WO2019003549A1

WO2019003549A1 - 情報処理装置、情報処理方法及びプログラム

Info

Publication number: WO2019003549A1
Application number: PCT/JP2018/014438
Authority: WO
Inventors: 徹伊神
Original assignee: ソニー株式会社
Priority date: 2017-06-28
Filing date: 2018-04-04
Publication date: 2019-01-03
Also published as: CN110785120A; EP3646781A1; JPWO2019003549A1; EP3646781A4; US20200155018A1; JP7031669B2; US11786136B2

Abstract

【課題】自由行動下のユーザにおける心拍変動又は脈拍変動の測定において、測定を好適な状態にすることが可能な、情報処理装置、情報処理方法及びプログラムを提供する。【解決手段】ユーザに装着された脈波センサによって取得されたセンシングデータから取得された拍動変動データ、又は、当該拍動変動データから算出される前記ユーザの身体状態を示す身体指標の信頼度を算出する信頼度算出部と、算出した前記信頼度に基づいて、各種処理を制御する制御部と、を備える情報処理装置を提供する。

Description

情報処理装置、情報処理方法及びプログラム

　本開示は、情報処理装置、情報処理方法及びプログラムに関する。

　精神的ストレス度の評価や自律神経機能の評価を行う際に、心拍変動に基づくＨＲＶ（Ｈｅａｒｔ　Ｒａｔｅ　Ｖａｒｉａｂｉｌｉｔｙ）指標を用いることが知られている。当該ＨＲＶ指標は、例えば、ユーザの身体の一部に電極等を貼り付けて測定することによって得られた心電図（Ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ：ＥＣＧ）により、心拍間隔（Ｒ－Ｒ間隔（ＲＲＩ）とも呼ばれる）を算出し、算出したＲＲＩから取得することができる。また、上記ＨＲＶ指標は、心拍変動と高い相関性を持つ脈拍変動から算出された脈拍間隔（Ｐｕｌｓｅ　Ｒａｔｅ　Ｉｎｔｅｒｖａｌ：ＰＰＩ）からも取得することができる。このようなＲＲＩ等の取得装置としては、下記の特許文献１～３に開示されている。

特開平７－２８４４８２号公報特開２０１０－１６２２８２号公報特開２００９－２６１４１９号公報

　近年、心拍変動や脈拍変動を検出するセンサ等が小型化し、ユーザが当該センサを装着し、心拍変動や脈拍変動を常時測定することが可能になった。その結果、ユーザが日常動作等、自由に動いている状態（自由行動下）においても測定が行われることとなり、心拍変動や脈拍変動の測定時のユーザの状態は、安静、且つ、同一姿勢に維持されていない場合がある。すなわち、心拍変動や脈拍変動の測定は、常に好適な状態にあるとはいえない。そして、このような状態において測定された心拍変動や脈拍変動には、例えばユーザの動きに起因したノイズ等が含まれることがあることから、測定された当該心拍変動や脈拍変動、これらに基づいて算出されるＨＲＶ指標等の信頼性が低くなる場合がある。しかしながら、自由に行動することが可能なユーザに関するＨＲＶ指標等であっても、高い信頼性を有する指標であることが求められる。

　そこで、本開示では、自由行動下のユーザにおける心拍変動又は脈拍変動の測定において、測定を好適な状態にすることが可能な、新規かつ改良された情報処理装置、情報処理方法及びプログラムを提案する。

　本開示によれば、ユーザに装着された脈波センサによって取得されたセンシングデータから取得された拍動変動データ、又は、当該拍動変動データから算出される前記ユーザの身体状態を示す身体指標の信頼度を算出する信頼度算出部と、算出した前記信頼度に基づいて、各種処理を制御する制御部と、を備える情報処理装置が提供される。

　また、本開示によれば、ユーザに装着された脈波センサによって取得されたセンシングデータから取得された拍動変動データ、又は、当該拍動変動データから算出される前記ユーザの身体状態を示す身体指標の信頼度を算出し、算出した前記信頼度に基づいて、各種処理を制御することを含む、情報処理方法が提供される。

　さらに、本開示によれば、ユーザに装着された脈波センサによって取得されたセンシングデータから取得された拍動変動データ、又は、当該拍動変動データから算出される前記ユーザの身体状態を示す身体指標の信頼度を算出する機能と、算出した前記信頼度に基づいて、各種処理を制御する機能と、をコンピュータに実現させるためのプログラムが提供される。

　以上説明したように本開示によれば、自由行動下のユーザにおける心拍変動又は脈拍変動の測定において、測定を好適な状態にすることが可能な、情報処理装置、情報処理方法及びプログラムを提供することができる。

　なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の実施形態に係る情報処理システム１の構成例を説明する説明図である。同実施形態に係るウェアラブルデバイス１０の構成を示すブロック図である。同実施形態に係るＰＰＧセンサ部１２２を説明する説明図である。同実施形態に係るＰＰＧセンサ部１２２により得られる脈波信号の一例を示す説明図である。同実施形態に係るＰＰＧセンサ部１２２により得られるＰＰＩの時系列データの一例を示す説明図である。同実施形態に係るウェアラブルデバイス１０の装着例を示す説明図である。同実施形態に係るサーバ３０の構成を示すブロック図である。同実施形態に係る制御部３３０の構成を示すブロック図である。同実施形態に係るデータフローを示した説明図である。同実施形態に係る類型化された異常値の出現パターンの一例を示した説明図（その１）である。同実施形態に係る類型化された異常値の出現パターンの一例を示した説明図（その２）である。同実施形態の第１の方法に係る異常値の補正を説明する説明図である。同実施形態の第２の方法に係る異常値の補正を説明する説明図（その１）である。同実施形態の第２の方法に係る異常値の補正を説明する説明図（その２）である。同実施形態の第２の方法に係る異常値の補正を説明する説明図（その３）である。同実施形態の第２の方法に係る異常値の補正を説明する説明図（その４）である。同実施形態の第２の方法に係る異常値の補正を説明する説明図（その５）である。同実施形態の第２の方法に係る異常値の補正を説明する説明図（その６）である。同実施形態の第２の方法に係る異常値の補正を説明する説明図（その７）である。同実施形態の第２の方法に係る異常値の補正を説明する説明図（その８）である。同実施形態の第２の方法に係る信頼度の算出を説明する説明図である。同実施形態の第３の方法に係る信頼度の算出を説明する説明図である。同実施形態の第４の方法に係る信頼度の算出を説明する説明図である。同実施形態の第１の方法に係る信頼度の出力を説明する説明図（その１）である。同実施形態の第１の方法に係る信頼度の出力を説明する説明図（その２）である。同実施形態に係る情報処理装置９００のハードウェア構成の一例を示す説明図である。

　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

　また、本明細書及び図面において、実質的に同一または類似の機能構成を有する複数の構成要素を、同一の符号の後に異なる数字を付して区別する場合がある。ただし、実質的に同一または類似の機能構成を有する複数の構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。また、異なる実施形態の類似する構成要素については、同一の符号の後に異なるアルファベットを付して区別する場合がある。ただし、類似する構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。

　なお、説明は以下の順序で行うものとする。
　　１．　本実施形態に係る情報処理システム１の概要
　　　　１．１　情報処理システム１の概要
　　　　１．２　ウェアラブルデバイス１０の構成
　　　　１．３　本実施形態に係るサーバ３０の構成
　　２.　本開示に係る実施形態を創作するに至るまでの経緯
　　３.　本実施形態に係る制御部３３０の詳細構成
　　４．　本実施形態に係る情報処理方法
　　　　４．１　異常値の検出
　　　　４．２　パラメータについて
　　　　４．３　異常値の補正
　　　　４．４　信頼度の算出
　　　　４．５　信頼度の出力
　　５．まとめ
　　６．ハードウェア構成について
　　７．補足

　　＜＜１．　本実施形態に係る情報処理システム１の概要＞＞
　　＜１．１　情報処理システム１の概要＞
　次に、本開示の実施形態に係る構成を説明する。まずは、本開示の実施形態に係る構成について、図１を参照して説明する。図１は、本実施形態に係る情報処理システム１の構成例を説明する説明図である。

　図１に示すように、本実施形態に係る情報処理システム１は、ウェアラブルデバイス１０、サーバ３０、及びユーザ端末５０を含み、これらは互いにネットワーク７０を介して通信可能に接続される。詳細には、ウェアラブルデバイス１０、サーバ３０、及びユーザ端末（出力部）５０は、図示しない基地局等（例えば、携帯電話機の基地局、無線ＬＡＮのアクセスポイント等）を介してネットワーク７０に接続される。なお、ネットワーク７０で用いられる通信方式は、有線又は無線（例えば、ＷｉＦｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等）を問わず任意の方式を適用することができるが、安定した動作を維持することができる通信方式を用いることが望ましい。

　（ウェアラブルデバイス１０）
　ウェアラブルデバイス１０は、ユーザの身体の一部（耳たぶ、首、腕、手首、足首等）に装着可能なデバイス、もしくは、ユーザの身体に挿入されたインプラントデバイス（インプラント端末）であることができる。より具体的には、ウェアラブルデバイス１０は、ＨＭＤ（Ｈｅａｄ　Ｍｏｕｎｔｅｄ　Ｄｉｓｐｌａｙ）型、イヤーデバイス型、アンクレット型、腕輪型、首輪型、アイウェア型、パッド型、バッチ型、衣服型等の各種の方式のウェアラブルデバイスを採用することができる。さらに、ウェアラブルデバイス１０は、例えば、ユーザの脈拍による脈波信号（拍動変動データ）を検出するＰＰＧ（Ｐｈｏｔｏ　Ｐｌｅｔｈｙｓｍｏ　Ｇｒａｐｈｙ）センサ部（脈波センサ）１２２及びユーザの運動による運動状態を検出するモーションセンサ部１２４等のセンサ類を内蔵する（図２　参照）。なお、ウェアラブルデバイス１０の詳細については後述する。

　なお、以下においては、ウェアラブルデバイス１０には、ＰＰＧセンサ部１２２（図２　参照）が設けられるものとして説明する。しかしながら、本実施形態においては、ＰＰＧセンサ部１２２の代わりに、ユーザの身体に貼り付けられた電極（図示省略）を介してユーザの心電図を検出するＥＣＧ（Ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ）センサ（図示省略）を設けてもよい。すなわち、以下に説明する実施形態においては、脈波信号から取得することができる脈拍間隔（Ｐｕｌｓｅ　Ｒａｔｅ　Ｉｎｔｅｒｖａｌ：ＰＰＩ）、又は、心電図から取得することができる心臓の拍動間隔であるＲ－Ｒ間隔（ＲＲＩ）を用いて、ユーザの身体の状態を示す身体指標であるＨＲＶ（Ｈｅａｒｔ　Ｒａｔｅ　Ｖａｒｉａｂｉｌｉｔｙ）指標を算出することができる。

　（サーバ３０）
　サーバ３０は、例えば、コンピュータ等により構成される。サーバ３０は、例えば、ウェアラブルデバイス１０で取得した情報を処理したり、当該処理により得られた情報を他のデバイス（例えば、ユーザ端末５０）に送信したりする。なお、サーバ３０の詳細については後述する。

　（ユーザ端末５０）
　ユーザ端末５０は、本実施形態により提供される情報（例えば、ＰＰＩの時系列データ、ＨＲＶ指標、後述する信頼度等）をユーザに向けて提示するための端末である。例えば、ユーザ端末５０は、タブレット型ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）、スマートフォン、携帯電話、ラップトップ型ＰＣ、ノート型ＰＣ、ＨＭＤ等のデバイスであることができる。

　なお、図１においては、本実施形態に係る情報処理システム１は、１つのウェアラブルデバイス１０及びユーザ端末５０を含むものとして示されているが、本実施形態においてはこれに限定されるものではない。例えば、本実施形態に係る情報処理システム１は、複数のウェアラブルデバイス１０及びユーザ端末５０を含んでもよい。さらに、本実施形態に係る情報処理システム１は、例えば、ウェアラブルデバイス１０からサーバ３０へ情報を送信する際の中継装置のような他の通信装置等を含んでもよい。また、本実施形態においては、ウェアラブルデバイス１０をスタンドアローン型の装置として使用してもよい。この場合、サーバ３０及びユーザ端末５０の機能の少なくとも一部が、ウェアラブルデバイス１０において行われることとなる。

　　＜１．２　ウェアラブルデバイス１０の構成＞
　次に、本開示の実施形態に係るウェアラブルデバイス１０の構成について、図２から図６を参照して説明する。図２は、本実施形態に係るウェアラブルデバイス１０の構成を示すブロック図である。図３は、本実施形態に係るＰＰＧセンサ部１２２を説明する説明図である。図４は、本実施形態に係るＰＰＧセンサ部１２２により得られる脈波信号の一例を示す説明図である。図５は、本実施形態に係るＰＰＧセンサ部１２２により得られるＰＰＩの時系列データの一例を示す説明図である。図６は、本実施形態に係るウェアラブルデバイス１０の装着例を示す説明図である。

