特開 2020-124337 バイタル情報推定装置及びバイタル情報推定プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】特開2020-124337(P2020-124337A)

(43)【公開日】2020年8月20日

(54)【発明の名称】バイタル情報推定装置及びバイタル情報推定プログラム

(51)【国際特許分類】

   A61B 5/11 20060101AFI20200727BHJP

   A61B 5/113 20060101ALI20200727BHJP

   A61B 5/08 20060101ALI20200727BHJP

   A61B 5/02 20060101ALI20200727BHJP

【ＦＩ】

   A61B5/11 110

   A61B5/113

   A61B5/08

   A61B5/02 310Z

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

【全頁数】17

(21)【出願番号】特願2019-18120(P2019-18120)

(22)【出願日】2019年2月4日

【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 平成３０年７月１２日開催 国立大学法人電気通信大学主催「平成３０年度 電気通信大学情報理工学研究科情報・ネットワーク工学専攻 修士論文中間発表会」

(71)【出願人】

【識別番号】504133110

【氏名又は名称】国立大学法人電気通信大学

(74)【代理人】

【識別番号】110000925

【氏名又は名称】特許業務法人信友国際特許事務所

(72)【発明者】

【氏名】サイ コウチン

(72)【発明者】

【氏名】小花 貞夫

(72)【発明者】

【氏名】湯 素華

【テーマコード（参考）】

4C017

4C038

【Ｆターム（参考）】

4C017AA02

4C017AA09

4C017AA10

4C017AA14

4C017AB04

4C017AC40

4C017BC01

4C017BC11

4C038SS09

4C038SX05

4C038SX07

4C038VA16

4C038VB33

4C038VC20

(57)【要約】

【課題】被験者のバイタル情報を非接触で安定的に取得することができる、バイタル情報推定装置を提供する。
【解決手段】ＯＦＤＭを用いる無線通信装置とバイタル情報推定装置との間に被験者を寝かせる。すると、無線通信のパケットに被験者のバイタル情報に基づく変調が生じる。この変調成分を抽出して推定するために、パケットの電波強度データをサブキャリア毎に取得する。取得したサブキャリア毎の電波強度データに、ＢＰＦ、移動平均演算部で波形整形を行って電波強度粗データを生成する。その後、電波強度粗データから、平均値が平均値閾値以上であるサブキャリアのデータのみ抜粋する。そして平均値の大きい順にサブキャリア毎のデータを並べ替えた後、回帰推定部で呼吸数推定データ及び心拍数推定データを出力し、分類推定部で推定状態ラベルを出力する。
【選択図】図６

【特許請求の範囲】

【請求項1】

無線通信装置から送信された電波を受信する受信部と、
前記受信部が受信した電波の強度を複数のサブキャリア毎に出力する電波強度取得部と、
前記電波強度取得部から出力される電波強度生データについて、前記サブキャリア毎にＤＣ成分及び高周波成分を除去するバンドパスフィルタと、
前記バンドパスフィルタから出力されるデータについて、前記サブキャリア毎に移動平均を演算する移動平均演算部と、
前記移動平均演算部から出力される電波強度粗データについて、前記サブキャリア毎に平均値の大きい順に並べ替えて、所定のサブキャリア数だけ抜粋する有効データ選択処理部と、
前記有効データ選択処理部から出力される基本データについて、事前の学習処理によって作成された回帰学習パラメータを用いて回帰推定処理を行い、前記無線通信装置と受信部との間に存在する被験者の呼吸数を推定する呼吸数推定データと、前記被験者の心拍数を推定する心拍数推定データを出力する回帰推定部と
を具備する、バイタル情報推定装置。

【請求項2】

更に、
前記有効データ選択処理部から出力される基本データについて、事前の学習処理によって作成された分類学習パラメータを用いて分類推定処理を行い、前記被験者が通常状態であるか、無呼吸状態であるか、あるいはうつ伏せ状態であるかを示す推定状態ラベルを出力する分類推定部と
を具備する、請求項１に記載のバイタル情報推定装置。

【請求項3】

前記回帰学習パラメータは、前記基本データと、教師データである前記被験者の呼吸数を測定した呼吸数測定データ及び前記被験者の心拍数を測定した心拍数測定データとを用いて回帰学習を行う回帰学習部によって生成されるものであり、
前記分類学習パラメータは、前記基本データと、教師データである前記被験者の状態を観察した結果である状態ラベルを用いて分類学習を行う分類学習部によって生成されるものであり、
前記状態ラベルは、前記被験者が通常状態であるか、無呼吸状態であるか、あるいはうつ伏せ状態であるかを示すものである、
請求項２に記載のバイタル情報推定装置。

【請求項4】

前記有効データ選択処理部は、
前記電波強度粗データにおけるサブキャリア毎の電波強度の最大値を取得する最大値検出部と、
前記サブキャリア毎の電波強度の最大値を最大値閾値と比較して、前記最大値閾値以上のサブキャリアのみ選択する第一サブキャリア選択部と、
前記電波強度粗データにおけるサブキャリア毎の電波強度のピーク間隔を取得するピーク間隔検出部と、
前記サブキャリア毎の前記ピーク間隔に対して標準偏差を演算する標準偏差演算部と、
前記サブキャリア毎の前記ピーク間隔の前記標準偏差を標準偏差閾値と比較して、前記標準偏差閾値未満のサブキャリアのみ選択する第二サブキャリア選択部と、
前記電波強度粗データにおけるサブキャリア毎の電波強度の平均値を算出する平均値算出部と、
前記サブキャリア毎の前記電波強度の前記平均値を平均値閾値と比較して、前記平均値閾値以上のサブキャリアのみ選択する第三サブキャリア選択部と
を具備する、請求項３に記載のバイタル情報推定装置。

