附近的环境温度的方法、计算机程序产品和移动设备
CN107465393A (zh) 用于实时时钟系统的频率补偿的系统和方法
JP2017091278A (ja) 学習装置、予測装置、学習方法、予測方法、およびプログラム
WO2016042774A1 (en) Bias estimation apparatus and method and failure diagnosis apparatus and method
US20150332014A1 (en) Disease analysis apparatus, disease analysis method, and computer readable medium
JP2018181184A (ja) 評価装置、評価方法及びそのプログラム
Koyuncu et al. New mean charts for bivariate asymmetric distributions using different ranked set sampling designs
JP6283112B2 (ja) データに基づく関数モデルを定めるための方法及び装置
US20160155089A1 (en) Component selection device and component selection method
CN108764348A (zh) 基于多个数据源的数据采集方法及系统
US20160356632A1 (en) Sensor degradation compensation
WO2019012740A1 (en) DEVICE, SYSTEM AND METHOD FOR EXTRACTING OPERATING RULE
JP2019101654A5 (ja)
TW201837761A (zh) 模型構築系統及模型構築方法
JP6285566B2 (ja) 信号処理装置、信号処理方法およびコンピュータプログラム
JP6996953B2 (ja) オシレータ制御回路及びそれを含む装置並びにその制御方法
JP6558860B2 (ja) 推定装置、予測装置、方法、及びプログラム
Matsui et al. Model selection criteria for the varying-coefficient modelling via regularized basis expansions
Blumentritt et al. Nonparametric estimation of copula-based measures of multivariate association from contingency tables
JP7056493B2 (ja) データ処理装置、データ処理方法およびプログラム
Wang et al. Projection of dengue fever transmissibility under climate change in South and Southeast Asian countries

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15847293

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2016551661

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15515618

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15847293

Country of ref document: EP

Kind code of ref document: A1