JP7457945B2 - 信号処理システム、及びセンサシステム - Google Patents
信号処理システム、及びセンサシステム Download PDFInfo
- Publication number
- JP7457945B2 JP7457945B2 JP2020076944A JP2020076944A JP7457945B2 JP 7457945 B2 JP7457945 B2 JP 7457945B2 JP 2020076944 A JP2020076944 A JP 2020076944A JP 2020076944 A JP2020076944 A JP 2020076944A JP 7457945 B2 JP7457945 B2 JP 7457945B2
- Authority
- JP
- Japan
- Prior art keywords
- series data
- radio wave
- time
- wave sensor
- data
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims description 101
- 230000000241 respiratory effect Effects 0.000 claims description 81
- 230000003044 adaptive effect Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 230000007547 defect Effects 0.000 claims description 17
- 230000000306 recurrent effect Effects 0.000 claims description 14
- 230000002123 temporal effect Effects 0.000 claims description 10
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 17
- 238000000034 method Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 230000015654 memory Effects 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 7
- 210000000467 autonomic pathway Anatomy 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 230000003321 amplification Effects 0.000 description 4
- 230000035559 beat frequency Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000036626 alertness Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 210000003403 autonomic nervous system Anatomy 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000005037 parasympathetic nerve Anatomy 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Radar Systems Or Details Thereof (AREA)
Description
本開示の一態様に係る信号処理システムは、データ推定部と、信頼度推定部と、補完部と、適応フィルタと、を備える。前記データ推定部は、人で反射された電波を受信する電波センサから出力された電波センサ信号に基づいて、前記人の生体情報の第1時系列データを推定する時系列データ推定処理を行う。前記信頼度推定部は、前記第1時系列データの信頼度を推定する。前記補完部は、前記信頼度に基づいて前記第1時系列データが欠損していると判定すれば、前記第1時系列データの履歴に基づいて前記第1時系列データの欠損部分を補完することで、第2時系列データを生成する。前記適応フィルタは、振動センサから出力された、前記電波センサ及び前記人の少なくとも一方の振動に応じた振動センサ信号に基づいて、前記振動の信号成分を減衰させるフィルタリング処理を前記電波センサ信号に施す。
(1.1)センサシステムの概要
図1は、第1実施形態のセンサシステムA1を示す。
本実施形態の電波センサ1は、FMCW(Frequency-Modulated Continuous-Wave)方式の電波センサである。電波センサ1は、図2に示すように、送受信器1a、送信アンテナ1b、及び受信アンテナ1cを備える。送受信器1aは、周波数(送信周波数)が時間の経過に伴って変化する送信波101を送信アンテナ1bから出力し、周波数(受信周波数)が時間の経過に伴って変化する受信波102を受信アンテナ1cを介して受信する。そして、送受信器1aは、送信周波数と受信周波数との周波数差に等しい周波数(ビート周波数)のビート信号を電波センサ信号Y1として生成する。信号処理システム2は、電波センサ1から電波センサ信号Y1を受け取り、電波センサ信号Y1のビート周波数に基づいて人90までの距離Lを求めることができる。なお、送信波101は、マイクロ波であることが好ましい。特に、送信波101の周波数は、24.15GHzであることが好ましい。但し、送信波101は、マイクロ波に限らず、ミリ波であってもよく、送信波101の周波数は特定の値に限定されない。
L=(fb・C・Ta)/(2・Δfa) ……… 式1
