WO2016088564A1

WO2016088564A1 - 計測装置及び計測方法

Info

Publication number: WO2016088564A1
Application number: PCT/JP2015/082549
Authority: WO
Inventors: 佐藤　英雄
Original assignee: ソニー株式会社
Priority date: 2014-12-01
Filing date: 2015-11-19
Publication date: 2016-06-09
Also published as: US20170258405A1; JP6300026B2; JP2016104086A

Abstract

　本技術は、脈波や脈拍の計測精度を向上させることができるようにする計測装置及び計測方法に関する。体動信号抽出部は、所定の波長の光を脈を含む部分に照射することにより取得された第１の計測信号の第１の周波数帯域の成分を含む第１の帯域信号から、体動により生じる成分を含む体動信号を抽出する。演算部は、第１の計測信号の第２の周波数帯域の成分を含む第２の帯域信号と体動信号との差分信号である脈波信号を生成する。本技術は、例えば、脈波や脈拍を計測する装置に適用することができる。

Description

計測装置及び計測方法

　本技術は、計測装置及び計測方法に関し、特に、脈波や脈拍の計測を行う場合に用いて好適な計測装置及び計測方法に関する。

　近年、脈波や脈拍を計測する光学方式の計測装置が普及している（例えば、特許文献１参照）。

特表２００８－５３８１８６号公報

　しかし、光学方式の計測装置では、計測対象となる被験者の体動により生じる体動成分を計測信号から除去するのは非常に困難である。特に、腕の表面等の動きが大きい部位で計測する場合、脈波により生じる脈波成分より体動成分が大きくなることも多く、体動成分の除去がより困難になる。その結果、脈波や脈拍の計測精度が低下する。

　そこで、本技術は、脈波や脈拍の計測精度を向上させるようにするものである。

　本技術の一側面の計測装置は、第１の波長の光を脈を含む部分に照射することにより取得された第１の計測信号の第１の周波数帯域の成分を含む第１の帯域信号から、体動により生じる成分を含む体動信号を抽出する体動信号抽出部と、前記第１の計測信号の第２の周波数帯域の成分を含む第２の帯域信号と前記体動信号との差分信号である脈波信号を生成する演算部とを備える。

　前記体動信号抽出部には、自己回帰モデルを用いて前記体動信号を予測して抽出させることができる。

　前記体動信号抽出部には、ユール－ウォーカー法を用いて、次数が５次から１２次までの範囲内の前記自己回帰モデルを生成させることができる。

　前記体動信号抽出部には、前記第１の帯域信号のレベルに基づいて、前記自己回帰モデルの次数を設定させることができる。

　前記体動の検出を行う体動検出部と、前記脈波信号及び前記第２の帯域信号の中から前記体動の検出結果に基づいて選択した信号に基づいて、脈波周波数を計測する計測部とをさらに設けることができる。

　前記体動信号抽出部には、前記第１の帯域信号の周波数成分のうち、前回の脈波周波数の計測値を含む帯域の周波数成分を減衰させた信号から、前記体動信号を抽出させることができる。

　前記計測部には、前記脈波信号のピーク周波数である第１のピーク周波数、及び、前記第２の帯域信号のピーク周波数である第２のピーク周波数を検出する周波数検出部と、前記体動の検出結果、及び、前回の脈波周波数の計測値のうち少なくとも一方に基づいて、前記第１のピーク周波数及び前記第２のピーク周波数から前記脈波周波数を選択する選択部とを設けることができる。

　前記周波数検出部には、前回の脈波周波数の計測値に基づいて、前記第１のピーク周波数及び前記第２のピーク周波数を検出する周波数帯域を制限させることができる。

　前記周波数検出部には、値が０のサンプルをパディングした前記脈波信号をフーリエ変換した結果に基づいて、前記第１のピーク周波数を検出させ、値が０のサンプルをパディングした前記第２の帯域信号をフーリエ変換した結果に基づいて、前記第２のピーク周波数を検出させることができる。

　前記計測部には、前記体動の検出結果に基づいて、前記脈波信号又は前記第２の帯域信号を選択する選択部と、前記選択部により選択された信号のピーク周波数を前記脈波周波数として検出する周波数検出部とを設けることができる。

　前記周波数検出部には、前回の脈波周波数の計測値に基づいて、前記ピーク周波数を検出する周波数帯域を制限させることができる。

　前記周波数検出部には、前記選択部により選択された信号に値が０のサンプルをパディングした信号をフーリエ変換した結果に基づいて、前記ピーク周波数を検出させることができる。

　前記体動検出部には、前記体動信号の周波数分布に基づいて、前記体動の検出を行わせることができる。

　前記体動検出部には、第２の波長の光を前記脈を含む部分に照射することにより取得された第２の計測信号の前記第１の周波数帯域の成分を含む第３の帯域信号と前記第１の帯域信号との合成ベクトルの分布に基づいて、前記体動の検出を行わせることができる。

　前記体動検出部には、前記第１の計測信号の変化、及び、第２の波長の光を前記脈を含む部分に照射することにより取得された第２の計測信号の変化に基づいて、前記体動の検出を行わせることができる。

　前記計測部には、前記脈波周波数に基づいて、脈拍数を計算させることができる。

　前記第１の計測信号から前記第１の帯域信号を抽出する第１のフィルタと、前記第１の計測信号から前記第２の帯域信号を抽出する第２のフィルタとをさらに設け、前記第２の周波数帯域に、計測対象とする脈波周波数の範囲を含ませ、前記第２の周波数帯域の最大値を、前記第１の周波数帯域の最大値より大きくすることができる。

　前記第１の計測信号から前記第１の帯域信号を抽出するフィルタをさらに設け、前記第１の周波数帯域を、前記第２の周波数帯域と同じにし、計測対象とする脈波周波数の範囲を含むようにし、前記第１の帯域信号と前記第２の帯域信号を同じ信号にすることができる。

　本技術の一側面の計測方法は、所定の波長の光を脈を含む部分に照射することにより取得された第１の計測信号の第１の周波数帯域の成分を含む第１の帯域信号から、体動により生じる成分を含む体動信号を抽出する体動信号抽出ステップと、前記第１の計測信号の第２の周波数帯域の成分を含む第２の帯域信号と前記体動信号との差分信号である脈波信号を生成する演算ステップとを含む。

　本技術の一側面においては、所定の波長の光を脈を含む部分に照射することにより取得された第１の計測信号の第１の周波数帯域の成分を含む第１の帯域信号から、体動により生じる成分を含む体動信号が抽出され、前記第１の計測信号の第２の周波数帯域の成分を含む第２の帯域信号と前記体動信号との差分信号である脈波信号が生成される。

　本技術の一側面によれば、計測信号から脈波成分を高精度に抽出することができる。また、本技術の一側面によれば、脈波や脈拍の計測精度を向上させることができる。

脈波と体動との関係を説明するための図である。本技術を適用した計測装置の一実施の形態を示す外観図である。計測装置の本体部の構成例を示すブロック図である。受光ＩＣの構成例を示すブロック図である。受光ＩＣの動作例を説明するためのタイミングチャートである。計測装置の演算処理部の第１の実施の形態を示すブロック図である。計測光の波長を説明するための図である。脈拍計測処理の第１の実施の形態を説明するためのフローチャートである。ピーク周波数の検出範囲の例を示す図である。計測波形の例を示すグラフである。ダウンサンプリングの比率の変形例を説明するための図である。計測装置の演算処理部の第２の実施の形態を示すブロック図である。脈拍計測処理の第２の実施の形態を説明するためのフローチャートである。各波長の計測光に対する計測信号の第１の例を示すグラフである。各波長の計測光に対する計測信号の第２の例を示すグラフである。合成ベクトルの分布の例を示す図である。計測装置の演算処理部の第３の実施の形態を示すブロック図である。脈拍計測処理の第３の実施の形態を説明するためのフローチャートである。計測波形の例を示すグラフである。帯域制限前と制限後の計測信号のエンベロープの例を示すグラフである。ピーク周波数の検出範囲の変形例を示す図である。コンピュータの構成例を示すブロック図である。

　以下、本技術を実施するための形態（以下、実施の形態という）について説明する。なお、説明は以下の順序で行う。
１．脈波と体動の関係
２．第１の実施の形態
３．第２の実施の形態
４．第３の実施の形態
５．変形例

＜１．脈波と体動の関係＞
　図１の各グラフは、光学式の計測装置により被験者の腕の脈波を計測した信号をＦＦＴ（高速フーリエ変換）により周波数解析した結果の例を示している。各グラフの横軸は周波数を示し、縦軸はスペクトル強度を示している。また、被験者が静止した状態から、足踏みし、その後駆け足をした場合の計測信号の周波数分布の変化が、いちばん上のグラフから順に示されている。

　図１のいちばん上のグラフは、被験者が静止している場合の計測信号の周波数分布を示している。上から２番目から４番目のグラフは、被験者が足踏みしている場合の計測信号の周波数分布を示している。上から５番目から８番目のグラフは、被験者が駆け足をしている場合の解析結果を示している。なお、各グラフの計測信号の計測時の被験者の脈拍は、上から順に、６８ｂｐｍ（beats per minute）、８９ｂｐｍ、８４ｂｐｍ、８６ｂｐｍ、８９ｂｐｍ、９４ｂｐｍ、９４ｂｐｍ、１０２ｂｐｍとなっている。

　また、各グラフの矢印で示される周波数のピークは、被験者の脈波の周波数（以下、脈波周波数と称する）を示し、黒丸で示される周波数のピークは、被験者の体動の周波数（以下、体動周波数と称する）を示している。

　この例に示されるように、体動成分の基本周波数は、一般的に脈波周波数よりやや低くなる。また、体動成分は、周期性の高い倍音成分を含む。さらに、体動成分のエネルギーは、脈波成分のエネルギーと比較して非常に大きくなる。また、脈波成分の周波数スペクトルと体動成分の周波数スペクトルは、運動量が大きくなり、脈拍が速くなるにつれて接近する。

　従って、櫛形フィルタやＢＰＦ（バンドパスフィルタ）では、脈波成分と体動成分とを精度よく分離するのは非常に困難である。また、体動成分のエネルギーが脈波成分のエネルギーと比較して非常に大きいため、静止時の脈波を学習し、体動時の計測信号から抽出するのは非常に困難である。また、より高精度に計測信号から脈波成分を抽出するためには、膨大な演算量が必要になる。そのため、CPU（Central Processing Unit）やメモリ等のリソースや消費電力が増大したり、処理時間が長くなりリアルタイムでの処理が困難になったりする。

　以下に述べる本技術の各実施の形態では、このような性質を有する体動成分の影響を除去して、脈波及び脈拍を高精度に計測することが可能になる。

＜２．第１の実施の形態＞
｛計測装置１の構成例｝
　図２及び図３は、本技術を適用した計測装置の第１の実施の形態である計測装置１の構成例を示している。図２は、計測装置１の外観の構成例を示している。図３は、計測装置１の本体部１１の構成例を示している。

　計測装置１は、光学方式により被験者の脈拍を計測するリストバンド型の計測装置である。図２に示されるように、計測装置１は、本体部１１とバンド１２により構成され、腕時計のようにバンド１２が被験者の腕（手首）２に装着される。そして、本体部１１が、所定の波長の計測光を被験者の腕２の脈を含む部分に照射し、戻ってきた光の強度に基づいて、被験者の脈拍の計測を行う。

　本体部１１は、基板２１、ＬＥＤ２２、受光ＩＣ２３、遮光体２４、操作部２５、演算処理部２６、表示部２７、及び、無線装置２８を含むように構成される。ＬＥＤ２２、受光ＩＣ２３、及び、遮光体２４は、基板２１上に設けられている。

　ＬＥＤ２２は、受光ＩＣ２３の制御の下に、所定の波長の計測光を被験者の腕２の脈を含む部分に照射する。

　受光ＩＣ２３は、計測光が腕２に照射された後に戻ってきた光を受光する。受光ＩＣ２３は、戻ってきた光の強度を示すデジタルの計測信号を生成し、生成した計測信号を演算処理部２６に供給する。