【請求項5】

計算機を、
無線通信装置から送信された電波を受信する受信部が受信した電波の強度について複数のサブキャリア毎に得られる電波強度生データについて、前記サブキャリア毎にＤＣ成分及び高周波成分を除去するバンドパスフィルタと、
前記バンドパスフィルタから出力されるデータについて、前記サブキャリア毎に移動平均を演算する移動平均演算部と、
前記移動平均演算部から出力される電波強度粗データについて、前記サブキャリア毎に平均値の大きい順に並べ替えて、所定のサブキャリア数だけ抜粋する有効データ選択処理部と、
前記有効データ選択処理部から出力される基本データについて、事前の学習処理によって作成された回帰学習パラメータを用いて回帰推定処理を行い、前記無線通信装置と受信部との間に存在する被験者の呼吸数を推定する呼吸数推定データと、前記被験者の心拍数を推定する心拍数推定データを出力する回帰推定部と
を具備する、バイタル情報推定装置として動作させるためのバイタル情報推定プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、電波を用いて被験者のバイタル情報を推定するバイタル情報推定装置及びバイタル情報推定プログラムに関する。

【背景技術】

【0002】

高齢者の人口は世界中で急増している。医学の進歩などにより人の寿命が伸びる一方、全人口に占める労働人口の割合は減少し、介護・医療スタッフの不足を始めとした様々な問題が生じている。近年では、現代社会におけるストレスの増加、生活習慣の不注意等の原因により、ＳＡＳ（Sleep apnea syndrome:睡眠時無呼吸症候群）等の呼吸に関わる疾患に罹患する患者の患者数が増加している。日本呼吸器学会の２０１４年３月における論文には、我が国のＳＡＳ潜在患者が約２５６万人に登るとの記述がある。また、厚生労働省の調査によれば、健康な乳児が乳幼児突然死症候群で突然死亡する要因の一つとして、うつ伏せで寝てしまうことが挙げられている。
以上のような、呼吸に関わる疾患を把握し、呼吸の不全に起因する事故を未然に防ぐために、呼吸を始めとする被験者のバイタル情報や被験者の姿勢の変化を計測することが求められている。

【0003】

特許文献１には、被験者の首筋に貼付することで被験者の睡眠または呼吸障害、身体活動、不整脈等を自動的に監視、スクリーニング、および／または報告するためのウェアラブルパッチに関する技術が開示されている。
特許文献２には、被験者の体表面の複数箇所に貼付したセンサの信号を無線にて送信する技術が開示されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特表２０１６−５１７３２４号公報

【特許文献2】特表２００８−５４３１２７号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

多くの従来技術における、被験者の睡眠時における脈拍や呼吸等のバイタル情報の取得は、例えば特許文献１や特許文献２に示されるように、センサ装置を被験者の皮膚に貼付する必要がある。このようなデバイスは被験者に不快感を与え、被験者の睡眠を妨害する要因になり、被験者のＱＯＬ（Quality of Life:生活の質）の低下にも繋がる。また、乳幼児に皮膚に接触貼付させるセンサ装置の適用は不向きである。
すなわち、呼吸障害の検出や呼吸不全に起因する事故を防止するために、被験者のバイタル情報を非接触で安定的に取得する技術の確立が求められている。

【0006】

本発明はかかる課題に鑑みてなされたものであり、被験者のバイタル情報を非接触で安定的に取得することができる、バイタル情報推定装置及びバイタル情報推定プログラムを提供することを目的とする。

【課題を解決するための手段】

【0007】

上記課題を解決するために、本発明のバイタル情報推定装置は、無線通信装置から送信された電波を受信する受信部と、受信部が受信した電波の強度を複数のサブキャリア毎に出力する電波強度取得部と、電波強度取得部から出力される電波強度生データについて、サブキャリア毎にＤＣ成分及び高周波成分を除去するバンドパスフィルタと、バンドパスフィルタから出力されるデータについて、サブキャリア毎に移動平均を演算する移動平均演算部とを具備する。更に、移動平均演算部から出力される電波強度粗データについて、サブキャリア毎に平均値の大きい順に並べ替えて、所定のサブキャリア数だけ抜粋する有効データ選択処理部と、有効データ選択処理部から出力される基本データについて、事前の学習処理によって作成された回帰学習パラメータを用いて回帰推定処理を行い、無線通信装置と受信部との間に存在する被験者の呼吸数を推定する呼吸数推定データと、被験者の心拍数を推定する心拍数推定データを出力する回帰推定部とを具備する。

【発明の効果】

【0008】

本発明によれば、被験者のバイタル情報を非接触で安定的に取得することができる、バイタル情報推定装置及びバイタル情報推定プログラムを提供することができる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