　ウェアラブルデバイス１０は、図２に示すように、入力部１００と、出力部１１０と、センサ部１２０と、制御部１３０と、通信部１４０と、記憶部１５０とを主に有する。以下に、ウェアラブルデバイス１０の各機能部の詳細について説明する。

　（入力部１００）
　入力部１００は、ウェアラブルデバイス１０へのデータ、コマンドの入力を受け付ける。より具体的には、当該入力部１００は、タッチパネル、ボタン、マイクロフォン、ドライブ等により実現される。

　（出力部１１０）
　出力部１１０は、ユーザに対して情報を提示するためのデバイスであり、例えば、ユーザに向けて、画像、音声、光、又は、振動等により各種の情報を出力する。当該出力部１１０は、ディスプレイ、スピーカ、イヤフォン、発光素子（例えば、ｌｉｇｈｔ
ＥｍｉｔｔｉｎｇＤｉｏｄｅ（ＬＥＤ））、振動モジュール等により実現される。なお、出力部１１０の機能は、後述するユーザ端末５０により提供されてもよい。

　（センサ部１２０）
　センサ部１２０は、ユーザの身体に装着されたウェアラブルデバイス１０内に設けられ、ユーザの脈波信号を検出するＰＰＧセンサ部１２２を有する。また、センサ部１２０は、ユーザの運動状態を検出するためのモーションセンサ部１２４を含んでもよい。以下に、センサ部１２０が含むＰＰＧセンサ部１２２及びモーションセンサ部１２４について説明する。

　－ＰＰＧセンサ部１２２－
　ＰＰＧセンサ部１２２は、ユーザの脈波信号を検出するためにユーザの皮膚等の身体の一部（例えば、耳たぶ、首、両腕、手首、足首等）に装着される。ここで、脈波信号とは、心臓の筋肉が一定のリズムで収縮すること（拍動、なお、単位時間の心臓における拍動回数を心拍数と呼ぶ）により、動脈を通じ全身に血液が送られることにより、動脈内壁に圧力の変化が生じ、体表面等に現れる動脈の拍動による波形のことである。ＰＰＧセンサ部１２２は、図３に示すような脈波信号を取得するために、手や腕、首、脚等のユーザの測定部位２００内の血管２０２に光を照射し、ユーザの血管中を移動する物質や静止している生体組織で散乱された光を検出する。照射した光は血管２０２中の赤血球により吸収されることから、光の吸収量は、測定部位２００内の血管２０２に流れる血液量に比例する。従って、散乱された光の強度を検出することにより流れる血液量の変化を知ることができる。さらに、血流量の変化から、血流量を変化させる動脈の拍動の波形、すなわち、脈波信号を検出することができる。なお、このような方法は、光電容積脈波（Ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ；ＰＰＧ）法と呼ばれる。

　詳細には、ＰＰＧセンサ部１２２は、コヒーレント光を照射することができる小型レーザ（図示省略）等を内蔵し、例えば８５０ｎｍ前後のような所定の波長を持つ光を照射する。なお、本実施形態においては、ＰＰＧセンサ部１２２が照射する光の波長は、適宜選択することが可能である。さらに、ＰＰＧセンサ部１２２は、例えばフォトダイオード（Ｐｈｏｔｏ　Ｄｅｔｅｃｔｏｒ：ＰＤ）を内蔵し、検出した光の強度を電気信号に変換することにより、脈波信号を取得する。なお、ＰＰＧセンサ部１２２は、ＰＤの代わりに、ＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅｓ）型センサ、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ　Ｍｅｔａｌ　Ｏｘｉｄｅ　Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）型センサ等を内蔵してもよい。また、上述のようなＰＤ等は、ＰＰＧセンサ部１２２内に、１個又は複数個設けられてもよい。

　なお、本実施形態においては、上述のＰＰＧ法を利用して脈波信号を取得することに限定されるものではなく、他の方法によっても脈波信号を取得してもよい。例えば、本実施形態においては、レーザドップラ法により脈波信号を取得してもよい。レーザドップラ法は、レーザ光をユーザの測定部位２００に照射した際に、ユーザの血管２０２内を移動する散乱物質（主に赤血球）で光が散乱され、散乱された光が、血流のドップラー効果により周波数シフトを生じさせることを利用した方法である。また、本実施形態においては、動的光散乱（Ｄｙｎａｍｉｃ　ｌｉｇｈｔ　ｓｃａｔｔｅｒｉｎｇ;ＤＬＳ）法を用いて脈波信号を検出してもよい。当該ＤＬＳ法は、上述と同様に、レーザ光を照射した際に血管２０２内を移動する散乱物質で光が散乱され、散乱された光が、ドップラー効果により干渉光を生じさせることを利用した方法である。

　そして、ＰＰＧセンサ部１２２により、図４に示されるような複数のピークを有する時系列データとして脈波信号を検出することができる。ここで、図４を参照して説明すると、脈波信号に現れる複数のピークのピーク間隔のことを脈拍間隔（Ｐｕｌｓｅ　Ｒａｔｅ　Ｉｎｔｅｒｖａｌ：ＰＰＩ）と呼ぶ。ＰＰＩは、ＰＰＧセンサ部１２２により検出された脈波信号を処理することにより、取得することができる。このようにして取得されたＰＰＩの時系列データの一例を図５に示す。各ＰＰＩの値は、図５に示されるように時間とともに変動するものの、ユーザの状態が安定している場合には、ほぼ正規分布することが知られている。図５に示されるようなＰＰＩの時系列データ、すなわち、ＰＰＩ値のデータ群を処理することにより、ユーザの身体状態の指標となる各種ＨＲＶ（Ｈｅａｒｔ　Ｒａｔｅ　Ｖａｒｉａｂｉｌｉｔｙ）指標を算出することができる。なお、各種ＨＲＶ指標の詳細については後述する。

　－モーションセンサ部１２４－
　モーションセンサ部１２４は、ユーザの動作に伴って発生する加速度の変化を検出して、ユーザの状態を検出する。検出されたユーザの状態に基づいて、その際の脈波信号が適切に測定されているかを示す指標としての信頼度が算出される。なお、当該信頼度の詳細については後述する。例えば、モーションセンサ部１２４は、加速度センサ、ジャイロセンサ、地磁気センサ等を含む。

　また、当該モーションセンサ部１２４は、撮像素子、及び撮像素子への被写体像の結像を制御するためのレンズ等の各種の部材を用いてユーザを撮像する撮像装置（図示省略）であってもよい。この場合、上記撮像装置によって撮像される画像には、ユーザの動作等がキャプチャされる。さらに、当該モーションセンサ部１２４は、ユーザの動作を認識することができる赤外線センサ、超音波センサ等（図示省略）を含んでいてもよい。なお、このような撮像装置及び赤外線センサ等は、ユーザの周囲に、ウェアラブルデバイス１０とは別体の装置として設置されていてもよい。

　さらに、当該モーションセンサ部１２４は、測位センサ（図示省略）を含んでいてもよい。測位センサは、ウェアラブルデバイス１０が装着されたユーザの位置を検出するセンサであり、具体的には、ＧＮＳＳ（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）受信機等であることができる。この場合、測位センサは、ＧＮＳＳ衛星からの信号に基づいて、ユーザの現在地の緯度・経度を示すセンシングデータを生成し、センシングデータの変化からユーザの移動（動き）を検出することができる。例えば、ＲＦＩＤ（Ｒａｄｉｏ　Ｆｒｅｑｕｅｎｃｙ　Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）、Ｗｉ－Ｆｉのアクセスポイント、無線基地局の情報等からユーザの相対的な位置関係を検出することが可能なため、このような通信装置を上記測位センサとして利用することも可能である。

　さらに、センサ部１２０は、各種生体センサ（図示省略）を含んでいてもよい。当該生体センサは、ユーザの状態を示す生体情報を検出するセンサである。当該生体センサは、例えば、ユーザの身体の一部に直接的又は間接的に装着され、ユーザの脳波、呼吸、発汗、筋電位、皮膚温度、皮膚電気抵抗等を測定する１つ又は複数のセンサを含む。また、センサ部１２０は、圧力センサ部１４（図２３　参照）等の他の各種センサを含んでもよい。さらに、センサ部１２０は、正確な時刻を把握する時計機構（図示省略）を内蔵し、取得した脈波信号等に、脈波信号等を取得した時刻を紐づけてもよい。なお、本実施形態においては、センサ部１２０の２つのセンサであるＰＰＧセンサ部１２２とモーションセンサ部１２４とを別個のウェアラブルデバイス１０に設けてもよい。このようにすることみより、各ウェアラブルデバイス１０の構成をコンパクトにすることができることから、各ウェアラブルデバイス１０をユーザの身体の様々な部位に装着することができる。

　（制御部１３０）
　制御部１３０は、ウェアラブルデバイス１０内に設けられ、ウェアラブルデバイス１０の各ブロックを制御したり、上述したＰＰＧセンサ部１２２から出力された脈波信号からＰＰＩの時系列データを取得したりすることができる。当該制御部１３０は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）等のハードウェアにより実現される。なお、制御部１３０の機能は、後述するサーバ３０又はユーザ端末５０により提供されてもよい。

　（通信部１４０）
　通信部１４０は、ウェアラブルデバイス１０内に設けられ、サーバ３０、ユーザ端末５０等の外部装置との間で情報の送受信を行うことができる。言い換えると、通信部１４０は、データの送受信を行う機能を有する通信インターフェースと言える。なお、通信部１４０は、通信アンテナ、送受信回路やポート等の通信デバイスにより実現される。

　（記憶部１５０）
　記憶部１５０は、ウェアラブルデバイス１０内に設けられ、上述した制御部１３０が各種処理を実行するためのプログラム、情報等や、処理によって得た情報を格納する。なお、記憶部１５０は、例えば、フラッシュメモリ（ｆｌａｓｈ　ｍｅｍｏｒｙ）等の不揮発性メモリ（ｎｏｎｖｏｌａｔｉｌｅ　ｍｅｍｏｒｙ）等により実現される。

　先に説明したように、ウェアラブルデバイス１０としては、アイウェア型、イヤーデバイス型、腕輪型、ＨＭＤ型等の各種の方式のウェアラブルデバイスを採用することができる。図６に、ウェアラブルデバイス１０の外観の一例を示す。図６に示すウェアラブルデバイス１０は、ユーザの手首に装着される腕時計型のウェアラブルデバイスである。

　　＜１．３　本実施形態に係るサーバ３０の構成＞
　次に、本開示の実施形態に係るサーバ３０の構成について、図７を参照して説明する。図７は、本実施形態に係るサーバ３０の構成を示すブロック図である。先に説明したように、サーバ３０は、例えばコンピュータ等により構成される。図７に示すように、サーバ３０は、入力部３００と、出力部３１０と、制御部３３０と、通信部３４０と、記憶部３５０とを主に有する。以下に、サーバ３０の各機能部の詳細について説明する。

　（入力部３００）
　入力部３００は、サーバ３０へのデータ、コマンドの入力を受け付ける。より具体的には、当該入力部３００は、タッチパネル、キーボード等により実現される。

　（出力部３１０）
　出力部３１０は、例えば、ディスプレイ、スピーカ、映像出力端子、音声出力端子等により構成され、画像又は音声等により各種の情報を出力する。

　（制御部３３０）
　制御部３３０は、サーバ３０内に設けられ、サーバ３０の各ブロックを制御することができる。具体的には、制御部３３０は、サーバ３０内で行われる、脈波信号（拍動変動データ）からの異常値の検出を行う検出処理、脈波信号を補正する補正処理、及び、脈波信号からＨＲＶ指標（身体指標）を算出する算出処理といった各種処理を制御する。当該制御部３３０は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等のハードウェアにより実現される。なお、制御部３３０は、ウェアラブルデバイス１０の制御部１３０の機能の一部を実行してもよい。また、制御部３３０の詳細については後述する。

　（通信部３４０）
　通信部３４０は、サーバ３０内に設けられ、ウェアラブルデバイス１０やユーザ端末５０等の外部装置との間で情報の送受信を行うことができる。なお、通信部３４０は、通信アンテナ、送受信回路やポート等の通信デバイスにより実現される。

　（記憶部３５０）
　記憶部３５０は、サーバ３０内に設けられ、上述した制御部３３０が各種処理を実行するためのプログラム等や、処理によって得た情報を格納する。より具体的には、記憶部３５０は、複数のユーザに装着されたウェアラブルデバイス１０から取得されたＰＰＩの時系列データ等を含むデータベース（ＤＢ）３５２（図８　参照）等を格納することができる。なお、記憶部３５０は、例えば、ハードディスク（Ｈａｒｄ　Ｄｉｓｋ：ＨＤ）等の磁気記録媒体や、不揮発性メモリ等により実現される。