　遮光体２４は、基板２１上においてＬＥＤ２２と受光ＩＣ２３の間に設けられている。遮光体２４は、ＬＥＤ２２からの計測光が、受光ＩＣ２３に直接入射されることを防止する。

　操作部２５は、例えば、ボタン、スイッチ等の各種の操作部材により構成され、本体部１１の表面等に設けられる。操作部２５は、計測装置１の操作に用いられ、操作内容を示す信号を演算処理部２６に供給する。

　演算処理部２６は、受光ＩＣ２３から供給される計測信号に基づいて、被験者の脈拍を計測するための演算処理を行う。演算処理部２６は、脈拍の計測結果を表示部２７及び無線装置２８に供給する。

　表示部２７は、例えば、ＬＣＤ（Liquid Crystal Display）等の表示装置により構成され、本体部１１の表面に設けられる。表示部２７は、被験者の脈拍の計測結果等を表示する。

　無線装置２８は、所定の方式の無線通信により、被験者の脈拍の計測結果を外部の装置に送信する。例えば、図３に示されるように、無線装置２８は、被験者の脈拍の計測結果をスマートフォン３に送信し、スマートフォン３の画面３Ａに計測結果を表示させる。なお、無線装置２８の通信方式には、任意の方式を採用することができる。

｛受光ＩＣ２３の構成例｝
　図４は、受光ＩＣ２３の構成例を示している。なお、この例では、計測装置１のＬＥＤ２２が、ＬＥＤ２２ａ乃至２２ｃの３つのＬＥＤにより構成される場合の例を示している。ＬＥＤ２２ａ乃至２２ｃは、それぞれ異なる波長の計測光を発する。

　受光ＩＣ２３は、ＬＥＤドライバ５１、セレクタ５２、受光素子５３、ＡＤコンバータ５４、及び、通信部５５を含むように構成される。

　ＬＥＤドライバ５１は、セレクタ５２を介して、ＬＥＤ２２ａ乃至２２ｃに駆動信号を供給し、ＬＥＤ２２ａ乃至２２ｃの点灯、消灯、発光量等を制御する。

　セレクタ５２は、ＬＥＤドライバ５１から供給される駆動信号の供給先をＬＥＤ２２ａ乃至２２ｃの中から選択し、選択したＬＥＤに駆動信号を供給する。

　受光素子５３は、ＬＥＤ２２ａ乃至２２ｃからの計測光が腕２に照射された後に戻ってくる光を受光する。受光素子５３は、受光した光の強度を示すアナログの電気信号である計測信号をＡＤコンバータ５４に供給する。

　ＡＤコンバータ５４は、所定のサンプリング周波数で、計測信号のサンプリングを行い、アナログの計測信号をデジタルの計測信号に変換する。ＡＤコンバータ５４は、デジタルの計測信号を通信部５５に供給する。なお、ＡＤコンバータ５４のサンプリング周波数は、例えば、２００～２２０Ｈｚとされる。以下、ＡＤコンバータ５４のサンプリング周波数が２００Ｈｚの場合を例に挙げて説明する。

　通信部５５は、所定の方式の有線通信により演算処理部２６と通信を行い、計測信号や各種の制御信号等の送受信を行う。なお、通信部５５の通信方式には、Ｉ２Ｃ等の任意の方式を採用することができる。

　なお、図４に示されるように、受光ＩＣ２３は、被験者の腕２以外の部位（例えば、指４、耳たぶ（不図示）等）において脈拍の計測を行う場合にも用いることができる。

｛受光ＩＣ２３の動作例｝
　ここで、図５のタイミングチャートを参照して、受光ＩＣ２３の動作例について説明する。図５の１段目は、演算処理部２６から受光ＩＣ２３の通信部５５に供給される制御信号のタイミングを示している。２段目は、ＡＤコンバータ５４の動作期間を示している。３段目は、ＬＥＤ２２ａ乃至２２ｃの発光期間を示している。なお、この図では、ＬＥＤ２２ａをＬＥＤａと表し、ＬＥＤ２２ｂをＬＥＤｂと表し、ＬＥＤ２２ｃをＬＥＤｃと表している。

　受光ＩＣ２３は、演算処理部２６から通信部５５にWrite信号が供給されたとき動作を開始する。

　具体的には、まず、ＬＥＤドライバ５１は、セレクタ５２を介してＬＥＤ２２ａに駆動信号を供給し、ＬＥＤ２２ａにパルス状の計測光を発光させる。受光素子５３は、ＬＥＤ２２ａからの計測光が腕２に照射された後に戻ってきた光を受光する。受光素子５３は、受光した光の強度を示すアナログの電気信号である計測信号（以下、計測信号ａと称する）をＡＤコンバータ５４に供給する。ＡＤコンバータ５４は、アナログの計測信号ａのサンプリングを行い、デジタルの計測信号ａにＡＤ変換する。ＡＤコンバータ５４は、デジタルの計測信号ａを通信部５５に供給する。

　ＬＥＤドライバ５１は、計測信号ａのＡＤ変換の終了後、セレクタ５２を介してＬＥＤ２２ｂに駆動信号を供給し、ＬＥＤ２２ｂにパルス状の計測光を発光させる。受光素子５３は、ＬＥＤ２２ｂからの計測光が腕２に照射された後に戻ってきた光を受光する。受光素子５３は、受光した光の強度を示すアナログの電気信号である計測信号（以下、計測信号ｂと称する）をＡＤコンバータ５４に供給する。ＡＤコンバータ５４は、アナログの計測信号ｂのサンプリングを行い、デジタルの計測信号ｂにＡＤ変換する。ＡＤコンバータ５４は、デジタルの計測信号ｂを通信部５５に供給する。

　ＬＥＤドライバ５１は、計測信号ｂのＡＤ変換の終了後、セレクタ５２を介してＬＥＤ２２ｃに駆動信号を供給し、ＬＥＤ２２ｃにパルス状の計測光を発光させる。受光素子５３は、ＬＥＤ２２ｃからの計測光が腕２に照射された後に戻ってきた光を受光する。受光素子５３は、受光した光の強度を示すアナログの電気信号である計測信号（以下、計測信号ｃと称する）をＡＤコンバータ５４に供給する。ＡＤコンバータ５４は、アナログの計測信号ｃのサンプリングを行い、デジタルの計測信号ｃにＡＤ変換する。ＡＤコンバータ５４は、デジタルの計測信号ｃを通信部５５に供給する。

　通信部５５は、演算処理部２６からRead信号が供給されたとき、計測信号ａ乃至ｃを演算処理部２６に供給する。

　その後、所定の時間のアイドル期間の経過後に、上述したＬＥＤ２２ａの発光から計測信号ａ乃至ｃを演算処理部２６への供給までの一連の処理が実行される。

　以上の処理が、例えば、所定の期間或いは回数、又は、演算処理部２６から停止の指令が入力されるまで、繰り返し実行される。

　なお、図４及び図５では、計測光の波長が３種類の場合の例を示したが、計測光の波長を１種類、２種類、又は、４種類以上に設定することも可能である。なお、以下、第１の実施の形態において、計測光の波長が１種類の場合を例に挙げて説明する。

｛演算処理部２６ａの構成例｝
　図６は、計測装置１の演算処理部２６の第１の実施の形態である演算処理部２６ａの構成例を示している。演算処理部２６ａは、デシメーションフィルタ１０１、ＢＰＦ（バンドパスフィルタ）１０２、自己共分散関数推定部１０３、線形予測フィルタ１０４、ＢＰＦ（バンドパスフィルタ）１０５、演算部１０６、ＤＦＴ（離散フーリエ変換）部１０７ａ，１０７ｂ、ピーク検出部１０８ａ，１０８ｂ、ＤＦＴ（離散フーリエ変換）部１０９、判定部１１０、選択部１１１、計算部１１２、及び、記憶部１１３を含むように構成される。

　また、自己共分散関数推定部１０３及び線形予測フィルタ１０４により、体動信号抽出部１３１が構成される。ＢＰＦ１０２、ＢＰＦ１０５、演算部１０６、及び、体動信号抽出部３３１により、脈波信号抽出部１３２が構成される。ＤＦＴ部１０９及び判定部１１０により、体動検出部１３３が構成される。ＤＦＴ部１０７ａ，１０７ｂ及びピーク検出部１０８ａ，１０８ｂにより、周波数検出部１３４が構成される。選択部１１１、計算部１１２、記憶部１１３、及び、周波数検出部１３４により、計測部１３５が構成される。

　デシメーションフィルタ１０１は、計測信号のダウンサンプリングを行う。デシメーションフィルタ１０１は、ダウンサンプリング後の計測信号をＢＰＦ１０２及びＢＰＦ１０５に供給する。

　ＢＰＦ１０２は、例えば、２段の３次のIIR（Infinite Impulse Response）フィルタにより構成されるゼロ位相フィルタからなる。ＢＰＦ１０２は、計測信号の所定の周波数帯域（以下、周波数帯域Ｎと称する）の成分を通過させ、周波数帯域Ｎ以外の成分を遮断する。また、ＢＰＦ１０２は、例えば、計測信号に対して、１段目の３次のIIRフィルタを掛けた後に、サンプルの順番を逆方向にして、１段目と同一の２段目の３次のIIRフィルタを掛ける等の方法で位相歪みを相殺する。ＢＰＦ１０２は、抽出した周波数帯域Ｎの成分を含む信号（以下、帯域信号Ｎと称する）を、自己共分散関数推定部１０３及び線形予測フィルタ１０４に供給する。

　なお、ＢＰＦ１０２はゼロ位相フィルタなので、抽出した帯域信号Ｎにおいて体動成分等の時間軸情報が保持される。

　自己共分散関数推定部１０３は、帯域信号Ｎに含まれる体動信号の自己共分散関数を推定する。体動信号は、被験者の体動により生じる体動成分を含む信号である。自己共分散関数推定部１０３は、自己共分散関数の推定結果を線形予測フィルタ１０４に供給する。

　線形予測フィルタ１０４は、例えば、ユール－ウォーカー法によるパワースペクトル密度推定アルゴリズムによって作られる線形予測フィルタからなる。例えば、線形予測フィルタ１０４は、自己共分散関数推定部１０３により推定された自己共分散関数を用いて、体動信号のＡＲモデル（自己相関モデル）のパラメータをユール－ウォーカー法により求める。これにより、体動信号のＡＲモデルが生成される。線形予測フィルタ１０４は、生成したＡＲモデルを用いて体動信号を予測し、体動成分が脈波成分に対して十分大きい場合、レベルの低い脈波成分及びノイズ成分を含まない体動成分だけからなる体動信号を帯域信号Ｎから抽出する。線形予測フィルタ１０４は、抽出した体動信号を演算部１０６及びＤＦＴ部１０９に供給する。

　ＢＰＦ１０５は、例えば、ＢＰＦ１０２と同様に、２段の３次のIIR（Infinite Impulse Response）フィルタにより構成されるゼロ位相フィルタからなる。ＢＰＦ１０５は、計測信号の所定の周波数帯域（以下、周波数帯域Ｗと称する）の成分を通過させ、周波数帯域Ｗ以外の成分を遮断する。ＢＰＦ１０５は、抽出した周波数帯域Ｗの成分を含む信号（以下、帯域信号Ｗと称する）を、演算部１０６及びＤＦＴ部１０７ｂに供給する。

　なお、ＢＰＦ１０５はゼロ位相フィルタなので、抽出した帯域信号Ｗにおいて脈波成分等の時間軸情報が保持される。

　演算部１０６は、帯域信号Ｗと体動信号の逆信号とを加算することにより、帯域信号Ｗと体動信号の差分をとる。演算部１０６は、帯域信号Ｗと体動信号の差分をとることにより生成される差分信号（以下、脈波信号と称する）をＤＦＴ部１０７ａに供給する。