【図面の簡単な説明】

【0009】

【図1】本発明の実施形態に係るバイタル情報推定装置の使用状態を示す概略図である。

【図2】無線ＬＡＮルータのハードウェア構成を示すブロック図である。

【図3】バイタル情報推定装置のハードウェア構成を示すブロック図である。

【図4】バイタル情報推定装置の、学習フェーズにおけるソフトウェア機能を示すブロック図である。

【図5】有効データ選択処理部のソフトウェア機能を示すブロック図である。

【図6】バイタル情報推定装置の、推定フェーズにおけるソフトウェア機能を示すブロック図である。

【図7】無線ＬＡＮのサブキャリアを示す模式図である。

【図8】無線ＬＡＮのパケットの電波強度をサブキャリア毎及び時間軸上に展開した模式図である。

【図9】電波強度生データ及び電波強度粗データのデータ構造を示す概略図と、サブキャリア選択フラグリストのデータ構造を示す概略図である。

【図10】電波強度粗データのうち、あるサブキャリアの値を短期的に観察したグラフである。

【図11】電波強度粗データのうち、あるサブキャリアの値を長期的に観察したグラフである。

【発明を実施するための形態】

【0010】

［バイタル情報推定装置１０１：全体構成］
図１は、本発明の実施形態に係るバイタル情報推定装置１０１の全体構成を示すブロック図である。
バイタル情報推定装置１０１と無線ＬＡＮルータ１０２の間に、被験者１０３がベッド１０４に寝ている。周知のパソコンであるバイタル情報推定装置１０１は、無線ＬＡＮインターフェース（図３にて後述）を内蔵しており、同様に無線ＬＡＮインターフェース（図２にて後述）を内蔵する無線ＬＡＮルータ１０２と無線通信を行う。
無線ＬＡＮルータ１０２とバイタル情報推定装置１０１は、ＩＥＥＥ ８０２．１１シリーズに準拠する無線ＬＡＮの通信方式にて無線通信を行う。特に、ＩＥＥＥ ８０２．１１ａまたはＩＥＥＥ ８０２．１１ｇにおける二次変調方式に採用されるＯＦＤＭ（orthogonal frequency-division multiplexing:直交周波数分割多重方式）を変復調に利用する。これらのプロトコルは、互いに９０°位相が異なる３０サブキャリアを用いて、通信を行う。

【0011】

無線ＬＡＮルータ１０２は図示しないインターネットに接続されている。
バイタル情報推定装置１０１は、一般的なパソコンと同様に、無線ＬＡＮルータ１０２を介してインターネットに接続し、ｗｅｂブラウザを用いて任意のｗｅｂサイトを閲覧する等の機能を有する。そしてバイタル情報推定装置１０１はこの他に、無線ＬＡＮルータ１０２との無線通信を実行する際に、無線ＬＡＮルータ１０２から受信する電波の強度をリアルタイムに取得する。そして、電波の強度に重畳している被験者１０３のバイタル情報を推定する。

【0012】

なお、図１ではバイタル情報推定装置１０１と通信を行う装置として、無線ＬＡＮルータ１０２を例示しているが、必ずしも無線ＬＡＮルータ１０２である必要はない。例えばパソコンやスマートフォン等、バイタル情報推定装置１０１と無線ＬＡＮにて無線通信を実行することができる装置であればよい。これ以降、実施形態は無線ＬＡＮルータ１０２で説明するが、バイタル情報推定装置１０１と無線ＬＡＮにて無線通信を実行する装置を無線ＬＡＮルータ１０２に特定しない場合には「無線通信装置」と呼ぶ。

【0013】

［無線ＬＡＮルータ１０２：ハードウェア構成］
図２は、無線ＬＡＮルータ１０２のハードウェア構成を示すブロック図である。
マイコンよりなる無線ＬＡＮルータ１０２は、バス２０１に接続された、ＣＰＵ２０２、ＲＯＭ２０３、ＲＡＭ２０４、フラッシュメモリ等の不揮発性ストレージ２０５を備える。
バス２０１には更に、ネットワークインターフェース（図２中「ＮＩＣ」と表記）２０６及び無線ＬＡＮインターフェース（図２中「無線ＬＡＮ Ｉ／Ｆ」と表記）２０７が接続されている。
不揮発性ストレージ２０５には、ネットワークＯＳと、マイコンを無線ＬＡＮルータ１０２として稼働させるためのプログラムが格納されている。

【0014】

［バイタル情報推定装置１０１：ハードウェア構成］
図３は、バイタル情報推定装置１０１のハードウェア構成を示すブロック図である。
周知のパソコンであるバイタル情報推定装置１０１は、バス３０１に接続された、ＣＰＵ３０２、ＲＯＭ３０３、ＲＡＭ３０４、液晶ディスプレイ等の表示部３０５、キーボード及びマウス等のポインティングデバイスである操作部３０６、不揮発性ストレージ３０７を備える。
バス３０１には更に、無線ＬＡＮインターフェース（図３中「無線ＬＡＮ Ｉ／Ｆ」と表記）３０８が接続されている。
不揮発性ストレージ３０７には、ネットワークＯＳと、パソコンをバイタル情報推定装置１０１として稼働させるためのプログラムが格納されている。

【0015】

［バイタル情報推定装置１０１：学習フェーズにおけるソフトウェア機能］
図４は、バイタル情報推定装置１０１の、学習フェーズにおけるソフトウェア機能を示すブロック図である。なお、無線ＬＡＮルータ１０２のソフトウェア機能ブロックも図示している。
無線ＬＡＮルータ１０２は、情報処理部４０１を通じて所定のデータを送信部４０２から電波に載せてバイタル情報推定装置１０１へ送信する。
また逆に、無線ＬＡＮルータ１０２はバイタル情報推定装置１０１から送信される電波を受信部４０３で受信し、復調してデータを取得する。

【0016】

バイタル情報推定装置１０１は、無線ＬＡＮルータ１０２から送信される電波を受信部４０５で受信する。また逆に、バイタル情報推定装置１０１は情報処理部４０６を通じて所定のデータを送信部４０７から電波に載せて無線ＬＡＮルータ１０２へ送信する。
受信部４０５は受信した電波を復調してデータを取得し、情報処理部４０６に引き渡す。情報処理部４０６は取得したデータに所定の処理を施し、必要に応じて表示部３０５に表示する。あるいは、操作部３０６の操作情報に所定の加工を施してデータを生成し、送信部４０７を通じて無線ＬＡＮルータ１０２へ送信する。

【0017】

受信部４０５には電波強度取得部４０８が機能として含まれている。
無線ＬＡＮのプロトコルにおいては、実質的なデータの送受信を行っていないときも、１秒間に５０回、パケットの送受信が行われる。このパケットはＯＦＤＭにて変調された電波である。電波強度取得部４０８は、パケット１個につき、３０サブキャリア分の電波強度の集合体である電波強度生データを出力する。