そして、電波センサ1は、電波センサ信号Y1(周波数fbのビート信号)として、同相(In-phase)成分及び直交(Quadrature)成分を含むIQ信号を出力する。なお、以降の説明では、同相成分をI成分と呼び、直交成分をQ成分と呼ぶことがある。
(1.3.1)信号処理システムの概要
信号処理システム2は、図3に示すように、受信部21、信号処理部22、判定部23、及び通信部24を備える。
本実施形態では図3に示すように、信号処理部22は、前処理部22a、データ推定部22b、信頼度推定部22c、補完部22d、及び記憶部22eを備える。
前処理部22aは、電波センサ信号Y1を増幅する増幅機能、及びデジタル信号に変換するAD変換機能を有しており、増幅されたデジタルの電波センサ信号Y11を生成する。さらに、前処理部22aは、電波センサ信号から異常値を除去又は減衰させるフィルタを備えていてもよい。電波センサ信号Y11は、電波センサ信号Y1に増幅処理、AD変換処理、及びフィルタ処理を施した信号であり、電波センサ信号Y1と実質的に同じ信号である。したがって、電波センサ信号Y1及び電波センサ信号Y11はともに、電波センサ1から出力された電波センサ信号とみなすことができる。なお、電波センサ1が、前処理部22aを備えてもよい。この場合、電波センサ1が、電波センサ信号Y11を出力する。
データ推定部22bは、電波センサ信号Y11に基づいて、人90の生体情報の第1時系列データD1を推定する時系列データ推定処理を行う。すなわち、データ推定部22bは、時系列データ推定処理によって、生体情報の推定結果である第1時系列データD1を生成する。
データ推定部22bが推定した生体情報の第1時系列データD1は、記憶部22eに格納される。すなわち、記憶部22eは、生体情報の第1時系列データD1の履歴を記憶する。本実施形態では、記憶部22eは、生体情報の第1時系列データD1として、第1呼吸波形D11のデータを記憶する。
データ推定部22bは、第1学習モデルM1を用いて、電波センサ信号Y11から、第1時系列データD1として第1呼吸波形D11を推定する。しかしながら、想定外の外乱が生じると、第1呼吸波形D11に欠損(第1呼吸波形D11のデータの欠け、第1呼吸波形D11のデータの劣化などを含む)が生じることがある。例えば、電波センサ1の想定外の振動、又は人90の想定外の揺動などのように、第1学習モデルM1にとって未学習、学習不足、又は長時間の強い外乱が生じると、第1学習モデルM1が推定する第1呼吸波形D11に欠損が生じることがある。すなわち、想定外の外乱によって、第1呼吸波形D11の信頼性が低下することがある。
補完部22dは、信頼度推定部22cが推定した信頼度に基づいて第1呼吸波形D11が欠損しているか否かを判定する。具体的に、補完部22dは、信頼度データR1を参照し、信頼度を予め決められた閾値と比較する。補完部22dは、信頼度が予め決められた閾値未満であれば、第1呼吸波形D11は欠損していると判定する。補完部22dは、信頼度が閾値以上であれば、第1呼吸波形D11は欠損していないと判定する。例えば、補完部22dは、図6の欠損期間T11における信頼度が閾値未満であるので、欠損期間T11において第1呼吸波形D11は欠損していると判定する。
判定部23は、生体情報の第2時系列データD2に基づいて、人90の状態を判定する。
通信部24は、判定部23の判定結果を、判定信号Y2として通知システム3へ送信する。通知システム3は、判定部23の判定結果に基づいた通知動作、又は警報動作などを行う。通知システム3は、判定部23の判定結果を管理者などへ通知する。通知システム3は、例えば管理者が用いるパーソナルコンピュータ、タブレット端末、スマートフォン、専用端末、又は車両の警報システムなどであることが好ましい。
図7は、第2実施形態のセンサシステムA2を示す。
図9は車両C1内に設置されたセンサシステムA1(図1参照)を示す。図9では、運転座席81に存在する運転者が人90に相当する。電波センサ1は、運転座席81の背もたれ811の内部に取り付けられて、人90の後方から送信波を発する。
センサシステムA1、A2は、住戸、工場、事務所、また店舗などの建造物に設置されてもよい。この場合、信号処理システム2、2Aは、建造物内の人90の生体情報の第2時系列データD2を生成する。
上述の実施形態に係る第1の態様の信号処理システム(2、2A)は、データ推定部(22b)と、信頼度推定部(22c)と、補完部(22d)と、を備える。データ推定部(22b)は、人(90)で反射された電波を受信する電波センサ(1)から出力された電波センサ信号(Y11)に基づいて、人(90)の生体情報の第1時系列データ(D1)を推定する時系列データ推定処理を行う。信頼度推定部(22c)は、第1時系列データ(D1)の信頼度を推定する。補完部(22d)は、信頼度に基づいて第1時系列データ(D1)が欠損していると判定すれば、第1時系列データ(D1)の履歴に基づいて第1時系列データ(D1)の欠損部分を補完することで、第2時系列データ(D2)を生成する。
2、2A 信号処理システム
22b データ推定部
22c 信頼度推定部
22d 補完部
22f 適応フィルタ
23 判定部
4 振動センサ
81 運転座席(座席)
90 人
Y1、Y11 電波センサ信号
Y4、Y41 振動センサ信号
D1 第1時系列データ
D11 第1呼吸波形(呼吸波形)
D2 第2時系列データ
D21 第2呼吸波形(呼吸波形)
M1 第1学習モデル(データ推定用の学習モデル)
M2 第2学習モデル(信頼度推定用の学習モデル)
Claims (11)
- 人で反射された電波を受信する電波センサから出力された電波センサ信号に基づいて、前記人の生体情報の第1時系列データを推定する時系列データ推定処理を行うデータ推定部と、