　ＤＦＴ部１０７ａは、脈波信号のＤＦＴを行い、脈波信号の周波数の解析結果をピーク検出部１０８ａに供給する。

　ピーク検出部１０８ａは、脈波信号の周波数解析結果に基づいて、脈波信号のピーク周波数を検出する。このとき、ピーク検出部１０８ａは、記憶部１１３に記憶されている前回の脈波周波数の検出値に基づいて、ピーク周波数を検出する周波数帯域を制限する。ピーク検出部１０８ａは、脈波信号のピーク周波数の検出値を選択部１１１に供給する。

　ＤＦＴ部１０７ｂは、帯域信号ＷのＤＦＴを行い、帯域信号Ｗの周波数の解析結果をピーク検出部１０８ｂに供給する。

　ピーク検出部１０８ｂは、帯域信号Ｗの周波数解析結果に基づいて、帯域信号Ｗのピーク周波数を検出する。このとき、ピーク検出部１０８ｂは、記憶部１１３に記憶されている前回の脈波周波数の検出値に基づいて、ピーク周波数を検出する周波数帯域を制限する。ピーク検出部１０８ｂは、帯域信号Ｗのピーク周波数の検出値を選択部１１１に供給する。

　ＤＦＴ部１０９は、帯域信号ＮのＤＦＴを行い、帯域信号Ｎの周波数の解析結果を判定部１１０に供給する。

　判定部１１０は、帯域信号Ｎの周波数解析結果に基づいて、脈拍の計測の障害となる体動（以下、障害体動と称する）の有無を判定する。判定部１１０は、障害体動の有無の判定結果を選択部１１１に供給する。

　選択部１１１は、障害体動の有無の判定結果、及び、前回の脈波周波数の計測値に基づいて、脈波信号のピーク周波数及び帯域信号Ｗのピーク周波数の中から脈波周波数を選択する。選択部１１１は、選択した脈波周波数を示す情報を計算部１１２に供給するとともに、記憶部１１３に記憶させる。

　計算部１１２は、脈波周波数に基づいて、脈拍数を計算する。計算部１１２は、計算した脈拍数を計測結果として外部に出力する。

　記憶部１１３は、過去の脈波周波数の計測値を記憶する。

｛計測光の波長｝
　図７は、血液に含まれるHb（還元ヘモグロビン）とHbO₂（酸化ヘモグロビン）の各波長帯の光に対する吸収特性を示している。横軸は波長を示し、縦軸は吸収係数を示している。曲線１５１は、Hbの吸収特性を示し、曲線１５２は、HbO₂の吸収特性を示している。

　例えば、可視光帯域においてHbとHbO₂の吸収係数の差が大きい波長が４７０ｎｍの光（以下、青色計測光と称する）や、波長が６６０ｎｍの光（以下、赤色計測光と称する）が、計測光に用いられる。また、例えば、可視光帯域においてHbとHbO₂の吸収係数がほぼ等しい波長が５３０ｎｍの光（以下、緑色計測光と称する）や、波長が５８５ｎｍの光（以下、黄色計測光と称する）が計測光に用いられる。また、例えば、赤外光帯域においてHbとHbO₂の吸収係数がほぼ等しい波長が８０５ｎｍの光や、HbとHbO₂の吸収係数の差が大きい波長が８８０ｎｍの光が、計測光に用いられる。

｛脈拍計測処理の第１の実施の形態｝
　次に、図８のフローチャートを参照して、計測装置１により実行される脈拍計測処理の第１の実施の形態について説明する。

　なお、脈拍の計測は、所定の間隔（例えば、８～１５秒毎）で行われる。以下、脈拍の計測が８秒間隔で行われる場合を例に挙げて説明する。

　ステップＳ１において、計測装置１は、計測信号の取得を開始する。すなわち、図５を参照して上述したように、ＬＥＤ２２による発光、及び、受光ＩＣ２３による受光が開始される。また、受光した光の強度を示す計測信号の受光ＩＣ２３から演算処理部２６への計測信号の供給が開始される。

　ステップＳ２において、デシメーションフィルタ１０１は、脈波信号の解析に必要な帯域に計測信号のダウンサンプリングを行う。例えば、デシメーションフィルタ１０１は、計測信号に対してデシメーション処理を行い、計測信号のサンプル数を所定の比率でダウンサンプリングする。デシメーションフィルタ１０１は、ダウンサンプリングした計測信号をＢＰＦ１０２及びＢＰＦ１０５に供給する。

　現在の例では、計測信号のサンプリング周波数が２００Ｈｚ、かつ、１回の計測期間が８秒なので、１回の計測期間における計測信号のサンプル数は１６００サンプルとなる。例えば、ダウンサンプリングの比率を１／１６とした場合、１回の計測期間における計測信号のサンプル数は、１６００サンプルから１００サンプルに減少する。

　この場合、ダウンサンプリング後の計測信号のサンプリング周波数は、１２．５Ｈｚ（＝２００Ｈｚ×１／１６）となる。従って、ダウンサンプリング後の計測信号を用いて、図９の範囲Ｒ１で示されるように、６．２５Ｈｚの周波数成分まで検出可能となる。

　一方、人間の脈拍数の最大値は２２０ｂｐｍ程度であり、計測装置１で計測可能な脈拍数の最大値は、２４０ｂｐｍもあれば十分であると考えられる。脈拍数２４０ｂｐｍを脈波周波数に換算すると、４．０Ｈｚとなる。従って、ダウンサンプリング後の計測信号により６．２５Ｈｚの周波数成分まで検出可能であれば、人間の脈波周波数を十分に計測することができる。

　また、計測信号のダウンサンプリングを行うことにより、以降の演算量を削減することができる。

　なお、以下、ダウンサンプリングの比率を１／１６に設定した場合について説明する。

　ステップＳ３において、脈波信号抽出部１３２は、計測信号の周波数帯域を制限する。具体的には、ＢＰＦ１０２は、ダウンサンプリング後の計測信号の周波数帯域Ｎの成分を抽出する。ＢＰＦ１０２は、抽出した周波数帯域Ｎの成分を含む帯域信号Ｎを、自己共分散関数推定部１０３及び線形予測フィルタ１０４に供給する。

　ＢＰＦ１０５は、ダウンサンプリング後の計測信号の周波数帯域Ｗの成分を抽出する。ＢＰＦ１０５は、抽出した帯域信号Ｗの成分を含む帯域信号Ｗを、演算部１０６及びＤＦＴ部１０７ｂに供給する。

　ここで、周波数帯域Ｎ及び周波数帯域Ｗは、脈波周波数及び体動周波数の想定範囲に応じて設定される。すなわち、周波数帯域Ｎ及び周波数帯域Ｗは、計測対象とする脈波周波数の範囲、及び、抽出対象とする体動成分の周波数の範囲に応じて設定される。

　例えば、周波数帯域Ｗは、計測対象とする脈波周波数の範囲を少なくとも含むように設定される。一方、周波数帯域Ｎは、例えば、周波数帯域Ｗに含まれると想定される体動成分の周波数の範囲を少なくとも含むように設定される。

　例えば、計測装置１の脈拍数の計測可能範囲を３０ｂｐｍ～２４０ｂｐｍとした場合、この範囲を脈波周波数に換算すると、０．５Ｈｚ～４．０Ｈｚとなる。この場合、周波数帯域Ｗの最小値は０．５Ｈｚ以下に設定され、最大値は４．０Ｈｚ以上に設定される。

　一方、図１を参照して上述したように、体動成分の基本周波数は、脈波周波数よりやや低くなる傾向にある。この場合、検出すべき体動成分の基本周波数の範囲を、０．５Ｈｚ～２．５Ｈｚと想定すると、周波数帯域Ｎの最小値は０．５Ｈｚ以下に設定され、最大値は２．５Ｈｚ以上に設定される。

　なお、以下、周波数帯域Ｗを０．５Ｈｚ～４．０Ｈｚに設定し、周波数帯域Ｎを０．５Ｈｚ～２．５Ｈｚに設定する場合について説明する。すなわち、この場合、周波数帯域Ｗは、周波数帯域Ｎより広い帯域に設定される。より具体的には、周波数帯域Ｗの最大値は、周波数帯域Ｎの最大値より大きい値に設定され、周波数帯域Ｗの最小値は、周波数帯域Ｎの最小値と同じ値に設定される。

　ステップＳ４において、体動信号抽出部１３１は、体動信号を抽出する。例えば、自己共分散関数推定部１０３は、帯域信号Ｎの１回の計測期間内の１００個のサンプルの先頭の所定数（例えば、８個）のサンプルに基づいて、帯域信号Ｎに含まれる体動信号の自己共分散関数を推定する。自己共分散関数推定部１０３は、自己共分散関数の推定結果を線形予測フィルタ１０４に供給する。

　線形予測フィルタ１０４は、推定された自己共分散関数を用いて、帯域信号Ｎの１回の計測期間内の１００個のサンプルの先頭の所定数（例えば、８個）のサンプルに基づいて、体動信号のＡＲモデルのパラメータをユール－ウォーカー法により求める。これにより、体動信号のＡＲモデルが生成される。線形予測フィルタ１０４は、生成したＡＲモデルを用いて体動信号を予測する。線形予測フィルタ１０４は、体動信号の予測結果に基づいて、帯域信号Ｎの１回の計測期間における残りの所定数（例えば、９２個）のサンプルから、脈波成分及びノイズ成分を除去し、体動信号を抽出する。

　ここで、体動信号のＡＲモデルの次数について説明する。帯域信号Ｎからノイズ成分のみを精度よく除去しようとした場合、ＡＲモデルの次数は、例えば、２０次～３０次程度に設定することが望ましい。しかし、この場合、帯域信号Ｎから、体動成分だけでなく、脈波成分も抽出されてしまう。

　これに対して、ＡＲモデルの次数を低く抑えると、線形予測フィルタ１０４のノイズ成分を除去する精度は低下する。しかし、一方で、帯域信号Ｎに体動成分が多く含まれる場合、ノイズ成分だけでなく、体動成分と比べて非常に弱い脈波成分も除去することができる。その結果、少ない演算量で、帯域信号Ｎから体動成分のみを抽出することができるという効果が生じる。

　そこで、ＡＲモデルの次数は、例えば、８次に設定される。この８次という次数は、帯域信号Ｎから体動成分を高精度に抽出可能な次数として、実験により求められた値である。しかし、ＡＲモデルの次数は、必ずしも８次に限定されるものではない。例えば、ＡＲモデルの次数を５次～１２次の範囲内に設定しても、帯域信号Ｎから体動成分を高精度に抽出することが可能である。

　線形予測フィルタ１０４は、抽出した体動信号を、演算部１０６及びＤＦＴ部１０９に供給する。

　なお、帯域信号Ｎに体動成分が含まれない場合、又は、帯域信号Ｎに含まれる体動成分が小さい場合、線形予測フィルタ１０４により帯域信号Ｎから脈波成分も抽出され、体動信号に脈波成分が含まれるようになる。

　ステップＳ５において、演算部１０６は、脈波信号を抽出する。具体的には、演算部１０６は、帯域信号Ｗと体動信号の逆信号とを加算することにより、帯域信号Ｗと体動信号の差分をとり、差分信号である脈波信号を生成する。演算部１０６は、脈波信号をＤＦＴ部１０７ａに供給する。

　図１０のいちばん上のグラフは、帯域信号Ｗの周波数分布の計測結果（実線）と、ＡＲモデルを用いた体動信号の周波数分布の予測結果（点線）の例を示している。グラフの横軸は周波数を示し、縦軸はスペクトル強度を示す。

　図１０の上から２番目のグラフは、帯域信号Ｗの波形の計測結果（実線）と、ＡＲモデルを用いた体動信号の波形の予測結果（点線）の例を示している。グラフの横軸は時間を示し、縦軸は振幅を示している。