　　＜＜２．　本開示に係る実施形態の技術的背景＞＞
　以上、本開示の実施形態に係る情報処理システム１、当該情報処理システム１に含まれるウェアラブルデバイス１０及びサーバ３０の概要について説明した。次に、本開示に係る実施形態の詳細を説明する前に、本開示に係る実施形態の技術的背景について説明する。

　先に説明したように、精神的ストレス度の評価や自律神経機能の評価を行う際に用いられるＨＲＶ指標は、例えば、心拍変動（心電図）によりＲＲＩを算出し、算出したＲＲＩから取得することができる。さらに、上記ＨＲＶ指標は、心拍変動と高い相関性を持つ脈拍変動から算出されたＰＰＩからも取得することができる。このような心拍変動や脈拍変動は、ユーザの自律神経系の変化以外にも、ユーザの身体状態の変化によって影響を受けることから、測定時のユーザの状態は、安静、且つ、同一姿勢に維持されていることが望ましい。

　ところで、近年、心拍変動や脈拍変動を検出するセンサ等が小型化し、ユーザが当該センサを装着し、心拍変動や脈拍変動を常時測定することが可能になった。その結果、ユーザが日常動作等、自由に動いている状態（自由行動下）においても測定が行われることとなり、心拍変動や脈拍変動の測定時のユーザの状態は、安静、且つ、同一姿勢に維持されているとはいえない。そして、このような状態において測定された心拍変動や脈拍変動には、例えばユーザの動きに起因したノイズ等が含まれることがあることから、測定された当該心拍変動や脈拍変動、これらに基づいて算出されるＨＲＶ指標等の信頼性が低くなる場合がある。

　そこで、本発明者は、上記状況を鑑みて、心拍変動や脈拍変動の測定についての信頼度を算出し、ユーザに対してＨＲＶ指標とともに算出した信頼度を提示して、ユーザの状態を測定に理想的な状態に誘導することを想到した。例えば、ユーザは、本開示の実施形態に係る情報処理システム１から低い信頼度が提示された場合には、当該信頼度を改善しようと、安静、且つ、同一姿勢に維持するような動作に誘導されることとなる。その結果、ユーザの状態は、測定にとって理想的な状態に近づくことから、ユーザの心拍変動や脈拍変動の測定は好適な状態に遷移することができる。さらに、本発明者は、算出した信頼度を、上記情報処理システム１の制御にフィードバックすることにより、精度の高いＨＲＶ指標の算出を行ったり、バッテリー消費量を抑えたりと、当該情報処理システム１を好適に制御することにも想到した。

　すなわち、以下に説明する本開示においては、自由行動下のユーザにおける心拍変動又は脈拍変動の測定において、測定を好適な状態にすることができる情報処理装置、情報処理方法及びプログラムを提案する。

　また、心拍変動や脈拍変動のデータ（脈波信号）には、例えば、「ユーザの体動」、「身体特性」、「計測機器ノイズ」、「計測アルゴリズムのミス」等に起因して、異常値（ノイズ）が含まれることがある。このような異常値が含まれた心拍変動や脈拍変動のデータを用いて、ＨＲＶ指標を算出すると、本来の算出すべき正しいＨＲＶ指標と乖離してしまうことがある。そこで、ＨＲＶ指標を算出する際には、本来の算出すべき正しいＨＲＶ指標と乖離することを避けるために、上記異常値へ対処することが求められる。

　そこで、本発明者は、上記状況を鑑みて、心拍変動や脈拍変動のデータから精度よく異常値（ノイズ）を検出し、検出した異常値に基づいて、心拍変動や脈拍変動のデータを補正することを想到した。このようにすることで、算出されるＨＲＶ指標が本来の算出すべき正しいＨＲＶ指標と乖離してしまうことを避けることができる。すなわち、以下に説明する本開示においては、心拍変動又は脈拍変動の測定データに基づいて算出されるＨＲＶ指標の精度を向上させることができる情報処理装置、情報処理方法及びプログラムを提案する。以下、このような本開示の実施形態を順次詳細に説明する。

　　＜＜３．本実施形態に係る制御部３３０の詳細構成＞＞
　以下に、本実施形態に係る制御部３３０の構成について、図８を参照して説明する。図８は、本実施形態に係る制御部３３０の構成を示すブロック図である。図８に示すように、制御部３３０は、検出部３３２、検出補正制御部３３４、補正部３３６、信頼度算出部３３８、及びＨＲＶ指標算出部３４２を主に有する。以下に、制御部３３０の各機能部の詳細について説明する。

　（検出部３３２）
　検出部３３２は、ＰＰＩの時系列データから異常値を検出する。ここで異常値とは、外部からの衝撃等のノイズにより、ＰＰＩの時系列データ、すなわち、ＰＰＩ値のデータ群のうち、統計的に見て大きく外れた値のことをいう。さらに、検出部３３２は、ＰＰＩの時系列データの中で異常値と推定されるＰＰＩ値に対して、異常値である旨を示すフラグを付与したデータ列を生成し、後述する補正部３３６に出力する。例えば、検出部３３２は、異常値と推定されるＰＰＩ値に対しては「１」を、正常値と推定されるＰＰＩ値に対しては「０」を付与する。なお、検出部３３２による異常値の検出の詳細については、後述する。

　（検出補正制御部３３４）
　検出補正制御部３３４は、上述の検出部３３２での異常値の検出で用いる各種パラメータを補正する。例えば、検出補正制御部３３４は、過去に測定されたユーザの脈波信号から取得されたＰＰＩ値のデータ群から平均値や標準偏差を算出し、算出した平均値等に基づいて上述の各種パラメータを更新する。このようにすることで、各ユーザに好適なパラメータを用いて異常値の検出を行うことができることから、異常値の検出の精度を向上させることができる。なお、検出補正制御部３３４による上記パラメータの更新は、定期的に行われてもよく、ユーザが更新の実施を選択した際に行われてもよい。また、上記パラメータとしては、事前に実験、観察を行って決定した固定値を用いてもよく、この場合には、検出補正制御部３３４はパラメータの更新を実施しないこととなる。また、検出補正制御部３３４による各種パラメータの更新の詳細は後述する。

　（補正部３３６）
　補正部３３６は、検出部３３２から得られた異常フラグが付与されたＰＰＩの時系列データに対して、異常値の補間又は除去といった補正処理を行う。補正部３３６が行う補正処理の内容については、後述するＨＲＶ指標算出部３４２で算出されるＨＲＶ指標の種別に応じて選択することができる。また、補正部３３６は、上記異常値の発現パターンに応じて、補正処理の内容を選択してもよい。補正部３３６により補正されたＰＰＩの時系列データは、後述するＨＲＶ指標算出部３４２に出力される。なお、補正部３３６による補正処理の詳細については後述する。

　（信頼度算出部３３８）
　信頼度算出部３３８は、脈波信号の測定時にユーザの状態が測定に適切な状態にあるかどうかの観点で、当該脈波信号から得られたＰＰＩの時系列データや当該ＰＰＩの時系列データから得られたＨＲＶ指標の信頼度を算出する。一般的に、精神的ストレス度評価や自律神経機能評価のためにＨＲＶ指標を算出する場合には、これらの基礎データとなる脈波信号の測定時のユーザの状態は、安静、且つ、同一姿勢に維持されていることが望ましいとされている。測定される脈波信号は、ユーザの自律神経系の変化以外にも、ユーザの身体状態の変化によって影響を受けるためである。従って、脈波信号の測定時のユーザ状態が安静、且つ、同一姿勢であれば、ＰＰＩの時系列データ及びＨＲＶ指標の信頼度は高くなり、測定時のユーザの状態が上記の理想的な状態から離れるほど上記信頼度は低くなる。そこで、信頼度算出部３３８は、脈波信号の測定時のユーザの状態を、例えばウェアラブルデバイス１０の有するモーションセンサ部１２４の加速度データによって検出し、検出した結果に基づいて、信頼度を算出する。このようにして信頼度算出部３３８で算出された信頼度は、例えば、ユーザ端末５０等に出力されることによりユーザに提示されたり、ウェアラブルデバイス１０に出力されてウェアラブルデバイス１０の制御に用いられたりする。さらに、当該信頼度は、サーバ３０の他の機能部（例えば、後述するＨＲＶ指標算出部３４２）に出力されて、他の機能部における処理の制御に用いられる。なお、上記信頼度は、脈波信号の測定時のＰＰＧセンサ部１２２の装着状態からも影響を受けることから、上記装着状態に基づいて算出することもできる。信頼度算出部３３８での信頼度の算出の詳細については、後述する。

　（ＨＲＶ指標算出部３４２）
　ＨＲＶ指標算出部３４２は、補正部３３６によって補正されたＰＰＩの時系列データを用いて各種ＨＲＶ指標を算出する。ＨＲＶ指標算出部３４２は、例えば、ＨＲＶ指標として、ＲＭＳＳＤ（Ｒｏｏｔ　Ｍｅａｎ　Ｓｑｕａｒｅ　Ｓｕｃｃｅｓｓｉｖｅ　Ｄｉｆｆｅｒｅｎｃｅ）、ＳＤＮＮ（Ｓｔａｎｄａｒｄ　Ｄｅｖｉａｔｉｏｎ　ｏｆ　ｔｈｅ　Ｎｏｒｍａｌ　ｔｏ　Ｎｏｒｍａｌ　Ｉｎｔｅｒｖａｌ)、ＬＦ／ＨＦ等を算出する。さらに、これら算出されたＨＲＶ指標は、さらに処理されることにより、ユーザの、睡眠状態の評価、精神的ストレス度の評価、リラックス度の評価、集中度の評価等に用いることができる。このようにしてＨＲＶ指標算出部３４２で算出されたＨＲＶ指標等は、ユーザ端末５０等に出力され、例えば、ユーザに提示される。

　例えば、ＲＭＳＳＤは、時系列上で互いに隣接するＰＰＩ値の差分の二乗の平均値の平方根である。当該ＲＭＳＳＤは、脳神経の１つである迷走神経の緊張状態を示す指標になると考えられている。

　例えば、ＳＤＮＮは、所定の期間内（例えば、１２０秒）でのＰＰＩ値のデータ群の標準偏差である。当該ＳＤＮＮは、交感神経及び副交感神経の両方を含む自律神経系の活動状況を示す指標になると考えられている。

　例えば、ＬＦ／ＨＦは、ＰＰＩの時系列データの高周波成分（例えば、０．１５～０．４Ｈｚ）のパワースペクトルに対する低周波成分（例えば、０．００４～０．１５Ｈｚ）のパワースペクトルの割合である。ＬＦ／ＨＦは、交感神経と副交感神経とのバランスを示す指標となると考えられており、ＬＦ／ＨＦが高いと交感神経が優位である状態を示し、ＬＦ／ＨＦが低いと副交感神経が優位である状態を示していると考えられる。

　　＜＜４．　本実施形態に係る情報処理方法＞＞
　以上、本実施形態に係る制御部３３０の詳細構成について説明した。次に、本実施形態に係る情報処理方法の概略について、図９を参照して説明する。図９は、本実施形態に係るデータフローを示した説明図である。

　図９に示すように、ウェアラブルデバイス１０に設けられたＰＰＧセンサ部１２２によって検出された脈波信号を、ウェアラブルデバイス１０の制御部１３０（もしくは、サーバ３０の制御部３３０であってもよい）により処理し、ＰＰＩの時系列データを取得する。さらに、ＰＰＩの時系列データは、サーバ３０の検出部３３２により処理されて、当該ＰＰＩの時系列データに含まれる異常値が検出される（異常値の検出）。そして、検出した異常値に基づき、補正部３３６がＰＰＩの時系列データを補正し、異常値が補正されたＰＰＩの時系列データをＨＲＶ指標算出部３４２に出力する（異常値の補正）。この際、サーバ３０の信頼度算出部３３８は、ウェアラブルデバイス１０の有するモーションセンサ部１２４の加速度データ等を利用して、信頼度を算出する（信頼度の算出）。さらに、ＨＲＶ指標算出部３４２は、異常値が補正されたＰＰＩの時系列データに基づいて、ＨＲＶ指標を算出し、算出したＨＲＶ指標を信頼度とともにユーザ端末５０等へ出力する（信頼度の出力）。以下に、本実施形態に係る情報処理方法の各段階での処理の詳細について説明する。

　　＜４．１　異常値の検出＞
　以下に説明する本実施形態に係る異常値の検出においては、取得したＰＰＩの時系列データから、所定長の期間の連続するＰＰＩ値を抽出し、抽出したＰＰＩの時系列データを類型化した異常値の発現パターンと比較することにより、異常値を検出する。すなわち、本実施形態によれば、ＰＰＩの時系列データに含まれるＰＰＩ値ごとに、異常値か否かを判定するのではなく、一度に複数のＰＰＩ値について判定することから、異常値の検出に係る処理及び処理時間を軽減することができる。

