WO2024034072A1

WO2024034072A1 - 脳活動推定装置、脳活動推定装置を備えた機器および空調装置

Info

Publication number: WO2024034072A1
Application number: PCT/JP2022/030613
Authority: WO
Inventors: 怜司森岡; 一雄吉田
Original assignee: 三菱電機株式会社; 株式会社カレアコーポレーション
Priority date: 2022-08-10
Filing date: 2022-08-10
Publication date: 2024-02-15

Abstract

脳活動推定装置は、人体の脈波を検出するセンサーと、センサーで検出された脈波を解析する解析部と、を備える。解析部は、脈波の波形形状の時系列変位である脈波形状変位を解析元にしたカオス解析に基づいて脈波を数値化した指標値を生成し、指標値に基づいて人体の脳活動の度合いを推定する。

Description

脳活動推定装置、脳活動推定装置を備えた機器および空調装置

　本開示は、人体の脳活動を推定する脳活動推定装置、脳活動推定装置を備えた機器および空調装置に関するものである。

　従来、撮像手段で取得した動画像または連続して得た静止画像から、目の瞬き回数、手または体の動き量、瞳孔の開閉度などを判別し、判別結果に基づいてユーザの集中度の度合いを推定する集中度推定装置がある（例えば、特許文献１参照）。この集中度推定装置は、集中度合いが上昇している場合、手の動きが多くなる体の動き量が少なくなる、瞬き回数が少なくなる、瞳孔が開き気味となる等といった動作および状態となることを前提として集中度合いを推定している。

特開２０１９－０８２３１１号公報

　特許文献１の集中度推定装置は、瞬き回数が少なくなった場合、集中度合いが上昇しているなど、予め想定した前提に基づいて集中度合いを推定している。しかし、瞬き回数が少なくなったからといって集中度が上昇しているとは限らず、特許文献１の集中度推定装置は、推定精度の向上に改善の余地があった。

　また、集中度合いは、脳活動の度合いにも関連していると考えられるが、特許文献１では脳活動の度合いを評価することについては検討されていない。脳活動の度合いは、人の感情にも関わる指標であるため、脳活動の度合いが推定できると、人の感情の推定にも展開でき、脳活動の度合いを推定することは、今後の展開も踏まえると重要である。

　上記のような問題点を解決するためのものであり、脳活動の度合いを高精度に推定することが可能な脳活動推定装置、脳活動推定装置を備えた機器および空調装置を提供することを目的とする。

　本開示に係る脳活動推定装置は、人体の脈波を検出するセンサーと、センサーで検出された脈波を解析する解析部と、を備え、解析部は、脈波の波形形状の時系列変位である脈波形状変位を解析元にしたカオス解析に基づいて脈波を数値化した指標値を生成し、指標値に基づいて人体の脳活動の度合いを推定するものである。

　本開示に係る機器は、上記の脳活動推定装置と、脳活動推定装置で推定された脳活動の度合いに基づいて機器本体の運転を制御する制御装置と、を備えたものである。

　本開示に係る空調装置は、上記の脳活動推定装置と、室内空間を空調する空調部と、脳活動推定装置で推定された脳活動の度合いに基づいて空調部を制御する制御装置と、を備えたものである。

　本開示によれば、脳活動推定装置、脳活動推定装置を備えた機器および空調装置は、センサーで検出した脈波の波形形状の時系列変位に基づいて生成した指標値に基づいて、脳活動の度合いを推定できる。ここで、脈波は心臓の脈動ひいては脳の神経系の活動に関連しているバイタルデータであり、脳活動推定装置は、このような脈波に基づいて数値化した指標値に基づいて脳活動を推定するため、脳活動の度合いを高精度に推定できる。

実施の形態１に係る脳活動推定装置の構成および脳活動推定装置の利用構成を示すブロック図である。実施の形態１に係るドップラーセンサーのアンテナ面の模式図である。実施の形態１に係るドップラーセンサーの基板部品実装面の模式図である。実施の形態１に係るドップラーセンサーで検出された脈波の例を示す図である。実施の形態１に係る脳活動推定装置の脈波形状変位の時系列データを示す図である。実施の形態１に係る脳活動推定装置のカオス解析におけるアトラクターの概念図である。実施の形態１に係る脳活動推定装置におけるリアプノフ指数化の概念図である。リアプノフ指数と、中枢神経系の脳活動が異なる様々な行動と、の関係性を棒グラフで示す図である。人体が脳活動の異なる行動を順次行った場合のリアプノフ指数の変化例を示す図である。実施の形態１に係る脳活動推定装置における脳活動の推定処理のフローチャートである。実施の形態２に係る脳活動推定装置の構成および脳活動推定装置の利用構成を示すブロック図である。ラッセルの感情円環モデルを示す図である。実施の形態２に係る脳活動推定装置の感情モデルの一例を示す図である。実施の形態３に係る空調装置の構成を示す図である。実施の形態３に係る空調装置のブロック図である。

　以下、図面を参照して、本開示の実施の形態について説明する。なお、各図中、同一または相当する部分には、同一符号を付して、その説明を適宜省略または簡略化する。

　図１は、実施の形態１に係る脳活動推定装置１の構成および脳活動推定装置１の利用構成を示すブロック図である。図２は、実施の形態１に係るドップラーセンサー１０のアンテナ面の模式図である。図３は、実施の形態１に係るドップラーセンサー１０の基板部品実装面の模式図である。脳活動推定装置１は、人体の脳活動の度合いを推定する装置である。脳活動推定装置１は、人体の脳活動の度合いを数値化することで、脳活動の度合いを客観化できる。

　脳活動推定装置１は、ドップラーセンサー１０と解析部１０３とを有する。ドップラーセンサー１０は、マイクロ波帯または準ミリ波帯と呼ばれるおよそ２４ＧＨｚの一定正弦波の電波を、脳活動の推定対象の人体に向けて発振する。人体は、心臓の脈動に伴って血流が変化しており、人体の体表面とドップラーセンサー１０との距離が変化すると、ドップラー効果によって人体の体表面で反射した反射波が変化する。

　ドップラーセンサー１０は、血管の動きに応じた人体からの反射波を受信し、反射波とドップラーセンサー１０から発振された送信波との周波数差に基づいて人体の中枢神経系の脈波を検出する。脈波とは、心臓の脈動による人の体表面の動きの変化を示す波形であり、血管の動きの変化の波形および心臓部分の体表面の変化の波形を含む。血管は人体の至る部分に通っており、ドップラーセンサー１０は、心臓でなくても頭の一部または腕の一部など人体の一部を対象として血管の動きを検出できる。

　ところで、距離測定用途では、６０ＧＨｚ～７９ＧＨｚの測定周波数が分解能の高さから用いられることが多い。しかし、ここでは動きの大きい体動などとは異なり脈波の検出を目的としており、約１Ｈｚという超低周波特性の微小なゆらぎを解析する必要がある。このため、２４ＧＨｚのドップラー方式によるアナログ検出は脈波の検出に好適である。

　ドップラーセンサー１０は、上記の様に電波を用いることで、人体の脈波を非接触で検出できるメリットを有する。よって、ドップラーセンサー１０は、人体の広い範囲を測定対象とできる。なお、ドップラーセンサー１０は、脈波のピーク間隔を解析することで、脈拍数、呼吸数、体動、睡眠状態および自律神経バランスといったバイタルデータを測定できるものであるが、実施の形態１では脈波の検出に用いられる。

　なお、ここでは、人体の脈波を検出するセンサーがドップラーセンサー１０であるとしたが、ドップラーセンサー１０に限られたものではない。人体の脈波を検出するセンサーは、２４ＧＨｚ～７９ＧＨｚのＦＭＣＷ方式センサーを用いても良い。ＦＭＣＷ方式センサーは、対象までの距離変化を検出して速度変換することで脈波の測定を行える。

　また、人体の脈波を検出するセンサーは、非接触型のセンサーに限らず、人体に接触して検出を行う接触型センサーでもよい。非接触型のセンサーは、接触型センサーに比べて脈波を高精度に測定できる可能性がある。接触型として脈拍を測定する機器は多数あるが、ウエアラブル機器には光電方式の脈波センサーがよく使われる。脈波センサーは、心臓が血液を送り出すことに伴い発生する、血管の容積変化を波形としてとらえるもので、この容積変化をモニタする検知器を備えている。脈波センサーは、得られた脈波のピークとピークとの間隔を数えることで、脈拍間隔を得ることができる。１分間あたりの脈拍数は、脈拍間隔を逆数にすることで算出できる。例えば、脈拍間隔が平均で８００ｍｓ（０．８秒）であると、脈拍数は、６０÷０．８で１分間に７５回となる。

　脈波センサーには、測定方法の違いから透過型と反射型とがある。透過型の脈波センサーは、体表面から赤外線または赤色光を照射し、心臓の脈動に伴って変化する血流量の変化を、体内を透過する光の変化量として計測することで脈波を測定できる。ただし、透過型の脈波センサーでは、測定できる個所が、指先または耳たぶなど赤外線または赤色光が透過しやすい個所に限定されてしまう。

　一方で、反射型の脈波センサーは、赤外線、赤色光、または５５０ナノメートル付近の緑色波長の光を生体に向けて照射し、フォトダイオードまたはフォトトランジスタを用いて、生体内を反射した光を計測する。動脈の血液内には酸化ヘモグロビンが存在し、入射光を吸収する特性がある。このため、反射型の脈波センサーは、心臓の脈動に伴って変化する血流量（血管の圧力変化）を時系列にセンシングすることで脈波信号を計測できる。反射型の脈波センサーは、反射光を計測するので、透過型のような、測定個所を限定する必要がなくなる利点がある。スポーツウオッチなど屋外使用する用途での脈波計測では、血液中のヘモグロビンの吸収率が高く、外乱光の影響の少ない緑色の光源が適していることから、照射光には緑色ＬＥＤを使用することが多い。