　図１０の上から３番目のグラフは、上から２番目のグラフの帯域信号Ｗ（実線）と体動信号（点線）の差分信号である脈波信号の例を示している。グラフの横軸は時間を示し、縦軸は振幅を示している。

　図１０の上から４番目のグラフは、上から２番目のグラフの帯域信号Ｗ（実線）の周波数分布の例を示している。グラフの横軸は周波数を示し、縦軸はスペクトル強度を示している。

　図１０のいちばん下のグラフは、上から３番目のグラフの脈波信号の周波数分布の例を示している。グラフの横軸は周波数を示し、縦軸はスペクトル強度を示している。

　この例に示されるように、帯域信号Ｗと体動信号の差分をとることにより、帯域信号Ｗから体動成分が除去され、脈波成分を含む脈波信号が抽出される。すなわち、効率的に体動成分をキャンセルすることができる。

　なお、上述したように、帯域信号Ｎに体動成分が含まれない場合、又は、帯域信号Ｎに含まれる体動成分が小さい場合、体動信号に脈波成分が含まれる。そのため、帯域信号Ｗと体動信号の差分信号である脈波信号に、脈波成分がほとんど含まれなくなる。

　ステップＳ６において、周波数検出部１３４は、脈波信号のピーク周波数を検出する。具体的には、ＤＦＴ部１０７ａは、１回の計測期間内の１００サンプルの脈波信号の各サンプル間に所定数の値０のサンプルをパディングして、１０２４サンプルの信号にアップサンプリングする。そして、ＤＦＴ部１０７ａは、パディング後の脈波信号のＤＦＴを行い、脈波信号の周波数の解析結果をピーク検出部１０８ａに供給する。

　なお、値０のサンプルをパディングし、脈波信号のサンプル数を１０２４や２０４８サンプルにして、サンプリング周波数を上げることにより、脈波信号の周波数解析の分解能を上げることができる。また、値０のサンプルをパディングすることにより、スパース行列を用いてＤＦＴを行うことができ、演算処理を高速化することができる。

　ピーク検出部１０８ａは、脈波信号の周波数解析結果に基づいて、脈波信号のピーク周波数を検出する。このとき、ピーク検出部１０８ａは、前回の脈波周波数の計測値を記憶部１１３から読み出す。そして、ピーク検出部１０８ａは、前回の脈波周波数の計測値に基づいて、ピーク周波数を検出する周波数帯域を制限する。

　例えば、ピーク検出部１０８ａは、前回の脈波周波数の計測値が２Ｈｚである場合、図９に示されるように、ピーク周波数を検出する周波数帯域を、２Ｈｚを中心とする所定の帯域幅の検出範囲Ｒ２に制限する。なお、検出範囲Ｒ２は、周波数帯域Ｗの帯域幅Ｒ３より狭い範囲に設定される。

　ピーク検出部１０８ａは、設定した検出範囲内において、脈波信号のピーク周波数を検出する。ピーク検出部１０８ａは、ピーク周波数の検出値を選択部１１１に供給する。

　このように、前回の脈波周波数の計測値に基づいて検出範囲を制限してピーク周波数を検出することにより、演算量が削減されるとともに、脈波周波数と異なるピーク周波数が検出される可能性が低減される。

　ステップＳ７において、周波数検出部１３４は、計測信号のピーク周波数を検出する。具体的には、ＤＦＴ部１０７ｂは、ステップＳ６のＤＦＴ部１０７ａと同様の処理により、帯域信号Ｗに値０のサンプルをパディングした上で、帯域信号ＷのＤＦＴを行う。また、ピーク検出部１０８ｂは、ステップＳ６のピーク検出部１０８ａと同様の処理により、前回の脈波周波数の計測値に基づいて検出範囲を制限した上で、帯域信号Ｗのピーク周波数を検出する。これにより、計測信号の検出範囲におけるピーク周波数が検出される。ピーク検出部１０８ｂは、ピーク周波数の検出値を選択部１１１に供給する。

　ステップＳ８において、体動検出部１３３は、体動の検出を行う。具体的には、ＤＦＴ部１０９は、体動信号のＤＦＴを行い、体動信号の周波数の解析結果を判定部１１０に供給する。

　判定部１１０は、体動信号の周波数分布に基づいて、障害体動の有無を判定する。例えば、判定部１１０は、体動信号の周波数の範囲が所定の広さ以上である場合、障害体動があったと判定する。一方、判定部１１０は、体動信号の周波数の範囲が所定の広さ未満である場合、障害体動がなかったと判定する。

　ここで、体動信号の周波数の範囲は、例えば、体動信号のスペクトル強度が所定の閾値以上の周波数のうち、最小の周波数と最大の周波数の差により求められる。

　或いは、例えば、判定部１１０は、体動信号の周波数分布の波形に基づいて、障害体動の有無を判定する。例えば、判定部１１０は、事前の機械学習により得られた識別器を用いて、体動信号の周波数分布の波形が、障害体動成分（脈拍の計測の障害となる体動成分）を含む波形か否かを識別する。判定部１１０は、識別の結果、障害体動成分が体動信号に含まれると判定した場合、障害体動があったと判定する。一方、判定部１１０は、識別の結果、障害体動成分が体動信号に含まれないと判定した場合、障害体動がなかったと判定する。

　そして、判定部１１０は、障害体動の有無の判定結果を選択部１１１に供給する。

　なお、被験者の体動が障害体動であるか否かの判定基準は、例えば、事前の学習や実験等により設定される。この判定基準を適切に設定することにより、脈拍の計測の障害とならない弱い体動が無視されるようになる。

　ステップＳ９において、選択部１１１は、体動の検出結果及び前回の脈波周波数の計測値に基づいて、検出されたピーク周波数の中から脈波周波数を選択する。例えば、選択部１１１は、前回の脈波周波数の計測値を記憶部１１３から読み出す。選択部１１１は、前回の脈波周波数の計測値に基づいて、前回の計測時から今回の計測時までの間に脈波周波数が変化可能であると想定される最大の範囲を選択基準範囲に設定する。

　そして、選択部１１１は、脈波信号のピーク周波数及び帯域信号Ｗのピーク周波数のうちいずれか一方のみが選択基準範囲内に含まれる場合、選択基準範囲内に含まれる方のピーク周波数を脈波周波数に選択する。

　一方、選択部１１１は、両方のピーク周波数がともに選択基準範囲内に含まれる場合、或いは、両方のピーク周波数がともに選択基準範囲内に含まれない場合、障害体動の有無の判定結果に基づいて脈波周波数を選択する。

　具体的には、上述したように、障害体動があり、計測信号に体動成分が多く含まれる場合、体動信号に脈波成分がほとんど残らない。従って、帯域信号Ｗと体動信号の差分信号である脈波信号に脈波成分が含まれる一方、体動成分はほとんど含まれない。その結果、脈波信号のピーク周波数が、被験者の脈波周波数とほぼ等しくなることが想定される。そこで、選択部１１１は、障害体動があったと判定された場合、脈波信号のピーク周波数を脈波周波数に選択する。すなわち、脈波信号のピーク周波数が、今回の脈波周波数の計測値となる。

　一方、上述したように、障害体動がなく、計測信号に体動成分があまり含まれない場合、体動信号に脈波成分がほとんど除去されずに残る。従って、帯域信号Ｗと体動信号の差分信号である脈波信号に脈波成分がほとんど含まれない。一方、帯域信号Ｗには、体動成分はほとんど含まれない。従って、帯域信号Ｗのピーク周波数が、被験者の脈波周波数とほぼ等しくなることが想定される。そこで、選択部１１１は、障害体動がなかったと判定された場合、帯域信号Ｗのピーク周波数を脈波周波数に選択する。すなわち、帯域信号Ｗのピーク周波数が、今回の脈波周波数の計測値となる。

　選択部１１１は、選択した脈波周波数を示す情報を計算部１１２に供給する。また、選択部１１１は、選択した脈波周波数を示す情報を記憶部１１３に記憶させる。これにより、今回の脈拍周波数の計測値が記憶部１１３に記憶される。

　ステップＳ１０において、計算部１１２は、脈拍数を計算する。例えば、計算部１１２は、選択部１１１により選択された脈波周波数を６０倍することにより脈拍数を求める。

　ステップＳ１１において、計算部１１２は、計測結果を出力する。すなわち、計算部１１２は、ステップＳ１０の処理で求めた脈拍数を計測結果として外部に出力する。

　その後、処理はステップＳ２に戻り、ステップＳ２以降の処理が繰り返し実行される。

　このようにして、少ない演算量で、体動の影響を除去して、正確に被験者の脈波及び脈拍を計測することができる。例えば、被験者がランニング等の激しい運動を行っても、正確に被験者の脈波及び脈拍を計測することができる。また、例えば、被験者が計測装置１を長時間装着して計測を行う場合にも、被験者の体動の影響を除去して、正確に脈波及び脈拍を計測し続けることができる。

　また、演算量を削減することにより、計測装置１の消費電力を下げることができる。その結果、例えば、充電や電池の交換を行わずに、計測装置１を被験者に長時間装着して、計測を行うことが可能になる。

　なお、以上の説明では、ダウンサンプリングの比率を１／１６に設定した場合について説明したが、ダウンサンプリング後の計測信号のサンプリング周波数が８．０Ｈｚ以上であれば、脈拍数２４０ｂｐｍに対する脈波周波数を計測することが可能である。従って、計測信号のサンプリング周波数が２００Ｈｚの場合、ダウンサンプリングの比率を１／２５まで下げることが可能である。

　例えば、図１１は、ダウンサンプリングの比率を１／２４に設定した場合の例を示している。この場合、ダウンサンプリング後の計測信号を用いて、図１１の範囲Ｒ１’で示されるように、４．１７Ｈｚ（＝２００Ｈｚ×１／２４÷２）の周波数成分まで検出可能となる。

＜３．第２の実施の形態＞
　次に、図１２乃至図１６を参照して、本技術の第２の実施の形態について説明する。第２の実施の形態は、第１の実施の形態と比較して、体動の検出方法、及び、脈波周波数の計測方法が異なる。また、第２の実施の形態では、計測光１及び計測光２の２種類の波長の計測光が用いられる。

　計測光１には、例えば、波長が４７０ｎｍの波長の青色計測光、又は、波長が５３０ｎｍの緑色計測光が用いられる。なお、以下、青色計測光を用いる場合を例に挙げて説明する。そして、計測信号１は、計測光１を用いて計測される。

　計測光２には、例えば、波長が５８５ｎｍの黄色計測光を用いられる。そして、計測信号２は、計測光２を用いて計測される。

　また、計測信号１及び計測信号２のサンプリング周波数は、例えば、２００～２２０Ｈｚとされる。以下、計測信号１及び計測信号２のサンプリング周波数が２００Ｈｚの場合を例に挙げて説明する。

｛演算処理部２６ｂの構成例｝
　第２の実施の形態では、図６の演算処理部２６ａの代わりに、図１２の演算処理部２６ｂが計測装置１に用いられる。演算処理部２６ｂは、デシメーションフィルタ３０１ａ，３０１ｂ、ＢＰＦ（バンドパスフィルタ）３０２ａ，３０２ｂ、自己共分散関数推定部３０３、線形予測フィルタ３０４、ＢＰＦ（バンドパスフィルタ）３０５、演算部３０６、合成ベクトル計算部３０７、判定部３０８、選択部３０９、ＤＦＴ（離散フーリエ変換）部３１０、帯域制限部３１１、ピーク検出部３１２、計算部３１３、及び、記憶部３１４を含むように構成される。

　また、自己共分散関数推定部３０３及び線形予測フィルタ３０４により、体動信号抽出部３３１が構成される。ＢＰＦ３０２ａ、ＢＰＦ３０５、演算部３０６、及び、体動信号抽出部３３１により、脈波信号抽出部３３２が構成される。合成ベクトル計算部３０７及び判定部３０８により、体動検出部３３３が構成される。ＤＦＴ部３１０、帯域制限部３１１、及び、ピーク検出部３１２により、周波数検出部３３４が構成される。選択部３０９、計算部３１３、記憶部３１４、及び、周波数検出部３３４により、計測部３３５が構成される。