【0018】

電波強度取得部４０８が出力する電波強度生データは、電波強度バッファ４０９に格納される。電波強度バッファ４０９はＲＡＭ上に形成されるリングバッファである。電波強度バッファ４０９は、電波強度生データを最低２分だけ記憶する。すなわち電波強度バッファ４０９には、１秒当たりパケット５０個×６０秒×２分×３０サブキャリア＝１８００００個の電波強度生データが格納される。なお、電波強度生データは、１サブキャリア当たり６０００個になる。

【0019】

電波強度バッファ４０９に格納された電波強度生データは、バンドパスフィルタ（図４中「ＢＰＦ」と略記、以下「ＢＰＦ」と略）４１０に入力される。ＢＰＦ４１０は電波強度生データに対するノイズフィルタとして機能し、３０サブキャリア毎に上限周波数及び下限周波数でフィルタリングを施す。なお、ＢＰＦ４１０を通すことで、電波強度生データに含まれるＤＣ成分は除去される。
ＢＰＦ４１０を通過した電波強度生データは、更に移動平均演算部４１１に入力される。移動平均演算部４１１は、３０サブキャリア毎に周知の移動平均演算処理を施す。こうして、移動平均演算部４１１は電波強度粗データ４１２を出力する。

【0020】

電波強度粗データ４１２は有効データ選択処理部４１３に入力される。次に、図５を参照して、有効データ選択処理部４１３の処理を説明する。
図５は、有効データ選択処理部４１３のソフトウェア機能を示すブロック図である。
先ず、電波強度粗データ４１２は、最大値検出部５０１に入力される。最大値検出部５０１は、３０サブキャリア毎の最大値を検出し、３０サブキャリア毎の最大値を列挙した最大値リスト５０２を出力する。

【0021】

最大値検出部５０１が出力した最大値リスト５０２は、第一サブキャリア選択部５０３に入力される。第一サブキャリア選択部５０３は内部にコンパレータ５０４を内蔵する。コンパレータ５０４は３０サブキャリア毎の最大値を予め定めた最大値閾値５０５と比較する。比較の結果、最大値閾値５０５以上の最大値を有するサブキャリアについては論理の「真」を出力する。出力した論理値は、サブキャリア選択フラグリスト５０６に記憶される。つまり、最大値閾値５０５以上の最大値を有するサブキャリアは、サブキャリア選択フラグリスト５０６において論理の「真」が記憶される。逆に、最大値閾値５０５未満の最大値を有するサブキャリアは、サブキャリア選択フラグリスト５０６において論理の「偽」が記憶される。

【0022】

サブキャリア選択フラグリスト５０６は、第一検査部５０７に入力される。第一検査部５０７は、サブキャリア選択フラグリスト５０６に含まれる論理の「真」のレコードの数が、予め定められた既定値以上であるか否かを確認する。例えば、予め定めた既定値は８サブキャリアに設定されるものとする。
仮に、論理の「真」のレコード数が既定値に満たない場合には、第一検査部５０７は入出力制御部４１４（図４参照）にその旨を通知する。入出力制御部４１４はこの通知を受けると、これ以降の処理を中断し、新たな電波強度生データに対して、ＢＰＦ４１０から処理を再開する。
もし、論理の「真」のレコード数が既定値に達している場合には、第一検査部５０７はピーク間隔検出部５０８を起動する。

【0023】

ピーク間隔検出部５０８は、電波強度粗データ４１２とサブキャリア選択フラグリスト５０６を読み込む。そして、電波強度粗データ４１２のうち、サブキャリア選択フラグリスト５０６にて論理の「真」のフラグが付されているサブキャリアに限って、ピーク間隔検出部５０８は、電波強度を時間軸で見た時の波形のピークを検出する。そして、ピークとピークの時間間隔をサブキャリア毎に出力する。こうして、ピーク間隔検出部５０８はピークとピークの時間間隔をサブキャリア毎に列挙したピーク間隔リスト５０９を出力する。
なお、これ以降に説明する処理において「サブキャリア毎に」と書かれる処理は、サブキャリア選択フラグリスト５０６にて論理の「真」のフラグが付されているサブキャリアに限定される。すなわち、サブキャリア選択フラグリスト５０６は、最終的に有効なデータであるサブキャリアを示すためのフラグのリストである。

【0024】

ピーク間隔リスト５０９は第二サブキャリア選択部５１０に入力される。第二サブキャリア選択部５１０は内部に標準偏差演算部５１１とコンパレータ５１２を内蔵する。標準偏差演算部５１１は、サブキャリア毎にピーク間隔の標準偏差を算出する。次に、コンパレータ５１２は標準偏差演算部５１１が算出した標準偏差を予め定めた標準偏差閾値５１３と比較する。比較の結果、標準偏差閾値５１３未満の標準偏差を有するサブキャリアについては論理の「真」を出力する。出力した論理値は、サブキャリア選択フラグリスト５０６に記憶される。つまり、ピーク間隔の標準偏差が標準偏差閾値５１３未満であるサブキャリアは、サブキャリア選択フラグリスト５０６において論理の「真」が記憶される。逆に、ピーク間隔の標準偏差が標準偏差閾値５１３以上であるサブキャリアは、サブキャリア選択フラグリスト５０６において論理の「偽」が記憶される。
ピーク間隔の標準偏差が標準偏差閾値５１３未満である、ということは、ピーク間隔の周期性が所定の値以上であることを意味する。