　以下に、図１０及び図１１を参照して、本実施形態に係る異常値の検出の一例を説明する。図１０及び図１１は、本実施形態に係る類型化された異常値の出現パターンの一例を示した説明図である。事前に、実験、観察を行い、当該観察結果に基づいて異常値が含まれていると判定されたＰＰＩの時系列データの所定長の期間を抽出し、抽出した期間の挙動を類型化して、８つの異常値の発現パターンとしたものが、図１０及び図１１に示されている。詳細には、所定長の期間を持つ各異常値の発現パターンにおいては、連続した５つのＰＰＩ値（図中　黒ドットで示されている）が含まれており、さらに、異常値と判定されるＰＰＩ値は、図中丸で囲むことで示されている。以下に説明する実施形態においては、新たに取得されたＰＰＩの時系列データが、このような異常値の発現パターンに当てはまるか否かを、数値の大小関係に基づいて判定することにより、異常値を検出する。

　まず、取得されたＰＰＩの時系列データの先頭から５つのＰＰＩ値が含まれる所定長の期間のＰＰＩの時系列データを抽出する。以下の説明においては、抽出したＰＰＩの時系列データに含まれる５つのＰＰＩ値を時系列順にそれぞれ、ｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２、ｐ_ｎ＋３、ｐ_ｎ＋４とする。

　次に、本実施形態に係る異常値の検出においては、以下の数式（１）～（５）を用いて、異常値の検出のための各パラメータｒｏｃ、ｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２を算出する。なお、ｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２は、事前に、様々なユーザに対して複数回の脈波信号の測定を行い取得された複数のＰＰＩの時系列データを統計処理して得られた平均値μ及び標準偏差σ、及び、互いに隣接するＰＰＩ値の差分値の時系列データを統計処理して得られた平均値μ´及び標準偏差σ´に基づき、算出される。また、以下の説明においては、ｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２は、事前に定められた固定値であるものとする。

　なお、数式（２）から（５）に含まれるαは、事前に実験、観察等に基づいて決定される値であり、例えば、１．０と設定することができる。

　（ケース１）
　抽出されたＰＰＩの時系列データに含まれるｐ_ｎ、ｐ_ｎ＋１において、以下の数式（６）及び数式（７）が成立する場合には、抽出されたＰＰＩの時系列データは、図１０のケース１に該当すると判定される。この場合、ｐ_ｎ＋１、ｐ_ｎ＋２が異常値であるとして検出される。

　（ケース２）
　抽出されたＰＰＩの時系列データに含まれるｐ_ｎ、ｐ_ｎ＋１において、以下の数式（８）及び数式（９）が成立する場合には、抽出されたＰＰＩの時系列データは、図１０のケース２に該当すると判定される。この場合、ｐ_ｎ＋１が異常値であるとして検出される。

　（ケース３）
　抽出されたＰＰＩの時系列データに含まれるｐ_ｎ、ｐ_ｎ＋１において、以下の数式（１０）及び数式（１１）が成立する場合には、抽出されたＰＰＩの時系列データは、図１０のケース３に該当すると判定される。この場合、ｐ_ｎ＋１、ｐ_ｎ＋２が異常値であるとして検出される。

　（ケース５）
　抽出されたＰＰＩの時系列データに含まれるｐ_ｎ、ｐ_ｎ＋１において、以下の数式（１２）及び数式（１３）が成立する場合には、抽出されたＰＰＩの時系列データは、図１１のケース５に該当すると判定される。この場合、ｐ_ｎ＋１、ｐ_ｎ＋２が異常値であるとして検出される。

　（ケース６）
　抽出されたＰＰＩの時系列データに含まれるｐ_ｎ、ｐ_ｎ＋１において、以下の数式（１４）及び数式（１５）が成立する場合には、抽出されたＰＰＩの時系列データは、図１１のケース６に該当すると判定される。この場合、ｐ_ｎ＋１が異常値であるとして検出される。

　（ケース７）
　抽出されたＰＰＩの時系列データに含まれるｐ_ｎ、ｐ_ｎ＋１において、以下の数式（１６）及び数式（１７）が成立する場合には、抽出されたＰＰＩの時系列データは、図１１のケース７に該当すると判定される。この場合、ｐ_ｎ＋１、ｐ_ｎ＋２が異常値であるとして検出される。

　（ケース４）
　次に、上述のケース１～３、ケース５～７に該当しない場合であって、抽出されたＰＰＩの時系列データに含まれるｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２、ｐ_ｎ＋３、ｐ_ｎ＋４において、以下の数式（１８）～（２０）が成立する場合には、抽出されたＰＰＩの時系列データは、図１０のケース４に該当すると判定される。この場合、ｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２、ｐ_ｎ＋３が異常値であるとして検出される。

　（ケース８）
　抽出されたＰＰＩの時系列データに含まれるｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２、ｐ_ｎ＋３、ｐ_ｎ＋４において、以下の数式（２１）～（２３）が成立する場合には、抽出されたＰＰＩの時系列データは、図１１のケース８に該当すると判定される。この場合、ｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２、ｐ_ｎ＋３が異常値であるとして検出される。

　以上のように検出した異常値に対しては、異常値である旨を示すフラグを付与する。さらに、取得されたＰＰＩの時系列データから次の５つのＰＰＩ値が含まれる所定長の期間のＰＰＩの時系列データを抽出し、上述のような異常値の検出を行う。そして、取得されたＰＰＩの時系列データの終点のＰＰＩ値に対する処理が完了するまで、上述の異常値の検出を繰り返し行う。

　なお、上述した異常値の検出においては、抽出した所定長の期間のＰＰＩの時系列データが図１０及び図１１に示される８つの異常値の発現パターンのいずれかに該当するかの判定を行ったが、本実施形態においては、このような方法に限定されるものではない。例えば、本実施形態においては、抽出した所定長の期間のＰＰＩの時系列データが、８つではなく４つの異常値の発現パターンに該当するか否かを判定して、異常値の検出を行ってもよい。

　　＜４．２　パラメータについて＞
　上述した異常値の検出においては、異常値の検出のために用いる各パラメータｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２は、事前に定められた固定値であるものとして説明した。しかしながら、本実施形態においては、各パラメータｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２が固定値であると限定されるものではなく、動的に変化する値であってもよい。

　具体的には、ユーザの脈波信号の傾向は、ユーザの身体特性に応じて異なり、さらに、測定された時期や、ユーザの年齢、身体状態に応じて変化する。従って、異常値の精度よく検出するためには、ユーザの身体特性等の影響が反映されたパラメータｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２を用いることが好ましい。そこで、本実施形態においては、新たにユーザの脈波信号を測定する際には、例えば、測定する前日の一日分の当該ユーザの脈波信号から得たＰＰＩの時系列データ（例えば、図８のＤＢ３５２ａに格納されているＰＰＩの時系列データ）を用いて平均値μ、μ´及び標準偏差σ、σ´を算出する。そして、本実施形態においては、算出された平均値μ、μ´及び標準偏差σ、σ´に基づき、上記数式（２）から（５）を用いてパラメータｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２を算出し、当該パラメータｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２を異常値の検出の際に用いる。一日分の当該ユーザの脈波信号から得たＰＰＩの時系列データは、ユーザの身体特性や身体状態を反映したデータであるとみなすことができるためである。なお、ユーザの現在の身体状態を反映させるために、当該パラメータｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２は、新たに脈波信号が測定されるたび、もしくは、定期的に更新されることが好ましい。

　さらに、平均値μ、μ´及び標準偏差σ、σ´を算出する際には、後述する信頼度が高い区間におけるＰＰＩ時系列データを使用するようにしてもよい。また、平均値μ、μ´及び標準偏差σ、σ´を算出する際には、直近のＰＰＩの時系列データの平均値μ、μ´及び標準偏差σ、σ´への寄与が高くなるように、算出に用いるＰＰＩの時系列データに重み付けを行ってもよい。加えて、パラメータｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２の算出の際には、ウェアラブルデバイス１０のセンサ部１２０に設けられた各種生体センサ（図示省略）から取得されたセンシングデータに基づいて、数式（２）から（５）に含まれるαを変化させてもよい。すなわち、本実施形態においては、精度よく異常値の検出を行うことができるパラメータｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２を取得することができるものであれば、パラメータｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２、ｔｈ_ｅｔｏ１、ｔｈ_ｅｔｏ２の算出方法は特に限定されるものではない。

　　＜４．３　異常値の補正＞
　以下に説明する本実施形態に係る異常値の補正においては、取得したＰＰＩの時系列データから異常値を検出し、検出結果に基づき、当該ＰＰＩの時系列データを補正する。本実施形態によれば、異常値を補正することから、補正したＰＰＩの時系列データから取得される各種ＨＲＶ指標の精度をより高めることができる。以下においては、異常値の補正として、ＨＲＶ指標の種別に応じて補正を行う方法と、上記異常値の発現パターンに応じて補正を行う方法との主に２つの例を挙げて説明する。

　（第１の方法）
　まず、異常値の補正の一例として、ＨＲＶ指標の種別に応じて補正を行う第１の方法を、図１２を参照して説明する。図１２は、本実施形態の第１の方法に係る異常値の補正を説明する説明図である。詳細には、図１２の上段には、異常値が検出された区間を線形補完するケースＡの補正例が示され、図１２の中段には、異常値を除去するケースＢの補正例が示され、図１２の下段には、補正を実施しないケースＣの補正例が示されている。第１の方法によれば、ＨＲＶ指標の種別に応じて補正を行うことから、好適な補正方法で補正されたＰＰＩの時系列データを用いてＨＲＶ指標を算出することができ、算出したＨＲＶ指標の精度をより高めることができる。

　詳細には、本方法においては、ＨＲＶ指標としてＲＭＳＳＤを算出する場合には、図１２の上段に示すケースＡを選択し、異常値が検出された区間を線形補完する。また、本方法においては、ＨＲＶ指標としてＳＤＮＮを算出する場合には、図１２の中段に示すケースＢを選択し、異常値を除去する。さらに、本方法においては、ＨＲＶ指標としてＬＦ／ＨＦを算出する場合には、図１２の下段に示すケースＣを選択し、補正を実施しない。この場合、ＬＦ／ＨＦを算出する際には、連続して異常値が存在しない最長の区間のＰＰＩの時系列データを用いてＬＦ／ＨＦを算出する。

　（第２の方法）
　次に、異常値の補正の一例として、異常値の発現パターンに応じて補正を行う第２の方法を、図１３～２０を参照して説明する。図１３～２０は、本実施形態の第２の方法に係る異常値の補正を説明する説明図である。本方法においては、図１０及び図１１に示される異常値の発現パターン（ケース１～８）の発生理由を考慮して、補正方法を選択する。第２の方法によれば、異常値の発現パターンに応じて補正を行うことから、異常値の発生理由を考慮した上で異常値の補正を行うことができることから、より好適に異常値の補正を行うことができる。

　－ケース１－
　まず、図１３を参照して、異常値の出現パターンのケース１の場合の補正について説明する。ケース１は、図１３の上段に示すように、取得された脈波信号において、本来検出されるべき正しいピークＴを検出せず、誤ったピークＥを検出したことにより、図１３の中段に示すようなＰＰＩの時系列データが取得された場合である。詳細には、図１３の中段に示されたＰＰＩの時系列データにおいては、誤ったピークＥを検出したことにより、ｐ_ｎ＋１は大きな値となり、ｐ_ｎ＋２は小さな値となっている。すなわち、ｐ_ｎ＋１、ｐ_ｎ＋２が異常値にあたる。誤ったピークＥの検出は、脈波信号のＤＣシフトにより、本来検出すべき正しいピークＴが出現すべき位置の近傍に誤ったピークＥが発生することにより生じる。この場合、正しいピークＴが検出されていれば、本来のｐ_ｎ＋１は、図１３の中段のｐ_ｎ＋１よりも値が小さくなり、本来のｐ_ｎ＋２は、図１３の中段に示されているｐ_ｎ＋２よりも値が大きくなっているものと推察される。そこで、ケース１においては、図１３の下段に示すように、以下の数式（２４）に従ってΔβを算出し、異常値であるｐ_ｎ＋１をΔβだけ小さくし、異常値であるｐ_ｎ＋２をΔβだけ大きくする補正を行う。このようにして、ＤＣシフトに起因する異常値を補正することができる。

　なお、数式（２４）に含まれるαは、事前に実験、観察等に基づいて決定される値であり、例えば、１．０と設定することができる。また、数式（２２）に含まれるαは、ｔｈ_ｒｏｃ１、ｔｈ_ｒｏｃ２等を算出した際に用いたαであってもよい。