前記第1時系列データに欠損が生じていない可能性を示す値である信頼度を推定する信頼度推定部と、
前記信頼度に基づいて前記第1時系列データが欠損していると判定すれば、前記第1時系列データの欠損部分を前記第1時系列データの前記欠損部分以外の履歴を用いて補完することで、第2時系列データを生成する補完部と、を備える
信号処理システム。 - 前記データ推定部は、再帰型のニューラルネットワークによって構築されたデータ推定用の学習モデルを用いて、前記電波センサ信号から前記第1時系列データを推定する
請求項1の信号処理システム。 - 前記データ推定部は、前記電波センサ信号から前記第1時系列データの推定を開始するときに、前記学習モデルが用いる初期データとして、前記データ推定部が推定した過去の前記第1時系列データ又は予め決められた時系列データを用いる
請求項2の信号処理システム。 - 前記信頼度推定部は、前記第1時系列データを表す関数が不連続となれば、前記信頼度を低下させる
請求項1乃至3のいずれか1つの信号処理システム。 - 前記信頼度推定部は、再帰型のニューラルネットワークによって構築された信頼度推定用の学習モデルを用いて、前記電波センサ信号及び前記第1時系列データの少なくとも一方から前記信頼度を推定する
請求項1乃至4のいずれか1つの信号処理システム。 - 人で反射された電波を受信する電波センサから出力された電波センサ信号に基づいて、前記人の生体情報の第1時系列データを推定する時系列データ推定処理を行うデータ推定部と、
前記第1時系列データの信頼度を推定する信頼度推定部と、
前記信頼度に基づいて前記第1時系列データが欠損していると判定すれば、前記第1時系列データの履歴に基づいて前記第1時系列データの欠損部分を補完することで、第2時系列データを生成する補完部と、
振動センサから出力された、前記電波センサ及び前記人の少なくとも一方の振動に応じた振動センサ信号に基づいて、前記振動の信号成分を減衰させるフィルタリング処理を前記電波センサ信号に施す適応フィルタと、を備える
信号処理システム。 - 前記第1時系列データは、前記人の呼吸波形である
請求項1乃至6のいずれか1つの信号処理システム。 - 前記第2時系列データに基づいて前記人の状態を判定する判定部を更に備える
請求項1乃至7のいずれか1つの信号処理システム。 - 前記第2時系列データに基づいて前記人の呼吸波形の時間変動を検出し、前記時間変動に基づいて前記人の状態を判定する判定部を更に備える
請求項7の信号処理システム。 - 請求項1乃至9のいずれか1つの信号処理システムと、
前記電波センサと、を備える
センサシステム。 - 前記電波センサは、車両の座席に配置される
請求項10のセンサシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020076944A JP7457945B2 (ja) | 2020-04-23 | 2020-04-23 | 信号処理システム、及びセンサシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020076944A JP7457945B2 (ja) | 2020-04-23 | 2020-04-23 | 信号処理システム、及びセンサシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021171271A JP2021171271A (ja) | 2021-11-01 |
JP7457945B2 true JP7457945B2 (ja) | 2024-03-29 |
Family
ID=78278578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020076944A Active JP7457945B2 (ja) | 2020-04-23 | 2020-04-23 | 信号処理システム、及びセンサシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7457945B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221696A (zh) | 2010-04-14 | 2011-10-19 | 中国科学院电子学研究所 | 稀疏微波成像方法 |
JP2017190076A (ja) | 2016-04-14 | 2017-10-19 | タカタ株式会社 | バックル及び車載システム |
US20180049669A1 (en) | 2016-08-17 | 2018-02-22 | The Regents Of The University Of Colorado, A Body Corporate | Apparatus and methods for continuous and fine-grained breathing volume monitoring |
JP2019037390A (ja) | 2017-08-23 | 2019-03-14 | アイシン精機株式会社 | 生体情報検出装置、および車両用センサシステム |
CN109965858A (zh) | 2019-03-28 | 2019-07-05 | 北京邮电大学 | 基于超宽带雷达人体生命体征检测方法和装置 |
-
2020
- 2020-04-23 JP JP2020076944A patent/JP7457945B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221696A (zh) | 2010-04-14 | 2011-10-19 | 中国科学院电子学研究所 | 稀疏微波成像方法 |