　なお、デシメーションフィルタ３０１ａ，３０１ｂは、図６のデシメーションフィルタ１０１と同様の機能を有している。ＢＰＦ３０２ａ，３０２ｂは、図６のＢＰＦ１０２と同様の機能を有している。自己共分散関数推定部３０３は、図６の自己共分散関数推定部１０３と同様の機能を有している。線形予測フィルタ３０４は、図６の線形予測フィルタ１０４と同様の機能を有している。ＢＰＦ３０５は、図６のＢＰＦ１０５と同様の機能を有している。演算部３０６は、図６の演算部１０６と同様の機能を有している。ＤＦＴ部３１０は、図６のＤＦＴ部１０７ａ及び１０７ｂと同様の機能を有している。帯域制限部３１１及びピーク検出部３１２により、図６のピーク検出部１０８ａ及び１０８ｂと同様の機能が実現される。計算部３１３は、図６の計算部１１２と同様の機能を有している。

　デシメーションフィルタ３０１ａは、計測信号１のダウンサンプリングを行う。デシメーションフィルタ３０１ａは、ダウンサンプリング後の計測信号１をＢＰＦ３０２ａ及びＢＰＦ３０５に供給する。

　デシメーションフィルタ３０１ｂは、計測信号２のダウンサンプリングを行う。デシメーションフィルタ３０１ｂは、ダウンサンプリング後の計測信号２をＢＰＦ３０２ｂに供給する。

　ＢＰＦ３０２ａは、計測信号１の周波数帯域Ｎの成分を抽出し、抽出した周波数帯域Ｎの成分を含む計測信号（以下、帯域信号１Ｎと称する）を、自己共分散関数推定部３０３、線形予測フィルタ３０４、及び、合成ベクトル計算部３０７に供給する。

　ＢＰＦ３０２ｂは、計測信号２の所定の周波数帯域Ｎの成分を抽出し、抽出した周波数帯域Ｎの成分を含む計測信号（以下、帯域信号２Ｎと称する）を、合成ベクトル計算部３０７に供給する。

　自己共分散関数推定部３０３は、図６の自己共分散関数推定部１０３と同様に、帯域信号１Ｎに含まれる体動信号の自己共分散関数を推定し、推定結果を線形予測フィルタ３０４に供給する。

　線形予測フィルタ３０４は、図６の線形予測フィルタ１０４と同様に、推定された自己共分散関数を用いて、体動信号のＡＲモデルを生成し、体動信号の予測結果に基づいて、帯域信号１Ｎから体動信号を抽出する。線形予測フィルタ３０４は、抽出した体動信号を演算部３０６に供給する。

　ＢＰＦ３０５は、計測信号１の周波数帯域Ｗの成分を抽出し、抽出した周波数帯域Ｗの成分を含む信号（以下、帯域信号１Ｗと称する）を、演算部３０６及び選択部３０９に供給する。

　演算部３０６は、帯域信号Ｗ１と体動信号の逆信号とを加算することにより、帯域信号Ｗ１と体動信号の差分をとる。演算部３０６は、帯域信号Ｗ１と体動信号との差分信号である脈波信号を選択部３０９に供給する。

　合成ベクトル計算部３０７は、帯域信号１Ｎと帯域信号２Ｎの合成ベクトルを計算する。合成ベクトル計算部３０７は、合成ベクトルの計算結果を判定部３０８に供給する。

　判定部３０８は、合成ベクトルの計算結果に基づいて、障害体動の有無を判定する。判定部３０８は、障害体動の有無の判定結果を選択部３０９に供給する。

　選択部３０９は、障害体動の有無の判定結果に基づいて、脈波信号及び帯域信号１Ｗの中から脈拍の計測に用いる信号（以下、脈拍計測信号と称する）を選択する。選択部３０９は、選択した脈拍計測信号をＤＦＴ部３１０に供給する。

　ＤＦＴ部３１０は、図６のＤＦＴ部１０７ａ及び１０７ｂと同様に、脈拍計測信号のＤＦＴを行い、脈拍計測信号の周波数の解析結果を帯域制限部３１１に供給する。

　帯域制限部３１１は、記憶部３１４に記憶されている前回の脈波周波数の検出値に基づいて、ピーク周波数を検出する周波数帯域を制限する。帯域制限部３１１は、脈拍計測信号の周波数の解析結果、及び、ピーク周波数を検出する周波数帯域を示す情報をピーク検出部３１２に供給する。

　ピーク検出部３１２は、図６のピーク検出部１０８ａ及び１０８ｂと同様に、脈拍計測信号のピーク周波数を検出する。このピーク周波数が、脈波周波数の計測値となる。ピーク検出部３１２は、脈波周波数の計測値を計算部３１３に供給するとともに、記憶部３１４に記憶させる。

　計算部３１３は、脈波周波数に基づいて、脈拍数を計算する。計算部３１３は、計算した脈拍数を計測結果として外部に出力する。

　記憶部３１４は、過去の脈波周波数の計測値を記憶する。

｛脈拍計測処理の第２の実施の形態｝
　次に、図１３のフローチャートを参照して、計測装置１により実行される脈拍計測処理の第２の実施の形態について説明する。

　ステップＳ１０１において、図８のステップＳ１の処理と同様に、計測信号の取得が開始される。

　ステップＳ１０２において、デシメーションフィルタ３０１ａ及び３０１ｂは、計測信号のダウンサンプリングを行う。具体的には、デシメーションフィルタ３０１ａは、所定の比率で計測信号１をダウンサンプリングし、ダウンサンプリング後の計測信号１をＢＰＦ３０２ａ及びＢＰＦ３０５に供給する。デシメーションフィルタ３０１ｂは、所定の比率で計測信号２をダウンサンプリングし、ダウンサンプリング後の計測信号２をＢＰＦ３０２ｂに供給する。

　ステップＳ１０３において、ＢＰＦ３０２ａ，３０２ｂ及びＢＰＦ３０５は、計測信号の周波数帯域を制限する。具体的には、ＢＰＦ３０２ａは、ダウンサンプリング後の計測信号１の周波数帯域Ｎの成分を抽出する。ＢＰＦ３０２ａは、抽出した周波数帯域Ｎの成分を含む帯域信号１Ｎを、自己共分散関数推定部３０３、線形予測フィルタ３０４、及び、合成ベクトル計算部３０７に供給する。

　ＢＰＦ３０２ｂは、ダウンサンプリング後の計測信号２の周波数帯域Ｎの成分を抽出する。ＢＰＦ３０２ｂは、抽出した周波数帯域Ｎの成分を含む帯域信号２Ｎを、合成ベクトル計算部３０７に供給する。

　ＢＰＦ３０５は、ダウンサンプリング後の計測信号１の周波数帯域Ｗの成分を抽出する。ＢＰＦ３０５は、抽出した周波数帯域Ｗの成分を含む帯域信号１Ｗを、演算部３０６及び選択部３０９に供給する。

　ステップＳ１０４において、図８のステップＳ４と同様の処理により、帯域信号１Ｎから体動信号が抽出される。抽出された体動信号は、演算部３０６に供給される。

　ステップＳ１０５において、図８のステップＳ５と同様の処理により、帯域信号１Ｗと体動信号の差分がとられ、脈波信号が抽出される。抽出された脈波信号は、選択部３０９に供給される。

　ステップＳ１０６において、体動検出部３３３は、体動の検出を行う。まず、合成ベクトル計算部３０７は、帯域信号１Ｎと帯域信号２Ｎの合成ベクトルを計算する。合成ベクトルは、同じサンプリング時刻の帯域信号１Ｎのサンプル値（振幅値）と帯域信号２Ｎのサンプル値（振幅値）を成分とするベクトルである。合成ベクトル計算部３０７は、合成ベクトルの計算結果を判定部３０８に供給する。

　判定部３０８は、合成ベクトルに基づいて、障害体動の有無を判定する。ここで、図１４乃至図１６を参照して、障害体動の有無の判定方法について説明する。

　図１４及び図１５は、計測信号の信号レベルの時系列の変化の例を示すグラフである。各グラフの横軸は時間を示し、縦軸は計測信号の値を示している。

　図１４は、被験者が、４０秒付近から８０秒付近までの期間において計測装置１を装着した腕の指のみを動かし、その他の期間において静止している場合の計測信号の信号レベルの時系列の変化を示している。いちばん上のグラフは、波長が４７０ｎｍの青色計測光を用いた場合の例を示している。上から２番目のグラフは、波長が５８５ｎｍの黄色計測光を用いた場合の例を示している。３番目のグラフは、波長が５３０ｎｍの緑色計測光を用いた場合の例を示している。

　被験者が指を動かす前は、全ての波長の計測光に対する計測信号が、あまり変化せず安定している。

　その後、被験者が指を動かすと、黄色計測光に対する計測信号の振動幅が非常に大きくなっている。しかし、他の色の計測光に対する計測信号は、少し値が上昇するものの、振動幅はあまり変化していない。

　被験者が指の動きを止めた後も、黄色計測光に対する計測信号の振動幅は小さくなるものの、しばらくの間、黄色計測光に対する計測信号の振動幅が他の色の計測光に対する計測信号の振動幅より大きい状態が継続している。また、しばらくの間、全ての波長の計測光に対する計測信号の値が、静止時より大きい状態が継続している。

　その後、全ての波長の計測光に対する計測信号が、指を動かす前の安定した状態に戻っている。

　図１５は、被験者が、７８秒付近から１１８秒付近までの期間において、計測装置１を装着した腕全体を動かし、その他の期間において静止している場合の計測信号の信号レベルの時系列の変化を示している。いちばん上のグラフは、波長が６６０ｎｍの赤色計測光を用いた場合の例を示している。上から２番目のグラフは、波長が４７０ｎｍの青色計測光を用いた場合の例を示している。上から３番目のグラフは、波長が５８５ｎｍの黄色計測光を用いた場合の例を示している。

　図１４の例と同様に、被験者が腕を動かす前は、全ての波長の計測光に対する計測信号が、あまり変化せず安定している。

　その後、被験者が腕を動かすと、全ての波長の計測光に対する計測信号の値が上昇し、振動幅が大きくなっている。

　被験者が腕の動きを止めた後も、振動幅は小さくなるものの、全ての波長の計測光に対する計測信号の値が高い状態が継続している。

　図１６は、１回の計測期間内における合成ベクトルの分布の例を示している。左側のグラフは、被験者が静止している場合の合成ベクトルの分布の例を示し、右側のグラフは、被験者が動いている場合の合成ベクトルの分布の例を示している。左右のグラフの横軸は、青色計測光に対する計測信号（帯域信号１Ｎ）のサンプル値を示し、縦軸は、黄色計測光に対する計測信号（帯域信号２Ｎ）のサンプル値を示している。

　図１４及び図１５を参照して上述したように、体動の発生前は、全ての波長の計測光に対する計測信号が、あまり変化せず安定する。従って、図１６の左側のグラフに示されるように、障害体動がない場合の合成ベクトルの分布は、点線で囲まれた所定の範囲である正常ゾーン３５１内に収まることが想定される。

　一方、体動が発生すると、計測信号の値が上昇するとともに、振動幅が大きくなる。ただし、計測信号の変化は、体動の種類や大きさ以外に、計測光の波長によっても異なる。すなわち、図１４の例に示されるように、体動の種類によっては、特定の波長の計測光に対する計測信号のみ大きく反応する場合が存在する。

　従って、図１６の右側のグラフに示されるように、障害体動がある場合の合成ベクトルの分布は、静止時の合成ベクトルの分布より、バラつきが大きくなり、正常ゾーン３５１からはみ出る。また、計測光の波長により計測信号の変化が異なる場合があるため、合成ベクトルが、原点を通る右上がりの直線上から大きく外れる場合がある。