　－ケース２－
　図１４を参照して異常値出現パターンのケース２の場合の補正について説明する。ケース２は、図１４の上段に示すように、取得された脈波信号において、本来検出されるべき１つのピークＴを検出しなかったことにより、図１４の中段に示すようなＰＰＩの時系列データが取得された場合である。詳細には、図１４の中段に示されたＰＰＩの時系列データにおいては、本来検出されるべき１つのピークＴを検出しなかったことにより、本来は２つのピークがあるべきところを、２つのピークが足し合わされた誤った異常値ｐ_ｎ＋１が発現する。当該異常値ｐ_ｎ＋１の発現は、ユーザの不整脈の影響により生じたものと推察される。従って、正しいピークＴが検出されていれば、ＰＰＩの時系列データにおいては、ｐ_ｎ＋１は２つに分割されると推察される。そこで、ケース２においては、図１４の下段に示すように、異常値であるｐ_ｎ＋１の後にｐ´_ｎ＋１、ｐ´´_ｎ＋１を挿入して、ｐ_ｎ＋１を２つに分割する補正を行う。ｐ´_ｎ＋１、ｐ´´_ｎ＋１は、下記数式（２５）及び（２６）に基づき算出することができる。このようにして、ユーザの不整脈等に起因する異常値を補正することができる。

　なお、数式（２５）及び数式（２６）に含まれるαは、事前に実験、観察等に基づいて決定される値であり、例えば、０．５と設定することができる。

　－ケース３－
　図１５を参照して、異常値の出現パターンのケース３の場合の補正について説明する。ケース３は、図１５の上段に示すように、取得された脈波信号において、本来３つのピークが検出されるべきところ、１つの大きなピークＥに起因して２つのピークＴが検出できなかったことにより、図１５の中段に示すようなＰＰＩの時系列データが取得された場合である。詳細には、本ケースでは、図１５の上段に示すように、衝撃ノイズ等に起因した誤ったピークＥが検出され、誤ったピークＥの近傍に位置する本来検出すべき２つの正しいピークＴの検出ができなくなり、図１５の中段に示すように、大きな値を持った異常値ｐ_ｎ＋１、ｐ_ｎ＋２が検出される。この場合、正しいピークＴが検出されていれば、異常値ｐ_ｎ＋１、ｐ_ｎ＋２は、３つに分割されると推察される。そこで、ケース３においては、図１５の下段に示すように、異常値ｐ_ｎ＋１をΔβ_１分だけ小さくし、異常値ｐ_ｎ＋２をΔβ_２分だけ小さくし、異常値ｐ_ｎ＋１、ｐ_ｎ＋２の真ん中に_、ｐ´_ｎ＋１を挿入する。ｐ´_ｎ＋１は、以下の数式（２７）に従って算出することができる。なお、Δβ_１及びΔβ_２は、事前に実験、観察等に基づいて定められた値又は数式により決定することができる。このようにして、衝撃ノイズ等に起因した異常値を補正することができる。

　－ケース４－
　図１６を参照して、異常値の出現パターンのケース４の場合の補正について説明する。ケース４は、図１６の上段に示すように、ＰＰＩの時系列データ中のＰＰＩ値が徐々に低くなっていき（ｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２、ｐ_ｎ＋３）、ある時点で本来の検出すべき値に復帰している（ｐ_ｎ＋４）。このような異常値ｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２、ｐ_ｎ＋３は、心拍による高周波ノイズが脈波信号に付加されることに起因して生成された誤ったピークを検出することにより、本来の脈波の間隔よりも短い間隔でピークを検出してしまうことにより生じる。例えば、ＰＰＧセンサ部１２２では、１Ｈｚ前後の周期を持って振幅する脈波に対して、３Ｈｚ程度の高周波ノイズが付加される。このような場合、正しいピークが検出されていれば、検出されるべきピークの数は、異常値として検出したピークの個数４個よりも少なくなるはずである。そこで、ケース４においては、図１６の下段に示すように、異常値ｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２をｍに補正し、ｐ_ｎ＋３を削除する。ｍは、以下の数式（２８）に従って算出することができる。このようにして、高周波ノイズ等に起因する異常値を補正することができる。

　－ケース５－
　図１７を参照して、異常値の出現パターンのケース５の場合の補正について説明する。ケース５は、ケース１と同様に、図１７の上段に示すように、取得された脈波信号において、本来検出されるべき正しいピークＴを検出せず、誤ったピークＥを検出したことにより、図１７の中段に示すようなＰＰＩ時系列データが取得された場合である。詳細には、図１７の下段に示されたＰＰＩの時系列データにおいては、誤ったピークＥを検出したことにより、ｐ_ｎ＋１は小さな値となり、ｐ_ｎ＋２は大きな値となっている。すなわち、ｐ_ｎ＋１、ｐ_ｎ＋２が異常値にあたる。誤ったピークＥの検出は、脈波信号のＤＣシフトにより、本来検出すべき正しいピークＴが出現すべき位置の近傍に誤ったピークＥが発生することにより生じる。この場合、正しいピークＴが検出されていれば、本来のｐ_ｎ＋１は、図１７の中段に示されているｐ_ｎ＋１よりも値が大きくなり、本来のｐ_ｎ＋２は、図１７の中段に示されているｐ_ｎ＋２よりも値が小さくなっているものと推察される。そこで、ケース５においては、図１７の下段に示すように、以下の数式（２９）に従ってΔβを算出し、異常値であるｐ_ｎ＋１をΔβだけ大きくし、異常値であるｐ_ｎ＋２をΔβだけ小さくする補正を行う。このようにして、ＤＣシフトに起因する異常値を補正することができる。

　なお、数式（２９）に含まれるαは、事前に実験、観察等に基づいて決定される値であり、例えば、１．０と設定することができる。

　－ケース６－
　図１８を参照して、異常値の出現パターンのケース６の場合の補正について説明する。ケース６は、図１８の上段に示すように、取得された脈波信号において、本来１つのピークが検出されるべきところ、外部からの衝撃による衝撃ノイズ等による誤ったピークＥも検出したことにより、図１８の中段に示すようなＰＰＩの時系列データが取得された場合である。この場合、正しいピークが検出されていれば、１つのピークが検出されると推定される。そこで、ケース６においては、図１８の下段に示すように、以下の数式（３０）に従ってｐ_ｎ＋２にｐ_ｎ＋１を足し合わせて新たなｐ´_ｎ＋２を算出する。そして、ケース６においては、ｐ_ｎ＋２を算出されたｐ´_ｎ＋２に補正し、ｐ_ｎ＋１を削除する。このようにして、衝撃ノイズ等に起因する異常値を補正することができる。

　－ケース７－
　図１９を参照して、異常値の出現パターンのケース７の場合の補正について説明する。ケース７は、図１９の上段に示すように、取得された脈波信号において、本来１つのピークが検出されるべきところ、外部からの衝撃による衝撃ノイズ等による誤ったピークＥを検出したことにより、図１９の中段に示すようなＰＰＩの系列データが取得された場合である。この場合、正しいピークＴが検出されていれば、１つのピークが検出されると推定される。そこで、ケース７においては、図１９の下段に示すように、以下の数式（３１）に従ってｐ_ｎ＋２にｐ_ｎ＋１を足し合わせて新たなｐ´_ｎ＋１を算出する。そして、ケース７においては、ｐ_ｎ＋１を算出されたｐ´_ｎ＋１に補正し、ｐ_ｎ＋２を削除する。このようにして、衝撃ノイズ等に起因する異常値を補正することができる。

　－ケース８－
　図２０を参照して、異常値の出現パターンのケース８の場合の補正について説明する。ケース８は、図２０の上段に示すように、ＰＰＩの時系列データ中のＰＰＩ値が徐々に高くなっていき（ｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２、ｐ_ｎ＋３）、ある時点で本来の検出すべき値に復帰している（ｐ_ｎ＋４）。このような異常値ｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２、ｐ_ｎ＋３は、心拍による高周波ノイズが脈波信号に付加されることに起因して、本来検出すべきピークを検出できなかったことにより発生する。この場合、正しいピークＴが検出されていれば、検出されるべきピークの数は、異常値として検出したピークの個数４個よりも多くなるはずである。そこで、ケース８においては、図２０の下段に示すように、異常値ｐ_ｎ、ｐ_ｎ＋１、ｐ_ｎ＋２、ｐ_ｎ＋３をｍに置き替え、且つ、同様にｍの値を持つｐ´_ｎ＋３をｐ_ｎ＋３の後に追加する補正を行う。ｍは、以下の数式（３２）に従って算出することができる。このようにして、高周波ノイズ等に起因する異常値を補正することができる。

　なお、本実施形態においては、異常値の補正は、上述の方法に限定されるものではなく、特に限定されるものではない。本実施形態においては、例えば、後述する信頼度に応じて、異常値の補正を行ってもよい。この場合、具体的には、信頼度が高いＰＰＩの時系列データの区間において検出された異常値に対しては、ユーザの自律神経系の何らかの変化により生じたものと推定し、積極的に異常値の補正を行わないことを選択する。一方、信頼度が低いＰＰＩの時系列データの区間において検出された異常値に対しては、衝撃等の外的な影響により生じたものと推定し、積極的に異常値の補正を行うことを選択する。さらに、本実施形態においては、異常値の検出及び異常値の補正については、機械学習によりユーザの過去のＰＰＩの時系列データの傾向を学習し、その学習結果に基づき個々のユーザの傾向に応じて異常値の検出及び補正を行ってもよい。

　　＜４．４　信頼度の算出＞
　以下に説明する本実施形態に係る信頼度の算出においては、脈波信号の測定時にユーザの状態が測定に適切な状態にあるかどうかの観点で、当該脈波信号から得られたＰＰＩの時系列データや当該ＰＰＩの時系列データから得られたＨＲＶ指標の信頼度を算出する。先に説明したように、精神的ストレス度評価や自律神経機能評価のためにＨＲＶ指標を算出する場合には、これらの基礎データとなる脈波信号の測定時のユーザの状態は、安静、且つ、同一姿勢に維持されていることが望ましい。また、信頼度の算出においては、脈波信号の測定時に脈波信号を検出するＰＰＧセンサ部１２２の装着状態が適切な状態にあるかどうかの観点でも算出されることができる。そこで、本実施形態においては、上述の観点で信頼度を算出し、算出した信頼度をユーザに提示することにより、ともに提示されるＨＲＶ指標の信頼性をユーザに認識させることができる。また、本実施形態においては、算出した信頼度に基づき、ウェアラブルデバイス１０のセンサ部１２０を制御したり、ＨＲＶ指標の算出処理を制御したりすることもできる。以下に、本実施形態に係る信頼度の算出の様々な例を説明する。

　（第１の方法）
　まず、信頼度ｒ_ｉの算出方法の一例として、ウェアラブルデバイス１０に設けられたモーションセンサ部１２４で取得されたセンシングデータを利用して、信頼度ｒ_ｉを算出する第１の方法を説明する。モーションセンサ部１２４で取得されたセンシングデータは、ユーザの動作が反映されたデータであることから、このようなデータを解析することにより、ユーザが脈波信号の測定時としては適切な状態にあるかどうかを判定することができる。

　詳細には、本方法においては、ユーザの脈波信号の測定時に、ユーザに装着されたモーションセンサ部１２４からユーザの動作による加速度データを取得する。さらに、本方法においては、脈波信号のサンプリングのタイミング毎に、取得した加速度データから加速度ノルムを算出する。そして、本方法においては、算出した複数の加速度ノルムを例えば１秒おきに平均化し、平均化されて得られた平均値を要素とする複数のベクトルＡｉを得る。

　次に、本方法においては、複数のベクトルＡｉの値を用いて、平均値μ_ｉと標準偏差σ_ｉを算出する。さらに、本方法においては、算出した平均値μ_ｉと標準偏差σ_ｉを用いて、ユーザの安静度を示す「安静スコア」Ｓｒと、ユーザの姿勢の変化の少なさ、すなわち、運動状態を示す「姿勢スコア」Ｓｐとを以下の数式（３３）及び数式（３４）に従って算出する。なお、Ｓｒは、ユーザが安静状態にあれば小さな値となり、Ｓｐは、ユーザの姿勢に変化がなければ小さな値になると推定される。

　なお、上記数式（３３）及び（３４）におけるσ_μ及びσ_σは、事前に、様々なユーザの日常生活における加速度データから得られた複数のベクトルＡｉから算出された平均値μi群及び標準偏差σi群の各標準偏差である。

　なお、安静スコアＳｒと、姿勢スコアＳｐとに対しては、これらの値が０以上１以下の範囲に収まるようクリッピング処理が行われることが好ましい。そして、本方法においては、算出された安静スコアＳｒと姿勢スコアＳｐと用いて、以下の数式（３５）に従って信頼度ｒ_ｉを算出する。