【0025】

サブキャリア選択フラグリスト５０６は、第二検査部５１４に入力される。第二検査部５１４は、第一検査部５０７と同様に、サブキャリア選択フラグリスト５０６に含まれる論理の「真」のレコードの数が、予め定められた既定値（例えば８サブキャリア）以上であるか否かを確認する。
もし、論理の「真」のレコード数が既定値に満たない場合には、第二検査部５１４は入出力制御部４１４にその旨を通知する。入出力制御部４１４はこの通知を受けると、これ以降の処理を中断し、新たな電波強度生データに対して、ＢＰＦ４１０から処理を再開する。
もし、論理の「真」のレコード数が既定値に達している場合には、第二検査部５１４は平均値算出部５１５を起動する。

【0026】

平均値算出部５１５は、電波強度粗データ４１２とサブキャリア選択フラグリスト５０６を読み込む。そして、電波強度粗データ４１２のうち、サブキャリア選択フラグリスト５０６にて論理の「真」のフラグが付されているサブキャリアに限り、当該サブキャリアの平均値を算出する。こうして、平均値算出部５１５は平均値をサブキャリア毎に列挙した平均値リスト５１６を出力する。

【0027】

平均値リスト５１６は第三サブキャリア選択部５１７に入力される。第三サブキャリア選択部５１７は内部にコンパレータ５１８を内蔵する。コンパレータ５１８は平均値リスト５１６に格納されているサブキャリア毎の平均値を予め定めた平均値閾値５１９と比較する。比較の結果、平均値閾値５１９以上の平均値を有するサブキャリアについては論理の「真」を出力する。出力した論理値は、サブキャリア選択フラグリスト５０６に記憶される。つまり、平均値が平均値閾値５１９以上であるサブキャリアは、サブキャリア選択フラグリスト５０６において論理の「真」が記憶される。逆に、平均値が平均値閾値５１９未満であるサブキャリアは、サブキャリア選択フラグリスト５０６において論理の「偽」が記憶される。

【0028】

サブキャリア選択フラグリスト５０６は、第三検査部５２０に入力される。第三検査部５２０は、第一検査部５０７及び第二検査部５１４と同様に、サブキャリア選択フラグリスト５０６に含まれる論理の「真」のレコードの数が、予め定められた既定値（例えば８サブキャリア）以上であるか否かを確認する。
もし、論理の「真」のレコード数が既定値に満たない場合には、第三検査部５２０は入出力制御部４１４にその旨を通知する。入出力制御部４１４はこの通知を受けると、これ以降の処理を中断し、新たな電波強度生データに対して、ＢＰＦ４１０から処理を再開する。
もし、論理の「真」のレコード数が既定値に達している場合には、第二検査部５１４はサブキャリア選択出力部５２１を起動する。

【0029】

サブキャリア選択出力部５２１は、電波強度粗データ４１２と平均値リスト５１６を読み込む。そして、サブキャリア毎に平均値リスト５１６に格納されている各サブキャリアの平均値により電波強度粗データ４１２の並べ替え（sort:ソート）を行い、上位から予め定められた既定値だけ（例えば８サブキャリア）を抜粋する。
サブキャリア選択出力部５２１が電波強度粗データ４１２から抜粋したサブキャリアのデータは、基本データ４１５として出力される。

【0030】

基本データ４１５は、電波強度粗データ４１２のうち、平均値の大きい順から所定のサブキャリア数（例えば８サブキャリア）だけ抜粋されたものである。このため、基本データ４１５のデータ構造は、サブキャリアの番号にかかわらず、平均値の大きい順から並べ替えられている。
なお、サブキャリア選択出力部５２１はサブキャリア選択フラグリスト５０６を読み込まない。何故なら、第三検査部５２０による検査を正常終了した時点で、サブキャリア選択出力部５２１が所定のサブキャリア数を選択するので、サブキャリア選択フラグリスト５０６はその役目を終えているからである。

【0031】

再び、図４に戻って、処理の説明を続ける。
有効データ選択処理部４１３が出力した基本データ４１５は、回帰学習部４１６に入力される。
回帰学習部４１６には、被験者１０３の体表面に貼付する形態の不図示のバイタル計測装置によって測定した教師データである呼吸数測定データ４１７と心拍数測定データ４１８が、基本データ４１５と共にリアルタイムで与えられている。すると、回帰学習部４１６は、これらのデータの回帰学習処理を実行して、回帰学習パラメータ４１９を出力する。なお、回帰学習部４１６としては、例えばサポートベクター回帰（Support Vector Regression:ＳＶＲ、以下「ＳＶＲ」と略）が用いられる。

【0032】

一方、有効データ選択処理部４１３が出力した基本データ４１５は、分類学習部４２０にも入力される。
分類学習部４２０には、被験者１０３の状態を示す教師データである状態ラベル４２１を、基本データ４１５と共にリアルタイムで与えられている。すると、分類学習部４２０は、状態ラベル４２１と基本データ４１５について分類学習処理を実行し、分類学習パラメータ４２２を出力する。なお、分類学習部４２０としては、例えばサポートベクターマシン（Support Vector Machine:ＳＶＭ、以下「ＳＶＭ」と略）が用いられる。また、状態ラベル４２１のラベルは以下の３通りが考えられる。
（１）被験者１０３が仰向けまたは横方向に寝ている状態で、正常な呼吸を行っている「通常状態」。
（２）被験者１０３が仰向けまたは横方向に寝ている状態で、呼吸が止まっている「無呼吸状態」。
（３）被験者１０３がうつ伏せに寝ている「うつ伏せ状態」。

【0033】

回帰学習部４１６が出力する回帰学習パラメータ４１９と、分類学習部４２０が出力する分類学習パラメータ４２２は、バイタル情報推定装置１０１の不揮発性ストレージ３０７にファイルとして保持される。そして、後述する推定フェーズにおいて使用される。

【0034】

入出力制御部４１４は、バイタル情報推定装置１０１の、電波強度バッファ４０９から回帰学習部４１６及び分類学習部４２０のデータ処理のシーケンス制御を実行する。電波強度バッファ４０９に格納される電波強度生データは、２分という長い時間幅を有する。バイタル情報推定装置１０１の処理能力を効果的に使用するために、電波強度取得部４０８から出力される電波強度生データを２分毎に区切って処理を行うのではなく、先行するデータの処理が終わった時点でリングバッファである電波強度バッファ４０９から順次取り出して処理を行うことが望ましい。

【0035】

例えば、電波強度バッファ４０９に１５時３０分１３秒から１５時３０分１５秒までの電波強度生データが格納されている状態で、１５時３０分１５秒に処理を開始して、１５時３０分１６秒に処理を完遂したとする。この時点で、電波強度バッファ４０９には１５時３０分１４秒から１５時３０分１６秒までの電波強度生データが格納されている。そこで、電波強度バッファ４０９から即座に１５時３０分１４秒から１５時３０分１６秒までの電波強度生データを取り出して処理を実行する。

【0036】

［バイタル情報推定装置１０１：推定フェーズにおけるソフトウェア機能］
図６は、バイタル情報推定装置１０１の推定フェーズにおけるソフトウェア機能を示すブロック図である。
なお、図６において、図４と同じ機能ブロックについては同一の符号を付して、説明を省略する。すなわち、図４と図６との相違点は、基本データ４１５を処理する回帰推定部６０１、分類推定部６０２以降の機能ブロックのみである。図４と図６は、基本データ４１５を生成する処理までは同一である。

【0037】

有効データ選択処理部４１３が出力した基本データ４１５は、回帰推定部６０１に入力される。
回帰推定部６０１は、基本データ４１５がリアルタイムで与えられると、回帰学習パラメータ４１９を読み込んで回帰推定処理を実行し、被験者１０３の呼吸数推定データ６０３と心拍数推定データ６０４を出力する。

【0038】

一方、有効データ選択処理部４１３が出力した基本データ４１５は、分類推定部６０２にも入力される。
分類推定部６０２は、基本データ４１５がリアルタイムで与えられると、分類学習パラメータ４２２を読み込んで分類推定処理を実行し、被験者１０３の推定状態ラベル６０５を出力する。この推定状態ラベル６０５は、被験者１０３が通常状態であるか、無呼吸状態であるか、あるいはうつ伏せ状態であるかを示す。

【0039】

回帰推定部６０１が出力する呼吸数推定データ６０３及び心拍数推定データ６０４と、分類推定部６０２が出力する推定状態ラベル６０５は、バイタル情報推定装置１０１の表示部３０５に表示され、あるいは不揮発性ストレージ３０７に記憶される。他にも、任意の情報処理装置へ出力されて、様々な用途に供される。特に、推定状態ラベル６０５が無呼吸状態及びうつ伏せ状態である場合は、被験者１０３が健康上危険な状態に陥る可能性が高いので、何らかのアラームを発することが好ましい。

【0040】

入出力制御部４１４は、バイタル情報推定装置１０１の、電波強度バッファ４０９から回帰推定部６０１及び分類推定部６０２のデータ処理のシーケンス制御を実行する。電波強度バッファ４０９に格納される電波強度生データは、２分という長い時間幅を有する。しかし、バイタル情報推定装置１０１のリアルタイム性を確保するために、電波強度取得部４０８から出力される電波強度生データを２分毎に区切って処理を行う必要はなく、先行するデータの処理が終わった時点で、リングバッファである電波強度バッファ４０９から順次取り出して処理を行うことが望ましい。

【0041】

図４、図５及び図６を見てわかるように、ＢＰＦ４１０、移動平均演算部４１１、有効データ選択処理部４１３、回帰学習部４１６、分類学習部４２０、回帰推定部６０１、分類推定部６０２は、プログラムで構成される。また、バイタル情報推定装置１０１は一般的なパソコンであり、無線ＬＡＮルータ１０２も市販品に何ら手を加えることなくそのまま利用できる。すなわち、汎用機器に本発明に係るプログラムを実行することで、本発明に係るバイタル情報推定装置１０１を実現できる。

【0042】

［データ構造］
図７は、無線ＬＡＮのサブキャリアを示す模式図である。横軸は周波数であり、縦軸はレベルである。
ＯＦＤＭを採用する無線ＬＡＮの電波は、互いに９０°の位相差を有する３０サブキャリアにて構成される。９０°の位相差があるため、隣接するサブキャリア同士は混変調の影響を受けないという利点がある。

【0043】

図８は、無線ＬＡＮのパケットの電波強度をサブキャリア毎に周波数軸上及び時間軸上に展開した模式図である。
無線通信装置は、１秒間に５０回、パケットをバイタル情報推定装置１０１へ送信する。このパケットは前述の通り、３０サブキャリアを含む。
図４を見ると、無線通信装置から送信されるパケットがバイタル情報推定装置１０１に到達する途中に、被験者１０３が存在する。被験者１０３の心拍によって生じる血液の流れや、被験者１０３の呼吸は、パケットに対して何らかの変調となってパケットに重畳される。すなわち、無線ＬＡＮのパケットは５０Ｈｚのサンプリングクロックで被験者１０３のバイタル情報を検出する信号であると考えることができる。被験者１０３のバイタル情報は、図８に示されるパケットの電波強度の、時間軸上の振幅や位相の変動等に現れるものと考えられる。

【0044】

一方、無線通信全般に言えることであるが、無線通信にはフェージングやノイズの混入等、信号の品質を悪化させる要素が多く重畳される。またこれらノイズ要素は、全てのサブキャリアに対して一様に生じることは少なく、サブキャリア毎にランダムに発生することが多い。
単一の周波数の電波で被験者１０３のバイタル情報をサンプリングしようとすると、上述のノイズ要素によってＳ／Ｎ比が悪化し、バイタル情報の推定が正常に行われない。しかし、複数の周波数の電波であれば、ある１個の周波数の電波のＳ／Ｎ比が悪化しても、他の周波数の電波で補完することが可能になる。
ＯＦＤＭは、一つの通信において複数のサブキャリアを持つので、本発明のバイタル情報推定装置１０１に適している。