JP2017190076A (ja) | 2016-04-14 | 2017-10-19 | タカタ株式会社 | バックル及び車載システム |
US20180049669A1 (en) | 2016-08-17 | 2018-02-22 | The Regents Of The University Of Colorado, A Body Corporate | Apparatus and methods for continuous and fine-grained breathing volume monitoring |
JP2019037390A (ja) | 2017-08-23 | 2019-03-14 | アイシン精機株式会社 | 生体情報検出装置、および車両用センサシステム |
CN109965858A (zh) | 2019-03-28 | 2019-07-05 | 北京邮电大学 | 基于超宽带雷达人体生命体征检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021171271A (ja) | 2021-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3361462B1 (en) | Arousal level assessment system and arousal level assessment method | |
US10583842B1 (en) | Driver state detection based on glycemic condition | |
EP3531350B1 (en) | Deep learning neural network based security system and control method therefor | |
US8957779B2 (en) | Drowsy driver detection system | |
US6753780B2 (en) | Vehicle occupant detection system and method using radar motion sensor | |
WO2003020128A2 (en) | Patient monitoring and alarm processing system using an expert system | |
US11380181B2 (en) | Doppler radar system with machine learning applications for fall prediction and detection | |
JP6561852B2 (ja) | 心拍検出装置 | |
CN111374641B (zh) | 睡眠特征事件的识别方法、装置、计算机设备和存储介质 | |
WO2020055652A2 (en) | Biometric data capturing and analysis | |
KR20180007511A (ko) | 운전자 특성을 고려한 운전 지원 장치 및 방법 | |
JP7457945B2 (ja) | 信号処理システム、及びセンサシステム | |
CN114442079A (zh) | 目标对象的跌倒检测方法及装置 | |
JP2021071326A (ja) | 信号処理システム、及びセンサシステム | |
CN116269297A (zh) | 基于雷达的生命体征检测方法、装置、雷达及存储介质 | |
JP6597524B2 (ja) | 生体情報記録装置 | |
Chen et al. | A Novel Scheme for Suppression of Human Motion Effects in Non-Contact Heart Rate Detection | |
KR20200081703A (ko) | Ultra-Wide Band 레이더를 이용한 차량내 승객 감지 시스템 및 방법 | |
WO2018167897A1 (ja) | 生体情報検出装置、及び、生体情報検出プログラム | |
US20220095950A1 (en) | Systems and methods for breathing detection and rate estimation using wireless communication signals | |
JP2018191780A (ja) | 状態推定装置、情報処理装置、状態推定システム | |
US20180304902A1 (en) | Enhanced message delivery | |
JP7211441B2 (ja) | 覚醒度推定装置、覚醒度推定方法、及びプログラム | |
JP5671408B2 (ja) | 覚醒度推定装置 | |
US20240172950A1 (en) | Systems and methods for vehicle occupant vital sign detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230123 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230818 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231023 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240301 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7457945 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |