JP2016070701A - 信号処理装置、検出装置、およびプログラム - Google Patents

Abstract

【課題】低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができる信号処理装置、検出装置、およびプログラムを提供する。【解決手段】 検出装置１は、センサ１１と信号処理装置１２とを備える。信号処理装置１２の解析部１２ｄは。センサ信号に対して解析期間に亘って自己回帰モデルを適用し、回帰係数ベクトルを求める解析処理を、解析期間をシフト時間だけずらして順次行い、シフト時間を解析期間の時間長さより短く設定する。認識部１２ｆは、回帰係数ベクトルを基準データと照合することによって、対象動作の有無を判定する。【選択図】図１

Description

本発明は、一般に信号処理装置、検出装置、およびプログラム、より詳細には対象物で反射された電波を受信するセンサからのセンサ信号を信号処理する信号処理装置、検出装置、およびプログラムに関するものである。

従来、検知対象物によって反射された伝播波のドップラ信号を利用した人体検知装置がある。

例えば、特許文献１には、ドップラ信号を自己回帰モデルを使用して解析し、ドップラ信号のピーク周波数及び振幅を算出して、このドップラ信号のピーク周波数及び振幅に基づいて人の行動状態を判定する検知装置が開示されている。

特開２０１０−８５１００号公報

例えば人の呼吸を検出する場合、センサ信号は低周波の非正弦波となる。しかしながら、従来技術では、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することは難しく、対象動作が発生しているにも関わらず検出しない失報、対象動作が発生していないにも関わらず検出してしまう誤検出が発生する可能性があった。

また、従来、対象動作の検出処理の効率を向上させたいという要望があった。

本発明は上記事由に鑑みて為されたものであり、その目的は、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができる信号処理装置、検出装置、およびプログラムを提供することにある。

本発明の信号処理装置は、対象物で反射した電波を受信するセンサから出力される前記対象物の動きに応じたセンサ信号に対して解析期間に亘って自己回帰モデルを適用し、自己回帰モデルの自己回帰係数からなる回帰係数ベクトルを求める解析処理を、前記解析期間を前回の解析期間よりシフト時間だけずらして順次行い、前記シフト時間を前記解析期間の時間長さより短く設定した解析部と、前記対象物の特定の動きである対象動作が発生しているときの前記センサ信号に対応する前記回帰係数ベクトルを識別するための基準データを格納しているデータベースと、前記解析部が求めた前記回帰係数ベクトルを前記基準データと照合することによって、前記対象動作の有無を判定する認識部とを備えることを特徴とする。

本発明の検出装置は、対象物で反射した電波を受信して、前記対象物の動きに応じたセンサ信号を出力するセンサと、信号処理装置とを備えることを特徴とする。

本発明のプログラムは、コンピュータを信号処理装置として機能させることを特徴とする。

以上説明したように、本発明では、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができるという効果がある。

実施形態における検出装置の構成を示すブロック図である。 実施形態におけるセンサ信号の時間軸波形を示す波形図である。 実施形態における解析処理の概念を表す説明図である。 実施形態における自己回帰モデルに用いられるセンサ信号を示す説明図である。 実施形態における自己回帰モデルの概念を表す説明図である。 実施形態における主成分分析による認識処理の説明図である。

本実施形態の検出装置１のブロック構成を図１に示す。検出装置１は、対象物の特定の動きである対象動作を検出する機能を有している。本実施形態では、対象動作を人体９の呼吸として、検出装置１が人体９の呼吸を検出する。以下、この検出装置１について説明する。

図１に示すように、検出装置１は、センサ１１と、信号処理装置１２とを備える。

センサ１１は、所定周波数の電波を検出範囲に向けて送信して、検出範囲内の人体９で反射された電波を受信し、送信した電波と受信した電波との周波数の差分に相当するドップラ周波数に応じたセンサ信号を出力する。すなわち、センサ１１は、ドップラセンサで構成される。

あるいは、センサ１１は、ＦＭＣＷ（Frequency Modulated Continuous Wave）方式を用いたセンサで構成されてもよい。この場合、センサ１１は、送信する電波の周波数を上昇させた後に下降させるスイープ処理を繰り返す。センサ１１にＦＭＣＷ方式を用いることによって、検出装置１は対象物までの距離を測定することも可能になる。

以下、センサ１１をドップラセンサで構成した場合について説明する。

センサ１１が出力するセンサ信号は、人体９の動きに対応するアナログの時間軸信号である。図２は、センサ１１から出力されるセンサ信号（実線）を示す。センサ１１は、送受信周波数の差分を電圧に変換しており、センサ１１の前方３ｍに存在する人体９の呼吸に合わせて、センサ信号の信号強度が増減している。センサ信号が正のとき、人体９は息を吐いており、センサ信号が負のとき、人体９は息を吸っており、図２の例では、呼吸の周期を約０．５〜０．８秒としている。また、図２の破線は、背景雑音を示す。

そして、センサ１１は、送信制御部１１ａ、送信部１１ｂ、送信アンテナ１１ｃ、受信アンテナ１１ｄ、受信部１１ｅを備える。

送信部１１ｂは、送信アンテナ１１ｃを介して、電波を検出範囲に向けて送信する。送信制御部１１ａは、送信部１１ｂが送信する電波の周波数、送信タイミング等を制御する。送信部１１ｂが送波する電波は、例えば、周波数が２４．１５ＧＨｚのミリ波とすることができる。なお、送信部１１ｂが送波する電波は、ミリ波に限らず、マイクロ波でもよい。また、送信部１１ｂが送波する電波の周波数の値は、特に限定するものではない。

受信部１１ｅは、受信アンテナ１１ｄを介して、検出範囲内の人体９で反射された電波を受信し、送信した電波と受信した電波との周波数の差分に相当する周波数のセンサ信号を出力する。

また、センサ１１は、ＦＭＣＷ方式を用いる場合、送信電波の周波数（送信周波数）と受信電波の周波数（受信周波数）との差分に相当するビート周波数のビート信号を生成して、このビート信号をセンサ信号として出力する。ＦＭＣＷ方式は、本来、対象物までの距離を測定するために用いられるが、送信電波および受信電波の位相成分を分析することによって、ドップラ信号と同様のセンサ信号が得られる。本実施形態では、センサ信号が生成された後の信号処理に着眼するため、ＦＭＣＷ方式のセンサ１１が生成するセンサ信号についての詳細な説明は省略する。

信号処理装置１２は、センサ１１から出力されるセンサ信号を信号処理する機能を有する。信号処理装置１２は、増幅部１２ａ、Ａ／Ｄ変換部１２ｂ、平滑部１２ｃ、解析部１２ｄ、データベース１２ｅ、認識部１２ｆ、出力部１２ｇを備える。さらに、信号処理装置１２は、学習部１２ｈ、設定部１２ｉ、調整部１２ｊを備えることが好ましい。

増幅部１２ａは、例えば、オペアンプを用いた増幅器により構成されて、センサ信号を増幅する。

Ａ／Ｄ変換部１２ｂは、増幅部１２ａによって増幅されたセンサ信号をデジタルのセンサ信号に変換して出力する。Ａ／Ｄ変換部１２ｂのサンプリングレートは、一例として、１０００ｓｐｓに設定される。

本実施形態において、平滑部１２ｃは、Ａ／Ｄ変換部１２ｂが出力するデジタルのセンサ信号を入力として、１００サンプルの移動平均値を導出し、さらに移動平均値の５０サンプル毎の中央値（メジアン）をとる。すなわち、平滑部１２ｃは、Ａ／Ｄ変換部１２ｂが出力するデジタルのセンサ信号に対して移動平均処理およびメジアン処理を行うことで、図３に示すように平滑されたデジタルのセンサ信号を出力する。

解析部１２ｄは、平滑部１２ｃによって平滑されたセンサ信号を記憶し、この記憶したセンサ信号に対して自己回帰モデルを適用して、自己回帰モデルの自己回帰係数からなる回帰係数ベクトルを求める解析処理を行う。解析部１２ｄは数１に示す自己回帰モデルを用いる。数１は、解析部１２ｄに入力されたセンサ信号の自己回帰モデルであり、説明変数行列［Ｘ］に回帰係数ベクトル［ａ］を乗算した値に、誤差項［ｅ］を足し合わせることで、目的変数ベクトル［Ｙ］が求められる。なお、［ ］はベクトルを表す。

目的変数ベクトル［Ｙ］、説明変数行列［Ｘ］、回帰係数ベクトル［ａ］、誤差ベクトル［ｅ］は、３次の自己回帰モデルの場合、数２に表される。なお、数２は、説明のために３次の自己回帰モデルを示しているが、解析部１２ｄが用いる自己回帰モデルの次数は３次に限定されるものではない。

目的変数ベクトル［Ｙ］は、時系列的に連続するセンサ信号の値（平滑部１２ｃの出力）を目的変数Ｙ（ｎ）〜Ｙ（ｎ−４）とする行ベクトルである。説明変数行列［Ｘ］は、時系列的に連続するセンサ信号の値（平滑部１２ｃの出力）を説明変数Ｙ（ｎ−１）〜Ｙ（ｎ−７）とする５×３の行列である。回帰係数ベクトル［ａ］の成分は、自己回帰係数ａであり、３次の自己回帰モデルである数２では、自己回帰係数ａ１，ａ２，ａ３を回帰係数ベクトル［ａ］の成分としている。誤差ベクトル［ｅ］は、５つの成分ｅ（ｎ）〜ｅ（ｎ−４）からなる行ベクトルである。Ｙ（ｎ）〜Ｙ（ｎ−７）は、図４に示すように、時系列的に連続するセンサ信号の値である。なお、ｎは正の整数であり、（ｎ）、（ｎ−１）、（ｎ−２）、（ｎ−３）．．．は、サンプルの識別符号を示す。

そして、解析部１２ｄは、数３に示す式を用いて、回帰係数ベクトル［ａ］を決定して、自己回帰係数ａ（例えば、ａ１，ａ２，ａ３）を求める。この場合、誤差ベクトル［ｅ］が最小となるように、回帰係数ベクトル［ａ］が決定される（最小二乗解）。例えば２次の自己回帰モデルを用いた場合、自己回帰モデルは、図５のベクトル図のように表される。［Ｘ］［ａ］は、［Ｘ１］［ａ１］と［Ｘ２］［ａ２］との和であり、［Ｘ］［ａ］と［Ｙ］との差が誤差項［ｅ］となる。そして、この誤差ベクトル［ｅ］が最小となるように、回帰係数ベクトル［ａ］が決定される。

また、解析部１２ｄは、数４に示す式を用いて、回帰係数ベクトル［ａ］を決定することもできる。この場合、回帰係数ベクトル［ａ］は、最小二乗平均誤差解として求められる。なお、数４中のσ^２ｎは背景雑音の分散値であり、σ^２ｓは信号（本実施形態では人体９の呼吸信号）の分散値であり、Ｉは単位行列である。

また、解析部１２ｄは、ＱＲ分解を用いて回帰係数ベクトル［ａ］を決定することもできる。

解析部１２ｄが決定した回帰係数ベクトル［ａ］は、センサ信号の時間軸波形（センサ１１の出力）の特徴が反映されている。このセンサ信号の時間軸波形は、周波数、振幅だけでなく、単位時間当たりの周波数の変化量、単位時間当たりの振幅の変化量等の各要素によって決まる。すなわち、回帰係数ベクトル［ａ］は、センサ信号の時間軸波形を構成する各要素が反映されており、回帰係数ベクトル［ａ］は、センサ信号の時間軸波形毎に異なるといえる。

そして、解析部１２ｄは、平滑部１２ｃによって平滑されたセンサ信号を記憶しており、図３に示すように、解析期間Ｔ１内のセンサ信号（平滑部１２ｃの出力）に対して、回帰係数ベクトル［ａ］を決定する上述の解析処理を行う。本実施形態において、解析期間Ｔ１＝０．８（秒）に設定されている。

さらに解析部１２ｄは、図３に示すように、次回の解析期間Ｔ１の始点を前回の解析期間Ｔ１の始点からシフト時間Ｔ２（秒）ずらすことで、解析処理を繰り返し行う。すなわち、次回の解析期間Ｔ１は、前回の解析期間Ｔ１からシフト時間Ｔ２だけ遅れて設定される。本実施形態において、シフト時間Ｔ２＝０．２秒に設定されている。すなわち、解析部１２ｄは、１回の解析処理に要する時間がシフト時間Ｔ２未満であり、実行中の解析処理が終了した後、シフト時間Ｔ２だけ遅らせた次回の解析期間Ｔ１の解析処理を行うことで、シフト時間Ｔ２毎に解析処理を行う。したがって、解析部１２ｄは、解析期間Ｔ１より短い周期で解析処理を繰り返すことができるので、一定時間当たりに実行できる解析処理の回数を多くして、解析処理の高効率化を図ることができる。

認識部１２ｆは、解析部１２ｄが決定した回帰係数ベクトル［ａ］を、データベース１２ｅの基準データと照合することによって、対象動作の有無を判定する。ここでは、認識部１２ｆは、対象動作として人体９の呼吸の有無を判定する。人体９の呼吸の有無の判定処理に用いられる基準データは、人体９が呼吸しているときのセンサ信号に対応する回帰係数ベクトル［ａ］を識別するためのデータである。

認識部１２ｆは、例えば、主成分分析（principal component analysis）によるパターン認識処理を行うことによって、人体９の呼吸の有無を判定することが好ましい。

学習部１２ｈは、センサ１１の検出範囲内に呼吸している人体９が存在する場合に、解析部１２ｄが決定した回帰係数ベクトル［ａ］を学習データとして取得する。さらに、学習部１２ｈは、センサ１１の検出範囲内に呼吸している人体９が存在しない場合に、解析部１２ｄが決定した回帰係数ベクトル［ａ］も学習データとして取得する。そして、学習部１２ｈは、学習データに対して主成分分析を施すことで得られた基準データを、データベース１２ｅに格納する。ここにおいて、データベース１２ｅに格納された基準データは、パターン認識に利用するデータであり、対象物の動きと射影ベクトル及び判別境界値とを対応付けたカテゴリデータである。学習部１２ｈは、センサ１１の検出範囲内に呼吸している人体９が存在する場合／存在しない場合のそれぞれにおいて、学習データを複数回取得する。

図６は、２次の自己回帰モデルを用いた場合に、２つの自己回帰係数ａ１，ａ２を互いに直交する座標軸とした場合の２次元散布図と射影軸Ｌ１及び認識境界Ｌ２とをイメージ的に説明するために２次元で図示したものである。主成分分析に対応する学習部１２ｈは、センサ１１の検出範囲に人体９が存在しない場合の学習データに対応するグループＧ０と、検出範囲に人体９が存在する場合の学習データに対応するグループＧ１とを設定する。そして、主成分分析に対応する学習部１２ｈは、グループＧ０，Ｇ１内の各散布点を射影軸上に射影したデータの分布（破線Ｍ０、実線Ｍ１で模式的に示してある）の平均値の間隔が最大となり、且つ、分散（variance）が最大となる条件で射影軸Ｌ１を決める。さらに、主成分分析に対応する学習部１２ｈは、検出範囲に人体９が存在する領域と検出範囲に人体９が存在しない領域との認識境界Ｌ２を決める。

そして、主成分分析を行う認識部１２ｆは、解析部１２ｄが決定した回帰係数ベクトル［ａ］を、データベース１２ｅの基準データ（図６参照）と照合することによって、人体９の呼吸の有無を判定する。

あるいは、認識部１２ｆは、重回帰分析を用いた認識アルゴリズムを行うことによって、人体９の呼吸の有無を判定することが好ましい。この場合も、データベース１２ｅに格納される基準データは、学習部１２ｈによって作成される。

あるいは、認識部１２ｆは、判別分析法を用いた認識アルゴリズムを行うことによって、人体９の呼吸の有無を判定することが好ましい。この場合も、データベース１２ｅに格納される基準データは、学習部１２ｈによって作成される。判別分析法には、無次元化ノルムを用いる方法、Ｆｉｓｈｅｒ正解率を用いる方法、マハラノビス距離を用いる方法等がある。これらの３つの判別分析法のうち、前者のほうが後者に比べてアルゴリズムが簡単になる。

そして、信号処理装置１２は、認識部１２ｆによる検出結果を出力する出力部１２ｇを備えている。出力部１２ｇは、認識部１２ｆにより人体９の呼吸が検出された場合、人体９の呼吸が検出されたことを示す出力信号を出力する。出力部１２ｇは、認識部１２ｆにより人体９の呼吸が検出されなかった場合、非検出であることを示す出力信号を出力する。

上述のように、信号処理装置１２は、解析部１２ｄと、データベース１２ｅと、認識部１２ｆとを備える。解析部１２ｄは、人体９（対象物）で反射した電波を受信するセンサ１１から出力される人体９の動きに応じたセンサ信号に対して解析期間Ｔ１に亘って自己回帰モデルを適用する。解析部１２ｄは、自己回帰モデルの自己回帰係数からなる回帰係数ベクトル［ａ］を求める解析処理を、解析期間Ｔ１を前回の解析期間Ｔ１よりシフト時間Ｔ２だけずらして順次行う。解析部１２ｄは、シフト時間Ｔ２を解析期間Ｔ１の時間長さより短く設定している。データベース１２ｅは、人体９の特定の動きである対象動作（例えば呼吸）が発生しているときのセンサ信号に対応する回帰係数ベクトル［ａ］を識別するための基準データを格納している。認識部１２ｆは、解析部１２ｄが求めた回帰係数ベクトル［ａ］を基準データと照合することによって、人体９の対象動作の有無を判定する。

ここで、人体９の呼吸を検出したセンサ信号は、低周波の非正弦波の波形となる。低周波の非正弦波の周期性信号の存在を検出する従来の手段としては、ＦＦＴ等による周波数分析を用いる手段や、センサ信号の時間軸波形自体を時間軸波形のサンプル信号と照合する手段がある。しかしながら、周波数分析を用いた方法では、０．１Ｈｚ以上の分解能がＦＦＴ処理に要求され、１回の解析処理に少なくとも１０秒以上のセンサ信号が必要であり、ハードウェア的なリソースが大きくなる。時間軸波形自体の照合を用いた方法でも、１回の解析処理に長時間のセンサ信号が必要となる。

一方、本実施形態の信号処理装置１２は、呼吸の１周期程度の解析期間Ｔ１を設定して、この解析期間Ｔ１のセンサ信号を用いて呼吸の有無を検出できる。すなわち、信号処理装置１２は、低速の非正弦波の周期性信号の解析に必要なセンサ信号の長さを短くできる。また、信号処理装置１２は、自己回帰モデルを用いた解析を行い、回帰係数ベクトル［ａ］を用いた認識処理を行うので、基準データのデータ量も少なくできる。また、信号処理装置１２は、解析期間Ｔ１より短い周期で解析処理を繰り返すことができるので、一定時間当たりに実行できる解析処理の回数を多くして、解析処理の高効率化を図ることができる。

したがって、信号処理装置１２は、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができる。なお、対象動作は、呼吸等の人体９の動きに限定されず、例えば犬、猫等の小動物の動き、窓、扉等の構造体の揺れ等を対象動作としてもよく、対象動作の具体的な内容は限定されない。

また、解析部１２ｄは、センサ信号の移動平均値に対して自己回帰モデルを適用し、解析期間Ｔ１の時間長さを、人体９の呼吸（対象動作）の周期に対応する時間長さに設定することが好ましい。

したがって、信号処理装置１２は、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができる。

また、認識部１２ｆは、判別分析または主成分分析または重回帰分析を用いることが好ましい。

したがって、信号処理装置１２は、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができる。

また、信号処理装置１２は、学習部１２ｈを備えることが好ましい。学習部１２ｈは、センサ信号に基づいて基準データを生成し、生成した基準データをデータベース１２ｅに格納する。

したがって、信号処理装置１２は、実際のセンサ信号から基準データを生成するので、対象動作の検出精度がさらに向上する。

さらに、信号処理装置１２は、複数の対象動作を検出対象とすることが好ましい。この場合、信号処理装置１２は、人体９の呼吸以外に、人の手足の動き、人の移動、犬、猫等の小動物の動き、窓、扉等の構造体の揺れ等を対象動作とすることができる。そして、データベース１２ｅには、複数の基準データを格納されている。複数の基準データのそれぞれは、複数の対象動作のそれぞれが発生しているときのセンサ信号に対応する回帰係数ベクトル［ａ］を識別するためのデータである。

そして、設定部１２ｉは、認識部１２ｆが判定する対象動作として、予め決められている複数の対象動作からいずれか１つを選択する。設定部１２ｉは、ユーザ操作可能なタッチパネル、スイッチ等で構成される。または、設定部１２ｉは、有線通信または無線通信を用いた遠隔操作によって、対象動作を選択してもよい。

ここで、検出対象となる対象動作によってセンサ信号の波形は異なる。したがって、解析部１２ｄの解析期間Ｔ１、シフト時間Ｔ２の最適値も、検出対象となる対象動作によって異なる。例えば、解析期間Ｔ１の時間長さは、対象動作の周期に等しい（あるいはほぼ等しい）値に設定されることが好ましい。シフト時間Ｔ２は、解析部１２ｄの１回の解析処理に要する時間より長く、且つ対象動作の波形の特徴点が現れる周期に一致（あるいはほぼ一致）する値に設定されることが好ましい。

そこで、調整部１２ｊは、複数の対象動作のそれぞれに対応する解析期間Ｔ１、シフト時間Ｔ２のデータを予め記憶している。そして、調整部１２ｊは、設定部１２ｉによって設定された対象動作に応じて、解析部１２ｄの解析期間Ｔ１、シフト時間Ｔ２を設定する。

そして、解析部１２ｄは、調整部１２ｊによって設定された解析期間Ｔ１、シフト時間Ｔ２を用いて、回帰係数ベクトル［ａ］を決定する解析処理を行う。認識部１２ｆは、設定部１２ｉによって設定された対象動作に対応する基準データを用いて、対象動作の有無を判定する。

設定部１２ｉは、複数の対象動作から選択する対象動作を一定時間毎に順次切り替えることもできる。この場合、解析部１２ｄは、解析期間Ｔ１、シフト時間Ｔ２を順次切り替えながら、回帰係数ベクトル［ａ］を決定する解析処理を行う。認識部１２ｆは、基準データを順次切り替えて、複数の対象動作のそれぞれの有無を判定する。

すなわち、データベース１２ｅは、複数の対象動作のそれぞれが発生しているときのセンサ信号に対応する回帰係数ベクトル［ａ］を識別するための複数の基準データを格納していることが好ましい。この場合、認識部１２ｆは、解析部１２ｄが求めた回帰係数ベクトル［ａ］を１つ以上の基準データと照合することによって、対象動作の有無を判定する。

したがって、信号処理装置１２は、複数の対象動作のそれぞれの有無を検出でき、汎用性が向上する。

また、認識部１２ｆの判定対象に設定された対象動作に応じて、解析期間Ｔ１の時間長さおよびシフト時間Ｔ２を変化させる調整部１２ｊを備えることが好ましい。

したがって、検出対象となる対象動作に適した解析期間Ｔ１、シフト時間Ｔ２が設定される。

さらに、上述の検出装置１は、人体９（対象物）で反射した電波を受信して、人体９の動きに応じたセンサ信号を出力するセンサ１１と、信号処理装置１２とを備えることを特徴とする。

したがって、検出装置１は、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができる。

また、センサ１１は、ドップラセンサ、またはＦＭＣＷ（Frequency Modulated Continuous Wave）方式を用いたセンサであることが好ましい。

したがって、検出装置１は、呼吸等のような微細な動きを検出することができる。

また、信号処理装置１２は、マイクロコンピュータ等で構成されたコンピュータを搭載しており、このコンピュータがプログラムを実行することによって、信号処理装置１２の各機能が実現されている。なお、信号処理装置１２を構成するコンピュータとしては、プログラムに従って動作するプロセッサおよびインターフェースを主なハードウェア構成として備える。この種のプロセッサとしては、ＤＳＰ（Digital Signal Processor）、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）等を含み、プログラムを実行することによって以下の信号処理装置１２の機能を実現することができれば、その種類は問わない。

また、プログラムの提供形態としては、コンピュータに読み取り可能なＲＯＭ（Read Only Memory）、光ディスク等の記録媒体に予め格納されている形態、インターネット等を含む広域通信網を介して記録媒体に供給される形態等がある。

すなわち、プログラムは、コンピュータを、信号処理装置１２として機能させることを特徴とする。

したがって、このプログラムを実行するコンピュータは、低周波の非正弦波のセンサ信号から、対象動作を精度よく検出することができ、且つ対象動作の検出処理の効率を向上させることができる。

なお、上述の実施の形態は本発明の一例である。このため、本発明は、上述の実施形態に限定されることはなく、この実施の形態以外であっても、本発明に係る技術的思想を逸脱しない範囲であれば、設計等に応じて種々の変更が可能であることは勿論である。

１ 検出装置
１１ センサ
１２ 信号処理装置
１２ａ 増幅部
１２ｂ Ａ／Ｄ変換部
１２ｃ 平滑部
１２ｄ 解析部
１２ｅ データベース
１２ｆ 認識部
１２ｇ 出力部
１２ｈ 学習部
１２ｉ 設定部
１２ｊ 調整部
９ 人体（対象物）

Claims (9)

1. 対象物で反射した電波を受信するセンサから出力される前記対象物の動きに応じたセンサ信号に対して解析期間に亘って自己回帰モデルを適用し、自己回帰モデルの自己回帰係数からなる回帰係数ベクトルを求める解析処理を、前記解析期間を前回の解析期間よりシフト時間だけずらして順次行い、前記シフト時間を前記解析期間の時間長さより短く設定した解析部と、
   前記対象物の特定の動きである対象動作が発生しているときの前記センサ信号に対応する前記回帰係数ベクトルを識別するための基準データを格納しているデータベースと、
   前記解析部が求めた前記回帰係数ベクトルを前記基準データと照合することによって、前記対象動作の有無を判定する認識部と
   を備えることを特徴とする信号処理装置。
2. 前記解析部は、前記センサ信号の移動平均値に対して自己回帰モデルを適用し、前記解析期間の時間長さを、前記対象動作の周期に対応する時間長さに設定することを特徴とする請求項１記載の信号処理装置。
3. 前記認識部は、判別分析または主成分分析または重回帰分析を用いることを特徴とする請求項１または２記載の信号処理装置。
4. 前記データベースは、複数の前記対象動作のそれぞれが発生しているときの前記センサ信号に対応する前記回帰係数ベクトルを識別するための複数の前記基準データを格納し、
   前記認識部は、前記解析部が求めた前記回帰係数ベクトルを１つ以上の前記基準データと照合することによって、前記対象動作の有無を判定する
   ことを特徴とする請求項１乃至３いずれか記載の信号処理装置。
5. 前記認識部の判定対象に設定された前記対象動作に応じて、前記解析期間の時間長さおよび前記シフト時間を変化させる調整部を備えることを特徴とする請求項１乃至４いずれか記載の信号処理装置。
6. 前記センサ信号に基づいて前記基準データを生成し、生成した前記基準データを前記データベースに格納する学習部を備えることを特徴とする請求項１乃至５いずれか記載の信号処理装置。
7. 対象物で反射した電波を受信して、前記対象物の動きに応じたセンサ信号を出力するセンサと、請求項１乃至６いずれか記載の信号処理装置とを備えることを特徴とする検出装置。
8. 前記センサは、ドップラセンサ、またはＦＭＣＷ（Frequency Modulated Continuous Wave）方式を用いたセンサであることを特徴とする請求項７記載の検出装置。
9. コンピュータを、請求項１乃至６いずれか記載の信号処理装置として機能させることを特徴とするプログラム。
   
   

Images