　ただし、接触型の計測器では、装着して測定する必要があり、装着が煩わしい、離れたところから測定ができないなどの課題はあり、機器に組み込む場合は、非接触型のセンサーが適している。なお、以下では、人体の脈波を検出するセンサーがドップラーセンサー１０であるものとして説明を行う。

　ドップラーセンサー１０は、具体的には、アンテナ部１００と、無線部１０１と、アナログ回路部１０２と、基板部１０ａと、を有する。アンテナ部１００は、中枢神経活動である人体の脈波を取得する部分である。アンテナ部１００は、発振部であるＴＸと、受信部であるＲＸと、を有する。アンテナ部１００は、図２に示すように複数（ここでは１２個）のアンテナ１００ａを有する。ＴＸおよびＲＸは、それぞれここでは６個のアンテナ１００ａを有している。

　無線部１０１は、ＲＦ（Ｒａｄｉｏ　Ｆｒｅｑｕｅｎｃｙ）と呼ばれる２４ＧＨｚの電波を作り出し、ＴＸから電波を発振して、ＲＸで反射波を受信する。アナログ回路部１０２は、反射波のドップラー変化である周波数成分を変換する回路部を有する。また、アナログ回路部１０２は、図３に示すように必要な周波数帯を取り出して増幅するアナログ増幅フィルター部（ＯＰＡＭＰ）と、数値解析を可能にするためのアナログデジタル変換部（ＬＤＯ）と、を有する。

　基板部１０ａは、解析部１０３または脳活動推定装置１を備えた機器に情報を出力するためのコネクタ部およびメモリーなどを備えている。無線部１０１、アナログ回路部１０２および解析部１０３は、図３に示すように金属製のシールドケースで覆われている。図３において、シールドケース部分をドットで示している。

　解析部１０３は、ドップラーセンサー１０で検出された脈波を解析する部分である。解析部１０３は、脈波の波形形状（以下、脈波形状という）の時系列変位である脈波形状変位を解析元にしたカオス解析に基づいて脈波を数値化した指標値を生成し、指標値に基づいて人体の脳活動の度合いを推定する。解析部１０３における脳活動の推定については改めて説明する。解析部１０３は、脳活動の推定結果を示す脳活動情報を出力する。脳活動情報とは、脳活動の度合いを示す情報である。解析部１０３から出力された脳活動情報は、後述の制御内容決定部１０４またはクラウド部１０６などに入力される。

　解析部１０３は、マイクロプロセッサユニットにより構成されている。解析部１０３は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）およびＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）などを備えており、ＲＯＭには制御プログラム等が記憶されている。なお、解析部１０３は、マイクロプロセッサユニットに限定するものではない。例えば、解析部１０３は、ファームウェア等の更新可能なもので構成されていてもよい。また、解析部１０３は、プログラムモジュールであって、図示しないＣＰＵ等からの指令により、実行されるものでもよい。また、解析部１０３は、ドップラーセンサー１０の外部にドップラーセンサー１０とは別体として備えても良いし、ドップラーセンサー１０内の基板上に備えて１つのセンサー内でエッジ処理しても良い。

　解析部１０３で推定された脳活動の度合いは、脳活動推定装置１を備えた機器の制御に用いることができる。脳活動推定装置１を備えた機器とは、具体的には例えば空調装置などがあるが、その詳細については後述の実施の形態３で改めて説明する。脳活動推定装置１を備えた機器は、制御内容決定部１０４と、機器制御部１０５と、を有する。制御内容決定部１０４は、解析部１０３で得られた脳活動情報に基づいて機器の制御内容を決定し、制御データを生成して機器制御部１０５に出力する。機器制御部１０５は、制御内容決定部１０４からの制御データに基づいて機器の各種アクチュエータを制御する。

　また、脳活動推定装置１の利用形態として、解析部１０３から出力された脳活動情報はクラウド部１０６に入力されてもよい。クラウド部１０６は、解析部１０３から入力された脳活動情報を蓄積する。解析部１０３は更に、ドップラーセンサー１０で得られた脈波データであるバイタルデータ自体を出力してクラウド部１０６に蓄積させてもよい。クラウド部１０６に蓄積された脳活動情報およびバイタルデータは、表示部１０７に表示することで視覚化できる。また、クラウド部１０６に蓄積された脳活動情報およびバイタルデータは、視覚化することに限られず、クラウド部１０６を介して別のクラウドからデータ収集部１０８に提供して、様々な用途に活用することもできる。

　表示部１０７は、表示を行う液晶パネルなどのディスプレイである。表示部１０７は、スマートフォンの表示部でもよく、スマートフォンにインストールされたアプリケーション上に脳活動情報を表示して視覚化するものでもよい。

　ところで、従来の撮像手段で取得した画像から人の集中度合いを推定する方式では、瞬き回数が少なくなると、集中度合いが上昇しているなど、予め想定した前提に基づいて集中度合いを推定している。しかし、瞬き回数が少なくなったからといって集中度が上昇しているとは限らず、この方式では、推定精度の向上に改善の余地がある。また、従来、脳波計を用いて人の感情を推定する装置があるが、脳波のα波およびβ波の定量化が簡単ではない。また、脳波計を用いた推定装置は、推定処理にあたってある一定期間の測定データが必要であるためリアルタイムに推定を行えない、脳波計を頭に装着する必要がある、システムが複雑化する、といった実用性および分析時間の課題があった。

　これに対し、本実施の形態１の脳活動推定装置１は、ドップラーセンサー１０を用いて非接触で検出した脈波から、以下に説明するカオス解析によって中枢神経系の脳活動の度合いを短時間で推定できる。

　ここで、カオス解析の詳細について説明する。生理心理学は、生体信号に現れる生理的変化から、人の生理状態および心理状態の推定を行うものである。従来の生理心理学において、種々の生体信号である脳波、心電図、心拍間隔、血圧および呼吸指尖容積脈波などが様々な手法を用いて解析され、多くの知見が得られてきた。しかし、多くの解析の大半は、線形理論に基づく解析手法が主流であった。しかしながら、生体信号には非線形的性質が含まれており、これらはカオス（ｃｈａｏｓ）と呼ばれる非線形的性質により変動することが知られている。カオスとは、システムの状態遷移規則が決定論的であるにも関わらず、システム自体の非線形性によって確率系と等価な複雑さを生み出す現象のことを指す。対象の状態は、方程式などによって決定論的に記述されうるが、対象の状態の様相には法則性が見い出せず、様相はランダムネスのような非常に複雑な挙動を表す。

　しかし、カオス現象は、一見無秩序に見えるものの、実際にその背景に確固たる規則が存在する現象である。言い換えると、次に起こる現象が確率で決まるのではなく、ある一定のルールに従って決定論的に決まるのである。規則に従っているのに対象が無秩序に見えるのは、その対象を構成する要素の一つ一つの動きが、単純であっても、集合体として振る舞うと複雑になるからである。その複雑系から産出される生体信号には、カオス情報が存在する可能性が高いと判断されてきた。

　近年、人の生理心理状態を推定するカオス解析（ｃｈａｏｓ　ａｎａｌｙｓｉｓ）の有効性が様々な実験により証明されている。従来のカオス解析では、人が感じる温冷感または心理状態など、一義的に決まらない情報をカオス対象として、カオス解析することで、一見関連性がなさそうな情報から関連性を見出している。カオス解析では、何をカオス対象とするかが重要である。対象とするものが変わると、それは全くの別の概念となる。

　脳活動推定装置１は、中枢神経系の脳活動をカオス対象としている。従来、中枢神経系の脳活動をカオス対象としたものはない。脳活動推定装置１は、波形自体の動き方に着目した脈波形状ゆらぎを解析元にしてカオス解析する。脈波形状ゆらぎは、脈波の波形形状の変位の時系列データ、言い換えれば、脈波の波形形状の時系列変位データで表現される。脳活動推定装置１は、脈波の波形形状の時系列変位である脈波形状変位を解析元にしたカオス解析に基づいて脈波を数値化した指標値を生成し、指標値に基づいて人体の脳活動の度合いを推定する。

　カオス解析は、以下の（１）～（３）の３つのステップを順次実施するものである。なお、各ステップの詳細については改めて説明する。
（１）第１ステップは、脈波形状変位の時系列データと予め設定した遅延時間とから特定されるベクトルを計算するステップである。
（２）第２ステップは、ベクトルを３次元状態空間内に時系列順に配列したアトラクターを生成するステップである。
（３）第３ステップは、アトラクターの軌道に基づいて指標値であるリアプノフ指数を計算するステップである。

　ところで、心臓の脈動間隔は１拍ごとに変動があるが、その起源は脳にあり自律神経を通じて心臓に伝達されている。そこで、本発明者らは、脳活動の度合いを推定するにあたり、自律神経系に限らず中枢神経系にも心臓の脈動との関連があると考え、心臓の脈動と脳活動との相関性を見出すことで、中枢神経系の脳活動の度合いを推定することに着想した。

　また、従来、脈拍の変化を利用して脳の覚醒度合いを推定する技術がある。例えば、脈拍の変化が大きければ覚醒度合いが高い状態にあり、脈拍の変化が小さければ覚醒度合いが低く眠気が働いている状態にある、と判断する技術である。脈拍の変化は、脈波のピークとピークとの間隔の時間変動であり、脈波のピーク情報のみをピンポイントで使用して検出される。以下、脈波のピークとピークとの間隔の時間変動を１次元パターン脈拍変位または脈拍ゆらぎと呼ぶことがある。脈波のピークとピークとの間隔の時間変動には脈波の高さは関係なく、脈拍間隔の変位のみから周波数変換してバイタルデータを得るので、１次元と表現している。

