WO2020045099A1 - 情報処理装置および情報処理方法、並びにプログラム - Google Patents

情報処理装置および情報処理方法、並びにプログラム Download PDF

Info

Publication number
WO2020045099A1
WO2020045099A1 PCT/JP2019/032013 JP2019032013W WO2020045099A1 WO 2020045099 A1 WO2020045099 A1 WO 2020045099A1 JP 2019032013 W JP2019032013 W JP 2019032013W WO 2020045099 A1 WO2020045099 A1 WO 2020045099A1
Authority
WO
WIPO (PCT)
Prior art keywords
weight
sensors
frequency component
unit
sensor
Prior art date
Application number
PCT/JP2019/032013
Other languages
English (en)
French (fr)
Inventor
晴登 武田
功誠 山下
裕之 鎌田
Original Assignee
ソニー株式会社
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 ソニー株式会社 filed Critical ソニー株式会社
Priority to JP2020539336A priority Critical patent/JP7347431B2/ja
Priority to CN201980054399.2A priority patent/CN112585427B/zh
Priority to US17/258,642 priority patent/US11874138B2/en
Priority to EP19855605.2A priority patent/EP3845863B1/en
Publication of WO2020045099A1 publication Critical patent/WO2020045099A1/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
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/08—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for safeguarding the apparatus, e.g. against abnormal operation, against breakdown
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
    • 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
    • G01D1/04—Measuring arrangements giving results other than momentary value of variable, of general application giving integrated values
    • 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
    • G01D3/036—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure on measuring arrangements themselves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data