　なお、数式（３３）に含まれるαは、事前に実験、観察等に基づいて決定される値であり、０以上１以下の数値を設定することができる。

　このようにして得られた信頼度ｒｉは、例えばユーザに提示される。この際、信頼度ｒｉは、算出された安静スコアＳｒと姿勢スコアＳｐとともに、ユーザに提示されてもよい。

　また、本方法においては、ユーザの安静度を示す安静スコアＳｒと、ユーザの姿勢の変化の少なさを示す姿勢スコアＳｐとを算出することができればよく、上述のような平均値μ_ｉ及び標準偏差σ_ｉ以外の統計値を用いて算出してもよい。さらに、本方法においては、例えば、モーションセンサ部１２４に内蔵された３軸加速度センサ（図示省略）から取得されたＸＹＺ軸の各軸方向の加速度データを用いて、安静スコアＳｒと姿勢スコアＳｐとを算出してもよい。この場合、それぞれの軸方向の加速度データを用いて上述のように各軸方向における信頼度ｒｉを求めて、求めた各信頼度ｒｉの線形和を最終的な信頼度として用いてもよい。

　また、本方法においては、既存のアルゴリズムを用いてモーションセンサ部１２４で取得されたセンシングデータからユーザの姿勢や状態を推定し、推定結果に基づいて、安静スコアＳｒと姿勢スコアＳｐとを算出してもよい。より具体的には、モーションセンサ部１２４で取得されたセンシングデータに基づいて、ユーザが「座位」、「立位」、「歩行」、「走行」等のどの状態にあるかを推定する。さらに、ユーザの状態と安静スコアＳｒの値及び姿勢スコアＳｐの値とが予め紐づけられており（例えば、ユーザが「座位」であった場合にはＳｒは１．０、ユーザが「歩行」状態にあった場合にはＳｒは０．５、ユーザが「走行」状態であった場合にはＳｒは０．０と予め決定されている）、上記推定結果に基づいて安静スコアＳｒの値及び姿勢スコアＳｐの値を選択し、選択した値を用いて信頼度ｒｉを算出する。また、本方法においては、ユーザの脈波信号の想定時に、既存のアルゴリズムを用いて、モーションセンサ部１２４で取得されたセンシングデータからユーザの状態を推定し、当該脈波信号の測定期間内で最も長い姿勢の時間の割合を安静スコアＳｒとしてもよい。

　（第２の方法）
　次に、信頼度ｒ_ｉの算出方法の一例として、ウェアラブルデバイス１０に設けられたＰＰＧセンサ部１２２で取得された脈波信号を利用して信頼度ｒ_ｉを算出する第２の方法を、図２１を参照して説明する。図２１は、本実施形態の第２の方法に係る信頼度の算出を説明する説明図である。本方法によれば、モーションセンサ部１２４を設けることなく、ユーザの安静度を示す安静スコアＳｒを取得することができる。

　詳細には、ユーザの安静度を示す安静スコアＳｒは、所定の期間における、脈波信号に含まれる直流成分（ＤＣ成分）の変動を定量化することにより算出することができる。そこで、本方法においては、脈波信号の直流成分の変化を検出し、検出結果に基づいて上述の安静スコアＳｒを算出し、算出した安静スコアＳｒを用いて第１の方法と同様に信頼度ｒ_ｉを算出する。より具体的には、脈波信号は、ユーザの心臓の拍動による血流量の変化に対応した拍動成分（ＡＣ成分）と、拍動以外の血液層や血液以外の組織からの反射光や散乱光に対応した直流成分（ＤＣ成分）とを含む。ユーザが運動している等といった非安静状態の場合には、ユーザの動作に起因した血流量の変化や、ＰＰＧセンサ部１２２の装着ずれ等に起因してＰＰＧセンサ部１２２以外からの外光が検出されることにより、脈波信号のＤＣ成分に変動が生じる。例えば、図２１には、ユーザの腕にウェアラブルデバイス１０を装着し、すなわち、ユーザの腕にＰＰＧセンサ部１２２を装着し、ユーザの腕を、ユーザの胸の高さに維持した場合、胸よりも上げた場合、胸よりも下げた場合の脈波信号の変動が示されている。図２１からわかるように、ＰＰＧセンサ部１２２を装着した腕を上げ下げすることにより、図中の脈波信号の高さの変動として、脈波信号のＤＣ成分の変動が現れる。すなわち、ユーザの姿勢が一定の状態で維持されていれば、脈波信号のＤＣ成分は一定の値に維持されることとなる。このように、脈波信号のＤＣ成分は、ユーザの安静度を反映している指標として考えることができる。そこで、本方法においては、例えば、脈波信号の測定期間における脈波信号のＤＣ成分の変動を統計処理して分散（σ^２）を算出し、算出した分散の逆数を上述の安静スコアＳｒとして用いることができる。

　（第３の方法）
　次に、信頼度ｒ_ｉの算出方法の一例として、ウェアラブルデバイス１０に設けられたＰＰＧセンサ部１２２で取得された脈波信号に基づく脈拍の変化を利用して信頼度ｒ_ｉを算出する第３の方法を、図２２を参照して説明する。図２２は、本実施形態の第３の方法に係る信頼度の算出を説明する説明図である。本方法によれば、モーションセンサ部１２４を設けることなく、ユーザの姿勢の変化の少なさを示す姿勢スコアＳｐを取得することができる。

　ＰＰＧセンサ部１２２で取得された脈波信号は、ユーザの脈拍による変化を反映したデータであることから、脈波信号を解析することにより、所定時間におけるユーザの脈拍数を得ることができる（例えば、一分間あたりの脈拍数。なお、当該脈拍数は、ｂｅａｔ　ｐｅｒ　ｍｉｎｕｉｔｅ（ｂｐｍ）とも呼ばれる）。当該脈拍数においては、ユーザの状態が変化すると、それに応じて変化が生じる。例えば、図２２に示すように、ユーザの状態が、横たわった臥位の状態から立ちあがった立位の状態に変化した場合には、脈拍数において変化が生じる。より具体的には、臥位においては、脈拍数は６０～７０ｂｐｍ程度に安定し、立位の場合には脈拍数は８０～１００ｂｐｍ程度にまで変化している。このようなことから、脈拍数の変化は、ユーザの姿勢の変化の少なさを反映している指標として考えることができる。そこで、本方法においては、例えば、脈波信号の測定期間における脈拍数の変動を統計処理して分散（σ^２）を算出し、算出した分散の逆数を上述の姿勢スコアＳｐとして用いることができる。なお、本方法においては、脈拍数の代わりに、心拍数を用いて姿勢スコアＳｐを算出してもよい。

　（第４の方法）
　先に説明したように、信頼度ｒ_ｉは、脈波信号の測定時に脈波信号を検出するＰＰＧセンサ部１２２の装着状態が適切な状態にあるかどうかの観点でも算出されることができる。そこで、信頼度ｒ_ｉの算出方法の一例として、ＰＰＧセンサ部１２２の装着状態に基づいて信頼度ｒ_ｉを算出する第４の方法を、図２３を参照して説明する。図２３は、本実施形態の第４の方法に係る信頼度の算出を説明する説明図であって、詳細には、本方法に係るウェアラブルデバイス１０ａの形態を示す。本方法によれば、ＰＰＧセンサ部１２２の装着状態を考慮して、信頼度ｒ_ｉを算出することができる。

　適切に脈波信号を取得するためには、ＰＰＧセンサ部１２２はユーザの身体の一部に適切な締め具合で装着することが求められる。そこで、本方法においては、図２３に示すように、腕時計型のウェアラブルデバイス１０ａのバンド部１２の内側に、ＰＰＧセンサ部１２２とともに、ＰＰＧセンサ部１２２の装着状態を検出する圧力センサ部１４を設ける。当該圧力センサ部１４により、脈波信号測定時におけるＰＰＧセンサ部１２２への圧力を検出し、検出結果を用いて、ＰＰＧセンサ部１２２の装着状態を取得することができる。そして、本方法においては、脈波信号測定期間内における、理想的に装着された際の圧力と圧力センサ部１４により検出された圧力との差分を、ＰＰＧセンサ部１２２の装着状態を示す指標として数学的に処理し（例えば、分散（σ^２）を算出し）、処理結果に基づいて信頼度ｒ_ｉを算出する。

　また、本方法においては、ＰＰＧセンサ部１２２の装着状態は、上述の圧力センサ部１４により検出することに限定されるものではなく、他のセンサによって検出してもよい。例えば、適切に脈波信号を取得するためには、ＰＰＧセンサ部１２２はユーザの身体の一部に密着していることが求められる。そこで、腕時計型のウェアラブルデバイス１０ａのバンド部１２の内側であって、ユーザの皮膚と密着する箇所に、温度センサ部（図示省略）を設けてもよい。当該温度センサ部により、ユーザの皮膚温度を検出し、検出結果を用いて、ＰＰＧセンサ部１２２の装着状態を検出してもよい。

　（第５の方法）
　また、信頼度ｒ_ｉは、上述した異常値の検出を利用しても、算出することができる。そこで、信頼度ｒ_ｉの算出方法の一例として、異常値の検出を利用して信頼度ｒ_ｉを算出する第５の方法を説明する。異常値が検出された場合には、ユーザが脈波信号の測定時としては適切な状態にない、もしくは、脈波信号測定時にＰＰＧセンサ部１２２の装着状態が適切な状態にないことが推定される。また、異常値が検出されない場合には、ユーザが脈波信号の測定時としては適切な状態にあり、且つ、脈波信号測定時にＰＰＧセンサ部１２２の装着状態が適切な状態にあることが推定される。そこで、本方法においては、ユーザの脈波信号の測定期間内における異常値が検出されなかった期間の割合に基づいて、信頼度ｒ_ｉを算出する。従って、本方法によれば、ユーザの状態及びＰＰＧセンサ部１２２の装着状態を考慮して、信頼度ｒ_ｉを算出することができる。

　ある測定期間における信頼度ｒ_ｉは、例えば、当該測定期間におけるＰＰＩの時系列データの測定時間をＴ_Ｍとし、当該測定期間において異常値が検出されなかったＰＰＩ値が得られた総和時間をＴ_Ｎとすると、以下の数式（３６）で表すことができる。

　また、ある測定期間における信頼度ｒ_ｉは、例えば、当該測定期間におけるＰＰＩの時系列データに含まれるデータ総数をＭとし、当該測定期間において異常値が検出されなかったＰＰＩ値のデータ総数をＮとすると、以下の数式（３７）で表すことができる。

　また、本方法においては、取得されたＰＰＩの時系列データにおける異常値の発現パターンに基づいて、信頼度ｒ_ｉを算出してもよい。例えば、ある測定期間における信頼度ｒ_ｉは、当該測定期間におけるＰＰＩの時系列データに含まれるデータ総数をＭとし、当該測定期間において、上述した８つの異常値の出現パターンの各ケースに該当し異常値であると判断された、ケース毎の異常値の数をＮ_ｉ（ｉは１～８の自然数）とすると、以下の数式（３８）で表すことができる。

　なお、上記式（３８）においては、αｉ（ｉは１～８の自然数）は、異常値の出現パターンのケースごとに決定された重み係数である。なお、重み係数αｉは、例えば、事前に測定したＰＰＩの時系列データと、その測定時の環境情報（外部からの衝撃の有無、ユーザの動作パターン、ウェアラブルデバイス１０の装着状態等）とに基づき、実験的に決定することができる。また、重み係数αｉは、異常値の発現パターンごとの異常値の発現理由に基づき重みづけすることで決定してもよい。

　なお、上述した信頼度ｒ_ｉの算出方法は一例であり、本実施形態に係る信頼度ｒ_ｉの算出方法は上述した方法に限定されるものではない。また、上述した信頼度ｒ_ｉの算出方法は、互いに組み合わせることもできる。本実施形態においては、例えば、上述の第５の方法によって得られた信頼度ｒ_ｉを、上述の第１の方法によってモーションセンサ部１２４で取得された加速度データから算出された信頼度ｒ_ｉと統合して、最終的な信頼度を算出してもよい。このように上述した信頼度ｒ_ｉの算出方法を組み合わせることにより、信頼度ｒ_ｉの精度をより向上させることができる。

　　＜４．５　信頼度の出力＞
　上述のように算出した信頼度ｒ_ｉは、例えば、ユーザに提示することにより、ともに提示されるＨＲＶ指標の信頼性をユーザに認識させることができる。また、例えば、算出した信頼度ｒ_ｉは、ウェアラブルデバイス１０のセンサ部１２０を制御したり、ＨＲＶ指標の算出処理を制御したりする際にも用いることができる。そこで、以下に本実施形態に係る信頼度ｒ_ｉの出力方法の様々な例を説明する。

　（第１の方法）
　まず、信頼度ｒ_ｉの出力方法の一例として、ユーザに対して信頼度ｒ_ｉを提示する第１の方法を、図２４及び図２５を参照して説明する。図２４及び図２５は、本実施形態の第１の方法に係る信頼度ｒ_ｉの出力を説明する説明図である。本方法によれば、例えば、ユーザに低い信頼度ｒ_ｉを提示することにより、ユーザは、当該信頼度ｒ_ｉを改善しようと、安静、且つ、同一姿勢に維持するような動作に誘導されることとなる。また、本方法においては、算出された信頼度ｒ_ｉが所定の値に比べて低下した場合、ユーザに提示されたＨＲＶし指標等の信頼性が低下しているとして、ユーザに対してその理由、もしくは、信頼度ｒ_ｉの改善を求めるアラートを提示してもよい。

　より具体的には、本方法においては、図２４に示すように、ＨＲＶ指標に基づき算出したストレス度をユーザに対して表示する際、当該ストレス度の表示形態を信頼度ｒ_ｉに応じて変化させる。例えば、図２４の左側に示すように、信頼度ｒ_ｉが高い場合には、コントラストを高めてストレス度を表示する。一方、図２４の右側に示すように、信頼度ｒ_ｉが低い場合には、コントラストを低くしてストレス度を表示する。このようにコントラストを変化させて表示することにより、ユーザは、表示されたストレス度の信頼性を容易に認識することができる。また、例えば、図２５に示すように、ＨＲＶ指標の時系列データをユーザに向けてグラフ表示する際には、信頼度ｒ_ｉが低い期間のＨＲＶ指標の時系列データを目立たないようにグレーアウト表示５００を行う。このようにすることで、ユーザは着目すべきＨＲＶ指標に注目することになり、ユーザのＨＲＶ指標の確認が容易となる。

　ユーザへの信頼度ｒ_ｉの提示方法としては、信頼度ｒ_ｉの表示の色、輝度等を信頼度ｒ_ｉに応じて変化させて表示してもよく、具体的に数字で信頼度ｒ_ｉを表示してもよく、本方法においては特に限定されるものではない。本方法においては、このように信頼度ｒ_ｉをユーザに提示することにより、ユーザは、当該信頼度ｒ_ｉを改善しようと、安静、且つ、同一姿勢に維持するような動作に誘導されることとなる。さらに、ユーザは、当該信頼度ｒ_ｉともに提示されたＨＲＶ指標の信頼性を容易に認識することができる。

　また、本方法においては、信頼度ｒ_ｉの提示の際、脈波信号の測定の信頼性が低下している理由や、信頼度ｒ_ｉを改善する方法をユーザに提示してもよい。この場合、信頼度ｒ_ｉを算出する際に用いた安静スコアＳｒや姿勢スコアＳｐの値等を参照して、信頼度ｒ_ｉが低下した原因を推定し、推定結果に基づいて、信頼度ｒ_ｉが低下した理由や、信頼度ｒ_ｉを改善する方法をユーザに提示する。より具体的には、信頼度ｒ_ｉが低下した原因として、ユーザが急激な運動を行ったことが推定された場合には、ユーザに対して、「急激な運動により信頼度が低下しました」と推定される理由を提示する。また、本方法においては、このような場合には、当該ユーザに対して、「安静にしてください」や「姿勢を安定させて下さい」等といった、信頼度ｒ_ｉを改善する方法を提示する。また、信頼度ｒ_ｉが低下した原因として、ＰＰＧセンサ部１２２の装着状態が良くないことが推定される場合には、ユーザに対して、「ウェアブルデバイスの再装着をしてください」等といった、ＰＰＧセンサ部１２２の装着状態を改善する方法を提示する。このような提示を行うことにより、ユーザは、信頼度ｒ_ｉが低い理由を認識することができることから、信頼度ｒ_ｉのみをユーザに提示する場合に比べて、ユーザは納得感を得ることができる。さらには、ユーザは、信頼度ｒ_ｉを改善する方法を容易に認識し、当該方法の実行に誘導されることから、脈波信号測定の精度を高め、ひいてはＨＲＶ指標の精度を高めることができる。

　なお、本方法においては、信頼度ｒ_ｉが低下した理由や、信頼度ｒ_ｉを改善する方法の提示方法は、上述のような文言等の文字によって表示することに限定されるものではない。例えば、各理由に予め紐づけられているパターンに基づいて、ウェアラブルデバイス１０が振動したり、ウェアラブルデバイス１０に設けられたＬＥＤが発光したりして、ユーザに理由を提示してもよい。

　（第２の方法）
　次に、信頼度ｒ_ｉの出力方法の一例として、信頼度ｒ_ｉをウェアラブルデバイス１０にフィードバックして、ウェアラブルデバイス１０を制御する第２の方法を説明する。本方法においては、信頼度ｒ_ｉが所定の値よりも低い期間が所定の時間（例えば、数秒）以上継続した場合には、脈波信号を取得するＰＰＧセンサ部１２２の動作を一時的に停止させる。例えば、ユーザが走って移動したことに起因して非安静状態が連続すると、上述の安静スコアＳｒや当該安静スコアＳｒに基づいて算出される信頼度ｒ_ｉが低下する。このような信頼度ｒ_ｉの低下が所定の時間以上継続した場合には、この後も低い信頼度ｒ_ｉが維持されると推定し、ＰＰＧセンサ部１２２の動作（例えば、受光動作）を一時的に停止させ、脈波信号の取得を停止する。信頼度ｒ_ｉが低い状態での脈波信号に基づいてＨＲＶ指標を算出しても、ユーザの状態を適切に反映した指標を得ることができないためである。さらに、ＰＰＧセンサ部１２２の動作を停止させることにより、ウェアラブルデバイス１０におけるバッテリー消費量を抑えることができる。すなわち、本方法によれば、信頼度ｒ_ｉをウェアラブルデバイス１０にフィードバックすることにより、ウェアラブルデバイス１０の測定動作を好適な状態にすることができる。なお、ＰＰＧセンサ部１２２の動作を停止させる際には、ユーザにその旨を提示することが好ましい。また、本実施形態においては、ＰＰＧセンサ部１２２の動作を停止させることに限定されるものではなく、ウェアラブルデバイス１０とサーバ３０との間の通信等、他の動作を停止させてもよい。

　また、本方法においては、信頼度ｒ_ｉをサーバ３０の検出部３３２、補正部３３６及びＨＲＶ指標算出部３４２の処理にフィードバックしてもよい。詳細には、信頼度ｒ_ｉが所定の値よりも低い期間が所定の時間（例えば、数秒）以上継続した場合には、異常値の適切な検出や、異常値の適切な補正、さらには、適切なＨＲＶ指標の算出が難しいと判定される。そこで、本方法においては、このような場合には、検出部３３２による異常値の検出、補正部３３６による異常値の補正、さらには、ＨＲＶ指標算出部３４２によるＨＲＶ指標の算出を一時的に停止させる。その結果、検出部３３２、補正部３３６及びＨＲＶ指標算出部３４２での動作を停止させることにより、サーバ３０における処理リソース（処理量、保持メモリ量、保存データ量等）の増加を抑えることができる。すなわち、本方法によれば、信頼度ｒ_ｉをサーバ３０にフィードバックすることにより、サーバ３０の処理動作を好適な状態にすることができる。

　また、本方法においては、信頼度ｒ_ｉをサーバ３０のＨＲＶ指標算出部３４２にフィードバックして、ＨＲＶ指標の算出処理を制御してもよい。具体的には、本方法においては、信頼度ｒ_ｉが所定の値よりも低い期間に取得されたＰＰＩの時系列データを、ＨＲＶ指標を算出する際のデータからは除外する。このようにすることで、より信頼性の高いＨＲＶ指標を取得することができる。例えば、あるユーザについて直近１か月の間に算出されたＨＲＶ指標の平均値を、ユーザの体調管理に使用したい場合がある。このような場合には、信頼度ｒ_ｉが低い期間のＰＰＩの時系列データは除外してＨＲＶ指標の平均値を算出することにより、ユーザの状態がより的確に反映されたＨＲＶ指標の平均値を取得することができ、ユーザの体調管理に有効に用いることができる。

　また、本方法においては、複数期間のＨＲＶ指標を統合して所定の指標を算出する場合には、各期間の信頼度ｒ_ｉに基づいて各ＨＲＶ指標に対して重み付け処理を行った後に、上記統合値を算出してもよい。より具体的には、一日のユーザのストレス度を、１日の間に算出された複数個のＳＤＮＮ（ＨＲＶ指標の一種）の重み付き平均で定義することがある。本方法においては、このような場合、信頼度ｒ_ｉの高い区間でのＳＤＮＮの値には大きな重みを与え、信頼度ｒ_ｉの低い区間でのＳＤＮＮには小さな重みを与えるように重み付け処理を行う。このような重み付けを行うことにより、上記ストレス度に対する、脈波信号を適切に測定できなかった信頼度ｒ_ｉの低い区間のＳＤＮＮの影響を抑えることができ、信頼性の高いストレス度を取得することができる。すなわち、本方法によれば、信頼度ｒ_ｉをサーバ３０の算出処理にフィードバックすることにより、サーバ３０で算出されるＨＲＶ指標やストレス度等の精度をより向上させることができる。

　　＜＜５．　まとめ＞＞
　以上説明したように、本実施形態によれば、脈波信号の測定についての信頼度を算出し、ユーザに対してＨＲＶ指標等とともに上記信頼度を提示することにより、ユーザの状態を測定に理想的な状態に誘導することができる。さらに、算出した信頼度を、ウェアラブルデバイス１０やサーバ３０の制御にフィードバックすることにより、精度の高いＨＲＶ指標の算出を行ったり、バッテリー消費量を抑えたりと、ウェアラブルデバイス１０やサーバ３０を好適に制御することができる。すなわち、本実施形態によれば、自由行動下のユーザにおける脈波信号の測定において、当該測定を好適な状態にすることができる。

　さらには、本実施形態によれば、ＰＰＩの時系列データから精度よく異常値を検出し、検出した異常値に基づいて、ＰＰＩの時系列データを補正することにより、算出されるＨＲＶ指標等が、本来の算出すべき正しいＨＲＶ指標等と乖離してしまうことを避けることができる。すなわち、本実施形態によれば、ＰＰＩの時系列データに基づいて算出されるＨＲＶ指標等の精度を向上させることができる。

　　＜＜６．　ハードウェア構成について＞＞
　図２６は、本実施形態に係る情報処理装置９００のハードウェア構成の一例を示す説明図である。図２６では、情報処理装置９００は、上述のサーバ３０のハードウェア構成の一例を示している。

　情報処理装置９００は、例えば、ＣＰＵ９５０と、ＲＯＭ９５２と、ＲＡＭ９５４と、記録媒体９５６と、入出力インターフェース９５８と、操作入力デバイス９６０とを有する。さらに、情報処理装置９００は、表示デバイス９６２と、通信インターフェース９６８と、センサ９８０とを有する。また、情報処理装置９００は、例えば、データの伝送路としてのバス９７０で各構成要素間を接続する。

　（ＣＰＵ９５０）
　ＣＰＵ９５０は、例えば、ＣＰＵ等の演算回路で構成される、１または２以上のプロセッサや、各種処理回路等で構成され、情報処理装置９００全体を制御する制御部（例えば、上述の制御部１３０）として機能する。具体的には、ＣＰＵ９５０は、情報処理装置９００において、例えば、上述の検出部３３２、検出補正制御部３３４、補正部３３６、信頼度算出部３３８、及びＨＲＶ指標算出部３４２等の機能を果たす。

　（ＲＯＭ９５２及びＲＡＭ９５４）
　ＲＯＭ９５２は、ＣＰＵ９５０が使用するプログラムや演算パラメータ等の制御用データ等を記憶する。ＲＡＭ９５４は、例えば、ＣＰＵ９５０により実行されるプログラム等を一時的に記憶する。

　（記録媒体９５６）
　記録媒体９５６は、上述の記憶部３５０として機能し、例えば、本実施形態に係る情報処理方法に係るデータや、各種アプリケーション等様々なデータを記憶する。ここで、記録媒体９５６としては、例えば、ハードディスク等の磁気記録媒体や、フラッシュメモリ等の不揮発性メモリが挙げられる。また、記録媒体９５６は、情報処理装置９００から着脱可能であってもよい。

　（入出力インターフェース９５８、操作入力デバイス９６０、及び表示デバイス９６２）
　入出力インターフェース９５８は、例えば、操作入力デバイス９６０や、表示デバイス９６２等を接続する。入出力インターフェース９５８としては、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）端子や、ＤＶＩ（Ｄｉｇｉｔａｌ　Ｖｉｓｕａｌ　Ｉｎｔｅｒｆａｃｅ）端子、ＨＤＭＩ（Ｈｉｇｈ-Ｄｅｆｉｎｉｔｉｏｎ　Ｍｕｌｔｉｍｅｄｉａ　Ｉｎｔｅｒｆａｃｅ）（登録商標）端子、各種処理回路等が挙げられる。

　操作入力デバイス９６０は、例えば上述の入力部３００として機能し、情報処理装置９００の内部で入出力インターフェース９５８と接続される。

　表示デバイス９６２は、例えば上述の出力部３１０として機能し、情報処理装置９００上に備えられ、情報処理装置９００の内部で入出力インターフェース９５８と接続される。表示デバイス９６２としては、例えば、液晶ディスプレイや有機ＥＬディスプレイ（Ｏｒｇａｎｉｃ　Ｅｌｅｃｔｒｏ-Ｌｕｍｉｎｅｓｃｅｎｃｅ　Ｄｉｓｐｌａｙ）等が挙げられる。

　なお、入出力インターフェース９５８は、情報処理装置９００の外部の操作入力デバイス（例えば、キーボードやマウス等）や外部の表示デバイス等の、外部デバイスと接続することも可能である。また、入出力インターフェース９５８は、ドライブ（図示省略）と接続されていてもよい。当該ドライブは、磁気ディスク、光ディスク、又は半導体メモリなどのリムーバブル記録媒体のためのリーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。当該ドライブは、装着されているリムーバブル記録媒体に記録されている情報を読み出して、ＲＡＭ９５４に出力する。また、当該ドライブは、装着されているリムーバブル記録媒体に記録を書き込むこともできる。

　（通信インターフェース９６８）
　通信インターフェース９６８は、例えば上述のネットワーク７０を介して（あるいは、直接的に）、サーバ３０等の外部装置と、無線または有線で通信を行うための通信部３４０として機能する。ここで、通信インターフェース９６８としては、例えば、通信アンテナ及びＲＦ（Ｒａｄｉｏ　ｆｒｅｑｕｅｎｃｙ）回路（無線通信）や、ＩＥＥＥ８０２．１５．１ポート及び送受信回路（無線通信）、ＩＥＥＥ８０２．１１ポート及び送受信回路（無線通信）、あるいはＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）端子及び送受信回路（有線通信）等が挙げられる。

　（センサ９８０）
　センサ９８０は、ウェアラブルデバイス１０のセンサ部１２０として機能する。さらに、センサ９８０は、圧力センサ等の各種のセンサを含んでもよい。

　以上、情報処理装置９００のハードウェア構成の一例を示した。なお、情報処理装置９００のハードウェア構成は、図２６に示す構成に限られない。詳細には、上記の各構成要素は、汎用的な部材を用いて構成してもよいし、各構成要素の機能に特化したハードウェアにより構成してもよい。かかる構成は、実施する時々の技術レベルに応じて適宜変更されうる。

　例えば、情報処理装置９００は、接続されている外部の通信デバイスを介して外部装置等と通信を行う場合や、スタンドアローンで処理を行う構成である場合には、通信インターフェース９６８を備えていなくてもよい。また、通信インターフェース９６８は、複数の通信方式によって、１または２以上の外部装置と通信を行うことが可能な構成を有していてもよい。また、情報処理装置９００は、例えば、記録媒体９５６や、操作入力デバイス９６０、表示デバイス９６２等を備えない構成をとることも可能である。

　また、本実施形態に係る情報処理装置９００は、例えばクラウドコンピューティング等のように、ネットワークへの接続（または各装置間の通信）を前提とした、複数の装置からなるシステムに適用されてもよい。つまり、上述した本実施形態に係る情報処理装置９００は、例えば、複数の装置により本実施形態に係る情報処理方法に係る処理を行う情報処理システムとして実現することも可能である。

　　＜＜７．　補足＞＞
　なお、先に説明した本開示の実施形態は、例えば、コンピュータを本実施形態に係る情報処理装置として機能させるためのプログラム、及びプログラムが記録された一時的でない有形の媒体を含みうる。また、プログラムをインターネット等の通信回線（無線通信も含む）を介して頒布してもよい。

　また、上述した各実施形態の処理における各ステップは、必ずしも記載された順序に沿って処理されなくてもよい。例えば、各ステップは、適宜順序が変更されて処理されてもよい。また、各ステップは、時系列的に処理される代わりに、一部並列的に又は個別的に処理されてもよい。さらに、各ステップの処理方法についても、必ずしも記載された方法に沿って処理されなくてもよく、例えば、他の機能部によって他の方法で処理されていてもよい。

　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

　なお、以下のような構成も本開示の技術的範囲に属する。
（１）ユーザに装着された脈波センサによって取得されたセンシングデータから取得された拍動変動データ、又は、当該拍動変動データから算出される前記ユーザの身体状態を示す身体指標の信頼度を算出する信頼度算出部と、算出した前記信頼度に基づいて、各種処理を制御する制御部と、を備える情報処理装置。
（２）前記信頼度は、前記ユーザの状態、前記脈波センサの装着状態、又は、取得された前記拍動変動データの少なくともいずれかに基づいて、算出される、上記（１）に記載の情報処理装置。
（３）前記信頼度は、前記ユーザに装着されたモーションセンサによって取得された前記ユーザの状態に基づいて算出される、上記（２）に記載の情報処理装置。
（４）前記信頼度は、前記脈波センサとともに前記ユーザに装着されたセンサによって取得された前記脈波センサの装着状態に基づいて算出される、上記（２）に記載の情報処理装置。
（５）前記拍動変動データから異常値を検出する検出部をさらに備える、上記（１）に記載の情報処理装置。
（６）前記信頼度は、検出された前記異常値に基づいて算出される、上記（５）に記載の情報処理装置。
（７）前記制御部は、算出された前記信頼度に基づいて前記検出部を制御する、上記（５）又は（６）に記載の情報処理装置。
（８）前記検出部は、前記拍動変動データから、所定長の区間における前記拍動変動データを抽出し、抽出した前記所定長の区間における前記拍動変動データを所定のパターンと比較することにより、前記異常値を検出する、上記（５）～（７）のいずれか１つに記載の情報処理装置。
（９）前記検出部は、前記ユーザの身体特性に応じて前記異常値の検出の際に用いるパラメータを変化させる、上記（５）～（８）のいずれか１つに記載の情報処理装置。
（１０）検出された前記異常値に基づいて、前記拍動変動データを補正する補正部をさらに備える、上記（５）に記載の情報処理装置。
（１１）前記制御部は、算出された前記信頼度に基づいて前記補正部を制御する、上記（１０）に記載の情報処理装置。
（１２）前記補正部は、算出する前記身体指標の種別に応じて補正処理を変化させる、上記（１０）又は（１１）に記載の情報処理装置。
（１３）前記補正部は、前記拍動変動データから、所定長の区間における前記拍動変動データを抽出し、抽出した前記所定長の区間における前記拍動変動データのパターンを認識し、認識した前記パターンの種別に応じて補正処理を変化させる、上記（１０）又は（１１）に記載の情報処理装置。
（１４）補正された前記拍動変動データに基づいて、前記身体指標を算出する指標算出部をさらに備える、上記（１０）に記載の情報処理装置。
（１５）前記制御部は、算出された前記信頼度に基づいて前記指標算出部を制御する、上記（１４）に記載の情報処理装置。
（１６）前記指標算出部は、前記信頼度に基づいて、各区間の前記拍動変動データ又は前記身体指標に重み付けを行う、上記（１４）に記載の情報処理装置。
（１７）前記制御部は、前記信頼度に基づいて前記脈波センサを制御する、上記（１）に記載の情報処理装置。
（１８）前記制御部は、前記情報処理装置内で行われる、前記拍動変動データからの異常値の検出を行う検出処理、前記拍動変動データを補正する補正処理、及び、前記拍動変動データから前記身体指標を算出する算出処理のうちの少なくとも１つの処理を制御する、上記（１）に記載の情報処理装置。
（１９）ユーザに装着された脈波センサによって取得されたセンシングデータから取得された拍動変動データ、又は、当該拍動変動データから算出される前記ユーザの身体状態を示す身体指標の信頼度を算出し、算出した前記信頼度に基づいて、各種処理を制御することを含む、情報処理方法。
（２０）ユーザに装着された脈波センサによって取得されたセンシングデータから取得された拍動変動データ、又は、当該拍動変動データから算出される前記ユーザの身体状態を示す身体指標の信頼度を算出する機能と、算出した前記信頼度に基づいて、各種処理を制御する機能と、をコンピュータに実現させるためのプログラム。

　　１　　情報処理システム
　　１０、１０ａ　　ウェアラブルデバイス
　　１２　　バンド部
　　１４　　圧力センサ部
　　３０　　サーバ
　　５０　　ユーザ端末
　　７０　　ネットワーク
　　１００、３００　　入力部
　　１１０、３１０　　出力部
　　１２０　　センサ部
　　１２２　　ＰＰＧセンサ部
　　１２４　　モーションセンサ部
　　１３０、３３０　　制御部
　　１４０、３４０　　通信部
　　１５０、３５０　　記憶部
　　２００　　測定部位
　　２０２　　血管
　　３３２　　検出部
　　３３４　　検出補正制御部
　　３３６　　補正部
　　３３８　　信頼度算出部
　　３４２　　ＨＲＶ指標算出部
　　３５０　　記憶部
　　３５２　　ＤＢ
　　５００　　グレーアウト表示
　　９００　　情報処理装置
　　９５０　　ＣＰＵ
　　９５２　　ＲＯＭ
　　９５４　　ＲＡＭ
　　９５６　　記録媒体
　　９５８　　入出力インターフェース
　　９６０　　操作入力デバイス
　　９６２　　表示デバイス
　　９６８　　通信インターフェース
　　９７０　　バス
　　９８０　　センサ

Claims

　ユーザに装着された脈波センサによって取得されたセンシングデータから取得された拍動変動データ、又は、当該拍動変動データから算出される前記ユーザの身体状態を示す身体指標の信頼度を算出する信頼度算出部と、
　算出した前記信頼度に基づいて、各種処理を制御する制御部と、
　を備える情報処理装置。
　前記信頼度は、前記ユーザの状態、前記脈波センサの装着状態、又は、取得された前記拍動変動データの少なくともいずれかに基づいて、算出される、請求項１に記載の情報処理装置。
　前記信頼度は、前記ユーザに装着されたモーションセンサによって取得された前記ユーザの状態に基づいて算出される、
　請求項２に記載の情報処理装置。
　前記信頼度は、前記脈波センサとともに前記ユーザに装着されたセンサによって取得された前記脈波センサの装着状態に基づいて算出される、
　請求項２に記載の情報処理装置。
　前記拍動変動データから異常値を検出する検出部をさらに備える、請求項１に記載の情報処理装置。
　前記信頼度は、検出された前記異常値に基づいて算出される、請求項５に記載の情報処理装置。
　前記制御部は、算出された前記信頼度に基づいて前記検出部を制御する、請求項５に記載の情報処理装置。
　前記検出部は、前記拍動変動データから、所定長の区間における前記拍動変動データを抽出し、抽出した前記所定長の区間における前記拍動変動データを所定のパターンと比較することにより、前記異常値を検出する、請求項５に記載の情報処理装置。
　前記検出部は、前記ユーザの身体特性に応じて前記異常値の検出の際に用いるパラメータを変化させる、請求項５に記載の情報処理装置。
　検出された前記異常値に基づいて、前記拍動変動データを補正する補正部をさらに備える、請求項５に記載の情報処理装置。
　前記制御部は、算出された前記信頼度に基づいて前記補正部を制御する、請求項１０に記載の情報処理装置。
　前記補正部は、算出する前記身体指標の種別に応じて補正処理を変化させる、請求項１０に記載の情報処理装置。
　前記補正部は、前記拍動変動データから、所定長の区間における前記拍動変動データを抽出し、抽出した前記所定長の区間における前記拍動変動データのパターンを認識し、認識した前記パターンの種別に応じて補正処理を変化させる、請求項１０に記載の情報処理装置。
　補正された前記拍動変動データに基づいて、前記身体指標を算出する指標算出部をさらに備える、請求項１０に記載の情報処理装置。
　前記制御部は、算出された前記信頼度に基づいて前記指標算出部を制御する、請求項１４に記載の情報処理装置。
　前記指標算出部は、前記信頼度に基づいて、各区間の前記拍動変動データ又は前記身体指標に重み付けを行う、請求項１４に記載の情報処理装置。
　前記制御部は、前記信頼度に基づいて前記脈波センサを制御する、請求項１に記載の情報処理装置。
　前記制御部は、前記情報処理装置内で行われる、前記拍動変動データからの異常値の検出を行う検出処理、前記拍動変動データを補正する補正処理、及び、前記拍動変動データから前記身体指標を算出する算出処理のうちの少なくとも１つの処理を制御する、請求項１に記載の情報処理装置。
　ユーザに装着された脈波センサによって取得されたセンシングデータから取得された拍動変動データ、又は、当該拍動変動データから算出される前記ユーザの身体状態を示す身体指標の信頼度を算出し、
　算出した前記信頼度に基づいて、各種処理を制御することを含む、情報処理方法。
　ユーザに装着された脈波センサによって取得されたセンシングデータから取得された拍動変動データ、又は、当該拍動変動データから算出される前記ユーザの身体状態を示す身体指標の信頼度を算出する機能と、
　算出した前記信頼度に基づいて、各種処理を制御する機能と、
　をコンピュータに実現させるためのプログラム。