特開2024-72164 | 知財ポータル「IP Force」

知財求人 - 知財ポータルサイト「IP Force」

▶ 日本電気株式会社の特許一覧

特開2024-72164特徴量算出装置、特徴量算出方法及びプログラム

書誌要約請求の範囲詳細な説明課題実施例実施するための形態図面の説明

目に優しい文字サイズ小中大 PDF Top

< >

1
2
3
4
5
6
7
8
9
10
11
12

(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】P2024072164

(43)【公開日】2024-05-27

(54)【発明の名称】特徴量算出装置、特徴量算出方法及びプログラム

(51)【国際特許分類】

G06F 17/14 20060101AFI20240520BHJP

【ＦＩ】

G06F17/14 Z

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2022182867

(22)【出願日】2022-11-15

(71)【出願人】

【識別番号】000004237

【氏名又は名称】日本電気株式会社

(74)【代理人】

【識別番号】110000338

【氏名又は名称】弁理士法人ＨＡＲＡＫＥＮＺＯＷＯＲＬＤＰＡＴＥＮＴ＆ＴＲＡＤＥＭＡＲＫ

(72)【発明者】

【氏名】鈴木佳祐

(72)【発明者】

【氏名】江藤力

【テーマコード（参考）】

5B056

【Ｆターム（参考）】

5B056BB11

(57)【要約】

【課題】離散測度のラプラス変換にオフセットｂを加えたものとして表現される信号ｙ（ｔ）の特徴量として、ラプラス逆変換を算出する技術を提供する。
【解決手段】特徴量算出装置（１）は、下記式（１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する算出部（１１）を備える。
【数１】

【数２】

【選択図】図１

【特許請求の範囲】

【請求項1】

下記式（１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する算出手段を備えている、特徴量算出装置。

【数1】

【数2】

ここで、Ｋ及びｎは自然数であり、ｂ及びξ₁，ξ₂，…，ξ_Kは実数であり、β₁，β₂，…，β_Kは正数であり、α₀，α₁，…，α_nは、β_min≦ｍｉｎ｛β₁，β₂，…，β_K｝及びβ_max≧ｍａｘ｛β₁，β₂，…，β_K｝として、β_min＝α₀＜α₁＜…＜α_n＝β_maxを満たす正数である。

【請求項2】

信号ｙ（ｔ）に含まれるオフセットｂは、既知であり、
前記算出手段は、下記式（３）を用いて値ν_y-b（（α_k-1，α_k］）を算出する、
請求項１に記載の特徴量算出装置。

【数3】

ここで、Γ（・）は複素ガンマ関数であり、Ｉｍ（・）は・の虚部であり、ｌｏｇは自然対数関数であり、πは円周率であり、ｉは虚数単位であり、ｃは正数であり、Ｔは信号ｙ（ｔ）の計測時間を表す正数である。

【請求項3】

信号ｙ（ｔ）の特徴量として、値ν_y-b（（α_k-1，α_k］）を表す情報を出力すると共に、付加情報として、区間（α_k-1，α_k］を表す情報を出力する出力手段を更に備えている、
請求項２に記載の特徴量算出装置。

【請求項4】

信号ｙ（ｔ）に含まれるオフセットｂは、未知であり、
前記算出手段は、下記式（４）を用いて値ν_y（（α_k-1，α_k］）を算出する第１測度算出手段、下記式（５）を用いて値ν₁（（α_k-1，α_k］）を算出する第２測度算出手段、下記式（６）を用いてオフセットｂを算出するオフセット算出手段、及び、下記式（７）を用いて値ν_y-b（（α_k-1，α_k］）を算出する第３測度算出手段を含んでいる、
請求項１に記載の特徴量算出装置。

【数4】

【数5】

【数6】

【数7】

【請求項5】

信号ｙ（ｔ）の特徴量として、値ν_y-b（（α_k-1，α_k］）を表す情報を出力すると共に、付加情報として、区間（α₀，α₁］を表す情報を出力し、オフセット情報として、オフセットｂを表す情報を出力する出力手段を更に備えている、
請求項４に記載の特徴量算出装置。