Definitions

  • the present disclosure relates to an information processing apparatus, an information processing method, and a program, and in particular, to an information processing apparatus that can appropriately combine observation values of a plurality of sensors according to noise characteristics of the plurality of sensors and conditions for the observation values.
  • the present invention relates to an apparatus, an information processing method, and a program.
  • a technique has been proposed in which a plurality of sensors typified by IMU (Inertial Measurement Unit) and the like are provided, and detection accuracy is improved by synthesizing observation values of the plurality of sensors.
  • IMU Inertial Measurement Unit
  • the present disclosure has been made in view of such a situation, and in particular, has been made to appropriately combine observation values of a plurality of sensors according to noise characteristics of the plurality of sensors and conditions for the observation values. It is.
  • the information processing apparatus and the program according to one aspect of the present disclosure are configured such that the plurality of observation values of each of the plurality of sensors and a product sum of the weight of each of the sensors calculated based on the characteristic of each of the plurality of sensors,
  • the information processing method may be configured such that the plurality of sensors are obtained by summing products of observation values of the plurality of sensors and weights of the respective sensors calculated based on characteristics of the plurality of sensors.
  • the observation value of the plurality of sensors is obtained by multiplying and multiplying the observation value of each of the plurality of sensors by the weight of each sensor calculated based on the characteristic of each of the plurality of sensors. Are combined and output as a combined observed value.
  • FIG. 3 is a diagram illustrating a configuration example of a multi-sensor that averages observation values of a plurality of sensors.
  • FIG. 1 is a diagram for describing an outline of the present disclosure. It is a figure explaining the relation between Allan variance and noise.
  • FIG. 3 is a hardware diagram illustrating a configuration example of a multi-sensor according to the present disclosure.
  • FIG. 5 is a diagram illustrating a first embodiment of a function realized by the multi-sensor in FIG. 4.
  • 6 is a flowchart illustrating weight calculation processing (part 1-1) when a time window length is designated by the multi-sensor in FIG. 5; 6 is a flowchart illustrating a weight calculation process (part 1-2) performed when the time window length is not specified by the multi-sensor in FIG.
  • FIG. 9 is a diagram illustrating a function implemented by the multi-sensor of FIG. 4 according to a second embodiment.
  • 10 is a flowchart illustrating weight calculation processing (part 2) by the multi-sensor in FIG. 9.
  • 10 is a flowchart illustrating a weight combining process (part 2) by the multi-sensor in FIG. 9.
  • FIG. 11 is a diagram illustrating a third embodiment of a function realized by the multi-sensor of FIG. 4.
  • 13 is a flowchart illustrating weight calculation processing (part 3) by the multi-sensor in FIG. 12.
  • 13 is a flowchart illustrating a weight combining process (part 3) by the multi-sensor in FIG. 12.
  • FIG. 2 is a diagram illustrating a configuration example of a general-purpose personal computer.
  • the present disclosure makes it possible to appropriately combine observation values of a plurality of sensors according to noise characteristics of the plurality of sensors and conditions for the observation values.
  • a device that includes a sensor that senses a plurality of identical parameters and that combines observation values of a plurality of sensors and outputs a single observation value is generally called a multi-sensor.
  • the multi-sensor reduces white noise
  • the multi-sensor is configured as shown in FIG.
  • the multi-sensor 11 of FIG. 1 includes a plurality of sensors 31-1 to 31-N and an averaging unit 32.
  • sensors 31-1 to 31-N will be simply referred to as the sensor 31 unless it is particularly necessary to distinguish them, and the other components will be referred to in the same manner.
  • the plurality of sensors 31-1 to 31-N are sensors for detecting, for example, acceleration and angular velocity as the same parameter, and output the respective observation values to the averaging unit 32.
  • the averaging unit 32 averages the observation values from the plurality of sensors 31-1 to 31-N, and outputs the result as the observation value of the multi-sensor 11.
  • the output of the multi-sensor 11 is the output of the multi-IMU, and the average of the accelerations and angular velocities of the respective sensors 31-1 to 31-N. The value is output.
  • a multi-IMU Inertial @ Measurement @ Unit
  • the adjustment according to the noise characteristic of each of the plurality of sensors 31-1 to 31-N and the use purpose of the observation values of the plurality of sensors 31-1 to 31-N are performed.
  • no adjustment has been made in accordance with a condition that indicates what kind of noise-resistant adjustment needs to be performed.
  • the multi-sensor of the present disclosure sets weights for observation values of a plurality of sensors based on noise characteristics of the plurality of sensors and conditions according to a purpose of use of the observation values, and performs observation based on the set weights. Combine the values appropriately and output.
  • the multi-sensor 51 of the present disclosure includes the sensors 61-1 to 61-N, a weight calculator 62, and a weight synthesizer 63.
  • Each of the sensors 61-1 to 61-N observes (detects) the same parameter, and outputs observation values X 1 (t) to X N (t) to the weight calculation unit 62.
  • the weight synthesis unit 63 synthesizes the observation values X 1 (t) to X N (t) based on the weights w 1 to w N supplied from the weight calculation unit 62, and obtains a synthesis result ( ⁇ w 1 X n ( t)) is output as the observation value Y (t) of the multi-sensor 51.
  • Allan variance is the variance ⁇ corresponding to the time window length ⁇ .
  • the vertical axis is the square root of Allan variance (Root Allan Variance) ⁇
  • the horizontal axis is the time window length ⁇ .
  • Each noise is predominantly observed at a specific time window length ⁇ of the Allan variance ⁇ .
  • quantization noise which is a quantization error of AD conversion
  • white noise white noise
  • time window length ⁇ is 10 0 neighborhood is flicker noise (flicker noise) is predominantly observed a noise having a reliably smaller frequency spectrum higher frequency components, the time window length ⁇ is 10 2 near Sometimes, noise that is band-limited noise (correlated noise) is predominantly observed.
  • the type of noise that is predominantly observed differs depending on the time window length ⁇ . Also, the shorter the time window length ⁇ in the Allan variance, the more dominant the noise, and the longer the time window length ⁇ , the more dominant the bias stability.
  • the weight calculation unit 62 determines the time window length, which is the noise statistic of each of the sensors 61-1 to 61-N.
  • the weight synthesis unit 63 uses the weights w 1 to w N that minimize the Allan variance in which the quantization noise is predominantly observed, and uses the observed values X 1 (t) to X N. (T) are synthesized, and the synthesis result ( ⁇ w 1 X n (t)) is output as the observed value Y (t) of the multi-sensor 51.
  • weights are calculated so as to minimize the Allan variance of the time window length ⁇ in which a specific type of noise is predominantly observed.
  • observation values of the sensors 61-1 to 61-N are combined using the weight calculated so that the noise of the type to be reduced according to the purpose of use of the observation values of the multisensor 11 is reduced. .
  • the Allan variance of the time window length ⁇ in which the noise corresponding to the intended use is predominantly observed is minimized.
  • the weight can be set, and the observed values of the plurality of sensors 61-1 to 61-N are combined with the noise characteristics of the sensors 61-1 to 61-N and the observed values of the sensors 61-1 to 61-N. It is possible to appropriately combine the observed values according to the purpose of use.
  • the purpose of use of the observation value is, for example, application to inertial navigation by fusing with an observation signal from the outside such as GPS or a camera, to reduce bias fluctuation of the observation signal, a longer time window length ⁇ Is set as a condition and the weight is set.
  • the purpose of using the observed values is, for example, application to pure inertial navigation that cannot use observation signals from the outside such as GPS and cameras, and application to find the azimuth from the rotation direction of the earth.
  • the weight is set by setting a shorter time window length ⁇ .
  • control unit 121 includes a control unit 121, sensors 122-1 to 122-N, an input unit 123, an output unit 124, a storage unit 125, a communication unit 126, a drive 127, and a removable storage medium 128.
  • sensors 122-1 to 122-N include a control unit 121, sensors 122-1 to 122-N, an input unit 123, an output unit 124, a storage unit 125, a communication unit 126, a drive 127, and a removable storage medium 128.
  • the control unit 121 includes a processor and a memory, and controls the entire operation of the multisensor 101.
  • the control unit 121 includes a weight calculation unit 151 and a weight synthesis unit 152.
  • the weight calculation unit 151 has a configuration corresponding to the weight calculation unit 62 in FIG. 2, and calculates each noise characteristic as a noise statistic based on each observation value of the sensors 122-1 to 122-n.
  • the sensors 122-1 to 122-n are, for example, IMUs (Inertial @ Measurement @ Unit) and correspond to the sensors 61-1 to 61-N in FIG.
  • the weight calculator 151 calculates the weight based on the required noise statistic and outputs the calculated weight to the weight synthesizer 152 in accordance with the usage and purpose of the observation value of the multisensor 101.
  • the weight combining unit 152 combines the sensing results of the sensors 122-1 to 122-n based on the weight supplied from the weight calculating unit 151, and outputs the result as the sensing result of the multi-sensor 101.
  • the input unit 123 is configured by an input device such as a keyboard and a mouse by which a user inputs an operation command, and supplies various input signals to the control unit 121.
  • the output unit 124 is controlled by the control unit 121, and outputs the supplied operation screen and the image of the processing result to a display device (not shown) for display.
  • the storage unit 125 includes an HDD (Hard Disk Drive), an SSD (Solid State Drive), or a semiconductor memory, and is controlled by the control unit 121 to write or read various data and programs including content data.
  • HDD Hard Disk Drive
  • SSD Solid State Drive
  • semiconductor memory a semiconductor memory
  • the communication unit 126 is controlled by the control unit 121 and communicates with various devices via a communication network typified by a LAN (Local Area Network) or the like by wire (or wireless (not shown)). Send and receive data and programs.
  • a communication network typified by a LAN (Local Area Network) or the like by wire (or wireless (not shown)). Send and receive data and programs.
  • the drive 127 includes a magnetic disk (including a flexible disk), an optical disk (including a CD-ROM (Compact Disc-Only Only Memory), a DVD (Digital Versatile Disc)), a magneto-optical disk (including an MD (Mini Disc)), Alternatively, data is read from and written to a removable storage medium 128 such as a semiconductor memory.
  • a magnetic disk including a flexible disk
  • an optical disk including a CD-ROM (Compact Disc-Only Only Memory), a DVD (Digital Versatile Disc)
  • a magneto-optical disk including an MD (Mini Disc)
  • MD Mini Disc
  • the weight calculator 151 includes an Allan variance calculator 171 and a weight determiner 172.
  • the Allan variance calculation unit 171 calculates the Allan variance by changing the time window length ⁇ variously as noise statistical information based on the observed values of the sensors 122-1 to 122-n offline, and calculating the Allan variance. 122-n are stored as noise characteristics.
  • the weight determination unit 172 determines the weight w 1 of the observation values of the sensors 122-1 to 122-n based on the Allan variance, which is the noise characteristic of the sensors 122-1 to 122-n, and the condition specified by the user. to determine the w n outputs the weighting combining unit 152.
  • the weight determination method according to the conditions will be described later in detail.
  • the weight synthesis unit 152 includes a weight synthesis calculation unit 191.
  • the weight combination calculation unit 191 is supplied from the weight determination unit 172 and the observation values X 1 (t) to X n (t) of the sensors 122-1 to 122-n by the calculation represented by the following equation (1).
  • the product sum (weight sum) with the weights w 1 to w n is calculated as the observation value Y (t) of the multi-sensor 101.
  • the weight synthesis calculation unit 191 calculates the expression (1), and obtains the observation values X 1 (t) to X n (t) of the sensors 122-1 to 122-n from the weight determination unit 172.
  • the multiplication is performed using the supplied weights w 1 to w n and output as the observation value Y (t) of the multi-sensor 101.
  • the weight calculation unit 151 may be realized as a function in a cloud server or the like connected to the multi-sensor 101 via a network, instead of the multi-sensor 101 body. That is, in this case, the weight synthesis calculation unit 191 of the weight synthesis unit 152 is calculated by the weight calculation unit 151 on the cloud server via the network according to each characteristic of the sensors 122-1 to 122-n. to obtain the weight w 1 to w n. Then, the weight combination calculation unit 191 calculates the expression (1), and obtains the observation values X 1 (t) to X n (t) of the sensors 122-1 to 122-n from the cloud server. 1 were synthesized using the w n, it may be output as the observed value of the multi-sensor 101 Y (t).
  • Weight determination method when time window length ⁇ is specified Next, a method of determining weights when the input unit 123 is operated to specify the time window length ⁇ as a condition will be described.
  • time window length ⁇ as the condition substantially specifies the type of noise to be adjusted as described with reference to FIG.
  • the weight determination unit 172 determines, based on the following expression (2), the above equation (1) when the Allan variance ⁇ of the specified time window length ⁇ is minimized. determining a weight w 1 to w n to be the weight synthetic calculation results observed value Y (t).
  • f (w) is the Allan variance of the observed value Y (t) that is the result of synthesizing the observed values X 1 (t) to X n (t) of the sensors 122-1 to 122-n with the time window length ⁇ .
  • ⁇ ( ⁇ ; Y) is a function expressed by using the weight w 1 to w n when the minimum.
  • w n is the weight of the sensor 122-n
  • X n (t) is the observed value of the sensor 122-n.
  • the Allan variance ⁇ ( ⁇ ; Y) of Y (t) is the sum of squares of the weight w n of the Allan variance ⁇ ( ⁇ ; X) of each time window length ⁇ of the sensor 122-n.
  • the weight determination unit 172 determines the weights w 1 to w n so that the product sum of the Allan variance ⁇ (t; X) of each time window length ⁇ of the sensor 122 and the square of the weight w n is minimized. Is calculated.
  • the condition may include the number of sensors 122-1 to 122-n to be operated.
  • the weight determination unit 172 sets the weight of the observation value of the 50 sensors 122 to be stopped to 0, and the remaining 50 What weight is assigned to the observation value of the sensor 122 is calculated.
  • the weight determination unit 172 assigns a weight of 0 to the sensor 122 that stops the top 50 of the Allan variances out of the Allan variances of all 100 sensors in the designated time window length ⁇ . , And the weight is calculated so that the product sum of the Allan variance of the other 50 sensors 122 to be operated and the square of the weight is minimized.
  • the total number of sensors 122 and the number of sensors 122 to be stopped or the number of sensors 122 to be operated are not limited to this. However, other numbers may be used.
  • Weight determination method when time window length ⁇ is not specified Next, a method of determining weights when the time window length ⁇ is not specified as a condition will be described.
  • the fact that the time window length ⁇ is not specified as a condition means that the type of noise to be adjusted is not substantially specified, as described with reference to FIG.
  • the weight determination unit 172 uses the Allan variance equations represented by the noise parameters based on the noise model, as shown in the following equation (4), to calculate the weights w 1 to w n. To determine.
  • g ( ⁇ ; ⁇ ) is an Allan variance expressed by a noise parameter ⁇ ⁇ ⁇ with a time window length ⁇ based on a noise model (noise theory).
  • the first term represents the Allan variance of the quantization noise
  • ⁇ Q is a noise parameter of the quantization noise
  • the second term represents the Allan variance of white noise, of which ⁇ ⁇ is a noise parameter of the white noise.
  • the third term represents the Allan variance of flicker noise (flicker noise), of which ⁇ f is a noise parameter of flicker noise.
  • the fourth term is, represents the Allan variance of a noise (correlated noise) B BN correlation, these sigma n, T B is the noise parameter of the noise B BN correlated.
  • the fifth term represents the Allan variance of a random walk, in which ⁇ u is a noise parameter of the random walk.
  • the sixth term represents the Allan variance of the linear drift, and R is a noise parameter of the linear drift.
  • the Allan variance of the noise of the type represented by each term of Expression (4) corresponds to the Allan variance of the noise of the type sequentially expressed from the left in the figure according to the time window length ⁇ in FIG. I have.
  • the noise parameter theta, a ( ⁇ Q, ⁇ ⁇ , ⁇ f, ⁇ n, T B, ⁇ u, R).
  • the weight determination unit 172 defines a function F ( ⁇ ) expressed by the following equation (5), and calculates the allan of the observed values X 1 (t) to X n (t) of the sensors 122-1 to 122-n.
  • a noise parameter ⁇ ⁇ ⁇ that minimizes a function F ( ⁇ ) that is an error between the variance and the Allan variance represented by the noise parameter ⁇ based on the noise model is calculated.
  • the first term ⁇ ⁇ in parentheses is the Allan variance calculated from the observed value X n (t) of the stationary sensor 122-n at the time window length ⁇ ⁇ and the second term ⁇ ⁇ g ( ⁇ ⁇ ; ⁇ ) is an Allan variance represented by a noise parameter ⁇ based on a noise model at the time window length ⁇ ⁇ .
  • Expression (5) generally calculates the noise parameter ⁇ by fitting the Allan variance represented by the noise parameter ⁇ based on the noise model formed of a nonlinear function to the Allan variance obtained from the observation value of the sensor 122. This is a solution equation for efficient least squares estimation.
  • the weight determining unit 172 determines the Allan variance g ( ⁇ ; ⁇ ) while fixing the time window length ⁇ , and calculates the weight from the obtained Allan variance g ( ⁇ ; ⁇ ).
  • the weight determining unit 172 determines the minimum time window length ⁇ by fixing the obtained weight.
  • the weight determining unit 172 again fixes the obtained minimum time window length ⁇ , obtains an Allan variance g ( ⁇ ; ⁇ ), and obtains a weight from the obtained Allan variance g ( ⁇ ; ⁇ ).
  • the weight determining unit 172 again fixes the obtained weight and obtains the minimum time window length ⁇ .
  • the weight determination unit 172 repeats the above-described processing by the so-called Newton-Rapson method until the time window length ⁇ converges, and together with the converged time window length ⁇ , the weight w corresponding to the converged time window length ⁇ 1 to calculate the w n, and outputs.
  • the calculation method is not limited to the Newton-Rapson method, but may be any other numerical calculation method, for example, the Levenberg-Marquardt method.
  • the number of sensors 122 to be used may be specified as a condition.
  • time window length ⁇ when the time window length ⁇ is not specified, an example has been described in which the time window length ⁇ and the weight are obtained using the Allan variance expressed by the noise parameter ⁇ based on the model. Can also be obtained by using an ordinary Allan variance equation.
  • a weight may be estimated by providing a sparse constraint in which a regularization term for the weight is added.
  • the weight calculation process needs to be performed at a timing different from the timing at which the observation value is output by the sensor 122 because the statistics of the observation value for a sufficiently long time are required to calculate the Allan variance used for the weight calculation. It is assumed that this is offline processing. However, in the weight calculation processing, by calculating the weight based on the dynamic Allan variance in which the Allan variance is calculated by online processing (real-time processing), it is possible to update the weight to the optimum weight corresponding to the temporal change of the sensor 122. It is.
  • online processing real-time processing of this allan dispersion, refer to the following (L. Galleani, et.al: Interpretation of the Dynamic Allan Variance of Nonstationary Clock Data. In Proceedings of the IEEE International Frequency Control Symposium 2007 . 992-997.).
  • step S11 the weight determination unit 172 of the weight calculation unit 151 receives an input of a condition input by operating the input unit 123 by the user.
  • a condition input by operating the input unit 123 by the user it is assumed that the time window length ⁇ and the number of sensors 122 used are input as conditions.
  • step S12 the Allan variance calculator 171 of the weight calculator 151 measures the observed values of all the sensors 122-1 to 122-n in the stationary state.
  • step S13 the Allan variance calculator 171 of the weight calculator 151 calculates the Allan variance of each of all the sensors 122-1 to 122-n based on the measured observation values.
  • step S14 the weight determining unit 172 of the weight calculation section 151, based on the conditions, as the sum of the products of Allan variance and weight sensors 122-1 to 122-n is minimized, the weight w 1 to w n calculate.
  • the weight determining unit 172 determines the limited number of sensors 122 such that the product sum of the Allan variance and the weight of the limited number of sensors 122 is minimized. The weight for the sensor 122 is calculated.
  • a weight is set for each of the sensors 122 used.
  • the weight for the unused sensors 122 is set to 0 according to the noise characteristics, and the weight of the limited number of used sensors 122 is set.
  • step S31 the weight determination unit 172 of the weight calculation unit 151 receives an input of a condition from the user.
  • a condition it is assumed that only the number of used sensors 122 is input as a condition.
  • step S32 the Allan variance calculator 171 of the weight calculator 151 measures the observed values of all the sensors 122-1 to 122-n in the stationary state.
  • step S33 the Allan variance calculator 171 of the weight calculator 151 calculates the Allan variance of each of all the sensors 122-1 to 122-n based on the measured observation values.
  • step S34 the weight determination unit 172 initializes the time window length ⁇ .
  • step S35 the weight determining unit 172 fixes the time window length ⁇ and calculates the error between the Allan variance obtained from the observed value and the Allan variance obtained from the noise parameter ⁇ described with reference to equation (4).
  • the minimum noise parameter ⁇ is specified, and weights w 1 to w n are calculated from the Allan variance modeled by the specified noise parameter ⁇ .
  • step S36 the weight determining unit 172, by fixing the weights w 1 to w n obtained, obtaining the minimum time window length tau.
  • step S37 the weight determining unit 172 compares the obtained minimum time window length ⁇ with the immediately preceding minimum time window length ⁇ to determine whether or not the convergence is performed by the Newton method or the like.
  • step S37 If it is determined in step S37 that the convergence has not occurred, the process proceeds to step S38.
  • step S38 the weight determination unit 172 fixes the obtained minimum time window length ⁇ , and sets the noise parameter ⁇ ⁇ that minimizes the error between the Allan variance obtained from the observed value and the Allan variance obtained from the noise parameter ⁇ . And calculate weights w 1 to w n from the Allan variance modeled by the specified noise parameter ⁇ . Then, the process returns to step S36.
  • step S36 to S38 the processing by the processing of step S36 to S38 is repeated, by fixing the weights w 1 to w n obtained, obtaining the minimum time window length tau, The obtained time window length ⁇ is fixed, and a noise parameter ⁇ ⁇ that minimizes an error between the Allan variance obtained from the observed value and the Allan variance obtained from the noise parameter ⁇ is specified, and the specified noise parameter ⁇ is used. processing of calculating weights w 1 to w n from the modeled Allan variance is repeated.
  • step S37 If it is determined in step S37 that the time window length ⁇ has converged, the process proceeds to step S39.
  • step S39 the weight determination unit 172 calculates the error between the Allan variance obtained from the observed value and the Allan variance obtained from the noise parameter ⁇ ⁇ ⁇ , which is specified when the time window length ⁇ whose convergence is confirmed by calculation is fixed. There outputs the weights w 1 to w n is the noise parameter ⁇ that minimizes is calculated as specified in the weight combining section 152.
  • the noise parameter ⁇ ⁇ that minimizes the error between the Allan variance obtained from the observed value and the Allan variance obtained from the noise parameter ⁇ is specified, and the weight is determined. w 1 to w n can be calculated.
  • the sensor 122 to be used is selected based on the sensor characteristics when the specified number is used in the same manner as described above. In addition, it is possible to calculate the weight according to the noise characteristic of the selected sensor 122 whose number is limited.
  • step S51 the weight synthesis calculator 191 measures all the observation values X 1 (t) to X n (t) of the sensors 122-1 to 122-n.
  • step S52 the weight synthesis calculator 191 obtains the product sum of the observation values X 1 (t) to X n (t) and the weights w 1 to w n, and obtains the observation value Y (t ).
  • Second embodiment >> In the above, an example has been described in which the observation value of the sensor 122 is used as it is, a weight is set according to the condition and the noise characteristic of each sensor 122, and the observation value is weighted and synthesized. The weights may be set separately for the low-frequency components, and after the weights are combined, the high-frequency components and the low-frequency components may be combined.
  • FIG. 9 shows an example of the configuration of the multi-sensor 11 in which weights are separately set for high-frequency components and low-frequency components, weights are combined, and then high-frequency components and low-frequency components are combined.
  • the multi-sensor 11 of FIG. 9 differs from the multi-sensor 11 of FIG. 5 in the following points.
  • the weight calculator 151 and the weight synthesizer 152 are different from each other in that HPFs (High Pass Filters) 211 and 231 and LPFs (Low Pass Filters) 212 and 232 are newly provided.
  • an Allan variance calculator 171-1 and a weight determiner 172-1 for processing high frequency components, and an Allan variance calculator for processing low frequency components 171-2 and a weight determining unit 172-2 are provided.
  • weight synthesis calculator 191-1 for processing high frequency components
  • weight synthesis calculator 191-2 for processing low frequency components are provided in place of the weight synthesis calculator 191.
  • the HPF 211 performs an HPF process on each of the observation values of the sensors 122-1 to 122-n, extracts high-frequency components, and outputs the high-frequency components to the Allan variance calculation unit 171-1.
  • Allan variance calculation unit 171-1 and the weight determination unit 172-1 determine the weight for the high-frequency component in the noise characteristics of the sensors 122-1 to 122-n, and the weight synthesis calculation unit of the weight synthesis unit 152. Output to 191-1.
  • the LPF 212 performs LPF processing on the observed values of the sensors 122-1 to 122-n to extract low-frequency components, and outputs the low-frequency components to the Allan variance calculator 171-2.
  • the Allan variance calculation unit 171-2 and the weight determination unit 172-2 determine the weight for the low frequency component of the noise characteristics of the sensors 122-1 to 122-n, and the weight synthesis calculation of the weight synthesis unit 152. Output to the unit 191-2.
  • the HPF 231 performs an HPF process on each of the observation values of the sensors 122-1 to 122-n to extract a high-frequency component, and outputs the high-frequency component to the weight synthesis calculator 191-1.
  • the weight combining calculation unit 191-1 uses the weight supplied from the weight determination unit 172-1 of the weight calculation unit 151 for the high-frequency component of the observation values of the sensors 122-1 to 122-n. The weights are combined and output to the output combining unit 233.
  • the LPF 232 performs an LPF process on each of the observation values of the sensors 122-1 to 122-n, extracts a low-frequency component, and outputs the low-frequency component to the weight synthesis calculator 191-2.
  • the weight synthesis calculation unit 191-2 uses the weight supplied from the weight determination unit 172-2 of the weight calculation unit 151 for the low frequency component of the observation values of the sensors 122-1 to 122-n. , And outputs the result to the output combining unit 233.
  • the output synthesizing unit 233 is obtained by weight-synthesized observation values of the high-frequency components of the observation values of the sensors 122-1 to 122-n supplied from the weight synthesizing calculation unit 191-1, and supplied from the weight synthesis calculating unit 191-2. Of the low frequency components of the observation values of the sensors 122-1 through 122-n.
  • the high-frequency component and the low-frequency component of the observation values of the sensors 122-1 to 122-n are appropriately adjusted according to the user's condition and the noise characteristics of the sensors 122-1 to 122-n. It is possible to combine the observed values after performing the weight combination.
  • step S71 the weight determination units 172-1 and 172-2 of the weight calculation unit 151 each receive a condition input from the user.
  • the weight determination units 172-1 and 172-2 may receive inputs of independent conditions for the high frequency component and the low frequency component.
  • step S72 the HPF 211 and the LPF 212 of the weight calculator 151 each measure an observation value in a stationary state.
  • step S73 the HPF 211 performs an HPF process on the observation value in the stationary state, extracts a high-frequency component, and outputs the high-frequency component to the Allan variance calculation unit 171-1.
  • step S74 the Allan variance calculation unit 171-1 and the weight determination unit 172-1 execute a high-frequency component weight calculation process, and execute a high-frequency component weight calculation process to calculate each of all the sensors 122-1 to 122-n based on the measured observation value. , And outputs the weight to the weight synthesis calculator 191-1.
  • the high-frequency component weight calculation process is a weight calculation process for obtaining the weight of each high-frequency component of all the sensors 122-1 to 122-n, and is substantially the same as the processes of steps S13 and S14 in FIG. Alternatively, since the processing is performed in steps S33 to S39 in FIG. 7, the description thereof is omitted.
  • step S75 the LPF 212 performs an LPF process on the observation value in the stationary state to extract a low-frequency component, and outputs the low-frequency component to the Allan variance calculation unit 171-2.
  • step S76 the Allan variance calculation unit 171-2 and the weight determination unit 172-2 execute a low-frequency component weight calculation process, and perform processing for all the sensors 122-1 to 122-n based on the measured observation values.
  • the weight of each low-frequency component is calculated and output to the weight synthesis calculator 191-2.
  • the low frequency component weight calculation process is a weight calculation process for calculating the weight of each low frequency component of all the sensors 122-1 to 122-n, and is substantially equivalent to steps S13 and S14 in FIG. Since the processing or the processing of steps S33 to S39 of FIG. 7 is omitted, the description thereof will be omitted.
  • the weight determination units 172-1 and 172-2 may set a limit on the number of sensors 122 to be used.
  • the number of sensors 122-1 to 122-n to be used may be limited to different numbers for high-frequency components and low-frequency components.
  • the user can obtain individual noise characteristics of the sensor 122 with respect to noise of a type that he or she is conscious of under conditions that specify the time window length ⁇ , or noise that is not conscious under conditions that do not specify the time window length ⁇ . It is possible to realize the synthesis of an appropriate observation value according to.
  • step S91 the HPF 231 and the LPF 232 of the weight synthesizing unit 152 measure the observed values of the sensors 122-1 to 122-n in the stationary state.
  • step S92 the HPF 231 performs an HPF process on the observed value, extracts a high-frequency component, and outputs the high-frequency component to the weight synthesis calculator 191-1.
  • step S93 the weight synthesis calculator 191-1 executes a high-frequency component weight synthesis process, and performs weight synthesis on the measured observation value using the weight for the high-frequency component obtained by the above-described weight calculation process. And outputs the result to the output combining unit 233.
  • step S93 is substantially the process of step S52 of FIG. 8 for a high-frequency component, and a description thereof will be omitted.
  • step S94 the LPF 232 performs an LPF process on the observed value to extract a low-frequency component, and outputs the low-frequency component to the weight synthesis calculator 191-2.
  • step S95 the weight synthesis calculator 191-2 executes the low frequency component weight synthesis process, and uses the weight for the low frequency component obtained by the above weight calculation process for the measured observation value, The weights are combined and output to the output combining unit 233.
  • step S95 is substantially the processing in step S52 in FIG. 8 for the high-frequency component, and a description thereof will be omitted.
  • step S96 the output combining unit 233 supplies the weight combining result of the high-frequency components of the observation values of the sensors 122-1 to 122-n supplied from the weight combining calculating unit 191-1, and supplies the result from the weight combining calculating unit 191-2. And the weighted result of the low-frequency component of the observed values of the sensors 122-1 to 122-n is combined and output as the observed value of the multi-sensor 11.
  • the user can obtain individual noise characteristics of the sensor 122 with respect to noise of a type that he or she is conscious of under conditions that specify the time window length ⁇ , or noise that is not conscious under conditions that do not specify the time window length ⁇ . It is possible to realize the synthesis of an appropriate observation value according to.
  • a filter bank (FB) is used to divide into more bands, calculate the Allan variance in each band, calculate the weights according to the conditions, and combine the weights.
  • FB filter bank
  • FIG. 12 shows that, using a filter bank (FB), the band is divided into more bands, the Allan variance is obtained in each band, weights are set according to conditions, weights are combined, and 3 shows a configuration example of a multi-sensor 11 configured to perform band synthesis on a result of weight synthesis.
  • FB filter bank
  • filter banks (hereinafter, also simply referred to as FBs) 251-1 to 25-n and 261-1 to 261-n Is provided.
  • the FB 251 also divides each of the bands into N bands (bands), outputs the highest-order band B1 to the Allan variance calculation unit 171-1, and converts the second highest-order band B2 to the Allan variance calculation unit 171-1. 2, and outputs the n-th band BN to the Allan variance calculator 171-n.
  • FBs 251-2 and 251-n which are outputs for each band of the FB 251 are shown only in the FB 251-1 in the figure, and are not shown in the FBs 251-2 and 251-n. Only the illustration is omitted, and the same applies to FBs 251-2 and 251-n.
  • the Allan variance calculation units 171-1 to 171-n calculate the Allan variance of the observation values of the sensors 122-1 to 122-n in the respective bands and output the calculated Allan variance to the weight determination units 172-1 to 172-n. .
  • the weight determination units 172-1 to 172-n set the weights of the respective bands based on the conditions of the respective bands (bands) and the respective noise characteristics of the sensors 122-1 to 122-n.
  • the weights are output to the weight synthesis calculators 191-1 to 191-n of the synthesizer 152.
  • the FB 261 divides the band into N bands (bands) corresponding to each of the FBs 251, outputs the highest-order band B1 to the weight synthesis calculator 191-1, and weights the second highest-order band B2. It outputs to the combining calculator 191-2,... Outputs the n-th band BN to the weight combining calculator 191-n.
  • .. BN which are outputs for each band of the FB 261 are shown only in the FB 261-1 in the figure, and are not shown in the FBs 261-2 and 261-n. Only the illustration is omitted, and the same applies to FBs 261-2 and 261-n.
  • the weight combining calculators 191-1 to 191-n weight the observation values of the sensors 122-1 to 122-n in the respective bands based on the weights supplied from the weight determining units 172-1 to 172-n, respectively.
  • the signals are combined and output to the band combining unit 262.
  • the band synthesizing unit 262 performs band synthesis on the weighted synthesis results of the observation values of the sensors 122-1 to 122-n of the respective bands supplied from the weight synthesis calculators 191-1 to 191-n, and Output as observations.
  • weights are appropriately set for each of a plurality of bands, and weights are synthesized. Therefore, according to conditions and noise characteristics of each of the sensors 122-1 to 122-n for each band. This makes it possible to realize weighted synthesis.
  • the weight of the sensor 122-1 is reduced only for the detection result of the frequency band A, and the weight of at least one of the sensors 122-2 and 122-3 is increased. Combine the detection results.
  • step S111 the weight determination units 172-1 to 172-n of the weight calculation unit 151 each receive a condition input from the user.
  • the weight determination units 172-1 to 172-n may receive input of independent conditions in each of the bands B1 to BN of the FB 251.
  • step S112 the FBs 251-1 to 251-n of the weight calculator 151 measure the observed values of the sensors 122-1 to 122-n in the stationary state.
  • step S113 the weight calculator 151 initializes a counter C for counting the band to one.
  • step S114 the FBs 251-1 to 251-n perform a process of extracting a C-th band (band) component from the observation value in the stationary state, and convert the extracted component of the C-th band BC into the Allan variance. Output to calculation section 171-1.
  • step S115 the Allan variance calculation unit 171-1 and the weight determination unit 172-1 execute the C-th band component weight calculation process, and perform processing on all the sensors 122-1 to 122- based on the measured observation values.
  • the weight of each component of the C-th band BC of n is calculated and output to the weight synthesis calculator 191-1.
  • the C-th band component weight calculation process is a weight calculation process for calculating the weight of the C-th band BC component of each of all the sensors 122-1 to 122-n. Since the processing in steps S13 and S14, or the processing in steps S33 to S39 in FIG. 7, is not described here.
  • step S117 the weight calculator 151 increments the counter C by 1, and the process returns to step S114.
  • steps S114 to S117 are repeated until the weight is set for each of the N total bands.
  • the weight determination units 172-1 to 172-n may set a limit on the number of sensors 122 to be used.
  • the number of sensors 122-1 to 122-n to be used may be limited to a different number for each band.
  • the user can obtain individual noise characteristics of the sensor 122 for noise of a type that he or she is conscious of by specifying the time window length ⁇ , or for noise that is not conscious by the condition of not specifying the time window length ⁇ . It is possible to realize the synthesis of an appropriate observation value according to.
  • step S131 the FBs 261-1 to 261-n of the weight synthesis unit 152 measure the observed values of the sensors 122-1 to 122-n.
  • step S132 the weight synthesizing unit 152 initializes a counter C for counting the band to one.
  • step S133 the FBs 261-1 to 261-n perform a process of extracting a C-th band (band) component from the observation value in the stationary state, and weight-combined the extracted component of the C-th band BC. Output to the calculation unit 191-N.
  • step S134 the weight combining calculator 191-N executes the C-th band component weight combining process, and applies the component of the C-th band BC obtained by the above-described weight calculation process to the measured observation value. , And outputs the result to the band synthesis unit 262.
  • step S134 is substantially the processing in step S52 in FIG. 8 for the component of the C-th band BC.
  • step S135 the weight synthesis unit 152 determines whether or not the counter C is the number of bands N, and if C is not N, the process proceeds to step S136.
  • step S136 the weight synthesis unit 152 increments the counter C by 1, and the process returns to step S133.
  • steps S133 to S136 are repeated until the weight is set for each of the N total bands.
  • step S137 the band synthesis unit 262 synthesizes the weight synthesis results of the respective band components of the observation values of the sensors 122-1 to 122-n supplied from the weight synthesis calculation units 191-1 to 191-n, and Output as an observation value by the sensor 11.
  • the user can obtain individual noise characteristics of the sensor 122 with respect to noise of a type that he or she is conscious of under conditions that specify the time window length ⁇ , or noise that is not conscious under conditions that do not specify the time window length ⁇ . It is possible to realize the synthesis of an appropriate observation value according to.
  • Example of execution by software can be executed by hardware, but can also be executed by software.
  • a program constituting the software can execute various functions by installing a computer built into dedicated hardware or installing various programs. It is installed from a recording medium to a possible general-purpose computer, for example.
  • FIG. 15 shows a configuration example of a general-purpose computer.
  • This personal computer includes a CPU (Central Processing Unit) 1001.
  • An input / output interface 1005 is connected to the CPU 1001 via a bus 1004.
  • a ROM (Read Only Memory) 1002 and a RAM (Random Access Memory) 1003 are connected to the bus 1004.
  • the input / output interface 1005 includes an input unit 1006 including an input device such as a keyboard and a mouse for inputting an operation command by a user, an output unit 1007 for outputting a processing operation screen and an image of a processing result to a display device, and programs and various data.
  • LAN Local Area Network
  • a magnetic disk including a flexible disk
  • an optical disk including a CD-ROM (Compact Disc-Only Memory), a DVD (Digital Versatile Disc)), a magneto-optical disk (including an MD (Mini Disc)), or a semiconductor
  • a drive 1010 that reads and writes data from and to a removable medium 1011 such as a memory is connected.
  • the CPU 1001 is read from a program stored in the ROM 1002 or a removable medium 1011 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory, is installed in the storage unit 1008, and is loaded from the storage unit 1008 to the RAM 1003. Performs various processes according to the program.
  • the RAM 1003 also appropriately stores data necessary for the CPU 1001 to execute various processes.
  • the CPU 1001 loads, for example, a program stored in the storage unit 1008 into the RAM 1003 via the input / output interface 1005 and the bus 1004 and executes the program. Is performed.
  • the program executed by the computer (CPU 1001) can be provided by being recorded on, for example, a removable medium 1011 as a package medium or the like.
  • the program can be provided via a wired or wireless transmission medium such as a local area network, the Internet, or digital satellite broadcasting.
  • the program can be installed in the storage unit 1008 via the input / output interface 1005 by attaching the removable medium 1011 to the drive 1010.
  • the program can be received by the communication unit 1009 via a wired or wireless transmission medium and installed in the storage unit 1008.
  • the program can be installed in the ROM 1002 or the storage unit 1008 in advance.
  • the program executed by the computer may be a program in which processing is performed in chronological order in the order described in this specification, or may be performed in parallel or at a necessary timing such as when a call is made. It may be a program that performs processing.
  • a system refers to a set of a plurality of components (devices, modules (parts), and the like), and it does not matter whether all components are in the same housing. Therefore, a plurality of devices housed in separate housings and connected via a network and one device housing a plurality of modules in one housing are all systems. .
  • the present disclosure can take a configuration of cloud computing in which one function is shared by a plurality of devices via a network and processed jointly.
  • each step described in the above-described flowchart can be executed by a single device, or can be shared and executed by a plurality of devices.
  • one step includes a plurality of processes
  • the plurality of processes included in the one step can be executed by one device or can be shared and executed by a plurality of devices.
  • Observation values of the plurality of sensors are combined by a product sum of each observation value of the plurality of sensors and the weight of each sensor calculated based on the characteristic of each of the plurality of sensors.
  • An information processing device that includes a weight synthesis unit that outputs as observation values.
  • ⁇ 2> further including a weight calculation unit that calculates a weight for each of the sensors based on characteristics of each of the plurality of sensors, The weight synthesis unit synthesizes the observation values of the plurality of sensors by a product sum of each observation value of the plurality of sensors and the weight of each sensor calculated by the weight calculation unit.
  • the weight calculation unit includes: Allan variance of each observation value of the plurality of sensors, Allan variance calculation unit that calculates as the characteristics of the sensor, The information processing apparatus according to ⁇ 2>, further including a weight determination unit that calculates and determines the weight for each of the sensors based on the Allan variance calculated by the Allan variance calculation unit.
  • the weight determination unit is configured to calculate, based on the noise model, a sum of an error between the Allan variance of each observation value of the plurality of sensors and an Allan variance using a noise parameter based on the noise model.
  • the information processing device according to ⁇ 4>, wherein the weight is calculated and determined for each sensor based on Allan variance using a noise parameter.
  • the weight determining unit determines a time window length that minimizes the sum of the error between the Allan variance of the observed values of the plurality of sensors and the Allan variance using the noise parameter based on the noise model.
  • the information processing apparatus calculates the noise parameter of the Allan variance using the noise parameter based on the noise model based on the time window length, and calculating the time window length based on the noise model specified by the noise parameter.
  • the information processing apparatus wherein the weight is calculated and determined for each sensor based on Allan variance using a noise parameter.
  • An input unit for receiving an input of a condition for the composite observation value is further included.
  • the weight determination unit calculates and determines the weight of each sensor that minimizes the sum of weights of the Allan variance according to the condition among the Allan variances of the observation values of the plurality of sensors.
  • the information processing apparatus according to ⁇ >.
  • the condition for the combined observation value includes a time window length of Allan variance of each observation value of the plurality of sensors, The weight determination unit calculates the weight of each sensor that minimizes the sum of weights of the Allan variance of the time window length among the Allan variances of the observation values of the plurality of sensors.
  • Information processing device ⁇ 9>
  • the condition for the composite observation value includes the number of sensors to be operated among the plurality of sensors, The weight determination unit, based on the Allan variance of the observation value of each of the plurality of sensors, when the weight of the sensor that is not activated is zero, the time window length, the weight sum of the Allan variance is minimized.
  • the weight calculation unit includes: A first high-frequency component extraction unit that extracts a high-frequency component of each observation value of the plurality of sensors; A first low-frequency component extraction unit that extracts a low-frequency component of each observation value of the plurality of sensors; A high-frequency component weight determination unit that calculates and determines a weight for the high-frequency component extracted by the first high-frequency component extraction unit; A low-frequency component weight determining unit that calculates and determines a weight for the low-frequency component extracted by the first low-frequency component extracting unit; The weight combining section, A second high-frequency component extraction unit that extracts a high-frequency component of each observation value of the plurality of sensors; A second low-frequency component extraction unit that extracts a low-frequency component of each observation value of the plurality of sensors; The high frequency component of each observation value of the plurality of sensors extracted by the second high frequency component extraction unit and the product sum of the
  • the information processing device further including: an output combining unit that combines the high-frequency component combined value and the low-frequency component combined value and outputs the combined observed value.
  • the weight calculation unit includes: A first band component extraction unit that extracts a plurality of band components of each observation value of the plurality of sensors; A band component weight determination unit for each of the plurality of band components, which calculates and determines the weight of each of the plurality of sensors for each of the plurality of band components extracted by the first band component extraction unit, The weight combining section, A second band component extraction unit that extracts a plurality of band components of each observation value of the plurality of sensors; The plurality of band components of each of the plurality of sensors extracted by the second band component extraction unit, and for each of the sensors determined by the band component weight determination unit for each of the plurality of band components, The plurality of band components, each of which combines a plurality of band components of the observation values of the plurality of sensors by a product sum with a weight for each of the pluralit
  • the information according to ⁇ 2> further including: a band synthesizing unit that performs band synthesis on each of the band component synthesis values of the plurality of band components of the observation values of the plurality of sensors and outputs the resultant as the synthesized observation value.
  • Processing equipment. ⁇ 12> The weight synthesis unit includes: From a cloud server communicated via a network, in the cloud server, calculated based on the characteristics of each of the plurality of sensors, obtain the weight of each sensor, The observation values of the plurality of sensors are combined by a product sum of the observation values of each of the plurality of sensors and the weight of each sensor obtained from the cloud server, and output as a combined observation value. 11>.
  • ⁇ 13> The information processing device according to any one of ⁇ 1> to ⁇ 12>, wherein the sensor is an IMU.
  • Observation values of the plurality of sensors are combined by a product sum of each observation value of the plurality of sensors and the weight of each sensor calculated based on the characteristic of each of the plurality of sensors, and combined.
  • An information processing method that includes weight synthesis processing that outputs as observation values.
  • Observation values of the plurality of sensors are combined by a product sum of each observation value of the plurality of sensors and the weight of each sensor calculated based on each characteristic of the plurality of sensors, and the combination is performed.
  • a program that causes a computer to function as a weight synthesis unit that outputs observation values.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)

Abstract

本開示は、複数のセンサのノイズ特性と、観測値に対する条件に応じて、複数のセンサの観測値を適切に合成できるようにする情報処理装置および情報処理方法、並びにプログラムに関する。 複数のセンサのそれぞれの特性としてアラン分散を計算し、複数のセンサの観測値を合成する際の条件としてアラン分散の時間窓長を指定し、指定した時間窓長のアラン分散の和が最小となるようにセンサ毎の重みを計算し、複数のセンサのそれぞれの観測値と、計算されたセンサ毎の重みとの積和により、複数のセンサの観測値を合成する。本開示はマルチIMUに適用することができる。

Description

情報処理装置および情報処理方法、並びにプログラム
　本開示は、情報処理装置および情報処理方法、並びにプログラムに関し、特に、複数のセンサのノイズ特性と、観測値に対する条件に応じて、複数のセンサの観測値を適切に合成できるようにした情報処理装置および情報処理方法、並びにプログラムに関する。
　IMU(Inertial Measurement Unit)等に代表されるセンサを複数に備え、複数のセンサの観測値を合成することで検出精度を向上させる技術が提案されている。
　複数のセンサの観測値を合成する技術として、例えば、マルチIMUの観測値を、遠心力を含めて合成し、角速度の推定値の精度を上げることを、理論的解析、シミュレーションと実測値で検証する技術が提案されている（非特許文献１参照）。
Isaac Skog, et.al.: Inertial Sensor Arrays, Maximum Likelihood, and Cram´er-Rao Bound, IEEE Transactions on Signal Processing 64(16) 2016.
　しかしながら、非特許文献１に記載の技術においては、各IMUの個別のノイズ特性の差を利用したカスタマイズや最適化は行われていない。
　本開示は、このような状況に鑑みてなされたものであり、特に、複数のセンサのノイズ特性と、観測値に対する条件に応じて、複数のセンサの観測値を適切に合成できるようにするものである。
　本開示の一側面の情報処理装置およびプログラムは、複数のセンサのそれぞれの観測値と、前記複数のセンサのそれぞれの特性に基づいて計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する重み合成部を含む情報処理装置である。
　本開示の一側面の情報処理方法は、複数のセンサのそれぞれの観測値と、前記複数のセンサのそれぞれの特性に基づいて計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する重み合成処理を含む情報処理方法である。
　本開示の一側面においては、複数のセンサのそれぞれの観測値と、前記複数のセンサのそれぞれの特性に基づいて計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値が合成され、合成観測値として出力される。
複数のセンサの観測値を平均化するマルチセンサの構成例を説明する図である。 本開示の概要を説明する図である。 アラン分散とノイズの関係を説明する図である。 本開示のマルチセンサの構成例を説明するハードウェア図である。 図４のマルチセンサにより実現される機能の第１の実施の形態を説明する図である。 図５のマルチセンサによる時間窓長が指定された場合の重み計算処理（その１－１）を説明するフローチャートである。 図５のマルチセンサによる時間窓長が指定されない場合の重み計算処理（その１－２）を説明するフローチャートである。 図４のマルチセンサによる重み合成処理（その１）を説明するフローチャートである。 図４のマルチセンサにより実現される機能の第２の実施の形態を説明する図である。 図９のマルチセンサによる重み計算処理（その２）を説明するフローチャートである。 図９のマルチセンサによる重み合成処理（その２）を説明するフローチャートである。 図４のマルチセンサにより実現される機能の第３の実施の形態を説明する図である。 図１２のマルチセンサによる重み計算処理（その３）を説明するフローチャートである。 図１２のマルチセンサによる重み合成処理（その３）を説明するフローチャートである。 汎用のパーソナルコンピュータの構成例を説明する図である。
　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。
　以下、本技術を実施するための形態について説明する。説明は以下の順序で行う。
　１．本開示の概要
　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．ソフトウェアにより実行させる例
　＜＜１．本開示の概要＞＞
　本開示は、複数のセンサのノイズ特性と、観測値に対する条件に応じて、複数のセンサの観測値を適切に合成できるようにするものである。
　まず、本開示の概要について説明する。
　複数の同一のパラメータをセンシングするセンサを備え、複数のセンサの観測値を合成して１つの観測値として出力する装置は、一般に、マルチセンサと称されている。
　マルチセンサは、白色ノイズを低減させるような場合、例えば、図１で示されるような構成とされる。
　すなわち、図１のマルチセンサ１１は、複数のセンサ３１－１乃至３１－Ｎと平均化部３２とを備えている。
　尚、センサ３１－１乃至３１－Ｎについて、特に区別する必要がない場合、単に、センサ３１と称するものとし、その他の構成についても同様に称する。
　複数のセンサ３１－１乃至３１－Ｎは、同一のパラメータとして、例えば、加速度や角速度を検出するセンサであり、それぞれの観測値を平均化部３２に出力する。
　平均化部３２は、複数のセンサ３１－１乃至３１－Ｎからの観測値を平均化して、マルチセンサ１１の観測値として出力する。
　このマルチセンサ１１は、例えば、マルチIMU(Inertial Measurement Unit)として機能するような場合、マルチセンサ１１の出力はマルチIMUの出力となり、センサ３１－１乃至３１－Ｎのそれぞれの加速度および角速度の平均値が出力される。
　しかしながら、図１のマルチセンサ１１の場合、白色ノイズの低減は、実現できるが、量子化ノイズ、フリッカノイズ、ランダムウォークなどのその他のノイズは必ずしも低減できない恐れがある。
　また、図１のマルチセンサ１１の場合、複数のセンサ３１－１乃至３１－Ｎのそれぞれのノイズ特性に応じた調整や、複数のセンサ３１－１乃至３１－Ｎの観測値の使用目的に応じて、例えば、どのような種別のノイズに対する耐性を高めた調整が必要であるかを示すような条件に応じた調整がなされていない。
　そこで、本開示のマルチセンサは、複数のセンサのノイズ特性と、観測値の使用目的に応じた条件とに基づいて、複数のセンサの観測値に対する重みを設定し、設定した重みに基づいて観測値を適切に合成して出力する。
　より詳細には、例えば、本開示のマルチセンサ５１は、センサ６１－１乃至６１－Ｎ、重み計算部６２、および重み合成部６３を備えている。
　センサ６１－１乃至６１－Ｎは、それぞれ同一のパラメータを観測（検出）し、観測値Ｘ１（ｔ）乃至ＸＮ（ｔ）を重み計算部６２に出力する。
　重み計算部６２は、センサ６１－１乃至６１－Ｎのそれぞれの観測値を取得して、それぞれのノイズ統計量を計算する。そして、重み計算部６２は、使用目的に応じた条件に基づいて、ノイズ統計量を選択的に利用し、センサ６１－１乃至６１－Ｎのそれぞれの重みｗ１乃至ｗＮ（０≦ｗ１，ｗ２，ｗ３，・・・，ｗＮ≦１，ｗ１＋ｗ２＋ｗ３＋・・・＋ｗＮ＝１）として計算し、重み合成部６３に出力する。
　重み合成部６３は、重み計算部６２より供給される重みｗ１乃至ｗＮに基づいて、観測値Ｘ１（ｔ）乃至ＸＮ（ｔ）を合成して、合成結果（Σｗ１Ｘｎ（ｔ））をマルチセンサ５１の観測値Ｙ（ｔ）として出力する。
　ここで、ノイズ統計量について説明する。
　ノイズ統計量としては、例えば、アラン分散を用いる。
　アラン分散は、時間窓長τに対応する分散σである。尚、図３は、縦軸がアラン分散の平方根（Root Allan Variance）σであり、横軸が時間窓長τである。
　各ノイズは、アラン分散σの特定の時間窓長τにおいて優勢に観測される。
　このため、図３で示されるように、時間窓長τが10-3近傍であるときには、AD変換の量子化誤差である量子化ノイズ（quantization noise）が優勢に観測され、時間窓長τが10-1近傍であるときには、周波数特性が理想的に平らなノイズである白色ノイズ（white noise）が優勢に観測される。
　また、時間窓長τが100近傍であるときには、高周波成分ほど確実に小さくなる周波数スペクトルを持つノイズであるフリッカノイズ（flicker noise）が優勢に観測され、時間窓長τが102近傍であるときには、帯域制限されたノイズであるノイズ（correlated noise）が優勢に観測される。
　さらに、時間窓長τが104近傍であるときには、ランダムウォーク（random walk）が優勢に観測され、時間窓長τが106近傍であるときには、一定の傾きで変化するドリフト（linear drift）が優勢に観測される。
　このように、アラン分散においては、時間窓長τに応じて、優勢に観測されるノイズの種別が異なる。また、アラン分散における時間窓長τが短い程、ノイズが支配的になり、時間窓長τが長い程、バイアス安定性が支配的になる。
　このため、重み計算部６２は、例えば、マルチセンサ１１の観測値を、量子化ノイズを低減させたい場合については、センサ６１－１乃至６１－Ｎのそれぞれのノイズ統計量である、時間窓長τが10-3近傍であるアラン分散が最小になるように、重みｗ１乃至ｗＮ（ｗ１＋ｗ２＋ｗ３＋・・・＋ｗＮ＝１）を計算する。
　重み合成部６３は、量子化ノイズを低減するために、量子化ノイズが優勢に観測されるアラン分散を最小にする重みｗ１乃至ｗＮを用いて、観測値Ｘ１（ｔ）乃至ＸＮ（ｔ）を合成して、合成結果（Σｗ１Ｘｎ（ｔ））をマルチセンサ５１の観測値Ｙ（ｔ）として出力する。
　その他の種別のノイズについても同様に、特定の種別のノイズが優勢に観測される時間窓長τのアラン分散を最小にするように、重みが計算されるようにする。
　そして、マルチセンサ１１の観測値の使用目的に応じた低減させたい種別のノイズが低減されるように計算された重みを用いて、センサ６１－１乃至６１－Ｎのそれぞれの観測値を合成する。
　この処理により、マルチセンサ１１における複数のセンサ６１－１乃至６１－Ｎのそれぞれのノイズ特性に基づいた、使用目的に応じたノイズが優勢に観測される時間窓長τのアラン分散を最小にする重みの設定が可能となり、複数のセンサ６１－１乃至６１－Ｎの観測値を、センサ６１－１乃至６１－Ｎのそれぞれのノイズ特性と、センサ６１－１乃至６１－Ｎの観測値を合成した観測値の使用目的とに応じて適切に合成することが可能となる。
　観測値の使用目的が、例えば、GPSやカメラ等の外部からの観測信号と融合して慣性航法への適用であるような場合、観測信号のバイアス変動を小さくしたいため、長めの時間窓長τを条件に設定して重みを設定する。
　一方、観測値の使用目的が、例えば、GPSやカメラ等の外部からの観測信号を利用することのできない純粋な慣性航法への適用や、地球の自転方向から方位角を求めるような適用である場合、短めの時間窓長τに設定して重みを設定する。
　＜＜２．第１の実施の形態＞＞
　＜マルチセンサの構成例＞
　次に、図４のブロック図を参照して、本開示のマルチセンサのハードウェアの構成例について説明する。
　図４のマルチセンサ１０１は、制御部１２１、センサ１２２－１乃至１２２－Ｎ、入力部１２３、出力部１２４、記憶部１２５、通信部１２６、ドライブ１２７、およびリムーバブル記憶媒体１２８より構成されており、相互にバス１２９を介して接続されており、データやプログラムを送受信することができる。
　制御部１２１は、プロセッサやメモリから構成されており、マルチセンサ１０１の動作の全体を制御する。制御部１２１は、重み計算部１５１、および重み合成部１５２を備えている。
　重み計算部１５１は、図２の重み計算部６２に相当する構成であり、センサ１２２－１乃至１２２－ｎのそれぞれの観測値に基づいて、それぞれのノイズ特性をノイズ統計量として計算する。ここで、センサ１２２－１乃至１２２－ｎは、例えば、IMU(Inertial Measurement Unit)であり、図２のセンサ６１－１乃至６１－Nに相当する。
　そして、重み計算部１５１は、マルチセンサ１０１の観測値の使用用途や目的に応じて、必要とされるノイズ統計量に基づいて、重みを計算して重み合成部１５２に出力する。
　重み合成部１５２は、重み計算部１５１より供給される重みに基づいて、センサ１２２－１乃至１２２－ｎのそれぞれのセンシング結果を合成して、マルチセンサ１０１のセンシング結果として出力する。
　尚、制御部１２１により実現される重み計算部１５１、および重み合成部１５２の機能の詳細な構成例については、図５を参照して、後述する。
　入力部１２３は、ユーザが操作コマンドを入力するキーボード、マウスなどの入力デバイスより構成され、入力された各種の信号を制御部１２１に供給する。
　出力部１２４は、制御部１２１により制御され、供給される操作画面や処理結果の画像を図示せぬ表示デバイスに出力して表示する。
　記憶部１２５は、HDD（Hard Disk Drive）、SSD（Solid State Drive）、または、半導体メモリなどからなり、制御部１２１により制御され、コンテンツデータを含む各種のデータおよびプログラムを書き込む、または、読み出す。
　通信部１２６は、制御部１２１により制御され、有線（または無線（図示せず））により、LAN（Local Area Network）などに代表される通信ネットワークを介して、各種の装置との間で各種のデータやプログラムを送受信する。
　ドライブ１２７は、磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM(Compact Disc-Read Only Memory)、DVD(Digital Versatile Disc)を含む）、光磁気ディスク（ＭＤ(Mini Disc)を含む）、もしくは半導体メモリなどのリムーバブル記憶媒体１２８に対してデータを読み書きする。
　＜重み計算部および重み合成部の機能の第１の構成例＞
　次に、図５を参照して、図４のマルチセンサ１０１の制御部１２１により実現される重み計算部１５１および重み合成部１５２の機能の第１の構成例について説明する。
　重み計算部１５１は、アラン分散計算部１７１、および重み決定部１７２を備えている。
　アラン分散計算部１７１は、オフラインでセンサ１２２－１乃至１２２－ｎの観測値に基づいたノイズ統計情報として、時間窓長τを様々に変化させて、アラン分散を計算し、センサ１２２－１乃至１２２－ｎのそれぞれについてのノイズ特性として記憶する。
　重み決定部１７２は、センサ１２２－１乃至１２２－ｎのノイズ特性である、アラン分散と、ユーザにより指定される条件とに基づいて、センサ１２２－１乃至１２２－ｎの観測値の重みｗ１乃至ｗｎを決定して重み合成部１５２に出力する。尚、条件に応じた重み決定方法については、詳細を後述する。
　重み合成部１５２は、重み合成計算部１９１を備えている。
　重み合成計算部１９１は、以下の式（１）で示される演算により、センサ１２２－１乃至１２２－ｎの観測値Ｘ１（ｔ）乃至Ｘｎ（ｔ）と、重み決定部１７２より供給される重みｗ１乃至ｗｎとの積和（重み和）をマルチセンサ１０１の観測値Y（ｔ）として計算する。
Figure JPOXMLDOC01-appb-M000001
　換言すれば、重み合成計算部１９１は、式（１）を計算することにより、センサ１２２－１乃至１２２－ｎの観測値Ｘ１（ｔ）乃至Ｘｎ（ｔ）を、重み決定部１７２より供給される重みｗ１乃至ｗｎを用いて合成し、マルチセンサ１０１の観測値Y（ｔ）として出力する。
　尚、重み計算部１５１は、マルチセンサ１０１本体ではなく、マルチセンサ１０１とネットワークで接続されるクラウドサーバ等における機能として実現されるようにしてもよい。すなわち、この場合、重み合成部１５２の重み合成計算部１９１は、ネットワークを介して、クラウドサーバ上の重み計算部１５１において、センサ１２２－１乃至１２２－ｎのそれぞれの特性に応じて計算された重みｗ１乃至ｗｎを取得する。そして、重み合成計算部１９１は、式（１）を計算することにより、センサ１２２－１乃至１２２－ｎの観測値Ｘ１（ｔ）乃至Ｘｎ（ｔ）を、クラウドサーバより取得した重みｗ１乃至ｗｎを用いて合成し、マルチセンサ１０１の観測値Y（ｔ）として出力するようにしてもよい。
　（時間窓長τが指定される場合の重み決定方法）
　次に、入力部１２３が操作されて、条件として時間窓長τが指定される場合の重み決定方法について説明する。
　条件として時間窓長τが指定されるということは、図３を参照して説明したように、実質的に、調整すべきノイズの種類が指定されることになる。
　換言すれば、ノイズの種類が指定される場合、対応する時間窓長τが指定されたものとみなすことができる。
　重み決定部１７２は、時間窓長τが指定される場合、以下の式（２）に基づいて、指定された時間窓長τのアラン分散σが最小になるときの、上記式（１）による重み合成計算結果である観測値Ｙ（ｔ）となる重みｗ１乃至ｗｎを決定する。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｆ（ｗ）は、時間窓長τのセンサ１２２－１乃至１２２－ｎの観測値Ｘ１（ｔ）乃至Ｘｎ（ｔ）の合成結果である観測値Ｙ（ｔ）のアラン分散σ（τ；Ｙ）が最小であるときの重みｗ１乃至ｗｎを用いて表現される関数である。
　また、時間窓長τの観測値Ｙ（ｔ）のアラン分散σ（τ；Ｙ）は、以下の式（３）で表される。
Figure JPOXMLDOC01-appb-M000003
　ここで、ｗｎは、センサ１２２－ｎの重みであり、Ｘｎ（ｔ）は、センサ１２２－ｎの観測値である。
　すなわち、時間窓長τのアラン分散に基づいて計算された重みｗｎを用いたセンサ１２２－１乃至１２２－ｎの観測値Ｘ１（ｔ）乃至Ｘｎ（ｔ）の合成結果としての観測値Ｙ（ｔ）のアラン分散σ（τ；Ｙ）は、センサ１２２－ｎのそれぞれの時間窓長τのアラン分散σ（τ；Ｘ）の重みｗｎの二乗和となる。
　つまり、重み決定部１７２は、センサ１２２のそれぞれの時間窓長τのアラン分散σ（ｔ；Ｘ）と、重みｗｎの二乗との積和が最小となるように、重みｗ１乃至ｗｎを計算する。
　このように決定される重みｗ１乃至ｗｎが用いられて、センサ１２２－１乃至１２２－ｎのそれぞれの観測値Ｘ１（ｔ）乃至Ｘｎ（ｔ）が合成されることで、時間窓長τの合成結果である観測値Ｙ（ｔ）のアラン分散σ（τ；Ｙ）が最小とされる。
　結果として、時間窓長τで特定される種別のノイズ特性による影響をセンサ１２２－１乃至１２２－ｎのそれぞれのノイズ特性に応じて低減することが可能となる。
　また、条件には、センサ１２２－１乃至１２２－ｎのうち稼働させる数を含めるようにしてもよい。
　すなわち、例えば、省電力化を図るために、全体として100個設けられているセンサ１２２のうちの半分の50個のみを稼働させて、その他の50個を停止させて運用する場合について考える。
　この場合、重み決定部１７２は、100個の全センサ１２２のアラン分散に基づいたノイズ特性に応じて、停止させる50個のセンサ１２２の観測値の重みを0にして、残りの稼働させる50個のセンサ１２２の観測値にどのような重みを付すのかを計算する。
　より具体的には、重み決定部１７２は、指定された時間窓長τにおける100個の全センサ１２２のアラン分散のうち、アラン分散の大きさの上位50個を停止させるセンサ１２２として重みを0に設定し、それ以外の稼働させる50個のセンサ１２２のアラン分散と重みの二乗との積和が最小になるように重みを計算する。
　これにより、重みが0に設定される50個のセンサ１２２の動作を停止せることで省電力化を実現することが可能になると共に、残りの稼働させる50個のセンサ１２２のセンサ特性により最適な重み合成を実現させることが可能となる。
　尚、センサ１２２が100個であり、50個を停止させ、残りの50個を稼働させるという例について、センサ１２２の総数や停止させるセンサ１２２または稼働させるセンサ１２２の個数については、これに限定されるものではなく、その他の数であってもよい。
　（時間窓長τが指定されない場合の重み決定方法）
　次に、条件として時間窓長τが指定されない場合の重み決定方法について説明する。条件として時間窓長τが指定されないということは、図３を参照して説明したように、実質的に、調整すべきノイズの種類が指定されないことになる。
　換言すれば、ノイズの種類が指定されない場合、重みを設定するのに最適な時間窓長τと共に、重みを決定する必要がある。
　重み決定部１７２は、時間窓長τが指定されない場合、以下の式（４）で示されるように、ノイズモデルに基づいたノイズパラメータで表すアラン分散の式を用いて、重みｗ１乃至ｗｎを決定する。
Figure JPOXMLDOC01-appb-M000004
　ここで、ｇ（τ；Θ）は、ノイズモデル（ノイズ理論）に基づいた、時間窓長τとしたときのノイズパラメータΘで表現されるアラン分散である。
　式（４）においては、第１項が、量子化ノイズ（quantization noise）のアラン分散を表しており、このうちσQが、量子化ノイズのノイズパラメータである。
　また、第２項が、白色ノイズ（white noise）のアラン分散を表しており、このうちσνが、白色ノイズのノイズパラメータである。
　さらに、第３項が、フリッカノイズ（1/fノイズ）（flicker noise）のアラン分散を表しており、このうちσｆが、フリッカノイズのノイズパラメータである。
　また、第４項が、相関のあるノイズ（correlated noise）ＢＢＮのアラン分散を表しており、このうちσｎ，ＴＢが、相関のあるノイズＢＢＮのノイズパラメータである。
　さらに、第５項が、ランダムウォーク（random walk）のアラン分散を表しており、このうちσｕが、ランダムウォークのノイズパラメータである。
　また、第６項が、線形ドリフト（linear drift）のアラン分散を表しており、Ｒが、線形ドリフトのノイズパラメータである。
　尚、式（４）の各項で表現される種別のノイズのアラン分散は、図３の時間窓長τに応じた図中の左から順に表現される種別のノイズのアラン分散に対応している。また、ノイズパラメータΘは、（σQ，σν，σｆ，σｎ，ＴＢ，σｕ，Ｒ）である。
　重み決定部１７２は、以下の式（５）で表現される関数Ｆ（Θ）を定義して、センサ１２２－１乃至１２２－ｎの観測値Ｘ１（ｔ）乃至Ｘｎ（ｔ）のアラン分散と、ノイズモデルに基づいたノイズパラメータΘで表されるアラン分散との誤差である関数Ｆ（Θ）を最小にするノイズパラメータΘを計算する。
Figure JPOXMLDOC01-appb-M000005
　ここで、かっこ内の第１項のσκは、時間窓長τκのときの静止状態のセンサ１２２－ｎの観測値Ｘｎ（ｔ）から計算されるアラン分散であり、第２項のｇ（τκ；Θ）は、時間窓長τκのときのノイズモデルに基づいたノイズパラメータΘで表現されるアラン分散である。
　すなわち、式（５）は、非線形な関数からなるノイズモデルに基づいたノイズパラメータΘで表現されるアラン分散にセンサ１２２の観測値から求められるアラン分散をフィッティングさせることで、ノイズパラメータΘを求める一般的な最小二乗推定の解法式である。
　そこで、重み決定部１７２は、時間窓長τを固定して、アラン分散ｇ（τ；Θ）を求め、求めたアラン分散ｇ（τ；Θ）から重みを求める。
　次に、重み決定部１７２は、求めた重みを固定して、最小時間窓長τを求める。
　重み決定部１７２は、再び、求められた最小時間窓長τを固定し、アラン分散ｇ（τ；Θ）を求め、求めたアラン分散ｇ（τ；Θ）から重みを求める。
　そして、重み決定部１７２は、再び、求められた重みを固定して、最小時間窓長τを求める。
　重み決定部１７２は、いわゆる、Newton-Rapson法により、時間窓長τが収束するまで、以上の処理を繰り返すことで、収束した時間窓長τと共に、収束した時間窓長τに対応する重みｗ１乃至ｗｎを計算し、出力する。尚、計算方法は、Newton-Rapson法のみならず、一般的な数値計算手法であれば他の手法でもよく、例えば、Levenberg-Marquardt法でもよい。
　以上の処理により、時間窓長τが指定されていない場合でも、センサ１２２のノイズ特性に応じて、適切な時間窓長τと共に、適切な時間窓長τに対する重みｗ１乃至ｗｎを計算することが可能となる。
　尚、この場合についても、条件として使用するセンサ１２２の個数を指定するようにしてもよい。
　また、以上においては、時間窓長τが指定されない場合、モデルに基づいたノイズパラメータΘで表現されるアラン分散を用いて、時間窓長τと重みを求める例について説明してきたが、理論的には、通常のアラン分散の式を用いても求めることができる。
　さらに、以上の式（２）において重みについての正則化項を加えたスパース制約を設けて重みを推定するようにしてもよい。
　＜時間窓長が指定された場合の重み計算処理（その１－１）＞
　次に、図６のフローチャートを参照して、時間窓長が指定された場合の重み計算処理について説明する。
　尚、重み計算処理は、重み計算に使用するアラン分散を計算するために十分に長い時間の観測値の統計が必要となるので、センサ１２２による観測値を出力するタイミングとは異なるタイミングでなされるオフライン処理であることを前提とする。しかしながら、重み計算処理は、アラン分散をオンライン処理（リアルタイム処理）で計算するダイナミックアラン分散をもとに重みを計算することで、センサ１２２の経時変化に対応した最適な重みに更新することも可能である。このアラン分散のオンライン処理（リアルタイム処理）については、以下を参照されたい（L. Galleani, et.al:  Interpretation of the Dynamic Allan Variance of Nonstationary Clock Data. In Proceedings of the IEEE International Frequency Control Symposium, 2007 pp. 992-997.）。
　ステップＳ１１において、重み計算部１５１の重み決定部１７２は、ユーザにより入力部１２３が操作されることで入力される条件の入力を受け付ける。ここでは、条件として時間窓長τと、センサ１２２の使用数とが入力されるものとする。
　ステップＳ１２において、重み計算部１５１のアラン分散計算部１７１は、静止状態の全センサ１２２－１乃至１２２－ｎの観測値を計測する。
　ステップＳ１３において、重み計算部１５１のアラン分散計算部１７１は、計測した観測値に基づいて、全センサ１２２－１乃至１２２－ｎのそれぞれのアラン分散を計算する。
　ステップＳ１４において、重み計算部１５１の重み決定部１７２は、条件に基づいて、センサ１２２－１乃至１２２－ｎのアラン分散と重みの積和が最小となるように、重みｗ１乃至ｗｎを計算する。
　この際、重み決定部１７２は、使用するセンサ１２２の個数の制限がある場合については、制限された個数のセンサ１２２のアラン分散と重みの積和が最小となるように、制限された個数のセンサ１２２に対する重みを計算する。
　この場合、制限された個数のセンサ１２２としてどのセンサ１２２が選択されて、使用されないかがアラン分散に基づいて求められた後、使用されるセンサ１２２のそれぞれについて重みが設定される。
　すなわち、ノイズ特性に応じて、使用されないセンサ１２２に対する重みは0とされ、制限された個数の使用されるセンサ１２２の重みが設定される。
　これにより、ユーザは、自ら意識する種別のノイズに対して、センサ１２２の個別のノイズ特性に応じた適切な観測値を合成することが可能となる。
　＜時間窓長が指定されない場合の重み計算処理（その１－２）＞
　次に、図７のフローチャートを参照して、時間窓長τが指定されない場合の重み計算処理について説明する。
　ステップＳ３１において、重み計算部１５１の重み決定部１７２は、ユーザからの条件の入力を受け付ける。ここでは、条件として、センサ１２２の使用数のみが入力されるものとする。
　ステップＳ３２において、重み計算部１５１のアラン分散計算部１７１は、静止状態の全センサ１２２－１乃至１２２－ｎの観測値を計測する。
　ステップＳ３３において、重み計算部１５１のアラン分散計算部１７１は、計測した観測値に基づいて、全センサ１２２－１乃至１２２－ｎのそれぞれのアラン分散を計算する。
　ステップＳ３４において、重み決定部１７２は、時間窓長τを初期化する。
　ステップＳ３５において、重み決定部１７２は、時間窓長τを固定して、観測値から求められるアラン分散と、式（４）を参照して説明したノイズパラメータΘにより求められるアラン分散との誤差が最小となるノイズパラメータΘを特定し、特定されたノイズパラメータΘによりモデル化されたアラン分散から重みｗ１乃至ｗｎを計算する。
　ステップＳ３６において、重み決定部１７２は、求められた重みｗ１乃至ｗｎを固定して、最小時間窓長τを求める。
　ステップＳ３７において、重み決定部１７２は、求められた最小時間窓長τが直前に求められた最小時間窓長τと比較して、Newton法などにより収束しているか否かを判定する。
　ステップＳ３７において、収束していないと判定された場合、処理は、ステップＳ３８に進む。
　ステップＳ３８において、重み決定部１７２は、求められた最小時間窓長τを固定して、観測値から求められるアラン分散と、ノイズパラメータΘにより求められるアラン分散との誤差が最小となるノイズパラメータΘを特定し、特定されたノイズパラメータΘによりモデル化されたアラン分散から重みｗ１乃至ｗｎを計算する。そして、処理は、ステップＳ３６に戻る。
　すなわち、時間窓長τが収束したと判定されるまで、ステップＳ３６乃至Ｓ３８の処理が繰り返されて、求められた重みｗ１乃至ｗｎを固定して、最小時間窓長τを求める処理と、求められた時間窓長τを固定して、観測値から求められるアラン分散と、ノイズパラメータΘにより求められるアラン分散との誤差が最小となるノイズパラメータΘを特定し、特定されたノイズパラメータΘによりモデル化されたアラン分散から重みｗ１乃至ｗｎを計算する処理が繰り返される。
　そして、ステップＳ３７において、時間窓長τが収束したと判定された場合、処理は、ステップＳ３９に進む。
　ステップＳ３９において、重み決定部１７２は、計算により収束が確認されている時間窓長τを固定したとき特定される、観測値から求められるアラン分散と、ノイズパラメータΘにより求められるアラン分散との誤差が最小となるノイズパラメータΘが特定されて計算される重みｗ１乃至ｗｎを重み合成部１５２に出力する。
　以上の処理により、時間窓長τが指定されていない状態でも、観測値から求められるアラン分散と、ノイズパラメータΘにより求められるアラン分散との誤差が最小となるノイズパラメータΘが特定されて、重みｗ１乃至ｗｎが計算させることが可能となる。
　結果として、時間窓長τ、すなわち、ノイズの種別が特定されない状態でも、最もアラン分散が小さくなる種別のノイズが特定されて、特定された種別のノイズに対して、センサ１２２－１乃至１２２－ｎのノイズ特性に応じた重みが計算される。
　尚、この際においても、センサ１２２の使用する個数が指定されることにより、上述した場合と同様に指定された個数を使用するときのセンサ特性に基づいて、使用するセンサ１２２が選択されると共に、選択された個数が制限されたセンサ１２２におけるノイズ特性に応じた重みを計算することが可能となる。
　また、以上においては、時間窓長τが指定される場合と、指定されない場合とに分けて重み計算処理がなされる例について説明してきたが、条件として時間窓長τが指定されたか否かを判定し、判定結果に基づいて、時間窓長τが指定された場合には、図６の重み計算処理がなされ、時間窓長τが指定されない場合には図７の重み計算処理がなされるように切り替えて処理されるようにしてもよい。
　＜重み合成処理（その１）＞
　次に、図８のフローチャートを参照して、重み合成処理について説明する。
　尚、この処理は、上述した図６または図７のいずれかの重み計算処理がなされることにより、重み計算部１５１により重みｗ１乃至ｗｎが計算されて、重み合成部１５２の重み合成計算部１９１に供給されていることが前提とされる。
　ステップＳ５１において、重み合成計算部１９１は、センサ１２２－１乃至１２２－ｎの全ての観測値Ｘ１（ｔ）乃至Ｘｎ（ｔ）を計測する。
　ステップＳ５２において、重み合成計算部１９１は、観測値Ｘ１（ｔ）乃至Ｘｎ（ｔ）と、重みｗ１乃至ｗｎとの積和を求めて、マルチセンサ１１としての観測値Ｙ（ｔ）として出力する。
　以上の処理により、条件と、複数のセンサ１２２のノイズ特性とに基づいて計算された重みにより、複数のセンサ１２２の観測結果を適切に合成することが可能となる。
　＜＜３．第２の実施の形態＞＞
　以上においては、センサ１２２の観測値をそのまま使用して、条件と、各センサ１２２のノイズ特性とに応じて重みを設定して、観測値を重み合成する例について説明してきたが、高周波成分と低周波成分とに分けて重みを設定し、重み合成した後、高周波成分と低周波成分とを合成するようにしてもよい。
　図９は、高周波成分と低周波成分とに分けて重みを設定し、重み合成した後、高周波成分と低周波成分とを合成するようにしたマルチセンサ１１の構成例を示している。
　尚、図９のマルチセンサ１１において、図５のマルチセンサ１１と同一の機能を備えた構成については、同一の符号を付しており、その説明は適宜省略する。
　すなわち、図９のマルチセンサ１１において、図５のマルチセンサ１１と異なる点は、以下の点である。
　まず、重み計算部１５１、および重み合成部１５２のそれぞれにHPF（High Pass Filter）２１１，２３１、およびLPF（Low Pass Filter）２１２，２３２が新たに設けられている点で、両者は異なる。
　また、アラン分散計算部１７１、および重み決定部１７２に代えて、高周波成分を処理するアラン分散計算部１７１－１、および重み決定部１７２－１、並びに、低周波成分を処理するアラン分散計算部１７１－２、および重み決定部１７２－２が設けられている点で、両者は異なる。
　さらに、重み合成計算部１９１に代えて、高周波成分を処理する重み合成計算部１９１－１、および低周波成分を処理する重み合成計算部１９１－２を備えている点で、両者は異なる。
　また、重み合成計算部１９１－１，１９１－２のそれぞれの重み合成結果を合成する出力合成部２３３を新たに備えている点で異なる。
　すなわち、HPF２１１は、センサ１２２－１乃至１２２－ｎのそれぞれの観測値に対してHPF処理を施して、高周波成分を抽出して、アラン分散計算部１７１－１に出力する。
　これにより、アラン分散計算部１７１－１、および重み決定部１７２－１は、センサ１２２－１乃至１２２－ｎのノイズ特性のうち高周波成分に対する重みを決定し、重み合成部１５２の重み合成計算部１９１－１に出力する。
　また、LPF２１２は、センサ１２２－１乃至１２２－ｎのそれぞれの観測値に対してLPF処理を施して、低周波成分を抽出して、アラン分散計算部１７１－２出力する。
　これにより、アラン分散計算部１７１－２、および重み決定部１７２－２は、センサ１２２－１乃至１２２－ｎのノイズ特性のうち低周波成分に対する重みを決定し、重み合成部１５２の重み合成計算部１９１－２に出力する。
　また、HPF２３１は、センサ１２２－１乃至１２２－ｎのそれぞれの観測値に対してHPF処理を施して、高周波成分を抽出して、重み合成計算部１９１－１に出力する。
　これにより、重み合成計算部１９１－１は、センサ１２２－１乃至１２２－ｎの観測値のうちの高周波成分について、重み計算部１５１の重み決定部１７２－１より供給された重みを用いて、重み合成し、出力合成部２３３に出力する。
　さらに、LPF２３２は、センサ１２２－１乃至１２２－ｎのそれぞれの観測値に対してLPF処理を施して、低周波成分を抽出して、重み合成計算部１９１－２に出力する。
　これにより、重み合成計算部１９１－２は、センサ１２２－１乃至１２２－ｎの観測値のうちの低周波成分について、重み計算部１５１の重み決定部１７２－２より供給された重みを用いて、重み合成し、出力合成部２３３に出力する。
　出力合成部２３３は、重み合成計算部１９１－１より供給されるセンサ１２２－１乃至１２２－ｎの観測値の高周波成分の重み合成された観測値と、重み合成計算部１９１－２より供給されるセンサ１２２－１乃至１２２－ｎの観測値の低周波成分の重み合成された観測値とを合成して出力する。
　このような構成により、ユーザの条件と、センサ１２２－１乃至１２２－ｎのノイズ特性に応じて、センサ１２２－１乃至１２２－ｎの観測値の高周波成分と低周波成分とを、それぞれに適切な重み合成した上で、観測値を合成することが可能となる。
　結果として、高周波成分と低周波成分とに適切な重み合成がなされるので、適切な観測値の合成が可能となる。
　＜重み計算処理（その２）＞
　次に、図９のマルチセンサ１１によるLPFとHPFとを用いた場合の重み計算処理について説明する。
　ステップＳ７１において、重み計算部１５１の重み決定部１７２－１，１７２－２は、それぞれユーザからの条件の入力を受け付ける。この場合、重み決定部１７２－１，１７２－２は、高周波成分と低周波成分とでそれぞれ独立した条件の入力を受け付けるようにしてもよい。
　ステップＳ７２において、重み計算部１５１のHPF２１１、およびLPF２１２は、それぞれ静止状態の観測値を計測する。
　ステップＳ７３において、HPF２１１は、静止状態の観測値に対してHPF処理を施して、高周波成分を抽出して、アラン分散計算部１７１－１に出力する。
　ステップＳ７４において、アラン分散計算部１７１－１、および重み決定部１７２－１は、高周波成分重み計算処理を実行して、計測した観測値に基づいた、全センサ１２２－１乃至１２２－ｎのそれぞれの高周波成分の重みを計算し、重み合成計算部１９１－１に出力する。
　尚、高周波成分重み計算処理については、全センサ１２２－１乃至１２２－ｎのそれぞれの高周波成分の重みを求めるための重み計算処理であり、実質的に、図６のステップＳ１３，Ｓ１４の処理、または、図７のステップＳ３３乃至Ｓ３９の処理であるので、その説明は省略する。
　ステップＳ７５において、LPF２１２は、静止状態の観測値に対してLPF処理を施して、低周波成分を抽出して、アラン分散計算部１７１－２に出力する。
　ステップＳ７６において、アラン分散計算部１７１－２、および重み決定部１７２－２は、低周波成分重み計算処理を実行して、計測した観測値に基づいた、全センサ１２２－１乃至１２２－ｎのそれぞれの低周波成分の重みを計算し、重み合成計算部１９１－２に出力する。
　尚、低周波成分重み計算処理については、全センサ１２２－１乃至１２２－ｎのそれぞれの低周波成分の重みを求めるための重み計算処理であり、実質的に、図６のステップＳ１３，Ｓ１４の処理、または、図７のステップＳ３３乃至Ｓ３９の処理であるので、その説明は省略する。
　この際、重み決定部１７２－１，１７２－２は、使用するセンサ１２２の個数の制限を設定するようにしてもよい。また、センサ１２２－１乃至１２２－ｎのうちの使用する個数の制限は、高周波成分と低周波成分とで異なる個数であってもよい。
　これにより、ユーザは、時間窓長τを指定した条件により自ら意識する種別のノイズに対して、または、時間窓長τを指定しない条件により意識しないノイズに対して、センサ１２２の個別のノイズ特性に応じた適切な観測値の合成を実現することが可能となる。
　さらに、高周波成分と低周波成分とで、それぞれ独立したノイズ特性に応じた重み合成を実現することが可能となる。
　＜重み合成処理（その２）＞
　次に、図９のマルチセンサ１１によるLPFとHPFとを用いた場合の重み計算処理について説明する。
　ステップＳ９１において、重み合成部１５２のHPF２３１、およびLPF２３２は、センサ１２２－１乃至１２２－ｎのそれぞれの静止状態の観測値を計測する。
　ステップＳ９２において、HPF２３１は、観測値に対してHPF処理を施して、高周波成分を抽出して、重み合成計算部１９１－１に出力する。
　ステップＳ９３において、重み合成計算部１９１－１は、高周波成分重み合成処理を実行して、計測した観測値に対して、上述した重み計算処理により求められた高周波成分に対する重みを用いて、重み合成を行い出力合成部２３３に出力する。
　尚、ステップＳ９３の処理は、実質的に、高周波成分に対する、図８のステップＳ５２の処理であるので、その説明は省略する。
　ステップＳ９４において、LPF２３２は、観測値に対してLPF処理を施して、低周波成分を抽出して、重み合成計算部１９１－２に出力する。
　ステップＳ９５において、重み合成計算部１９１－２は、低周波成分重み合成処理を実行して、計測した観測値に対して、上述した重み計算処理により求められた低周波成分に対する重みを用いて、重み合成を行い出力合成部２３３に出力する。
　尚、ステップＳ９５の処理は、実質的に、高周波成分に対する、図８のステップＳ５２の処理であるので、その説明は省略する。
　ステップＳ９６において、出力合成部２３３は、重み合成計算部１９１－１より供給されるセンサ１２２－１乃至１２２－ｎの観測値の高周波成分の重み合成結果と、重み合成計算部１９１－２より供給されるセンサ１２２－１乃至１２２－ｎの観測値の低周波成分の重み合成結果とを合成して、マルチセンサ１１による観測値として出力する。
　これにより、ユーザは、時間窓長τを指定した条件により自ら意識する種別のノイズに対して、または、時間窓長τを指定しない条件により意識しないノイズに対して、センサ１２２の個別のノイズ特性に応じた適切な観測値の合成を実現することが可能となる。
　さらに、高周波成分と低周波成分とで、それぞれ独立したノイズ特性に応じた重み合成を実現することが可能となる。
　＜＜４．第３の実施の形態＞＞
　以上においては、センサ１２２－１乃至１２２－ｎの観測結果を、HPFとLPFとを用いて、高周波成分と低周波成分とに分けて、それぞれについてアラン分散を求めて、条件に応じて重みを設定し、重み合成した上で、高周波成分の重み合成結果と低周波成分の重み合成結果を合成する例について説明してきた。
　しかしながら、HPFとLPFに代えて、フィルタバンク（FB）を用いて、より多くの帯域に分割して、それぞれの帯域でアラン分散を求めて、条件に応じて重みを計算し、重み合成した上で、全帯域の重み合成結果を帯域合成するようにしてもよい。
　図１２は、フィルタバンク（FB）を用いて、より多くの帯域に分割して、それぞれの帯域でアラン分散を求めて、条件に応じて重みを設定し、重み合成した上で、全帯域の重み合成結果を帯域合成するようにしたマルチセンサ１１の構成例を示している。
　尚、図１２のマルチセンサ１１において、図５，図９のマルチセンサ１１における構成と同一の機能を備えた構成については、同一の符号を付しており、その説明は適宜省略する。
　図１２のマルチセンサ１１においては、図９におけるHPF２１１，２３１、およびLPF２１２，２３２に代えて、フィルタバンク（以下、単にFBとも称する）２５１－１乃至２５－ｎ、および２６１－１乃至２６１－ｎが設けられている。
　また、FB２５１は、それぞれＮ個の帯域（バンド）に帯域分割し、１番上位の帯域Ｂ１をアラン分散計算部１７１－１に出力し、２番目に上位の帯域Ｂ２をアラン分散計算部１７１－２に出力し、・・・ｎ番目の帯域ＢＮをアラン分散計算部１７１－ｎに出力する。
　尚、FB２５１の帯域毎の出力である帯域Ｂ１，Ｂ２，・・・ＢＮについては、図中のFB２５１－１のみに図示されており、FB２５１－２，２５１－ｎには図示されていないが、図示が省略されているのみであり、FB２５１－２，２５１－ｎでも同様である。
　そして、アラン分散計算部１７１－１乃至１７１－ｎは、それぞれの帯域におけるセンサ１２２－１乃至１２２－ｎの観測値のアラン分散を計算して重み決定部１７２－１乃至１７２－ｎに出力する。
　重み決定部１７２－１乃至１７２－ｎは、それぞれ各帯域（バンド）の条件と、センサ１２２－１乃至１２２－ｎのそれぞれのノイズ特性とに基づいて、それぞれ各帯域の重みを設定し、重み合成部１５２の重み合成計算部１９１－１乃至１９１－ｎに出力する。
　また、FB２６１は、FB２５１のそれぞれに対応するＮ個の帯域（バンド）に帯域分割し、１番上位の帯域Ｂ１を重み合成計算部１９１－１に出力し、２番目に上位の帯域Ｂ２を重み合成計算部１９１－２に出力し、・・・ｎ番目の帯域ＢＮを重み合成計算部１９１－ｎに出力する。
　尚、FB２６１の帯域毎の出力である帯域Ｂ１，Ｂ２，・・・ＢＮについては、図中のFB２６１－１のみに図示されており、FB２６１－２，２６１－ｎには図示されていないが、図示が省略されているのみであり、FB２６１－２，２６１－ｎでも同様である。
　重み合成計算部１９１－１乃至１９１－ｎは、それぞれ重み決定部１７２－１乃至１７２－ｎより供給される重みに基づいて、それぞれの帯域のセンサ１２２－１乃至１２２－ｎの観測値を重み合成し、帯域合成部２６２に出力する。
　帯域合成部２６２は、重み合成計算部１９１－１乃至１９１－ｎより供給されてくる各帯域のセンサ１２２－１乃至１２２－ｎの観測値の重み合成結果を帯域合成して、マルチセンサ１１の観測値として出力する。
　このような構成により、複数の帯域毎に適切に重みが設定されて、重み合成されることになるので、条件と、センサ１２２－１乃至１２２－ｎのそれぞれの帯域毎のノイズ特性とに応じた重み合成を実現することが可能となる。
　尚、以上においては、HPF/LPFにより合成する例について説明してきたが、センサ１２２－１乃至１２２－ｎの各個体が任意の周波数特性を持つときにノッチフィルタやバンドパスフィルタ(BPF)などで最適なバイアス安定性、または低ノイズを実現することができる。すなわち、例えば、センサ１２２－１乃至１２２－ｎのうちの特定のセンサ１２２で、特定の周波数帯域だけが精度が低い場合については、特定のセンサ以外の1つ以上のセンサでその特定の精度の低い周波数帯域を補うような相補的なフィルタとして使用することも可能である。
　より具体的な例として、例えば、センサ１２２－１乃至１２２－３の３個から構成される場合であって、周波数帯域Ａの範囲についてのみ、何らかの原因で、センサ１２２－１の検出精度が低下してしまうときについて考える。
　このようなときに、センサ１２２－１乃至１２２－３の検出結果を、周波数帯域Ａ以外の帯域における場合と同様に合成すると、センサ１２２－１の検出精度の低下に起因して、合成された検出結果の精度が低下してしまう恐れがある。
　そこで、このようなときについては、周波数帯域Ａの検出結果についてのみ、センサ１２２－１の重みを低減し、センサ１２２－２，１２２－３の少なくともいずれかの重みを高めるようにして、それぞれの検出結果を合成する。
　このようにすることで、周波数帯域Ａにおけるセンサ１２２－１の検出精度の低下を、センサ１２２－２，１２２－３の少なくともいずれかの検出結果でカバーすることが可能となり、センサ１２２－１乃至１２２－３の検出結果の合成結果に対する検出精度の低下を抑制させることが可能となる。
　＜重み計算処理（その３）＞
　次に、図１２のマルチセンサ１１によるFBを用いた場合の重み計算処理について説明する。
　ステップＳ１１１において、重み計算部１５１の重み決定部１７２－１乃至１７２－ｎは、それぞれユーザからの条件の入力を受け付ける。この場合、重み決定部１７２－１乃至１７２－ｎは、FB２５１の帯域Ｂ１乃至ＢＮのそれぞれで独立した条件の入力を受け付けるようにしてもよい。
　ステップＳ１１２において、重み計算部１５１のFB２５１－１乃至２５１－ｎは、センサ１２２－１乃至１２２－ｎのそれぞれの静止状態の観測値を計測する。
　ステップＳ１１３において、重み計算部１５１は、帯域をカウントするカウンタＣを１に初期化する。
　ステップＳ１１４において、FB２５１－１乃至２５１－ｎは、静止状態の観測値に対してＣ番目の帯域（バンド）成分を抽出する処理を施して、抽出したＣ番目の帯域ＢＣの成分を、アラン分散計算部１７１－１に出力する。
　ステップＳ１１５において、アラン分散計算部１７１－１、および重み決定部１７２－１は、Ｃ番目の帯域成分重み計算処理を実行して、計測した観測値に基づいた、全センサ１２２－１乃至１２２－ｎのそれぞれのＣ番目の帯域ＢＣの成分の重みを計算し、重み合成計算部１９１－１に出力する。
　尚、Ｃ番目の帯域成分重み計算処理については、全センサ１２２－１乃至１２２－ｎのそれぞれのＣ番目の帯域ＢＣの成分の重みを求めるための重み計算処理であり、実質的に、図６のステップＳ１３，Ｓ１４の処理、または、図７のステップＳ３３乃至Ｓ３９の処理であるので、その説明は省略する。
　ステップＳ１１６において、重み計算部１５１は、カウンタＣが帯域数であるＮであるか否かを判定し、Ｃ＝Ｎではない場合、処理は、ステップＳ１１７に進む。
　ステップＳ１１７において、重み計算部１５１は、カウンタＣを１インクリメントして、処理は、ステップＳ１１４に戻る。
　すなわち、Ｎ個の全帯域のそれぞれについて重みが設定されるまで、ステップＳ１１４乃至Ｓ１１７の処理が繰り返される。
　そして、Ｎ個の全帯域のそれぞれの重みが設定され、ステップＳ１１６において、カウンタＣ＝Ｎであると判定された場合、処理は、終了する。
　この際、重み決定部１７２－１乃至１７２－ｎは、使用するセンサ１２２の個数の制限を設定するようにしてもよい。また、センサ１２２－１乃至１２２－ｎのうちの使用する個数の制限は、帯域毎に異なる個数であってもよい。
　これにより、ユーザは、時間窓長τを指定した条件により自ら意識する種別のノイズに対して、または、時間窓長τを指定しない条件により意識しないノイズに対して、センサ１２２の個別のノイズ特性に応じた適切な観測値の合成を実現することが可能となる。
　さらに、複数の帯域成分毎に、それぞれ独立したノイズ特性に応じた重み合成を実現することが可能となる。
　＜重み合成処理（その３）＞
　次に、図１２のマルチセンサ１１によるFBを用いた場合の重み計算処理について説明する。
　ステップＳ１３１において、重み合成部１５２のFB２６１－１乃至２６１－ｎは、センサ１２２－１乃至１２２－ｎのそれぞれの観測値を計測する。
　ステップＳ１３２において、重み合成部１５２は、帯域をカウントするカウンタＣを１に初期化する。
　ステップＳ１３３において、FB２６１－１乃至２６１－ｎは、静止状態の観測値に対してＣ番目の帯域（バンド）成分を抽出する処理を施して、抽出したＣ番目の帯域ＢＣの成分を、重み合成計算部１９１－Ｎに出力する。
　ステップＳ１３４において、重み合成計算部１９１－Ｎは、Ｃ番目の帯域成分重み合成処理を実行して、計測した観測値に対して、上述した重み計算処理により求められたＣ番目の帯域ＢＣの成分に対する重みを用いて、重み合成を行い帯域合成部２６２に出力する。
　尚、ステップＳ１３４の処理は、実質的に、Ｃ番目の帯域ＢＣの成分に対する、図８のステップＳ５２の処理である。
　ステップＳ１３５において、重み合成部１５２は、カウンタＣが帯域数であるＮであるか否かを判定し、Ｃ＝Ｎではない場合、処理は、ステップＳ１３６に進む。
　ステップＳ１３６において、重み合成部１５２は、カウンタＣを１インクリメントして、処理は、ステップＳ１３３に戻る。
　すなわち、Ｎ個の全帯域のそれぞれについて重みが設定されるまで、ステップＳ１３３乃至Ｓ１３６の処理が繰り返される。
　そして、Ｎ個の全帯域のそれぞれの重みが設定され、ステップＳ１３５において、カウンタＣ＝Ｎであると判定された場合、処理は、ステップＳ１３７に進む。
　ステップＳ１３７において、帯域合成部２６２は、重み合成計算部１９１－１乃至１９１－ｎより供給されるセンサ１２２－１乃至１２２－ｎの観測値の各帯域成分の重み合成結果を合成して、マルチセンサ１１による観測値として出力する。
　これにより、ユーザは、時間窓長τを指定した条件により自ら意識する種別のノイズに対して、または、時間窓長τを指定しない条件により意識しないノイズに対して、センサ１２２の個別のノイズ特性に応じた適切な観測値の合成を実現することが可能となる。
　さらに、複数の帯域成分毎に、それぞれ独立したノイズ特性に応じた重み合成を実現することが可能となる。
　＜＜５．ソフトウェアにより実行させる例＞＞
　ところで、上述した一連の処理は、ハードウェアにより実行させることもできるが、ソフトウェアにより実行させることもできる。一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、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、例えば汎用のコンピュータなどに、記録媒体からインストールされる。
　図１５は、汎用のコンピュータの構成例を示している。このパーソナルコンピュータは、CPU(Central Processing Unit)１００１を内蔵している。CPU１００１にはバス１００４を介して、入出力インタフェース１００５が接続されている。バス１００４には、ROM(Read Only Memory)１００２およびRAM(Random Access Memory)１００３が接続されている。
　入出力インタフェース１００５には、ユーザが操作コマンドを入力するキーボード、マウスなどの入力デバイスよりなる入力部１００６、処理操作画面や処理結果の画像を表示デバイスに出力する出力部１００７、プログラムや各種データを格納するハードディスクドライブなどよりなる記憶部１００８、LAN（Local Area Network）アダプタなどよりなり、インターネットに代表されるネットワークを介した通信処理を実行する通信部１００９が接続されている。また、磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM(Compact Disc-Read Only Memory)、DVD(Digital Versatile Disc)を含む）、光磁気ディスク（ＭＤ(Mini Disc)を含む）、もしくは半導体メモリなどのリムーバブルメディア１０１１に対してデータを読み書きするドライブ１０１０が接続されている。
　CPU１００１は、ROM１００２に記憶されているプログラム、または磁気ディスク、光ディスク、光磁気ディスク、もしくは半導体メモリ等のリムーバブルメディア１０１１ら読み出されて記憶部１００８にインストールされ、記憶部１００８からRAM１００３にロードされたプログラムに従って各種の処理を実行する。RAM１００３にはまた、CPU１００１が各種の処理を実行する上において必要なデータなども適宜記憶される。
　以上のように構成されるコンピュータでは、CPU１００１が、例えば、記憶部１００８に記憶されているプログラムを、入出力インタフェース１００５及びバス１００４を介して、RAM１００３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（CPU１００１）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１０１１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１０１１をドライブ１０１０に装着することにより、入出力インタフェース１００５を介して、記憶部１００８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１００９で受信し、記憶部１００８にインストールすることができる。その他、プログラムは、ROM１００２や記憶部１００８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。
　尚、図１５におけるCPU１００１が、図４における制御部１２１の機能を実現させる。
　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。
　なお、本開示の実施の形態は、上述した実施の形態に限定されるものではなく、本開示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、本開示は、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。
　尚、本開示は、以下のような構成も取ることができる。
＜１＞　複数のセンサのそれぞれの観測値と、前記複数のセンサのそれぞれの特性に基づいて計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する重み合成部
　を含む情報処理装置。
＜２＞　前記複数のセンサのそれぞれの特性に基づいて、前記センサ毎の重みを計算する重み計算部をさらに含み、
　前記重み合成部は、前記複数のセンサのそれぞれの観測値と、前記重み計算部により計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する
　＜１＞に記載の情報処理装置。
＜３＞　前記重み計算部は、
　　前記複数のセンサのそれぞれの観測値のアラン分散を、前記センサの特性として計算するアラン分散計算部と、
　　前記アラン分散計算部により計算された前記アラン分散に基づいて、前記センサ毎の前記重みを計算し、決定する重み決定部をさらに含む
　＜２＞に記載の情報処理装置。
＜４＞　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散の重み和を最小にする、前記センサ毎の前記重みを計算し、決定する
　＜３＞に記載の情報処理装置。
＜５＞　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散と、ノイズモデルに基づくノイズパラメータを用いたアラン分散との誤差の和が最小となる、前記ノイズモデルに基づく前記ノイズパラメータを用いたアラン分散に基づいて、前記センサ毎の前記重みを計算し、決定する
　＜４＞に記載の情報処理装置。
＜６＞　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散と、前記ノイズモデルに基づく前記ノイズパラメータを用いたアラン分散との誤差の和が最小となる、時間窓長と、前記時間窓長の前記ノイズモデルに基づく前記ノイズパラメータを用いたアラン分散の前記ノイズパラメータとを計算し、計算した前記時間窓長と、前記ノイズパラメータとで特定される前記ノイズモデルに基づく前記ノイズパラメータを用いたアラン分散に基づいて、前記センサ毎の前記重みを計算し、決定する
　＜５＞に記載の情報処理装置。
＜７＞　前記合成観測値に対する条件の入力を受け付ける入力部をさらに含み、
　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散のうち、前記条件に応じたアラン分散の重み和を最小にする、前記センサ毎の前記重みを計算し、決定する
　＜３＞に記載の情報処理装置。
＜８＞　前記合成観測値に対する条件は、前記複数のセンサのそれぞれの観測値のアラン分散の時間窓長を含み、
　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散のうち、前記時間窓長のアラン分散の重み和を最小にする、前記センサ毎の前記重みを計算する
　＜３＞に記載の情報処理装置。
＜９＞　前記合成観測値に対する条件は、前記複数のセンサのうち、稼働させるセンサ数を含み、
　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散に基づいて、前記稼働させないセンサの重みをゼロとしたときの、前記時間窓長の、前記アラン分散の重み和を最小にする、前記稼働させるセンサの前記センサ毎の前記重みを計算し、決定する
　＜８＞に記載の情報処理装置。
＜１０＞　前記重み計算部は、
　　前記複数のセンサのそれぞれの観測値の高周波成分を抽出する第１の高周波成分抽出部と、
　　前記複数のセンサのそれぞれの観測値の低周波成分を抽出する第１の低周波成分抽出部と、
　　前記第１の高周波成分抽出部により抽出された、前記高周波成分についての重みを計算し、決定する高周波成分重み決定部と、
　　前記第１の低周波成分抽出部により抽出された、前記低周波成分についての重みを計算し、決定する低周波成分重み決定部とを含み、
　前記重み合成部は、
　　前記複数のセンサのそれぞれの観測値の高周波成分を抽出する第２の高周波成分抽出部と、
　　前記複数のセンサのそれぞれの観測値の低周波成分を抽出する第２の低周波成分抽出部と、
　　前記第２の高周波成分抽出部により抽出された、前記複数のセンサのそれぞれの観測値の高周波成分と、前記高周波成分重み決定部により決定された前記センサ毎の重みとの積和により、前記複数のセンサの観測値の高周波成分を合成し、高周波成分合成値として出力する高周波成分合成部と、
　　前記第２の低周波成分抽出部により抽出された、前記複数のセンサのそれぞれの観測値の低周波成分と、前記低周波成分重み決定部により決定された前記センサ毎の重みとの積和により、前記複数のセンサの観測値の低周波成分を合成し、低周波成分合成値として出力する低周波成分合成部とを含み、
　前記高周波成分合成値と、前記低周波成分合成値とを合成し、前記合成観測値として出力する出力合成部とをさらに含む
　＜２＞に記載の情報処理装置。
＜１１＞　前記重み計算部は、
　　前記複数のセンサのそれぞれの観測値の複数の帯域成分を抽出する第１の帯域成分抽出部と、
　　前記第１の帯域成分抽出部により抽出された、前記複数の帯域成分毎に前記複数のセンサのそれぞれの重みを計算し、決定する複数の帯域成分毎の帯域成分重み決定部とを含み、
　前記重み合成部は、
　　前記複数のセンサのそれぞれの観測値の複数の帯域成分を抽出する第２の帯域成分抽出部と、
　　前記第２の帯域成分抽出部により抽出された、前記複数のセンサのそれぞれの前記複数の帯域成分と、前記複数の帯域成分毎の前記帯域成分重み決定部により決定された前記センサ毎の、前記複数の帯域成分毎の重みとの積和により、前記複数のセンサの観測値の複数の帯域成分をそれぞれ合成し、前記複数の帯域成分のそれぞれの帯域成分合成値として出力する前記複数の帯域成分毎の帯域成分合成部を含み、
　前記複数のセンサのそれぞれの観測値の、前記複数の帯域成分のそれぞれの前記帯域成分合成値を帯域合成し、前記合成観測値として出力する帯域合成部とをさらに含む
　＜２＞に記載の情報処理装置。
＜１２＞　前記重み合成部は、
　　ネットワークを介して通信されるクラウドサーバより、前記クラウドサーバにおいて、前記複数のセンサのそれぞれの特性に基づいて計算された、前記センサ毎の重みを取得し、
　　前記複数のセンサのそれぞれの観測値と、前記クラウドサーバより取得した前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する
　＜１＞乃至＜１１＞のいずれかに記載の情報処理装置。
＜１３＞　前記センサは、IMUである
　＜１＞乃至＜１２＞のいずれかに記載の情報処理装置。
＜１４＞　複数のセンサのそれぞれの観測値と、前記複数のセンサのそれぞれの特性に基づいて計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する重み合成処理
　を含む情報処理方法。
＜１５＞　複数のセンサのそれぞれの観測値と、前記複数のセンサのそれぞれの特性に基づいて計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する重み合成部
　としてコンピュータを機能させるプログラム。
　１０１　マルチセンサ，　１２１　制御部，　１２２，１２２－１乃至１２２－ｎ　センサ，　１５１　重み計算部，　１５２　重み合成部，　１７１，１７１－１乃至１７１－ｎ　アラン分散計算部，　１７２，１７２－１乃至１７２－ｎ　重み決定部，　１９１，１９１－１乃至１９１－ｎ　重み合成計算部，　２１１　HPF，　２１２　HPF，　２３１　HPF，　２３２　LPF，　２３２　出力合成部，　２５１，２５１－１乃至２５１－ｎ，２６１，２６１－１乃至２６１－ｎ　フィルタバンク（FB），　２６２　帯域合成部

Claims (15)

  1. 　複数のセンサのそれぞれの観測値と、前記複数のセンサのそれぞれの特性に基づいて、計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する重み合成部
    　を含む情報処理装置。
  2. 　前記複数のセンサのそれぞれの特性に基づいて、前記センサ毎の重みを計算する重み計算部をさらに含み、
    　前記重み合成部は、前記複数のセンサのそれぞれの観測値と、前記重み計算部により計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する
    　請求項１に記載の情報処理装置。
  3. 　前記重み計算部は、
    　　前記複数のセンサのそれぞれの観測値のアラン分散を、前記センサの特性として計算するアラン分散計算部と、
    　　前記アラン分散計算部により計算された前記アラン分散に基づいて、前記センサ毎の前記重みを計算し、決定する重み決定部をさらに含む
    　請求項２に記載の情報処理装置。
  4. 　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散の重み和を最小にする、前記センサ毎の前記重みを計算し、決定する
    　請求項３に記載の情報処理装置。
  5. 　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散と、ノイズモデルに基づくノイズパラメータを用いたアラン分散との誤差の和が最小となる、前記ノイズモデルに基づく前記ノイズパラメータを用いたアラン分散に基づいて、前記センサ毎の前記重みを計算し、決定する
    　請求項４に記載の情報処理装置。
  6. 　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散と、前記ノイズモデルに基づく前記ノイズパラメータを用いたアラン分散との誤差の和が最小となる、時間窓長と、前記時間窓長の前記ノイズモデルに基づく前記ノイズパラメータを用いたアラン分散の前記ノイズパラメータとを計算し、計算した前記時間窓長と、前記ノイズパラメータとで特定される前記ノイズモデルに基づく前記ノイズパラメータを用いたアラン分散に基づいて、前記センサ毎の前記重みを計算し、決定する
    　請求項５に記載の情報処理装置。
  7. 　前記合成観測値に対する条件の入力を受け付ける入力部をさらに含み、
    　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散のうち、前記条件に応じたアラン分散の重み和を最小にする、前記センサ毎の前記重みを計算し、決定する
    　請求項３に記載の情報処理装置。
  8. 　前記合成観測値に対する条件は、前記複数のセンサのそれぞれの観測値のアラン分散の時間窓長を含み、
    　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散のうち、前記時間窓長のアラン分散の重み和を最小にする、前記センサ毎の前記重みを計算する
    　請求項３に記載の情報処理装置。
  9. 　前記合成観測値に対する条件は、前記複数のセンサのうち、稼働させるセンサ数を含み、
    　前記重み決定部は、前記複数のセンサのそれぞれの観測値のアラン分散に基づいて、前記稼働させないセンサの重みをゼロとしたときの、前記時間窓長の、前記アラン分散の重み和を最小にする、前記稼働させるセンサの前記センサ毎の前記重みを計算し、決定する
    　請求項８に記載の情報処理装置。
  10. 　前記重み計算部は、
    　　前記複数のセンサのそれぞれの観測値の高周波成分を抽出する第１の高周波成分抽出部と、
    　　前記複数のセンサのそれぞれの観測値の低周波成分を抽出する第１の低周波成分抽出部と、
    　　前記第１の高周波成分抽出部により抽出された、前記高周波成分についての重みを計算し、決定する高周波成分重み決定部と、
    　　前記第１の低周波成分抽出部により抽出された、前記低周波成分についての重みを計算し、決定する低周波成分重み決定部とを含み、
    　前記重み合成部は、
    　　前記複数のセンサのそれぞれの観測値の高周波成分を抽出する第２の高周波成分抽出部と、
    　　前記複数のセンサのそれぞれの観測値の低周波成分を抽出する第２の低周波成分抽出部と、
    　　前記第２の高周波成分抽出部により抽出された、前記複数のセンサのそれぞれの観測値の高周波成分と、前記高周波成分重み決定部により決定された前記センサ毎の重みとの積和により、前記複数のセンサの観測値の高周波成分を合成し、高周波成分合成値として出力する高周波成分合成部と、
    　　前記第２の低周波成分抽出部により抽出された、前記複数のセンサのそれぞれの観測値の低周波成分と、前記低周波成分重み決定部により決定された前記センサ毎の重みとの積和により、前記複数のセンサの観測値の低周波成分を合成し、低周波成分合成値として出力する低周波成分合成部とを含み、
    　前記高周波成分合成値と、前記低周波成分合成値とを合成し、前記合成観測値として出力する出力合成部とをさらに含む
    　請求項２に記載の情報処理装置。
  11. 　前記重み計算部は、
    　　前記複数のセンサのそれぞれの観測値の複数の帯域成分を抽出する第１の帯域成分抽出部と、
    　　前記第１の帯域成分抽出部により抽出された、前記複数の帯域成分毎に前記複数のセンサのそれぞれの重みを計算し、決定する複数の帯域成分毎の帯域成分重み決定部とを含み、
    　前記重み合成部は、
    　　前記複数のセンサのそれぞれの観測値の複数の帯域成分を抽出する第２の帯域成分抽出部と、
    　　前記第２の帯域成分抽出部により抽出された、前記複数のセンサのそれぞれの前記複数の帯域成分と、前記複数の帯域成分毎の前記帯域成分重み決定部により決定された前記センサ毎の、前記複数の帯域成分毎の重みとの積和により、前記複数のセンサの観測値の複数の帯域成分をそれぞれ合成し、前記複数の帯域成分のそれぞれの帯域成分合成値として出力する前記複数の帯域成分毎の帯域成分合成部を含み、
    　前記複数のセンサのそれぞれの観測値の、前記複数の帯域成分のそれぞれの前記帯域成分合成値を帯域合成し、前記合成観測値として出力する帯域合成部とをさらに含む
    　請求項２に記載の情報処理装置。
  12. 　前記重み合成部は、
    　　ネットワークを介して通信されるクラウドサーバより、前記クラウドサーバにおいて、前記複数のセンサのそれぞれの特性に基づいて計算された、前記センサ毎の重みを取得し、
    　　前記複数のセンサのそれぞれの観測値と、前記クラウドサーバより取得した前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する
    　請求項１に記載の情報処理装置。
  13. 　前記センサは、IMU(Inertial Measurement Unit)である
    　請求項１に記載の情報処理装置。
  14. 　複数のセンサのそれぞれの観測値と、前記複数のセンサのそれぞれの特性に基づいて、計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する重み合成処理
    　を含む情報処理方法。
  15. 　複数のセンサのそれぞれの観測値と、前記複数のセンサのそれぞれの特性に基づいて、計算された前記センサ毎の重みとの積和により、前記複数のセンサの観測値を合成し、合成観測値として出力する重み合成部
    　としてコンピュータを機能させるプログラム。
PCT/JP2019/032013 2018-08-28 2019-08-15 情報処理装置および情報処理方法、並びにプログラム WO2020045099A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2020539336A JP7347431B2 (ja) 2018-08-28 2019-08-15 情報処理装置および情報処理方法、並びにプログラム
CN201980054399.2A CN112585427B (zh) 2018-08-28 2019-08-15 信息处理设备、信息处理方法和程序
US17/258,642 US11874138B2 (en) 2018-08-28 2019-08-15 Information processing apparatus, information processing method, and program
EP19855605.2A EP3845863B1 (en) 2018-08-28 2019-08-15 Information processing device, information processing method, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862723937P 2018-08-28 2018-08-28
US62/723,937 2018-08-28

Publications (1)

Publication Number Publication Date
WO2020045099A1 true WO2020045099A1 (ja) 2020-03-05

Family

ID=69644955

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/032013 WO2020045099A1 (ja) 2018-08-28 2019-08-15 情報処理装置および情報処理方法、並びにプログラム

Country Status (5)

Country Link
US (1) US11874138B2 (ja)
EP (1) EP3845863B1 (ja)
JP (1) JP7347431B2 (ja)
CN (1) CN112585427B (ja)
WO (1) WO2020045099A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022004374A1 (ja) * 2020-06-30 2022-01-06 ソニーグループ株式会社 固体撮像素子、撮像装置、および撮像装置の作動方法、移動体装置、および移動体装置の作動方法、プログラム
WO2022004375A1 (ja) * 2020-06-30 2022-01-06 ソニーグループ株式会社 駆動制御装置、および駆動制御方法
WO2023007789A1 (ja) 2021-07-28 2023-02-02 ソニーグループ株式会社 慣性計測装置、および慣性計測装置の作動方法、撮像装置、表示装置、並びにプログラム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022158236A (ja) * 2021-04-01 2022-10-17 セイコーエプソン株式会社 センサーモジュールおよび計測システム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007143226A (ja) * 2005-11-15 2007-06-07 Nippon Pulse Motor Co Ltd シャフト型リニアモータの位置検出装置
JP2011108111A (ja) * 2009-11-19 2011-06-02 Chugoku Electric Power Co Inc:The 制御方法及び制御システム
JP2014507628A (ja) * 2010-12-03 2014-03-27 クゥアルコム・インコーポレイテッド Ｇｎｓｓ車両ナビゲーションのための慣性センサにより支援された進行方向および測位

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6882964B2 (en) 2002-03-06 2005-04-19 California Institute Of Technology High accuracy inertial sensors from inexpensive components
JP4390569B2 (ja) * 2004-01-19 2009-12-24 株式会社ミツトヨ 信号処理装置、および測定機
CN106342175B (zh) * 2010-01-14 2013-11-13 西北工业大学 一种提高陀螺精度的数据融合方法
EP2492637A1 (en) * 2011-02-23 2012-08-29 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO Measurement device and method for measuring
US10240930B2 (en) * 2013-12-10 2019-03-26 SZ DJI Technology Co., Ltd. Sensor fusion
CN104199061B (zh) * 2014-08-22 2018-02-02 北京无线电计量测试研究所 一种建立gps系统和bds系统载波相位频率标准的方法
CN104280047A (zh) * 2014-09-10 2015-01-14 天津航天中为数据系统科技有限公司 一种多传感器融合的陀螺漂移滤波系统及方法
EP3165877B1 (en) * 2015-11-04 2020-03-25 Tata Consultancy Services Limited Systems and methods for fusing inertial and bluetooth low energy sensor data for localization

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007143226A (ja) * 2005-11-15 2007-06-07 Nippon Pulse Motor Co Ltd シャフト型リニアモータの位置検出装置
JP2011108111A (ja) * 2009-11-19 2011-06-02 Chugoku Electric Power Co Inc:The 制御方法及び制御システム
JP2014507628A (ja) * 2010-12-03 2014-03-27 クゥアルコム・インコーポレイテッド Ｇｎｓｓ車両ナビゲーションのための慣性センサにより支援された進行方向および測位

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ISAAC SKOG: "Inertial Sensor Arrays, Maximum Likelihood, and Cramer-Rao Bound", IEEE TRANSACTIONS ON SIGNAL PROCESSING, vol. 64, no. 16, 2016, XP011615781, DOI: 10.1109/TSP.2016.2560136
L. GALLEANI ET AL.: "Interpretation of the Dynamic Allan Variance of Nonstationary Clock Data", PROCEEDINGS OF THE IEEE INTERNATIONAL FREQUENCY CONTROL SYMPOSIUM, 2007, pages 992 - 997, XP031138118

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022004374A1 (ja) * 2020-06-30 2022-01-06 ソニーグループ株式会社 固体撮像素子、撮像装置、および撮像装置の作動方法、移動体装置、および移動体装置の作動方法、プログラム
WO2022004375A1 (ja) * 2020-06-30 2022-01-06 ソニーグループ株式会社 駆動制御装置、および駆動制御方法
WO2023007789A1 (ja) 2021-07-28 2023-02-02 ソニーグループ株式会社 慣性計測装置、および慣性計測装置の作動方法、撮像装置、表示装置、並びにプログラム

Also Published As

Publication number Publication date
US11874138B2 (en) 2024-01-16
EP3845863B1 (en) 2023-06-14
JPWO2020045099A1 (ja) 2021-09-02
US20210270635A1 (en) 2021-09-02
JP7347431B2 (ja) 2023-09-20
CN112585427B (zh) 2024-01-30
EP3845863A1 (en) 2021-07-07
EP3845863A4 (en) 2021-10-20
CN112585427A (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
WO2020045099A1 (ja) 情報処理装置および情報処理方法、並びにプログラム
Shih et al. Occupancy estimation using ultrasonic chirps
US9002707B2 (en) Determining the position of the source of an utterance
WO2018170454A2 (en) Using different data sources for a predictive model
EP2299703B1 (en) System and method for producing high definition video from low definition video
US9846811B2 (en) System and method for video-based determination of queue configuration parameters
JP7108780B2 (ja) 映像システム、撮像装置、および映像処理装置
CN109214421A (zh) 一种模型训练方法、装置、及计算机设备
JP2019049414A (ja) 音響処理装置、音響処理方法及びプログラム
US20150012255A1 (en) Clustering based continuous performance prediction and monitoring for semiconductor manufacturing processes using nonparametric bayesian models
US20150287210A1 (en) Image processing system with automatic segmentation and method of operation thereof
WO2020116054A1 (ja) 信号処理装置及び信号処理方法
US20150356350A1 (en) unsupervised non-parametric multi-component image segmentation method
EP3089108A1 (en) Image processing device, subject identification method and program
US20180188104A1 (en) Signal detection device, signal detection method, and recording medium
CN103961108A (zh) 跌倒侦测方法
JP6625289B2 (ja) データ解析装置
JP2017151076A (ja) 音源探査装置、音源探査方法およびそのプログラム
US20210089962A1 (en) Information processing device, information processing method, and recording medium
JP2021144415A (ja) 情報処理方法、情報処理装置、異常判定システム、異常判定装置、異常判定方法、及びプログラム
EP3696500A1 (en) Information processing device, information processing method, and program
KR20150081801A (ko) 이벤트 기반 센서를 이용한 피사체의 움직임 분석 방법
JP6933303B2 (ja) 波源方向推定装置、波源方向推定方法、およびプログラム
WO2021079472A1 (ja) 異常検出方法、異常検出プログラム及び異常検出装置
TWI826907B (zh) 任務分配方法以及任務分配設備

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: 19855605

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020539336

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019855605

Country of ref document: EP

Effective date: 20210329