　そこで、例えば、判定部３０８は、合成ベクトルの分布が正常ゾーン３５１内に収まる場合、障害体動がないと判定する。一方、判定部３０８は、合成ベクトルの分布が正常ゾーン３５１内に収まらない場合、障害体動があると判定する。判定部３０８は、判定結果を選択部３０９に供給する。

　ステップＳ１０７において、選択部３０９は、体動の検出結果に基づいて、脈拍の計測に用いる信号（脈拍計測信号）を選択する。具体的には、選択部３０９は、障害体動があると判定された場合、演算部３０６からの脈波信号を脈拍計測信号に選択して、ＤＦＴ部３１０に供給する。一方、選択部３０９は、障害体動がないと判定された場合、ＢＰＦ３０５からの帯域信号１Ｗを脈拍計測信号に選択して、ＤＦＴ部３１０に供給する。

　ステップＳ１０８において、周波数検出部３３４は、脈波周波数を検出する。具体的には、ＤＦＴ部３１０は、図８のステップＳ６と同様の処理により、脈拍計測信号の周波数解析を行い、解析結果を帯域制限部３１１に供給する。

　帯域制限部３１１は、図８のステップＳ６と同様の処理により、記憶部３１４に記憶されている前回の脈波周波数の検出値に基づいて、ピーク周波数を検出する周波数帯域を制限する。帯域制限部３１１は、脈拍計測信号の周波数の解析結果、及び、ピーク周波数を検出する周波数帯域を示す情報をピーク検出部３１２に供給する。

　ピーク検出部３１２は、図８のステップＳ６と同様の処理により、脈拍計測信号のピーク周波数を検出する。このピーク周波数が、脈波周波数の計測値となる。

　従って、障害体動があると判定された場合、脈波信号のピーク周波数が、今回の脈波周波数の計測値となる。一方、障害体動がないと判定された場合、帯域信号１Ｗのピーク周波数が、今回の脈波周波数の計測値となる。

　ピーク検出部３１２は、脈波周波数を示す情報を計算部１１２に供給するとともに、記憶部１１３に記憶させる。

　ステップＳ１０９において、図８のステップＳ１０の処理と同様に、脈拍数が計算される。

　ステップＳ１１０において、図８のステップＳ１１の処理と同様に、計測結果が出力される。

　その後、処理はステップＳ１０２に戻り、ステップＳ１０２以降の処理が繰り返し実行される。

　このようにして、第１の実施の形態と同様に、少ない演算量で、体動の影響を除去して、正確に被験者の脈波及び脈拍を計測することができる。

＜４．第３の実施の形態＞
　次に、図１７乃至図１９を参照して、本技術の第３の実施の形態について説明する。第２の実施の形態は、第１の実施の形態及び第２の実施の形態と比較して、体動信号の抽出方法、及び、体動の検出方法が異なる。また、第３の実施の形態では、例えば、第１の実施の形態と同様に１種類の波長の計測光が用いられる。

｛演算処理部２６ｃの構成例｝
　第３の実施の形態では、図６の演算処理部２６ａ及び図１２の演算処理部２６ｂの代わりに、図１７の演算処理部２６ｃが計測装置１に用いられる。演算処理部２６ｃは、デシメーションフィルタ５０１、ＢＰＦ（バンドパスフィルタ）５０２、可変ノッチフィルタ５０３、自己共分散関数推定部５０４、線形予測フィルタ５０５、演算部５０６、体動検出部５０７、選択部５０８、ＤＦＴ（離散フーリエ変換）部５０９、帯域制限部５１０、ピーク検出部５１１、計算部５１２、及び、記憶部５１３を含むように構成される。

　また、可変ノッチフィルタ５０３、自己共分散関数推定部５０４、及び、線形予測フィルタ５０５により、体動信号抽出部５３１が構成される。ＢＰＦ５０２、演算部５０６、及び、体動信号抽出部５３１により、脈波信号抽出部５３２が構成される。ＤＦＴ部５０９、帯域制限部５１０、及び、ピーク検出部５１１により、周波数検出部５３３が構成される。選択部５０８、計算部５１２、記憶部５１３、及び、周波数検出部５３３により、計測部５３４が構成される。

　なお、デシメーションフィルタ５０１は、図６のデシメーションフィルタ１０１と同様の機能を有している。ＢＰＦ５０２は、図６のＢＰＦ１０５と同様の機能を有している。自己共分散関数推定部５０４は、図６の自己共分散関数推定部１０３と同様の機能を有している。線形予測フィルタ５０５は、図６の線形予測フィルタ１０４と同様の機能を有している。演算部５０６は、図６の演算部１０６と同様の機能を有している。選択部５０８は、図１２の選択部３０９と同様の機能を有している。ＤＦＴ部５０９は、図６のＤＦＴ部１０７ａ及び１０７ｂと同様の機能を有している。帯域制限部５１０は、図１２の帯域制限部３１１と同様に機能を有している。ピーク検出部５１１は、図１２のピーク検出部３１２と同様の機能を有している。計算部５１２は、図６の計算部１１２と同様の機能を有している。

　デシメーションフィルタ５０１は、計測信号のダウンサンプリングを行う。デシメーションフィルタ５０１は、ダウンサンプリング後の計測信号をＢＰＦ５０２に供給する。

　ＢＰＦ５０２は、計測信号の周波数帯域Ｗの成分を抽出し、抽出した周波数帯域Ｗの成分を含む帯域信号Ｗを、可変ノッチフィルタ５０３、演算部５０６、及び、選択部５０８に供給する。

　可変ノッチフィルタ５０３は、減衰帯域が可変のゼロ位相フィルタである。可変ノッチフィルタ５０３は、記憶部５１３に記憶されている前回の脈波周波数の計測値を含むように減衰帯域に設定し、帯域信号Ｗの周波数成分のうち減衰帯域の成分を減衰させる。可変ノッチフィルタ５０３は、減衰後の信号（以下、帯域信号Ｗ’と称する）を、自己共分散関数推定部５０４及び線形予測フィルタ５０５に供給する。

　なお、可変ノッチフィルタ５０３はゼロ位相フィルタなので、減衰後の帯域信号Ｗ’において、体動成分等の時間軸情報がそのまま保持される。

　自己共分散関数推定部５０４は、図６の自己共分散関数推定部１０３と同様に、帯域信号Ｗ’に含まれる体動信号の自己共分散関数を推定し、推定結果を線形予測フィルタ５０５に供給する。

　線形予測フィルタ５０５は、図６の線形予測フィルタ１０４と同様に、推定された自己共分散関数を用いて、体動信号のＡＲモデルを生成し、体動信号の予測結果に基づいて、帯域信号Ｗ’から体動信号を抽出する。線形予測フィルタ５０５は、抽出した体動信号を演算部５０６に供給する。

　演算部５０６は、帯域信号Ｗと体動信号の逆信号とを加算することにより、帯域信号Ｗと体動信号の差分をとる。演算部５０６は、帯域信号Ｗと体動信号との差分信号である脈波信号を選択部５０８に供給する。

　体動検出部５０７は、所定の方法により体動の検出を行い、障害体動の有無を判定する。体動検出部５０７は、障害体動の有無の判定結果を選択部５０８に供給する。

　選択部５０８は、障害体動の有無の判定結果に基づいて、脈波信号及び帯域信号Ｗの中から脈拍計測信号を選択する。選択部５０８は、選択した脈拍計測信号をＤＦＴ部５０９に供給する。

　ＤＦＴ部５０９は、図６のＤＦＴ部１０７ａ及び１０７ｂと同様に、脈拍計測信号のＤＦＴを行い、脈拍計測信号の周波数の解析結果を帯域制限部５１０に供給する。

　帯域制限部５１０は、記憶部５１３に記憶されている前回の脈波周波数の検出値に基づいて、ピーク周波数を検出する周波数帯域を制限する。帯域制限部５１０は、脈拍計測信号の周波数の解析結果、及び、ピーク周波数を検出する周波数帯域を示す情報をピーク検出部５１１に供給する。

　ピーク検出部５１１は、図６のピーク検出部１０８ａ及び１０８ｂと同様に、脈拍計測信号のピーク周波数を検出する。このピーク周波数が、脈波周波数の計測値となる。ピーク検出部５１１は、脈波周波数の計測値を計算部５１２に供給するとともに、記憶部５１３に記憶させる。

　計算部５１２は、脈波周波数に基づいて、脈拍数を計算する。計算部５１２は、計算した脈拍数を計測結果として外部に出力する。

　記憶部５１３は、過去の脈波周波数の計測値を記憶する。

｛脈拍計測処理の第３の実施の形態｝
　次に、図１８のフローチャートを参照して、計測装置１により実行される脈拍計測処理の第３の実施の形態について説明する。

　ステップＳ３０１において、図８のステップＳ１の処理と同様に、計測信号の取得が開始される。

　図１９のいちばん上のグラフは、計測信号の波形の例を示している。グラフの横軸は時間を示し、縦軸は振幅値を示している。

　ステップＳ３０２において、図８のステップＳ２の処理と同様に、計測信号のダウンサンプリングが行われる。そして、ダウンサンプリング後の計測信号が、ＢＰＦ５０２に供給する。

　ステップＳ３０３において、ＢＰＦ５０２は、計測信号の周波数帯域を制限する。具体的には、ＢＰＦ５０２は、ダウンサンプリング後の計測信号の周波数帯域Ｗの成分を抽出する。ＢＰＦ５０２は、抽出した周波数帯域Ｗの成分を含む帯域信号Ｗを、可変ノッチフィルタ５０３、演算部５０６、及び、選択部５０８に供給する。

　図１９の上から２番目のグラフは、いちばん上のグラフに示される計測信号の周波数帯域を制限した後の帯域信号Ｗの周波数分布の例を示している。グラフの横軸は周波数を示し、縦軸はスペクトル強度を示している。この例では、１．６Ｈｚ付近に脈波のスペクトルが現れ、１．５Ｈｚ以下において体動成分のスペクトルが現れている。また、１．８Ｈｚ以上の周波数成分が、ほとんど存在していない。

　ステップＳ３０４において、可変ノッチフィルタ５０３は、帯域制限後の計測信号（帯域信号Ｗ）の周波数成分のうち、前回の脈波周波数の計測値付近の周波数成分を減衰する。具体的には、可変ノッチフィルタ５０３は、前回の脈波周波数の計測値を記憶部５１３から読み出す。可変ノッチフィルタ５０３は、例えば、前回の脈波周波数の計測値を含む所定の帯域を減衰帯域に設定する。例えば、前回の脈波周波数の計測値を中心とする所定の帯域が、減衰帯域に設定される。

　可変ノッチフィルタ５０３は、帯域信号Ｗの周波数成分のうち、設定した減衰帯域の成分を減衰させる。可変ノッチフィルタ５０３は、減衰後の帯域信号Ｗ’を自己共分散関数推定部５０４及び線形予測フィルタ５０５に供給する。

　なお、脈波周波数は急激には変化しないため、可変ノッチフィルタ５０３により減衰された周波数成分に、ほとんどの脈波成分が含まれることが想定される。従って、帯域信号Ｗ’には、脈波成分がほとんど含まれなくなる。

　ステップＳ３０５において、図８のステップＳ４と同様の処理により、帯域信号Ｗ’から体動信号が抽出される。抽出された体動信号は、演算部５０６に供給される。

　上述したように、帯域信号Ｗ’は、脈波成分をほとんど含まない。従って、上述した実施の形態と異なり、計測信号に含まれる体動成分の量に関わらず、体動信号に脈波成分がほとんど含まれなくなる。

　図１９の上から３番目のグラフは、２番目のグラフに示される帯域信号Ｗから抽出された体動信号の周波数分布の例を示している。グラフの横軸は周波数を示し、縦軸はスペクトル強度を示している。このグラフに示されるように、帯域信号Ｗに含まれる脈波のスペクトルが、体動信号において消えている。

　ステップＳ３０６において、図８のステップＳ５と同様の処理により、帯域信号Ｗと体動信号の差分がとられ、脈波信号が抽出される。抽出された脈波信号は、選択部５０８に供給される。

　なお、上述したように、体動信号に脈波成分がほとんど含まれないため、脈波信号に確実に脈波成分が含まれるようになる。

　図１９の上から４番目のグラフは、上から２番目のグラフに示される帯域信号Ｗと３番目のグラフの体動信号の差分をとることにより得られる脈波信号の周波数成分の例を示している。グラフの横軸は周波数を示し、縦軸はスペクトル強度を示している。このグラフに示されるように、帯域信号Ｗから脈波成分が抽出され、その他の数は数の成分が減衰されている。従って、脈波成分が、体動成分と比べて非常に大きくなっている。

　ステップＳ３０７において、体動検出部５０７は、体動の検出を行う。例えば、体動検出部５０７は、計測装置１が備える３軸の加速度センサ又はジャイロセンサ等のセンサ（不図示）からの検出信号に基づいて、体動の検出を行う。そして、体動検出部５０７は、体動の検出結果に基づいて、障害体動の有無を判定する。体動検出部５０７は、障害体動の有無の判定結果を選択部５０８に供給する。

　ステップＳ３０８において、図１３のステップＳ１０７の処理と同様に、体動の検出結果に基づいて、脈拍の計測に用いる信号（脈拍計測信号）が選択される。

　ステップＳ３０９において、図１３のステップＳ１０８の処理と同様に、脈波周波数が検出される。

　図１９の上から５番目のグラフは、上から４番目のグラフの脈波信号が脈拍計測信号に選択された場合に、ステップＳ３０９の処理で検出範囲が制限された後の脈波信号の周波数分布を示している。グラフの横軸は周波数を示し、縦軸はスペクトル分布を示している。

　図１９のいちばん下のグラフは、上から１番目のグラフの計測信号から、３番目のグラフの周波数分布を有する体動信号を引いた後の脈波信号の波形を示している。グラフの横軸は時間を示し、縦軸は振幅値を示している。

　ステップＳ３１０において、図１３のステップＳ１０９の処理と同様に、脈拍数が計算される。

　ステップＳ３１１において、図１３のステップＳ１１０の処理と同様に、計測結果が出力される。

　その後、処理はステップＳ３０２に戻り、ステップＳ３０２以降の処理が繰り返し実行される。

　このようにして、第１の実施の形態及び第２の実施の形態と同様に、少ない演算量で、体動の影響を除去して、正確に被験者の脈波及び脈拍を計測することができる。

　また、第３の実施の形態では、第１の実施の形態及び第２の実施の形態と比較して、ＢＰＦを１つ削減することができる。さらに、第３の実施の形態においては、脈波成分を高精度に抽出した脈波信号を生成することができる。

＜５．変形例＞
　以下、上述した本技術の実施の形態の変形例について説明する。

｛体動検出方法に関する変形例｝
　上述した体動検出方法は、その一例であり、他の方法を採用してもよい。

　例えば、図１４及び図１５を参照して上述したように、体動が発生した場合、計測信号の信号レベルが大きく変化する。そこで、例えば、体動検出部は、計測信号の信号レベル（例えば、振幅値、振幅幅等）の変化に基づいて、体動の検出を行うようにしてもよい。例えば、体動検出部１３３又は体動検出部３３３が、計測信号の信号レベルの変化量が所定の閾値以上になった場合、障害体動があると判定するようにしてもよい。

　また、図１４及び図１５を参照して上述したように、計測光の波長及び体動の種類により、計測信号の変化の傾向が大きく異なる。そこで、例えば、２種類以上の波長の計測光を用いる場合、体動検出部は、各計測光に対する複数の計測信号のうち少なくとも１つが所定の条件を満たせば、障害体動が発生したと判定するようにしてもよい。

　さらに、図２０は、周波数帯域を制限する前の計測信号と制限した後の計測信号のエンベロープを模式的に示している。この図に示されるように、帯域制限をすると、計測信号の変化の立ち上がり及び立ち下がりが鈍くなる。そのため、体動の検出の遅れや、体動の誤検出が発生するおそれがある。そこで、例えば、体動検出部は、直流成分を除去した後、周波数帯域の制限やダウンサンプリングを行う前の計測信号に基づいて、体動の検出を行うようにしてもよい。

　また、複数の体動検出方法を組み合わせて、体動の検出を行うようにしてもよい。

｛脈波周波数の検出方法に関する変形例｝
　以上の説明では、体動の検出結果等に基づいて、脈波信号及び帯域信号Ｗ（又は、帯域信号１Ｗ）のいずれか一方のピーク周波数を脈波周波数に選択する例を示したが、他の方法により脈波周波数を計測するようにしてもよい。

　例えば、計測信号の周波数分布において、前回の脈波周波数の計測値を中心とする所定の帯域内において、スペクトル強度が所定の閾値以上となるピークが存在する場合、そのピークに対応する周波数を脈波周波数として計測するようにしてもよい。

　また、第３の実施の形態では、脈波成分が確実に脈波信号に含まれる。従って、例えば、体動検出処理を省略して、常に脈波信号のピーク周波数を脈波周波数として計測することも可能である。

｛体動信号のＡＲモデルに関する変形例｝
　例えば、計測信号（帯域信号Ｗ又は帯域信号１Ｗ）のレベル（例えば、振幅値等）に基づいて、線形予測フィルタのＡＲモデルの次数を変更するようにしてもよい。

　具体的には、脈波成分に対する体動成分の比率が高い場合、線形予測フィルタのＡＲモデルの次数を上げても、線形予測フィルタの体動成分と脈波成分の分離精度はあまり低下しない。また、線形予測フィルタのＡＲモデルの次数を上げることにより、線形予測フィルタのノイズの分離精度が向上する。一方、脈波成分に対する体動成分の比率が低い場合、線形予測フィルタのＡＲモデルの次数を上げると、線形予測フィルタの体動成分と脈波成分の分離精度が低下する。

　また、計測信号のレベルが高くなるほど、計測信号に含まれる体動成分が大きく、脈波成分に対する体動成分の比率が高くなると想定される。

　そこで、例えば、線形予測フィルタが、計測信号のレベルが高くなるほど、ＡＲモデルの次数を高くし、計測信号のレベルが低くなるほど、ＡＲモデルの次数を低くするようにしてもよい。

　また、ユール－ウォーカー法以外の方法により、体動信号のＡＲモデルを生成するようにしてもよい。

｛ダウンサンプリングに関する変形例｝
　例えば、前回の脈波周波数を中心とする所定の帯域（例えば、１～２オクターブ）の成分をＢＰＦにより抽出し、抽出した信号の周波数をシフトすることにより、計測信号をダウンサンプリングする比率をさらに下げることが可能である。この具体例について、図２１を参照して説明する。なお、図２１の上の図は、図９と同じ図である。

　例えば、まず、計測信号から検出範囲Ｒ２の周波数帯域の成分がＢＰＦにより抽出される。次に、抽出された信号の周波数帯域が、下の図の周波数帯域Ｒ２”にシフトされる。これにより、ダウンサンプリング後の計測信号の検出可能な周波数成分が、範囲Ｒ１より狭い範囲Ｒ１”以上確保できれば、脈波周波数の検出が可能になる。従って、計測信号のダウンサンプリングの比率をさらに下げることが可能になる。

　また、例えば、ダウンサンプリングを行わずに、計測信号のサンプリング周波数を、脈波周波数を計測可能な範囲内で下げるようにしてもよい。

｛計測結果に関する変形例｝
　以上の説明では、脈拍数を計測結果として出力する例を示したが、例えば、脈波周波数を計測結果として出力することも可能である。

　また、例えば、脈波信号を計測結果として出力することも可能である。或いは、体動検出の結果に基づいて、脈波信号、及び、帯域信号Ｗ（又は、帯域信号１Ｗ）のうち一方を選択し、選択した信号を、脈波の計測結果として出力するようにしてもよい。なお、いずれの場合も、ノイズを除去してから信号を出力するようにすることが望ましい。

　さらに、脈拍数、脈波周波数、及び、脈波信号（又は、帯域信号Ｗ若しくは帯域信号１Ｗ）のうち２種類以上を計測結果として出力するようにしてもよい。

　また、例えば、計測結果に体動信号を含めるようにしてもよい。

｛その他の変形例｝
　以上の説明で示した各種の数値（例えば、各種の周波数や波長、サンプル数、ダウンサンプリングの比率等）は、その一例であり、上に挙げた以外の数値を採用することも可能である。

　また、図６の計測部１３５の代わりに、図１２の計測部３３５や図１７の計測部５３４を用いることも可能である。逆に、図１２の計測部３３５や図１７の計測部５３４の代わりに、図６の計測部１３５を用いることも可能である。

　また、図１４及び図１５を参照して上述したように、計測光の波長及び体動の種類により、計測信号の波形の変化が異なる。この波形の変化の違いに基づいて、例えば、体動の種類を分類するようにしてもよい。

　さらに、図８、図１３、及び、図１８のフローチャートの各ステップの処理は、適宜順番を変更したり、並列に実行したりすることも可能である。

　また、計測装置１を複数の装置からなるシステムにより構成することも可能である。例えば、演算処理部２６の一部又は全部を、被験者に装着する装置とは異なる装置に設け、無線通信又は有線通信により、装置間の計測信号の伝送を行うようにしてもよい。

　さらに、以上の説明では、計測装置を人の腕に装着する例を示したが、本技術は、腕以外の部分に装着する計測装置にも適用することができる。また、計測装置の形状を、上述したリストバンド型以外の形状にすることも可能である。

　また、本技術は、人以外の生物の脈波及び脈拍を計測する場合にも適用することができる。

｛コンピュータの構成例｝
　上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。

　図２２は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。

　コンピュータにおいて、CPU（Central Processing Unit）７０１，ROM（Read Only Memory）７０２，RAM（Random Access Memory）７０３は、バス７０４により相互に接続されている。

　バス７０４には、さらに、入出力インタフェース７０５が接続されている。入出力インタフェース７０５には、入力部７０６、出力部７０７、記憶部７０８、通信部７０９、及びドライブ７１０が接続されている。

　入力部７０６は、キーボード、マウス、マイクロフォンなどよりなる。出力部７０７は、ディスプレイ、スピーカなどよりなる。記憶部７０８は、ハードディスクや不揮発性のメモリなどよりなる。通信部７０９は、ネットワークインタフェースなどよりなる。ドライブ７１０は、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリなどのリムーバブルメディア７１１を駆動する。

　以上のように構成されるコンピュータでは、CPU７０１が、例えば、記憶部７０８に記憶されているプログラムを、入出力インタフェース７０５及びバス７０４を介して、RAM７０３にロードして実行することにより、上述した一連の処理が行われる。

　コンピュータ（CPU７０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア７１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。

　コンピュータでは、プログラムは、リムーバブルメディア７１１をドライブ７１０に装着することにより、入出力インタフェース７０５を介して、記憶部７０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部７０９で受信し、記憶部７０８にインストールすることができる。その他、プログラムは、ROM７０２や記憶部７０８に、あらかじめインストールしておくことができる。

　なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。

　また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。

　さらに、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。

　例えば、本技術は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。

　また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。

　さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。

　また、本明細書に記載された効果はあくまで例示であって限定されるものではなく、他の効果があってもよい。

　また、例えば、本技術は以下のような構成も取ることができる。

（１）
　第１の波長の光を脈を含む部分に照射することにより取得された第１の計測信号の第１の周波数帯域の成分を含む第１の帯域信号から、体動により生じる成分を含む体動信号を抽出する体動信号抽出部と、
　前記第１の計測信号の第２の周波数帯域の成分を含む第２の帯域信号と前記体動信号との差分信号である脈波信号を生成する演算部と
　を備える計測装置。
（２）
　前記体動信号抽出部は、自己回帰モデルを用いて前記体動信号を予測して抽出する
　前記（１）に記載の計測装置。
（３）
　前記体動信号抽出部は、ユール－ウォーカー法を用いて、次数が５次から１２次までの範囲内の前記自己回帰モデルを生成する
　前記（２）に記載の計測装置。
（４）
　前記体動信号抽出部は、前記第１の帯域信号のレベルに基づいて、前記自己回帰モデルの次数を設定する
　前記（３）に記載の計測装置。
（５）
　前記体動の検出を行う体動検出部と、
　前記脈波信号及び前記第２の帯域信号の中から前記体動の検出結果に基づいて選択した信号に基づいて、脈波周波数を計測する計測部と
　をさらに備える前記（１）乃至（４）のいずれかに記載の計測装置。
（６）
　前記体動信号抽出部は、前記第１の帯域信号の周波数成分のうち、前回の脈波周波数の計測値を含む帯域の周波数成分を減衰させた信号から、前記体動信号を抽出する
　前記（５）に記載の計測装置。
（７）
　前記計測部は、
　　前記脈波信号のピーク周波数である第１のピーク周波数、及び、前記第２の帯域信号のピーク周波数である第２のピーク周波数を検出する周波数検出部と、
　　前記体動の検出結果、及び、前回の脈波周波数の計測値のうち少なくとも一方に基づいて、前記第１のピーク周波数及び前記第２のピーク周波数から前記脈波周波数を選択する選択部と
　を備える前記（５）に記載の計測装置。
（８）
　前記周波数検出部は、前回の脈波周波数の計測値に基づいて、前記第１のピーク周波数及び前記第２のピーク周波数を検出する周波数帯域を制限する
　前記（７）に記載の計測装置。
（９）
　前記周波数検出部は、値が０のサンプルをパディングした前記脈波信号をフーリエ変換した結果に基づいて、前記第１のピーク周波数を検出し、値が０のサンプルをパディングした前記第２の帯域信号をフーリエ変換した結果に基づいて、前記第２のピーク周波数を検出する
　前記（７）又は（８）に記載の計測装置。
（１０）
　前記計測部は、
　　前記体動の検出結果に基づいて、前記脈波信号又は前記第２の帯域信号を選択する選択部と、
　　前記選択部により選択された信号のピーク周波数を前記脈波周波数として検出する周波数検出部と
　を備える前記（５）に記載の計測装置。
（１１）
　前記周波数検出部は、前回の脈波周波数の計測値に基づいて、前記ピーク周波数を検出する周波数帯域を制限する
　前記（１０）に記載の計測装置。
（１２）
　前記周波数検出部は、前記選択部により選択された信号に値が０のサンプルをパディングした信号をフーリエ変換した結果に基づいて、前記ピーク周波数を検出する
　前記（１０）又は（１１）に記載の計測装置。
（１３）
　前記体動検出部は、前記体動信号の周波数分布に基づいて、前記体動の検出を行う
　前記（５）乃至（１２）のいずれかに記載の計測装置。
（１４）
　前記体動検出部は、第２の波長の光を前記脈を含む部分に照射することにより取得された第２の計測信号の前記第１の周波数帯域の成分を含む第３の帯域信号と前記第１の帯域信号との合成ベクトルの分布に基づいて、前記体動の検出を行う
　前記（５）乃至（１３）のいずれかに記載の計測装置。
（１５）
　前記体動検出部は、前記第１の計測信号の変化、及び、第２の波長の光を前記脈を含む部分に照射することにより取得された第２の計測信号の変化に基づいて、前記体動の検出を行う
　前記（５）乃至（１４）のいずれかに記載の計測装置。
（１６）
　前記計測部は、前記脈波周波数に基づいて、脈拍数を計算する
　前記（５）乃至（１５）のいずれかに記載の計測装置。
（１７）
　前記第１の計測信号から前記第１の帯域信号を抽出する第１のフィルタと、
　前記第１の計測信号から前記第２の帯域信号を抽出する第２のフィルタと
　をさらに備え、
　前記第２の周波数帯域は、計測対象とする脈波周波数の範囲を含み、前記第２の周波数帯域の最大値は、前記第１の周波数帯域の最大値より大きい
　前記（１）乃至（１６）のいずれかに記載の計測装置。
（１８）
　前記第１の計測信号から前記第１の帯域信号を抽出するフィルタを
　さらに備え、
　前記第１の周波数帯域は、前記第２の周波数帯域と同じであり、計測対象とする脈波周波数の範囲を含み、
　前記第１の帯域信号と前記第２の帯域信号は同じ信号である
　前記（１）乃至（１６）のいずれかに記載の計測装置。
（１９）
　所定の波長の光を脈を含む部分に照射することにより取得された第１の計測信号の第１の周波数帯域の成分を含む第１の帯域信号から、体動により生じる成分を含む体動信号を抽出する体動信号抽出ステップと、
　前記第１の計測信号の第２の周波数帯域の成分を含む第２の帯域信号と前記体動信号との差分信号である脈波信号を生成する演算ステップと
　を含む計測方法。

　１　計測装置，　１１　本体部，　２２，２２ａ乃至２２ｃ　ＬＥＤ，　２３　受光ＩＣ，　２６，２６ａ乃至２６ｃ　演算処理部，　５１　ＬＥＤドライバ，　５３　受光素子，　５４　ＡＤコンバータ，　１０１　デシメーションフィルタ，　１０２　ＢＰＦ，　１０３　自己共分散関数推定部，　１０４　線形予測フィルタ，　１０５　ＢＰＦ，　１０６　演算部，　１０７ａ，１０７ｂ　ＤＦＴ部，　１０８ａ，１０８ｂ　ピーク検出部，　１０９　ＤＦＴ部，　１１０　判定部，　１１１　選択部，　１１２　計算部，　１３１　体動信号抽出部，　１３２　脈波信号抽出部，　１３３　体動検出部，　１３４　周波数検出部，　１３５　計測部，　３０１ａ，３０１ｂ　デシメーションフィルタ，　３０２ａ，３０２ｂ　ＢＰＦ，　３０３　自己共分散関数推定部，　３０４　線形予測フィルタ，　３０５　ＢＰＦ，　３０６　演算部，　３０７　合成ベクトル生成部，　３０８　判定部，　３０９　選択部，　３１０　ＤＦＴ部，　３１１　帯域制限部，　３１２　ピーク検出部，　３１３　計算部，　３３１　体動信号抽出部，　３３２　脈波信号抽出部，　３３３　体動検出部，　３３４　周波数検出部，　３３５　計測部，　５０１　デシメーションフィルタ，　５０２　ＢＰＦ，　５０３　可変ノッチフィルタ，　５０４　自己共分散関数推定部，　５０５　線形予測フィルタ，　５０６　演算部，　５０７　体動検出部，　５０８　判定部，　５０９　ＤＦＴ部，　５１０　帯域制限部，　５１１　ピーク検出部，　５１２　計算部，　５３１　体動信号抽出部，　５３２　脈波信号抽出部，　５３３　周波数検出部，　５３４　計測部

Claims

　第１の波長の光を脈を含む部分に照射することにより取得された第１の計測信号の第１の周波数帯域の成分を含む第１の帯域信号から、体動により生じる成分を含む体動信号を抽出する体動信号抽出部と、
　前記第１の計測信号の第２の周波数帯域の成分を含む第２の帯域信号と前記体動信号との差分信号である脈波信号を生成する演算部と
　を備える計測装置。
　前記体動信号抽出部は、自己回帰モデルを用いて前記体動信号を予測して抽出する
　請求項１に記載の計測装置。
　前記体動信号抽出部は、ユール－ウォーカー法を用いて、次数が５次から１２次までの範囲内の前記自己回帰モデルを生成する
　請求項２に記載の計測装置。
　前記体動信号抽出部は、前記第１の帯域信号のレベルに基づいて、前記自己回帰モデルの次数を設定する
　請求項３に記載の計測装置。
　前記体動の検出を行う体動検出部と、
　前記脈波信号及び前記第２の帯域信号の中から前記体動の検出結果に基づいて選択した信号に基づいて、脈波周波数を計測する計測部と
　をさらに備える請求項１に記載の計測装置。
　前記体動信号抽出部は、前記第１の帯域信号の周波数成分のうち、前回の脈波周波数の計測値を含む帯域の周波数成分を減衰させた信号から、前記体動信号を抽出する
　請求項５に記載の計測装置。
　前記計測部は、
　　前記脈波信号のピーク周波数である第１のピーク周波数、及び、前記第２の帯域信号のピーク周波数である第２のピーク周波数を検出する周波数検出部と、
　　前記体動の検出結果、及び、前回の脈波周波数の計測値のうち少なくとも一方に基づいて、前記第１のピーク周波数及び前記第２のピーク周波数から前記脈波周波数を選択する選択部と
　を備える請求項５に記載の計測装置。
　前記周波数検出部は、前回の脈波周波数の計測値に基づいて、前記第１のピーク周波数及び前記第２のピーク周波数を検出する周波数帯域を制限する
　請求項７に記載の計測装置。
　前記周波数検出部は、値が０のサンプルをパディングした前記脈波信号をフーリエ変換した結果に基づいて、前記第１のピーク周波数を検出し、値が０のサンプルをパディングした前記第２の帯域信号をフーリエ変換した結果に基づいて、前記第２のピーク周波数を検出する
　請求項７に記載の計測装置。
　前記計測部は、
　　前記体動の検出結果に基づいて、前記脈波信号又は前記第２の帯域信号を選択する選択部と、
　　前記選択部により選択された信号のピーク周波数を前記脈波周波数として検出する周波数検出部と
　を備える請求項５に記載の計測装置。
　前記周波数検出部は、前回の脈波周波数の計測値に基づいて、前記ピーク周波数を検出する周波数帯域を制限する
　請求項１０に記載の計測装置。
　前記周波数検出部は、前記選択部により選択された信号に値が０のサンプルをパディングした信号をフーリエ変換した結果に基づいて、前記ピーク周波数を検出する
　請求項１０に記載の計測装置。
　前記体動検出部は、前記体動信号の周波数分布に基づいて、前記体動の検出を行う
　請求項５に記載の計測装置。
　前記体動検出部は、第２の波長の光を前記脈を含む部分に照射することにより取得された第２の計測信号の前記第１の周波数帯域の成分を含む第３の帯域信号と前記第１の帯域信号との合成ベクトルの分布に基づいて、前記体動の検出を行う
　請求項５に記載の計測装置。
　前記体動検出部は、前記第１の計測信号の変化、及び、第２の波長の光を前記脈を含む部分に照射することにより取得された第２の計測信号の変化に基づいて、前記体動の検出を行う
　請求項５に記載の計測装置。
　前記計測部は、前記脈波周波数に基づいて、脈拍数を計算する
　請求項５に記載の計測装置。
　前記第１の計測信号から前記第１の帯域信号を抽出する第１のフィルタと、
　前記第１の計測信号から前記第２の帯域信号を抽出する第２のフィルタと
　をさらに備え、
　前記第２の周波数帯域は、計測対象とする脈波周波数の範囲を含み、前記第２の周波数帯域の最大値は、前記第１の周波数帯域の最大値より大きい
　請求項１に記載の計測装置。
　前記第１の計測信号から前記第１の帯域信号を抽出するフィルタを
　さらに備え、
　前記第１の周波数帯域は、前記第２の周波数帯域と同じであり、計測対象とする脈波周波数の範囲を含み、
　前記第１の帯域信号と前記第２の帯域信号は同じ信号である
　請求項１に記載の計測装置。
　所定の波長の光を脈を含む部分に照射することにより取得された第１の計測信号の第１の周波数帯域の成分を含む第１の帯域信号から、体動により生じる成分を含む体動信号を抽出する体動信号抽出ステップと、
　前記第１の計測信号の第２の周波数帯域の成分を含む第２の帯域信号と前記体動信号との差分信号である脈波信号を生成する演算ステップと
　を含む計測方法。