　上記従来の覚醒度合いを図る技術は、脈拍の変化を用いた技術であるが、本発明者らは、脈拍の変化だけでは生体の複雑な神経活動情報を判断しきれないと考えた。そして、本発明者らは、脈波のピーク情報のみのピンポイント検出とは違う方法を模索し、脈波波形の変位に着目するに至った。ただし、ピーク間隔ゆらぎと、脈波自体の波形から波形への２次元の波形パターンのゆらぎと、のそれぞれの複雑さを比較すると、２次元の波形パターンのゆらぎ（つまり脈波形状のゆらぎ）の複雑さは、１次元の脈拍間隔のゆらぎに対して比較にならないほど複雑である。これは、脈波形状ゆらぎが、６層の大脳皮質からなる神経細胞活動に関連しているからと考えられる。このため、本発明者らは、従来の解析手法ではなく、脳活動を解析するための手法としてカオスを用いることとした。

　次に、脳活動推定装置１の解析部１０３で行われるカオス解析について説明する。まず、解析部１０３は、ドップラーセンサー１０から脈波を得る。次の図４は、ドップラーセンサー１０で検出された脈波の例を示している。

　図４は、実施の形態１に係るドップラーセンサー１０で検出された脈波の例を示す図である。図４の横軸は時間、縦軸はアナログ脈波高さを示している。ここで脈波高さとは、パワーである。脈波高さは、最も脈波のパワーが高いピーク部分のみのパワーを指し示す言葉ではなく、脈波のピーク部分を含む時系列における時間ごとのパワーのことである。ドップラーセンサー１０は図４に示すアナログ波形を得て解析部１０３に出力する。脈波高さは、ドップラーセンサー１０と測定対象の人体との距離が離れるにつれて減少する。しかし、本実施の形態１のカオス解析では、脈波高さの変位を解析するため、脈波の数値化においては脈波高さの絶対値は必要な情報ではない。ただし、脈波高さが大きい方が、脈波形状が明確になり、後述のアトラクター化の精度は高まる。このため、ドップラーセンサー１０から人体までの距離は近いほうが好ましい。

　解析部１０３は、脈波形状の時系列データの解析にあたり、精度確保に必要な脈波高さを得たい場合には、次のようにすればよい。解析部１０３は、脈波高さの偏差を算出し、偏差が予め設定された閾値より小さい場合、入力信号増幅率を自動的に調整し、アナログ脈波波形を疑似的に大きくする。こうすることで、脈波の形状が明確になり、解析部１０３は、ドップラーセンサー１０から人体迄の距離が遠くても精度の高い解析を行える。

　例えば、ドップラーセンサー１０から人体迄の距離が近い場合は、入力信号倍率は１倍でよい。一方、ドップラーセンサー１０から人体迄の距離が遠くなるに連れて脈波自体が小さくなり、脈波形状の変位が見にくくなって偏差も小さくなる。このため、解析部１０３は、偏差の小ささに応じて倍率を決めればよい。具体的には例えば、解析部１０３は、偏差が第１閾値よりも小さい場合は、入力信号倍率を２倍に設定し、偏差が第１閾値よりも小さい第２閾値よりも小さい場合は、入力信号倍率を３倍に設定するなどとすればよい。つまり、解析部１０３は、ドップラーセンサー１０から人体迄の距離が遠いほど、入力信号増幅率を自動的で大きくして、アナログ波形を大きくする。これにより、解析部１０３は、ドップラーセンサー１０から人体迄の距離が遠くても、脈波形状ゆらぎ（脈波形状の時系列変位データ）の解析が可能になる。

　また、ドップラーセンサー１０から人体迄の距離が同じでも、幼児など人体の面積および血管に送る血流のパワーが小さい場合、脈波レベルが小さいので解析がしにくくなる。このため、解析部１０３は、人体の面積が小さいほど、また、脈波高さの偏差が小さいほど、入力信号増幅率を自動的で大きくして、アナログ波形を大きくする。これにより、解析部１０３は、脈波レベルが小さい場合に解析しにくい問題を解決できる。

　次に、解析部１０３は、脈波形状から後述のアトラクターを生成する。脈波形状とは、脈波の２次元波形パターンである。脈波の波形から波形への脈波形状の時系列データは、規則を見出すのは困難なデータであるものの、脈波形状の時系列データをアトラクターに変換すると、一定のパターンが存在している。アトラクターとは、ある力学系がそこに向かって時間発展をする集合のことである。ある力学系においてアトラクターに十分近い点から運動するとき、その系は、そのアトラクターに十分近いままであり続ける。アトラクターに含まれる軌道は、そのアトラクターの内部にとどまり続けること以外に制限はない。

　次に、カオス解析の第１ステップから第３ステップを順に説明する。本実施の形態１は、中枢神経系の脳活動をカオス対象とし、カオス解析の解析元に、脈波の波形形状の時系列変位である脈波形状変位を用いたことを特徴としており、カオス解析の手法自体は従来公知の手法を用いる。このため、以下のカオス解析の説明では、概要を説明する。

（第１ステップ）
　第１ステップは、上述したように脈波形状変位の時系列データと予め設定した遅延時間とから特定されるベクトルを計算するステップである。

　図５は、実施の形態１に係る脳活動推定装置１の脈波形状変位の時系列データを示す図である。図５の横軸は時間、縦軸はアナログ脈波高さを示している。ｘ（ｉ）（ｉ＝１、２、…、ｎ）は、ドップラーセンサー１０にて得られたセンサデータに基づく脈波形状の時系列データである。ｘ（ｉ）のときの脈波高さとｘ（ｉ＋１）のときの脈波高さとの差が脈波形状変位である。なお、ｘ（０）は、計算窓長の時間で得られたセンサデータの初期値である。計算窓長とは、任意に設定した時間長さであり、例えば２０秒などである。計算窓長が短い方が計算は早くできるが、計算窓長が長い方が脈波形状の形状データが多く、精度が高い。

　この時系列データを用いて、２次元の時系列変化をｄ次元状態空間に埋め込むために、言い換えればｄ次元状態空間の中に軌跡を描くために、解析部１０３は、適当な遅延時間となる時間遅れτを設定してベクトルをつくる。具体的には、解析部１０３は、ベクトルＸ（ｉ）＝｛ｘ（ｉ）、ｘ（ｉ＋τ）、ｘ（ｉ＋２τ）、…、ｘ（ｉ＋（ｄ－１）τ）｝をつくる。例えば、ｄを３とし、２次元の時系列変化を３次元状態空間に埋め込むとすると、解析部１０３は、状態変数の個数が３個であるベクトルをつくる。３次元状態空間の場合のベクトルＸ（ｉ）は、Ｘ（ｉ）＝｛ｘ（ｉ）、ｘ（ｉ＋τ）、ｘ（ｉ＋２τ）｝である。ｉ＝１、２、…、ｎであるため、ベクトルＸはｎ個作られる。ここで、τは埋め込み遅延時間と呼ばれるパラメータである。

（第２ステップ）
　第２ステップは、ベクトルを３次元状態空間内に時系列順に配列したアトラクターを生成するステップである。

　図６は、実施の形態１に係る脳活動推定装置１のカオス解析におけるアトラクターの概念図である。このベクトルＸ（ｉ）を、座標軸ｘ（ｉ）、ｘ（ｉ＋τ）、ｘ（ｉ＋２τ）、…、ｘ（ｉ＋（ｄ-１）τ）に順次プロットしていくと、軌道が得られる。図６は、３次元状態空間であり、座標軸はｘ（ｉ）と、ｘ（ｉ＋τ）と、ｘ（ｉ＋２τ）と、の３つである。例えば、ｄ＝３、遅延時間を０．０５秒などとして、第１ステップで得たベクトルを３次元状態空間内に時系列順にプロット（配列）していくと、図６のような軌跡が得られる。この軌跡がアトラクターの軌道である。アトラクターの軌道の形状を見ると、渦状の軌跡が得られているので、２次元パターン脈波形状のゆらぎ方の中にカオス情報が存在することが実証されている。

（第３ステップ）
　第３ステップは、アトラクターの軌道に基づいて指標値であるリアプノフ指数を計算するステップである。リアプノフ指数は、アトラクターの軌道の不安定性または発散性を評価して求められる。

　図７は、実施の形態１に係る脳活動推定装置１におけるリアプノフ指数化の概念図である。最終的に脳活動の度合いを推定するためには、脈波形状の時系列変位を数値化する必要がある。この数値化した指標値には、リアプノフ指数が用いられる。３次元状態空間のアトラクターには軌道の不安定性がある。不安定性は発散性とも言い換えることができる。この軌道不安定性を定量化したのがリアプノフ指数である。リアプノフ指数とは、近接した２点から出発した二つの軌道が、どのくらい離れていくかを表す尺度である。言い換えれば、リアプノフ指数とは、力学系においてごく接近した軌道が離れていく度合いを表す値である。ここで、リアプノフ指数が大きいほど、アトラクターの変動幅は大きくなり、ゆらぎの幅が大きい。

　図７に示すように、３次元のカオス力学系に初期値として半径εの微少球（超球）を与えたとする。そうすると、最初は球であったものが、任意に設定するスライド時間Ｓを経て、１回写像されることによって、ｅ１方向には引き延ばされ、ｅ２方向にはほぼ変わらず、ｅ３方向には押し潰される結果、球が楕円体となる。ここで、ｅ１、ｅ２、ｅ３方向に対する単位時間当たりの拡大率の対数がλ１、λ２、λ３であるとすると、このλ１、λ２、λ３がリアプノフ指数である。

　これらのリアプノフ指数の組はリアプノフスペクトラムと呼ばれる。スライド時間Ｓごとに、この球を引き延ばす作業をくり返して、拡大率が計算される。それらの総和を取って平均化することにより全体のリアプノフスペクトラムが算出される。計算されたリアプノフ指数の中で最大のリアプノフ指数が最大リアプノフ指数と呼ばれる。その系の初期値から軌道が離れていく度合いは、最大リアプノフ指数をみることでわかる。つまり、リアプノフ指数は、初期の状態に対して、ｎ番目の状態がどの程度離れているかを示しており、脳活動で言えば、初期状態から離れているほど人の脳が活発に動いていて、初期状態と変わらないほど脳は動いていないことがわかる。もちろん、精度は下がるが、スライド時間Ｓごとに複数回計算するのでなく、スライド時間を１区間分として、２つの状態を比較してリアプノフ指数を計算しても良い。

　リアプノフ指数は、具体的には以下のようにして計算される。例えば、球の半径が０．０８、計算窓長が２０秒、スライド時間が１秒、測定周波数が２００Ｈｚとする。測定周波数が２００Ｈｚであるため、１秒間に得られるデータ数は２００個であり、計算開始から計算窓長の時間で得られるデータは４０００個である。リアプノフ指数は、状態空間の次元数が３次元である場合、測定開始から２０秒で４０００個のデータを用いて３次元分のλ１、λ２、λ３からなるリアプノフスペクトラムが得られる。そして、次の１秒間で同様にλ１、λ２、λ３からなるリアプノフスペクトラムが得られる。

　出力窓長が６０秒に設定された場合には、６０秒間、上記作業が繰り返される。つまり、最初の２０秒で１つ目のリアプノフスペクトラムが得られ、その後の４０秒間にスライド時間の１秒毎にリアプノフスペクトラムが得られ、計４０個のリアプノフスペクトラムが得られる。そして、４０個のリアプノフスペクトラムをλ１、λ２、λ３毎に総和を取って平均化して、平均化したλ１、λ２、λ３を決定する。これらのうち最大のリアプノフ指数が最大リアプノフ指数であり、この最大リアプノフ指数が出力総長で得られる１つのデータである。つまり、最大リアプノフ指数が、その系の初期値からの離れていく度合として採用される。

　ここで、バイタルデータである脈波データの測定数について検討する。例えば、測定周波数が２００Ｈｚ、出力窓長が６０秒に設定された場合、６０秒間で１２０００個のデータが得られる。解析部１０３は、１２０００個のデータを用いてアトラクターの軌道をつくり、リアプノフ指数を算出する。なお、出力窓長とは、上述したように１データを出力するために必要な時間であり、１つのリアプノフ指数を算出するために必要な時間である。また、例えば測定周波数が５００Ｈｚ、出力窓長が６０秒に設定された場合には、６０秒間で３００００個のデータが得られる。この場合、解析部１０３は、３００００個のデータを用いてアトラクターの軌道をつくり、リアプノフ指数を計算する。

　データ数が多いほど正確性は高まるメリットがある。しかし、データ数が多い場合、測定時間が長くなる、脳活動の度合いの変化に追従できない、ＣＰＵの処理時間が長くなったり計算できなくなったりする、といったデメリットがある。逆にデータ数が少ないほど精度は下がる。しかし、データ数が少ない場合、測定時間が短い、ＣＰＵの処理時間が短い、追従性が良いといったメリットがある。

　従って、測定周波数は１００Ｈｚから１０００Ｈｚ程度が好ましい。また、出力窓長は、３０秒以上５分以下が好ましい。中枢神経系の反応時間は早いので、出力窓長は、自律神経系の測定を行う場合よりも短い時間がよく、３０秒以上６０秒以下が好ましい。更に、解析部１０３は、精度を高めるために次のようにしてもよい。解析部１０３は、出力された１データを、設定時間毎に集めて平均化してもよい。例えば出力窓長が３０秒、設定時間が５秒であるとすると、解析部１０３は、５秒毎のタイミングでそのタイミング前の３０秒間のバイタルデータに基づき出力された１データを集める。解析部１０３は、３０データ分、集まったところで、その３０データを平均化し、１つのデータを得てもよい。この場合、解析部１０３は、数値化に３分をかけた精度の高い１つのデータ（リアプノフ指数）を得ることができる。

　次に、本発明者らが見い出した、リアプノフ指数と、中枢神経系の脳活動が異なる様々な行動と、に相関がある点について図８および図９を用いて説明する。次の図８および図９は、人体に、脳活動が異なる様々な行動をさせ、その行動を行っている人体から取得した脈波に基づいてリアプノフ指数を計算した実験結果に基づいて作成された図である。

　図８は、リアプノフ指数と、中枢神経系の脳活動が異なる様々な行動と、の関係性を棒グラフで示す図である。縦軸の数値は、安静の場合を１として規格化した値である。つまり、安静以外の他の行動の場合の縦軸の数値は、その行動のときのリアプノフ指数を、安静の場合のリアプノフ指数で除算した値である。横軸は、脳活動の度合いが異なる人間の行動を示している。横軸の行動には、次の４つの行動を採用した。４つの行動は、安静にする、記事を読む、メールを打つ、資料をタイピングで書き写す、である。記事を読むとは、例えば資料をパソコンまたはスマートフォンで読む行動を指す。また、資料をタイピングで書き写すとは、資料に記載の文字をタイピング作業でパソコンに入力する行動を指す。

　図８より、安静にする、記事を読むといった軽作業に比べて、メールを打つ、資料をタイピングで書き写すなど、主観申告でも脳活動の度合いが高いとされる重作業の方が、縦軸の数値が大きいことが確認できた。つまり、脳活動の度合いが高い方が、高いリアプノフ指数が得られることが確認できた。よって、中枢神経系の脳活動の度合いとリアプノフ指数とには関係性があることが確認できた。

　また、安静時は集中度が低い状態であり、計算タイピング時は集中度が高い状態である。これは主観評価結果とも相関していることを確認している。よって、行動とリアプノフ指数と集中度とは相関がありリアプノフ指数は、集中度というメンタル指標としても扱うことが可能である。具体的には、リアプノフ指数が大きい場合、集中度が高い、リアプノフ指数が小さい場合、集中度が低いと評価できる。よって、図８の縦軸は、集中度の指標としてみることもできる。つまり、縦軸の数値が大きい方が、集中度が高く、縦軸の数値が小さい方が、集中度が低いといった具合である。よって、縦軸の数値は、例えば集中度合いを示す集中指数として捉えてもよい。

　図９は、人体が脳活動の異なる行動を順次行った場合のリアプノフ指数の変化例を示す図である。縦軸は行動の経過時間（分）、横軸はその行動のときのリアプノフ指数を示している。図９は、作業前の安静状態から計算タイピング作業状態を経て、計算タイピング作業停止へと行動を変化させた時のリアプノフ指数の変化を示している。安静状態のときに小さかったリアプノフ指数は、計算タイピング作業中に上昇し、作業を停止すると低下することが確認できた。このことから、リアプノフ指数と脳活動の度合いとに関係があることが分かる。つまり、リアプノフ指数が大きい場合、脳活動の度合いが高く、リアプノフ指数が小さい場合、脳活動の度合いが低いことが分かる。

　以上の関係を踏まえ、脳活動推定装置１は、リアプノフ指数に基づいて中枢神経系の脳活動を推定する。具体的には、解析部１０３は、リアプノフ指数が大きければ脳活動の度合いが高いと推定し、リアプノフ指数が小さければ脳活動の度合いが低いと推定する。

　ところで、図９の縦軸のリアプノフ指数は、脳活動推定装置１を一時的に実験用の装置として用いて計算して得られた値である。このため、図９より、リアプノフ指数が脳活動推定装置１により１分間隔で得られることが分かる。そして、脈波からリアプノフ指数を算出する処理が、一般的に短時間と言える１分で行えることが図９より証明された。なお、ここでは図９が脳活動推定装置１を用いて得られた実験結果であるとしたが、図９は、あくまでもリアプノフ指数と行動との相関を測定した実験結果を示したものであり、脳活動推定装置１ではなく実験専用の装置を用いて作成されたものでもよい。

　図１０は、実施の形態１に係る脳活動推定装置１における脳活動の推定処理のフローチャートである。脳活動推定装置１は、脈波形状データを取得するステップ（ステップＳ１）と、脳波形状データに基づいてカオス解析を行うステップ（ステップＳ２）と、を有する。カオス解析を行うステップは、上述したように、３つのステップ（ステップＳ２１～ステップＳ２３）を有する。第１ステップは、脈波形状変位の時系列データと予め設定した遅延時間とから特定されるベクトルを計算するステップ（ステップＳ２１）である。第２ステップは、ベクトルを３次元状態空間内に時系列順に配列したアトラクターを生成するステップ（ステップＳ２２）である。第３ステップは、アトラクターの軌道に基づいて指標値であるリアプノフ指数を計算するステップ（ステップＳ２３）である。

　解析部１０３は、リアプノフ指数に基づいて脳活動の度合いを推定（ステップＳ３）し、推定結果を示す脳活動情報を出力する。解析部１０３は、例えばリアプノフ指数を、脳活動の度合い示す段階数値（例えば、１～１０）に変換して出力する。段階数値は、例えば、数値の小さい方から大きい方の順に、脳活動の度合いが低い状態から高い状態にあることを示す数値である。また、解析部１０３は、例えば安静時のリアプノフ指数を保持しておき、安静時のリアプノフ指数に対する、解析部１０３で解析して得たリアプノフ指数の１００分率（％）の数値を、脳活動の度合いを示す数値として出力してもよい。また、解析部１０３は、上記の様に脳活動の度合いを数値で出力することに限られず、他に例えば段階画像などで出力してもよい。段階画像とは、例えば、顔の表情が脳活動の度合いに応じて段階的に異なる画像を指す。

　解析部１０３から出力された脳活動情報は、クラウド部１０６を介して表示部１０７に入力されて表示される。このように脳活動推定装置１は、脳活動情報を解析部１０３から出力して視覚化するので、ユーザは脳活動の度合いを把握することができる。なお、解析部１０３から出力された脳活動情報は、クラウド部１０６を介してデータ収集部１０８に蓄積されてもよい。また、解析部１０３から出力された脳活動情報は、クラウド部１０６を介さず直接、表示部１０７に入力されて表示されてもよい。また、解析部１０３から出力された脳活動情報は、制御内容決定部１０４に入力され、脳活動推定装置１を備えた機器の制御内容を決定するために用いられてもよい。

　脳活動の度合いは集中度の度合いと関連するため、解析部１０３は、脳活動情報として、リアプノフ指数に基づいて推定した集中度を示す集中度情報を出力するようにしてもよい。集中度情報は、例えば上記集中指数でもよいし、脳活動の度合いと同様に１００分率（％）の数値または段階画像などでもよい。なお、集中度情報は、リアプノフ指数が大きいほど集中度が高いことを示し、リアプノフ指数が小さいほど集中度が低いことを示す情報である。また、集中度情報は、現在の集中度または時系列の集中度またはその両方を示す情報としてもよい。

　前述のように、主観申告で集中度が高い行動は、脳活動が高く、リアプノフ指数が高くなる。従って、脳活動推定装置１は、リアプノフ指数が大きいほど、集中度が高いとして解析部１０３から出力して好適である。

　なお、集中度は眠気度の逆の指標として捉えることもできるため、解析部１０３は、集中度情報に代えて眠気度情報を出力するようにしてもよい。これにより、ユーザは、眠気度を視覚的に確認できる。

　以上説明したように、実施の形態１の脳活動推定装置１は、人体の脈波を検出するセンサーであるドップラーセンサー１０と、ドップラーセンサー１０で検出された脈波を解析する解析部１０３と、を備える。解析部１０３は、脈波の波形形状の時系列変位である脈波形状変位を解析元にしたカオス解析に基づいて脈波を数値化した指標値を生成し、指標値に基づいて人体の脳活動の度合いを推定する。

　このように、脳活動推定装置１は、脈波の波形形状の時系列変位に基づいて生成した指標値に基づいて、脳活動の度合いを推定できる。また、脈波は心臓の脈動ひいては脳の神経系の活動に関連しているバイタルデータである。脳活動推定装置１は、このような脈波に基づいて計算された指標値に基づき脳活動を推定するため、従来の目の瞬き等による推定方法に比べて高精度に脳活動の度合いを推定できる。

　また、脳活動推定装置１は、人体の脈波を非接触で検出するセンサーとしてドップラーセンサー１０を用いており、非接触で人体の脈波を検出でき、脳活動の度合いの推定を非接触で行える。また、脳活動推定装置１は、脳波計を用いない。このため、脳活動推定装置１は、脳波計を用いる場合の装着の手間が無く、また、脳波計を用いないため解析に時間がかからず、短時間で解析を行える。

　また、従来の人体の活動量を推定する装置では、撮像手段を用いて瞳孔の開閉度を測定する装置があるが、この装置では瞳孔を撮影するため、装置と目との距離が近距離である必要がある。これに対し、脳活動推定装置１は、ドップラーセンサー１０を用いているため、遠距離でも測定ができて使い勝手がよく、また、瞳孔といった個人特有の情報を測定するものではないため、プライバシーに配慮できる。

　カオス解析は、脈波形状変位の時系列データと予め設定した遅延時間とから特定されるベクトルを計算するステップと、ベクトルを３次元状態空間内に時系列順に配列したアトラクターを生成するステップと、アトラクターの軌道に基づいて指標値であるリアプノフ指数を計算するステップと、を順次実施する処理である。

　このように、脳活動推定装置１は、カオス解析により、指標値であるリアプノフ指数を計算できる。

　解析部１０３は、脳活動の度合いの推定結果を示す脳活動情報として、指標値に基づいて推定した集中度を示す集中度情報を出力する。また、解析部１０３は、指標値が大きいほど集中度が高いことを示し、指標値が小さいほど集中度が低いことを示す集中度情報を出力する。

　これにより、ユーザは集中度情報に基づいて集中度を把握できる。

　解析部１０３は、脈波形状に基づく脈波高さの偏差を算出し、偏差が予め設定された閾値より小さい場合、入力信号増幅率を自動的に調整し、ドップラーセンサー１０で取得された脈波の波形を大きくする。

　これにより、脳活動推定装置１は、脈波の形状を明確にでき、ドップラーセンサー１０から人体迄の距離が遠くても解析の精度を高めることができる。

実施の形態２．
　実施の形態１の脳活動推定装置１は、脈波形状のゆらぎを解析して中枢神経の脳活動の度合いを推定するものであった。実施の形態２の脳活動推定装置１は、脳活動の度合いに加えて更に、脈拍間隔ゆらぎに基づいて自律神経系の活動度合いを推定する。つまり、実施の形態２の脳活動推定装置１は、中枢神経活動と自律神経活動との両方を推定する。以下、実施の形態２が実施の形態１と異なる点を中心に説明するものとし、実施の形態２で説明されていない構成は実施の形態１と同様である。

　図１１は、実施の形態２に係る脳活動推定装置１の構成および脳活動推定装置１の利用構成を示すブロック図である。ドップラーセンサー１０は、人体の脈波に加えて更に、人体の脈拍も検出する。

　脈拍間隔は、一般的にＲ－Ｒ　Ｉｎｔｅｒｖａｌ（ＲＲＩ）と呼ばれる。ＲＲＩは、周波数変換されることで、後述する自律神経バランスなど、様々な情報に変換される。脈拍、血圧および呼吸などを解析するバイタル解析では、体動解析などとは異なり、約１Ｈｚという超低周波特性の微小なゆらぎを解析する。このため、バイタル解析では、分解能が高く距離測定用途でよく使われる６０ＧＨｚ～７９ＧＨｚに比べて、２４ＧＨｚのドップラー方式によるアナログ検出が好ましい。

　ドップラーセンサー１０は、人体の脈拍間隔の変位（１次元パターン脈拍変位）から自律神経バランスを検出する。自律神経バランスは、交感神経と副交感神経とのバランスである。自律神経バランスは、ＬＦ（Ｌｏｗ　Ｆｒｅｑｕｅｎｃｙ）とＨＦ（Ｈｉｇｈ　Ｆｒｅｑｕｅｎｃｙ）との比率であり、ＬＦ／ＨＦで計算される。ＬＦは交感神経活動を示しており、ＨＦは副交感神経活動を示している。交感神経は、昼間または活性状態において優位となり、副交感神経は夜間または鎮静状態において優位となると言われている。

　ＬＦは、特性曲線において例えば０．０５Ｈｚから０．１５Ｈｚといった低い周波数帯域におけるパワーの積算値で求められる。ＨＦは、特性曲線において例えば０．１５Ｈｚから０．４０Ｈｚといった高い周波数帯域におけるパワーの積算値で求められる。特性曲線とは、脈拍間隔の時系列間隔を周波数展開して得られた曲線であり、横軸が周波数、縦軸がパワーである座標軸上に描かれる曲線である。

　自律神経バランスはＬＦ／ＨＦであるため、ＬＦが相対的に大きくなると、交感神経が優位であり、興奮状態または活性状態にあると推定でき、ＬＦが相対的に小さくなると、副交感神経が優位であり、リラックス状態にあると推定できる。また、自律神経バランスの数値が大きい場合、興奮状態にあり、自律神経バランスの数値が小さい場合、リラックス状態にあると推定できる。よって、自律神経バランスは、自律神経系の活動度合いを示す指標として用いられる。人体が興奮状態または活性状態にある場合、自律神経系の活動度合いが大きく、自律神経バランスの値が大きくなる。一方、人体がリラックス状態にある場合、自律神経系の活動度合いが小さく、自律神経バランスの値が小さくなる。

　このように、ドップラーセンサー１０は、自律神経系の活動度合いを検出でき、また、上述したように脈波に基づく中枢神経系の脳活動の度合いを検出できる。つまり、ドップラーセンサー１０は、それ１つで自律神経活動と中枢神経活動とを検出できる。

　なお、実施の形態２の脳活動推定装置１で用いるセンサーは、実施の形態１と同様に、ドップラーセンサー１０に限るものではなく、脈波と脈拍とを測定できるセンサーであればよい。ここで、センサーで測定できる脈拍とは、脈拍数または脈の動きを指すものであり、脈拍数の大小または脈拍数の時系列増減、脈拍間隔の大小または脈拍間隔の時系列増減、ＬＦの大小またはＬＦの時系列増減、ＬＦ／ＨＦの大小またはＬＦ／ＨＦの時系列増減を含む。

　解析部１０３は、脳活動の度合いと自律神経系の活動度合いとの両方を、予め作成した感情モデルに当てはめることで人の感情を推定する。

　感情モデルには、一般的に用いられるものとして次の図１２に示すラッセルの感情円環モデル、という心理学モデルがある。

　図１２は、ラッセルの感情円環モデルを示す図である。この感情円環モデルは、縦軸をＡｃｔｉｖａｔｉｏｎ：覚醒度、横軸をＰｌｅａｓａｎｔ：快適度とした２軸平面上に、幸福な、のどかな、退屈したおよび緊張したなどの感情を円環上に配置したものである。縦軸には眠気－覚醒が設定され、横軸には不快－快が設定されている。