【0045】

被験者のバイタル情報の取得を変動等が大きい電波を用いて行うため、ノイズ除去や不適切なデータの排除等の前処理が重要になる。このため、本発明の実施形態に係るバイタル情報推定装置１０１では、ＢＰＦ４１０で不要な高周波成分とＤＣ成分を除去し、移動平均演算部４１１で変動成分が抑制された電波強度粗データ４１２を得た。その上で更に、有効データ選択処理部４１３にて、電波強度粗データ４１２に３つの条件を課して、電波強度粗データ４１２のうち有効なサブキャリアのデータのみで構成される基本データ４１５を生成した。

【0046】

改めて以下に、有効データ選択処理部４１３にて実行する３つの条件を列挙する。
＜第一の条件＞
最大値検出部５０１にて、サブキャリア毎の電波強度の最大値を取得する。
そして、第一サブキャリア選択部５０３にて、電波強度の最大値が所定の最大値閾値５０５以上（電波強度が所定値以上である）のサブキャリアのみ選択する。
但し、選択されたサブキャリア数が規定サブキャリア数に満たない場合には、第一検査部５０７にて現在処理中の電波強度粗データ４１２を破棄する。

【0047】

＜第二の条件＞
第一の条件をクリアしたサブキャリアについて、ピーク間隔検出部５０８にてサブキャリア毎のピーク同士の間隔を計測し、標準偏差演算部５１１にてそれら間隔の標準偏差を算出する。
そして、第二サブキャリア選択部５１０にて、標準偏差が所定の標準偏差閾値５１３を下回る（周期性が所定値以上である）サブキャリアのみ選択する。
但し、選択されたサブキャリア数が規定サブキャリア数に満たない場合には、第二検査部５１４にて現在処理中の電波強度粗データ４１２を破棄する。

【0048】

＜第三の条件＞
第一及び第二の条件をクリアしたサブキャリアについて、平均値算出部５１５にて電波強度の平均値を算出する。
そして、第三サブキャリア選択部５１７にて、平均値が所定の平均値閾値５１９以上のサブキャリアのみ選択する。
次に、サブキャリア選択出力部５２１にて、電波強度の強い順から規定サブキャリア数のデータのみ選択し、基本データ４１５を出力する。
但し、選択されたサブキャリア数が規定サブキャリア数に満たない場合には、第三検査部５２０にて現在処理中の電波強度粗データ４１２を破棄する。

【0049】

有効データ選択処理部４１３にて選択され、電波強度の平均値の大きい順に並べ替えられた基本データ４１５を生成することで、電波強度のデータを機械学習処理に適した形式に変換することができる。

【0050】

図９Ａは、電波強度生データ及び電波強度粗データ４１２のデータ構造を示す概略図である。
第一サブキャリアから第三十サブキャリアまで、３０のサブキャリア毎に、時刻ｔ００１から時刻ｔ６０００まで、パケットの電波強度が格納される。
第一サブキャリアの時刻ｔ００１にはデータＤＡ９０１が、時刻ｔ００２にはデータＤＡ９０２が、…時刻ｔ６０００にはデータＤＡ９６０００が、格納される。
第二サブキャリアの時刻ｔ００１にはデータＤＢ９０１が、時刻ｔ００２にはデータＤＢ９０２が、…時刻ｔ６０００にはデータＤＢ９６０００が、格納される。
第三十サブキャリアの時刻ｔ００１にはデータＤＡＤ９０１が、時刻ｔ００２にはデータＤＡＤ９０２が、…時刻ｔ６０００にはデータＤＡＤ９６０００が、格納される。

【0051】

図９Ｂは、サブキャリア選択フラグリスト５０６のデータ構造を示す概略図である。
サブキャリア選択フラグリスト５０６には、第一サブキャリアから第三十サブキャリアまで、３０のサブキャリア毎に、当該サブキャリアが有効であるか否かを示すフラグが格納される。図９Ｂ中、論理の「真」を「ＯＫ」、論理の「偽」を「ＮＧ」と表記している。

【0052】

図１０は、電波強度粗データ４１２のうち、あるサブキャリアの値を短期的に観察したグラフである。横軸は時間であり、縦軸は電波強度の変動値である。縦軸は電波強度そのものではなく、ＢＰＦ４１０を通過しているため、電波強度のＤＣ成分が除去されていることに注意されたい。
サブキャリアの波形自体は、心拍に類似する波形である。したがって、この波形のピーク同士から心拍を推定することが可能になる。
波形Ｗ１００１及び波形Ｗ１００２は、呼吸による影響によって、心拍を表すピークの振幅に変動が生じる有り様を示している。
拡大波形Ｗ１００３は、心拍による影響によって、心拍のピークとピークの間に変動が生じる有り様を示している。
回帰推定部６０１は、これら波形の特徴を捉えて、呼吸数及び心拍数の推定データを出力する。

【0053】

図１１は、電波強度粗データ４１２のうち、あるサブキャリアの値を長期的に観察したグラフである。横軸は時間であり、縦軸は電波強度の変動値である。
図１１に示すグラフは、被験者１０３が通常状態にあるとき、無呼吸状態にあるとき、寝返り動作を行ったとき、うつ伏せ状態にあるときの４種類の状態を示している。
波形Ｗ１１０１は、被験者１０３が通常状態にある時の電波強度の変動値の波形である。
被験者１０３が通常状態では、電波強度の変動値の振幅は±０．２程度と、比較的大きめである。
波形Ｗ１１０２は、被験者１０３が無呼吸状態にある時の電波強度の変動値の波形である。
被験者１０３が無呼吸状態では、電波強度の変動値の振幅は±０．１未満程度と、極端に小さくなる。
波形Ｗ１１０３は、被験者１０３が寝返り動作を行った時の電波強度の変動値の波形である。
被験者１０３が寝返り動作を行ったときには、電波強度の変動値に大きな変化が生じる。
波形Ｗ１１０３ｈ４は、被験者１０３がうつ伏せ状態にある時の電波強度の変動値の波形である。
被験者１０３がうつ伏せ状態では、電波強度の変動値の振幅は±０．１程度であるが、電波強度の変動値の上昇と下降に偏りが生じる、特徴的な波形が現れる。
分類推定部６０２は、これら波形の特徴を捉えて、被験者１０３が通常状態であるか、無呼吸状態であるか、あるいはうつ伏せ状態であるかを推定し、推定状態ラベル６０５を出力する。

【0054】

以上説明した本発明の実施形態は、以下のような変形例を採り得る。
（１）回帰推定部６０１には、ＳＶＲの他、以下に示す教師あり回帰学習アルゴリズムが利用可能である。
線形回帰、ロジスティクス回帰、回帰木、ＡＲ，ＭＡ，（ｓ）ＡＲＩＭＡモデル、状態空間モデル、ランダムフォレスト、勾配ブースティング木、パーセプトロン、ＣＮＮ、ＲＮＮ、ＲｅｓＮｅｔ
（２）分類推定部６０２には、ＳＶＭの他、以下に示す教師あり分類学習アルゴリズムが利用可能である。
決定木、ナイーブベイズ、ＫＮＮ、ブースティング、ランダムフォレスト、勾配ブースティング木、パーセプトロン、ＣＮＮ、ＲＮＮ、ＲｅｓＮｅｔ
（３）本発明の実施形態に係るバイタル情報推定装置１０１が使用する無線通信は、ＯＦＤＭ等の、複数のサブキャリアを用いる無線通信方式であれば、必ずしも無線ＬＡＮでなくてもよい。例えば第３．９世代移動通信システム、第４世代移動通信システム等が挙げられる。

【0055】

本発明の実施形態においては、バイタル情報推定装置１０１を開示した。
ＯＦＤＭを用いる無線通信装置とバイタル情報推定装置１０１との間に被験者１０３を寝かせる。すると、無線通信のパケットに被験者１０３のバイタル情報に基づく変調が生じる。この変調成分を抽出して推定するために、パケットの電波強度データをサブキャリア毎に取得する。取得したサブキャリア毎の電波強度データに、ＢＰＦ４１０、移動平均演算部４１１で波形整形を行って電波強度粗データ４１２を生成する。その後、電波強度粗データ４１２から、最大値が最大値閾値５０５以上、かつピーク間隔の標準偏差が標準偏差閾値５１３未満、かつ平均値が平均値閾値５１９以上であるサブキャリアのデータのみ抜粋する。そして平均値の大きい順にサブキャリア毎のデータを並べ替えた後、回帰推定部６０１で呼吸数推定データ６０３及び心拍数推定データ６０４を分類推定部６０２で推定状態ラベル６０５を出力する。

【0056】

以上の処理は全てソフトウェアにて実行が可能であり、特殊なハードウェア等を作成する必要が全くない。このため、既存の設備をそのまま流用して、被験者１０３のバイタル情報を推定することが可能である。すなわち、既存の設備にソフトウェアをインストールするだけで、極めて低コストにて、独居老人の見守りや、乳幼児の見守り等を実現することが可能である。

【0057】

以上、本発明の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、他の変形例、応用例を含む。

【0058】

１０１…バイタル情報推定装置、１０２…無線ＬＡＮルータ、１０３…被験者、１０４…ベッド、２０１…バス、２０２…ＣＰＵ、２０３…ＲＯＭ、２０４…ＲＡＭ、２０５…不揮発性ストレージ、２０６…ネットワークインターフェース、２０７…無線ＬＡＮインターフェース、３０１…バス、３０２…ＣＰＵ、３０３…ＲＯＭ、３０４…ＲＡＭ、３０５…表示部、３０６…操作部、３０７…不揮発性ストレージ、３０８…無線ＬＡＮインターフェース、４０１…情報処理部、４０２…送信部、４０３…受信部、４０５…受信部、４０６…情報処理部、４０７…送信部、４０８…電波強度取得部、４０９…電波強度バッファ、４１０…ＢＰＦ、４１１…移動平均演算部、４１２…電波強度粗データ、４１３…有効データ選択処理部、４１４…入出力制御部、４１５…基本データ、４１６…回帰学習部、４１７…呼吸数測定データ、４１８…心拍数測定データ、４１９…回帰学習パラメータ、４２０…分類学習部、４２１…状態ラベル、４２２…分類学習パラメータ、５０１…値検出部、５０２…値リスト、５０３…第一サブキャリア選択部、５０４…コンパレータ、５０５…値閾値、５０６…サブキャリア選択フラグリスト、５０７…第一検査部、５０８…ピーク間隔検出部、５０９…ピーク間隔リスト、５１０…第二サブキャリア選択部、５１１…標準偏差演算部、５１２…コンパレータ、５１３…標準偏差閾値、５１４…第二検査部、５１５…平均値算出部、５１６…平均値リスト、５１７…第三サブキャリア選択部、５１８…コンパレータ、５１９…平均値閾値、５２０…第三検査部、５２１…サブキャリア選択出力部、６０１…回帰推定部、６０２…分類推定部、６０３…呼吸数推定データ、６０４…心拍数推定データ、６０５…推定状態ラベル

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】