　この感情円環モデルにより、人の感情は、横軸の快適度と縦軸の覚醒度との組み合わせにより推定できる。

　ここで、「縦軸の覚醒度」は、従来、撮像手段で取得した画像または脳波計で得た脳波から推定できる。また、従来、自律神経から算出したＴＰ（Ｔｏｔａｌ　Ｐｏｗｅｒ、単位［ｍｓ^２］）を覚醒度とする技術もあった。ＴＰは、１次元パターン脈拍変位から得られたＬＦとＨＦとのパワーを合計したものである。また、ある文献では、「縦軸の覚醒度」がエントロピーと表現されており、この文献において、「縦軸の覚醒度」はＬＦおよびＨＦを元に算出されている。これら従来の方法では、覚醒度を非接触で高精度に推定することはできなかった。特に高周波成分のＨＦでは、呼吸成分および体動成分がノイズとして加わるため、正確な検出が困難である。また、高周波成分のＨＦでは、周波数変換する際の変換精度、および周波数帯を特定して０．１５Ｈｚ～０．４０Ｈｚを切り出す部分での検出精度にも課題があった。なお、ＴＰまたはエントロピーを覚醒度とする技術では、覚醒度を推定するための元データは、ＴＰおよびエントロピーのどちらの場合も脈拍間隔である。

　このように、従来、感情を推定するにあたって用いられる感情モデルの縦軸の覚醒度は、上述したように撮像手段または脳波計などを用いて得たデータから推定された結果を用いるか、または自律神経から算出したＴＰまたはエントロピーなどが用いられる。撮像手段または脳波計を用いた方法では、感情モデルの縦軸を示す指標を高精度に短時間に推定することはできない。

　実施の形態２の脳活動推定装置１では、感情を推定するにあたって用いられる感情モデルの縦軸に、脈波形状変位を解析元にしたカオス解析に基づいて推定された中枢神経系の脳活動の度合いを用いる。つまり、脳活動推定装置１は、感情モデルの縦軸に設定される指標に、脈波に基づいて推定された中枢神経系の脳活動の度合いを用いており、この点で従来と大きく異なる。

　脳活動推定装置１は、上述したように自律神経の活動度合いを推定できる。このため、実施の形態２では、縦軸を「中枢神経の脳活動の度合い」、横軸を「自律神経の活動度合い」とした独自の感情モデルを予め作成しておき、脳活動推定装置１は、この感情モデルに基づいて感情の推定を行う。

　図１３は、実施の形態２に係る脳活動推定装置１の感情モデルの一例を示す図である。縦軸は、中枢神経活動である、脈波形状ゆらぎから得た脳活動の度合いである。横軸は、自律神経系活動である、脈拍ゆらぎである。言い換えれば、縦軸は、２次元脈波パターン形状変位（ゆらぎ方）に基づいて推定された中枢神経系の脳活動の度合いである。横軸は、１次元パターン脈拍変位（ゆらぎ方）に基づいて推定された自律神経系の活動度合いである。この感情モデルでは、縦軸が集中度または眠気度を示す「集中－眠気」、横軸が「リラックス－興奮・活性」とした２次元で表示される平面上に、複数の感情が配置されている。このように、感情モデルは、脳活動の度合いおよび自立神経系の活動度合いと、感情との関係を示すものである。ここで、感情とは、例えば、集中度、眠気度、疲労度、活性度およびリラックス度などに起因する感情である。

　上述の図９に示したように、リアプノフ指数は、一例として０から１５の範囲の値を取り得る。このため、図１３の感情モデルでは、例えば、縦軸の「眠気－集中」をリアプノフ指数の０－１５に割り当てる。つまり、リアプノフ指数が０であれば「眠気」、リアプノフ指数が１５であれば「集中」の状態であり、リアプノフ指数が中間の７であれば縦軸が横軸に交差する位置である、といった具合である。なお、ここで説明した縦軸に対するリアプノフ指数の割り当ては一例であって、リアプノフ指数の１００分率の数値で割り当てるなどとしてもよい。

　また、図１３の感情モデルでは、横軸の「リラックス－興奮・活性」を自律神経バランスの値によって割り当てる。自律神経バランスの値が大きいほど、割り当て位置が「興奮・活性」側に向かい、自律神経バランスの値が小さいほど、割り当て位置が「リラックス」側に向かう。

　ところで、人は、ＬＦの交感神経が高い時、興奮、活性、昼間の良いストレス、不快といった感情を感じている。また、人は、脈拍間隔ＲＲＩが狭い、脈拍数が多い（１分あたりの脈拍数：ｂｐｍ：Ｂｅａｔ　ｐｅｒ　ｍｉｎｕｔｅ）、または脈拍間隔偏差（ＲＲＩ　ＳＤ）が小さい時も、興奮、活性、昼間の良いストレスまたは不快といった感情を感じている。

　逆に、人は、ＬＦの交感神経が低い時には、リラックスまたは快といった感情を感じている。また、人は、ＨＦの副交感神経が高い、脈拍間隔が広い、脈拍数が少ない、または脈拍間隔偏差が大きい時も、リラックスまたは快といった感情を感じている。これらの自律神経の活動度合いと感情との関係は、従来から知られている。また、実際に、集中度が高い作業を行う際に、リアプノフ指数が高まることが確認されている。また、眠気度が高い場合にもリアプノフ指数は減少する。集中度は、快不快感情または自律神経にはほとんど影響されずに、反応性の良い中枢神経活動によって高められる。図１３の感情モデルは、従来からのこれらの知見も踏まえて作成される。

　また、図１３の感情モデルでは、「集中度が高く」かつ「リラックス度が高い」時には、嬉しいまたは喜びといった感情が割り当てられている。また、「集中度が高く」かつ「興奮または活性感情が高い」時には、緊張またははかどるといった感情が割り当てられている。また、「集中度が低く」かつ「リラックス度が高い」時には、くつろぐ、落ち着く、または穏やか、といった感情が割り当てられている。「集中度が低く」かつ「興奮または活性感情が高い」時には、憂鬱または退屈といった感情が割り当てられる。なお、横軸は、ラッセルの感情円環モデルと同様に快適度とし、「快－不快」の軸としてもよい。

　脳活動推定装置１は、以上の感情モデルを用いて感情を推定する。以下、実施の形態２の脳活動推定装置１の動作について説明する。

　脳活動推定装置１は、ドップラーセンサー１０により人体の脈波と脈拍とを検出する。解析部１０３は、ドップラーセンサー１０で検出された脈波を解析して中枢神経系の脳活動の度合いを推定すると共に、脈拍から自立神経系の活動度合いを推定する。解析部１０３は、脳活動の度合いと自律神経系の活動度合いと感情モデルとに基づいて感情を推定する。具体的には、解析部１０３は、脳活動の度合いを示すリアプノフ指数から感情モデルにおける縦軸の位置を特定し、自律神経系の活動度合いを示す自律神経バランスから感情モデルにおける横軸の位置を特定する。

　そして、解析部１０３は、特定された縦軸の位置と横軸の位置とを感情モデルに当てはめて感情を推定し、推定結果を示す感情情報を推定結果として出力する。感情情報は、喜び、落ち着く、憂鬱または緊張などの文字であってもよいし、感情を特定できる顔画像などでもよい。

　ここで、「横軸の快適度」は、脈拍ゆらぎに基づく自律神経系の活動度合いによって特定できる。自律神経系の活動度合いは、具体的には上述したようにドップラーセンサー１０で得られた自律神経バランスによって特定できる。言い換えれば、「横軸の快適度」は、人体の脈拍間隔の変位から検出されたバイタルデータに基づいて特定できる。

　「横軸の快適度」は、自律神経バランスによって特定することに限られず、他のデータによって特定してもよい。「横軸の快適度」は、他に例えば、「脈拍間隔の変化または偏差」、「脈拍数の変化または偏差」、「前述の自律神経系のＬＦの増減またはバランスの変化」のいずれかによっても特定できる。これらのいずれの方法も、「横軸の快適度」の位置を特定する元データは脈拍である。つまり、「横軸の快適度」は、脈拍によって特定される。解析部１０３は、脈拍間隔を検出するにあたっては、ノイズ、呼吸、体動または動きなどによる影響は排除して、正確な脈拍間隔を検出する。

　解析部１０３から出力された感情情報は、クラウド部１０６を介して表示部１０７に入力されて表示される。このように脳活動推定装置１は、感情情報を解析部１０３から出力して視覚化するので、ユーザは感情を把握することができる。なお、解析部１０３から出力された感情情報は、クラウド部１０６を介してデータ収集部１０８に蓄積されてもよい。また、解析部１０３から出力された感情情報は、クラウド部１０６を介さず直接、表示部１０７に入力されて表示されてもよい。また、解析部１０３から出力された感情情報は、制御内容決定部１０４に入力され、脳活動推定装置１の機器の制御内容を決定するために用いられてもよい。

　ところで、人間は１日中自律神経を稼働させるが、主に日中のワーク中および勉強中においては、良いストレスと言われている自律神経系の交感神経が高い状態である。また、人間は、自律神経系の交感神経が高い状態にあるとき、脳を興奮させて、気管を広げて、心拍を速めにして、血管を収縮させて、血圧をあげて、胃腸の働きを抑えて、発汗を促進する。よって、自律神経系の交感神経が高い状態は、ワークおよび勉強に対して良い状態にあると言える。すなわち、ＬＦの交感神経が高い、またはＬＦ／ＨＦで表される自律神経バランスの比率が高い時、人体は、ワークおよび勉強に対して良い状態にある。また、「集中度が高く」かつ「興奮または活性感情が高い」時には、人体は、はかどる状態にある。

　つまり、集中度が高く且つ自律神経バランスの比率が高いときは、最もワークおよび勉強に適した状態、言い換えれば人体による作業効率が高い状態と評価することができる。よって、解析部１０３は、脳活動の度合いが予め設定された第１閾値より高く且つ自律神経系の活動度合いが予め設定された第２閾値よりも高い場合、人体による作業効率が高いことを示す作業効率情報を出力するようにしてもよい。このように、解析部１０３は、感情モデルに基づいて感情情報を出力する他に、脳活動の度合いと自律神経系の活動度合いとから特定される他の情報を出力するようにしてもよい。

　以上説明したように、実施の形態２の脳活動推定装置１は、実施の形態１と同様の効果が得られると共に、ドップラーセンサー１０によって脈拍を検出することで自律神経系の活動度合いを推定できる。このため、脳活動推定装置１は、中枢神経系の脳活動の度合いに加えて自律神経系の活動度合いを推定し、中枢神経系の脳活動の度合いと自律神経系の活動度合いと感情モデルと、から感情を推定できる。また、中枢神経活動と自律神経活動とは１つのドップラーセンサー１０で測定できるため、脳活動推定装置１は、脳波計または撮像手段を用いる装置に比べて、装着が不要で短時間かつ遠距離でも感情推定を行える。

実施の形態３．
　実施の形態３は、実施の形態１または実施の形態２で説明した脳活動推定装置１を備えた機器に関するもので、特にここでは空調装置について説明する。

＜空調装置２０１の構成＞
　図１４は、実施の形態３に係る空調装置２０１の構成を示す図である。空調装置２０１は、空調空間である室内空間２７１を空調する設備である。空調とは、空調空間の空気の温度、湿度、清浄度および気流などを調整することであって、具体的には、暖房、冷房、除湿、加湿および空気清浄などである。

　図１４に示すように、空調装置２０１は、家屋２０３に設置される。空調装置２０１は、例えばＨＦＣ（ハイドロフルオロカーボン）などを冷媒として用いたヒートポンプ式の空調設備である。空調装置２０１は、蒸気圧縮式の冷媒回路を搭載しており、図示しない商用電源、発電設備または蓄電設備などから電力を得て動作する。

　図１４に示すように、空調装置２０１は、家屋２０３の外側に設けられる室外機２１１と、家屋２０３の内側に設けられる室内機２１３と、ユーザによって操作されるリモートコントローラ２５５と、を備える。室外機２１１と室内機２１３とは、冷媒が流れる冷媒配管２６１と、各種信号が転送される通信線２６３と、を介して接続されている。空調装置２０１は、室内機２１３から空調空気、例えば、冷風を吹き出すことで室内空間２７１を冷房し、温風を吹き出すことで室内空間２７１を暖房する。

　室外機２１１は、圧縮機２２１と、四方弁２２２と、室外熱交換器２２３と、膨張弁２２４と、室外送風機２３１と、室外機制御部２５１と、を備える。室内機２１３は、室内熱交換器２２５と、室内送風機２３３と、室内機制御部２５２と、を備える。冷媒配管２６１は、圧縮機２２１と、四方弁２２２と、室外熱交換器２２３と、膨張弁２２４と、室内熱交換器２２５と、を環状に接続している。空調装置２０１は、圧縮機２２１と、四方弁２２２と、室外熱交換器２２３と、膨張弁２２４と、室内熱交換器２２５と、を冷媒配管２６１によって接続して構成された冷媒回路を有する。冷媒回路は、冷媒を循環させて冷凍サイクルの動作を行う。

　圧縮機２２１は、冷媒を圧縮して冷媒配管２６１を循環させる。具体的に説明すると、圧縮機２２１は、低温かつ低圧の冷媒を圧縮し、高圧かつ高温となった冷媒を四方弁２２２に吐出する。圧縮機２２１は、駆動周波数に応じて運転容量を変化させることができるインバータ回路を備える。運転容量とは、圧縮機２２１が単位時間当たりに冷媒を送り出す量である。圧縮機２２１は、室外機制御部２５１からの指示に従って運転容量を変更する。

　四方弁２２２は、圧縮機２２１の吐出側に設置されている。四方弁２２２は、空調装置２０１の運転が冷房運転もしくは除湿運転であるか、または暖房運転であるかに応じて、冷媒配管２６１中の冷媒の流れ方向を切り替える。膨張弁２２４は、室外熱交換器２２３と室内熱交換器２２５との間に設置されており、冷媒配管２６１を流れる冷媒を減圧して膨張させる。膨張弁２２４は、その開度が変更可能に制御可能な電子式膨張弁である。膨張弁２２４は、室外機制御部２５１からの指示に従って開度を変更して、冷媒の圧力を調整する。

　室外熱交換器２２３は、冷媒配管２６１を流れる冷媒と、室内空間２７１の外部である室外空間（外部空間）２７２の空気と、の間で熱交換を行う。室外送風機２３１は、室外熱交換器２２３の傍に設けられており、室外空間２７２の空気を吸い込み、吸い込んだ空気を室外熱交換器２２３に送る。室外熱交換器２２３に送られた空気は、冷媒配管２６１を流れる冷媒と熱交換した後、室外空間２７２に吹き出される。

　室内熱交換器２２５は、冷媒配管２６１を流れる冷媒と、室内空間２７１の空気と、の間で熱交換を行う。室内送風機２３３は、室内熱交換器２２５の傍に設けられており、室内空間２７１の空気を吸い込み、吸い込んだ空気を室内熱交換器２２５に送る。室内熱交換器２２５に送られた空気は、冷媒配管２６１を流れる冷媒と熱交換した後、室内空間２７１に吹き出される。室内熱交換器２２５で熱交換された空気は、空調空気として室内空間２７１に供給される。これにより、室内空間２７１が空調される。

　室外機制御部２５１は、室外機２１１の動作を制御する。室内機制御部２５２は、室内機２１３の動作を制御する。

　室内空間２７１にはリモートコントローラ２５５が配置されている。リモートコントローラ２５５は、室内機２１３が備えている室内機制御部２５２との間で各種信号を送受信する。リモートコントローラ２５５は、後述の図１５に示すように表示部２５５ａを備えている。表示部２５５ａは、タッチスクリーン、液晶ディスプレイおよびＬＥＤ（Ｌｉｇｈｔ　Ｅｍｉｔｔｉｎｇ　Ｄｉｏｄｅ）などを備えている。また、リモートコントローラ
２５５は、押圧ボタン（図示せず）を備えている。リモートコントローラ２５５は、ユーザからの各種指令を受け付ける指令受付部、および、各種情報をユーザに表示する表示部として機能する。ユーザは、リモートコントローラ２５５を操作することで、空調装置２０１に指令を入力する。指令は、例えば、運転と停止との切替指令、または、運転モード、設定温度、設定湿度、風量、風向若しくはタイマーなどの切替指令である。空調装置２０１は、入力された指令に従って運転する。

　図１５は、実施の形態３に係る空調装置２０１のブロック図である。空調装置２０１は、制御装置２５０と、空調部２８０と、実施の形態１の脳活動推定装置１と、を備えている。また、空調装置２０１には、ユーザによって操作される情報機器２９０がネットワークＮを介して接続されている。

　制御装置２５０は、空調装置２０１全体を制御する。また、制御装置２５０は、脳活動推定装置１で推定された脳活動の度合いに基づいて機器本体、言い換えれば空調部２８０の運転を制御する。制御装置２５０は、上述の室外機制御部２５１と室内機制御部２５２とを備えている。また、図１５では図示省略しているが、制御装置２５０は、実施の形態１で説明した制御内容決定部１０４と、機器制御部１０５と、を備えている。制御内容決定部１０４および機器制御部１０５は、室外機制御部２５１および室内機制御部２５２のどちらに備えられてもよい。

　室外機制御部２５１は、制御部２５１ａと、記憶部２５１ｂと、計時部２５１ｃと、通信部２５１ｄと、を備える。これら各部はバス（図示せず）を介して接続されている。

　制御部２５１ａは、室外機全体の制御を行う。記憶部２５１ｂは、ＲＡＭまたはＲＯＭなどのメモリーで構成されており、制御に必要なデータを記憶している。計時部２５１ｃは、時間を計時する部分である。通信部２５１ｄは、通信線２６３（図１４参照）を介して室内機制御部２５２と通信するためのインタフェースである。

　室外機制御部２５１は、図１４に示したように通信線２６３によって室内機制御部２５２と接続されている。室外機制御部２５１は、室内機制御部２５２と通信線２６３を介して各種信号を受信することにより室外機制御部２５１と協調動作する。

　室内機制御部２５２は、室外機制御部２５１およびリモートコントローラ２５５との通信を行う通信部２５２ａを備えている。通信部２５２ａは、室外機制御部２５１およびリモートコントローラ２５５と通信するためのインタフェースである。通信部２５１ｄは更に、ネットワークＮを介して情報機器２９０に接続されている。通信部２５２ａは、ユーザからの各種指令をリモートコントローラ２５５から受信する処理と、リモートコントローラ２５５から受信した各種指令を室内機制御部２５２に送信する処理と、を行う。また、通信部２５２ａは、ユーザに報知するための報知情報をリモートコントローラ２５５に送信する処理と、を行う。

　室外機制御部２５１および室内機制御部２５２は、マイクロプロセッサユニットにより構成されている。室外機制御部２５１および室内機制御部２５２は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）およびＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）などを備えており、ＲＯＭには制御プログラム等が記憶されている。なお、室外機制御部２５１および室内機制御部２５２は、マイクロプロセッサユニットに限定するものではない。例えば、室外機制御部２５１および室内機制御部２５２は、ファームウェア等の更新可能なもので構成されていてもよい。また、室外機制御部２５１および室内機制御部２５２は、プログラムモジュールであって、図示しないＣＰＵ等からの指令により、実行されるものでもよい。また、ここでは、制御装置２５０が室外機制御部２５１と室内機制御部２５２とを有し、室外機２１１と室内機２１３とに分けて構成した例を示したが、両方の機能を備えた一つの制御部で構成してもよい。

　空調部２８０は、室内空間２７１を空調する部分であり、図１４の冷媒回路、室外送風機２３１および室内送風機２３３に相当する。

　以上のように構成された空調装置２０１は、脳活動推定装置１で推定された脳活動の度合いに基づいて空調部２８０の運転を制御する。つまり、制御装置２５０は、脳活動の度合いに基づく集中度に応じて空調部２８０の運転を制御する。具体的には、制御装置２５０は、例えば、集中度が低い場合には、ユーザの覚醒を促すために以下の制御を行う。従来、風があたることでユーザが覚醒することが確認されている。よって、制御装置２５０は、集中度が低い場合、室内送風機２３３の回転数を上げて送風量を増やす。

　また、空調装置２０１がユーザの位置を感知する人感センサー（図示せず）を備えている場合には、制御装置２５０は以下の制御を行ってもよい。制御装置２５０は、室内機２１３に設けられた上下風向板（図示せず）を上下に動かすスイング動作によって風が間欠的にユーザにあたるようにするか、左右風向板（図示せず）を左右に動かすスイング動作によって風が間欠的にユーザにあたるようにする。以上の制御により、空調装置２０１は、集中度が低い場合にユーザの覚醒を促すことができる。

　また、ユーザが適温と感じる温度より１℃程度低めの方が、脳を冷やす効果があって作業効率が良いとされている。特に暖房時は、設定温度が高すぎることで集中度が低下すると言われている。このため、集中度が低い場合には、制御装置２５０は、室内の設定温度を現在の温度よりやや低めの温度に調節する制御を行う。

　反対に、集中度が高い場合には、制御装置２５０は、室内送風機２３３の回転数を下げて送風量を減らすか、上下風向板をなるべく上方向に制御してユーザに風があたらないようにする。また、空調装置２０１が人感センサー（図示せず）を備えている場合には、制御装置２５０は、ユーザに風があたらないように上下風向板（図示せず）および左右風向板（図示せず）の一方または両方を制御する。以上の制御により、空調装置２０１は、ユーザに風があたることでユーザの意識が風に向かい、集中度の低下を招くことを抑制できる。言い換えれば、空調装置２０１は、集中度が高い状態のユーザが風を意識することなく作業を行える効果が得られる。

　ところで、リモートコントローラ２５５は、空調装置２０１の構成品の一部としての位置づけであるが、情報機器２９０はユーザ所有の機器との位置づけである。情報機器２９０は、液晶パネルなどの表示部２８１を有し、表示部２８１に各種の情報が表示される。情報機器２９０は、例えばスマートフォンまたはタブレットなどで構成される。情報機器２９０には人体の集中度などを表示するためのアプリケーションがインストールされている。また、情報機器２９０は、空調制御用のアプリケーションがインストールされることで、リモートコントローラ２５５の代わりとして用いることもできる。

　情報機器２９０は、ユーザによって操作が行われると、アプリケーションを起動し、脳活動推定装置１で推定された情報を脳活動の度合いに関連する情報をネットワークＮを介して取得し、表示部２８１に表示する。脳活動の度合いに関連する情報とは、脳活動の度合いを示す情報の他、集中度に関する集中度情報でもよいし、感情に関する感情情報でもよい。集中度情報は、現在の集中度または時系列の集中度またはその両方を示す情報である。具体的な制御としては、空調装置２０１の制御装置２５０が、情報機器２９０からの要求に応じて脳活動推定装置１で得られた脳活動の度合いに関連する情報を通信部２５２ａを介して情報機器２９０に送信し、情報機器２９０に表示させる処理を行う。なお、ここでは脳活動の度合いに関連する情報が情報機器２９０に表示されるとしたが、リモートコントローラ２５５の表示部２５５ａに表示されてもよい。

　このように、空調装置２０１は、集中度情報を情報機器２９０またはリモートコントローラ２５５の表示部２５５ａに表示して視覚化することで、ユーザは集中度を視覚的に確認できる。

　なお、ここでは、脳活動推定装置１を備えた機器が空調装置２０１であるものとして説明したが、空調装置２０１に限られず、電気機器、車または娯楽機器など様々な機器に組み込むことができる。また、脳活動推定装置１は、例えば労務管理装置または学習管理装置などにも組み込むことができる。

　また、脳活動推定装置１は、ヘルスケア、労務、教育、睡眠、マインドフルネス、メディテーション、カスタマーサービス、マーケティングまたはスポーツメンタルトレーニングなど幅広い分野の機器に組み込むことができる。脳活動推定装置１がこれらの機器に組み込まれた場合、機器は、脳活動の判定結果を利用した機器制御およびユーザへの脳活動の判定結果の提示を行える。このように、脳活動推定装置１が様々な機器に適用されることで、その機器のユーザに対し、脳活動の度合い、集中度合い、および感情を視覚化して提示できる。

　１　脳活動推定装置、１０　ドップラーセンサー、１０ａ　基板部、１００　アンテナ部、１００ａ　アンテナ、１０１　無線部、１０２　アナログ回路部、１０３　解析部、１０４　制御内容決定部、１０５　機器制御部、１０６　クラウド部、１０７　表示部、１０８　データ収集部、２０１　空調装置、２０３　家屋、２１１　室外機、２１３　室内機、２２１　圧縮機、２２２　四方弁、２２３　室外熱交換器、２２４　膨張弁、２２５　室内熱交換器、２３１　室外送風機、２３３　室内送風機、２５０　制御装置、２５１　室外機制御部、２５１ａ　制御部、２５１ｂ　記憶部、２５１ｃ　計時部、２５１ｄ　通信部、２５２　室内機制御部、２５２ａ　通信部、２５５　リモートコントローラ、２５５ａ　表示部、２６１　冷媒配管、２６３　通信線、２７１　室内空間、２７２　室外空間、２８０　空調部、２８１　表示部、２９０　情報機器、３００　空調システム。

Claims

　人体の脈波を検出するセンサーと、
　前記センサーで検出された前記脈波を解析する解析部と、を備え、
　前記解析部は、前記脈波の波形形状の時系列変位である脈波形状変位を解析元にしたカオス解析に基づいて前記脈波を数値化した指標値を生成し、前記指標値に基づいて前記人体の脳活動の度合いを推定する脳活動推定装置。
　前記カオス解析は、
　前記脈波形状変位の時系列データと予め設定した遅延時間とから特定されるベクトルを計算するステップと、
　前記ベクトルを３次元状態空間内に時系列順に配列したアトラクターを生成するステップと、
　前記アトラクターの軌道に基づいて前記指標値であるリアプノフ指数を計算するステップと、を順次実施する処理である請求項１に記載の脳活動推定装置。
　前記解析部は、前記指標値に基づいて推定した集中度を示す集中度情報を出力する請求項１または請求項２に記載の脳活動推定装置。
　前記解析部は、
　前記指標値が大きいほど前記集中度が高いことを示し、前記指標値が小さいほど前記集中度が低いことを示す前記集中度情報を出力する請求項３に記載の脳活動推定装置。
　前記集中度情報は、現在の集中度または時系列の集中度またはその両方を示す情報である請求項３に記載の脳活動推定装置。
　前記解析部は、
　前記脈波の波形形状に基づく脈波高さの偏差を算出し、前記偏差が予め設定された閾値より小さい時に、入力信号増幅率を自動的に調整して、前記センサーで取得された前記脈波の波形を大きくする請求項１～請求項５のいずれか一項に記載の脳活動推定装置。
　前記センサーは、
　前記脈波の他に前記人体の脈拍も取得し、
　前記解析部は、
　脳活動の度合いおよび自立神経系の活動度合いと、感情との関係を示す感情モデルを有し、
　前記推定した前記脳活動の度合いと、前記脈拍に基づいて推定した自律神経系の活動度合いと、前記感情モデルと、に基づいて前記人体の感情を推定する請求項１～請求項５のいずれか一項に記載の脳活動推定装置。
　前記解析部は、
　前記脳活動の度合いが予め設定された第１閾値より高く且つ前記自律神経系の活動度合いが予め設定された第２閾値よりも高い場合、前記人体の作業効率が高いこと示す作業効率情報を出力する請求項７に記載の脳活動推定装置。
　前記センサーは、ドップラーセンサーである請求項１～請求項８のいずれか一項に記載の脳活動推定装置。
　前記センサーは、前記人体に接触して検出を行う接触型センサーである請求項１～請求項８のいずれか一項に記載の脳活動推定装置。
　請求項１～請求項１０のいずれか一項に記載の脳活動推定装置と、
　前記脳活動推定装置で推定された前記脳活動の度合いに基づいて機器本体の運転を制御する制御装置と、を備えた機器。
　請求項１～請求項１０のいずれか一項に記載の脳活動推定装置と、
　室内空間を空調する空調部と、
　前記脳活動推定装置で推定された前記脳活動の度合いに基づいて前記空調部を制御する制御装置と、を備えた空調装置。
　表示を行う表示部を備え、
　前記表示部は、前記解析部で推定された脳活動の度合いの推定結果を示す脳活動情報を表示する請求項１２に記載の空調装置。
　前記表示部は、前記脳活動情報として前記集中度情報を表示する請求項３～請求項５のいずれか一項に従属する請求項１３に記載の空調装置。
　前記制御装置は、ネットワークを介して情報機器との通信を行う通信部を備え、前記通信部を介して前記脳活動情報を前記情報機器に送信して表示させる請求項１３または請求項１４に記載の空調装置。
　前記表示部は、前記解析部で推定された感情の推定結果を示す感情情報を表示する請求項７に従属する請求項１３に記載の空調装置。
　前記制御装置は、ネットワークを介して情報機器との通信を行う通信部を備え、前記通信部を介して前記感情情報を前記情報機器に送信して表示させる請求項１６に記載の空調装置。