【請求項6】

信号ｙ（ｔ）は、匂いセンサから出力される信号である、
請求項１又は２に記載の特徴量算出装置。

【請求項7】

請求項６に記載の特徴量算出装置と、
前記特徴量算出装置により算出された特徴量に基づいて、匂いの種類、又は、匂いの発生源の種類を判定する判定装置と、を備えている、
匂い判定装置。

【請求項8】

前記算出手段は、
信号ｙ（ｔ）の微分が所定の閾値以下である場合、下記式（８）を用いて値ν_y-b（（α_k-1，α_k］）を算出する一方、
前記微分が前記閾値より大きい場合、前記第１測度算出手段、前記第２測度算出手段、前記オフセット算出手段、及び前記第３測度算出手段により値ν_y-b（（α_k-1，α_k］）を算出する、
請求項４に記載の特徴量算出装置。

【数8】

【請求項9】

少なくとも１つのプロセッサが、
下記式（９）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（１０）により近似される値ν_y-b（（α_k-1，α_k］）を算出することを含む、特徴量算出方法。

【数9】

【数10】

【請求項10】

コンピュータに、
下記式（１１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（１２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する処理を実行させるプログラム。

【数11】

【数12】

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、信号の特徴量を算出する技術に関する。

【背景技術】

【0002】

ラプラス変換の逆変換により元の関数を求める手法が従来用いられている。例えば非特許文献１には、ラプラス逆変換により元の連続測度を求める手法が開示されている。また、非特許文献２には、δ関数を用いて離散測度を形式的に連続測度として扱い、連続測度のラプラス変換の結果を逆変換する手法が記載されている。非特許文献２には、δ関数の線形和により離散測度を形式的に連続測度として扱い、連続測度をラプラス変換した結果を逆変換することが記載されている。

【先行技術文献】

【非特許文献】

【0003】

【非特許文献1】H. Fujiwara et.al.，"Real inversion of the Laplace transform in numerical singular"，Journal of Analysis and Applications，January 2008value decomposition

【非特許文献2】Donald G. Gardner, et.al.，"Method for the Analysis of Multicomponent Exponential Decay Curves"，March 17, 1959

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、非特許文献１に開示されている手法は、関数空間上の操作を用いた方法であり、ルベーグ測度に関する密度関数を持たない離散測度への適用可能性は自明でない。また、非特許文献２に記載の手法では、ｇが超関数の場合には、そもそもｇを求めることができない。したがって離散測度を求めることもできない。

【0005】

本発明の一態様は上記の問題に鑑みてなされたものであり、その目的の一例は、離散測度のラプラス変換にオフセットｂを加えたものとして表現される信号ｙ（ｔ）の特徴量として、ラプラス逆変換を算出することのできる技術を提供することである。

【課題を解決するための手段】

【0006】

本発明の一態様に係る特徴量算出装置は、下記式（１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する算出手段を備える。

【0007】

また、本発明の一態様に係る特徴量算出方法は、少なくとも１つのプロセッサが、下記式（１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（２）により近似される値ν_y-b（（α_k-1，α_k］）を算出することを含む。

【0008】

また、本発明の一態様に係るプログラムは、コンピュータに、下記式（１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する処理を実行させる。

【0009】

【数1】

【数2】

【発明の効果】

【0010】

本発明の一態様によれば、離散測度のラプラス変換にオフセットｂを加えたものとして表現される信号ｙ（ｔ）の特徴量として、ラプラス逆変換を算出できる。

【図面の簡単な説明】

【0011】

【図1】例示的実施形態１に係る特徴量算出装置の構成を示すブロック図である。

【図2】例示的実施形態１に係る特徴量算出方法の流れを示すフロー図である。

【図3】例示的実施形態２に係る特徴量算出装置の構成を示すブロック図である。

【図4】例示的実施形態３に係る特徴量算出装置の構成を示すブロック図である。

【図5】例示的実施形態４に係る匂い判定装置の構成を示すブロック図である。

【図6】例示的実施形態４に係る匂い判定方法の流れを示すフロー図である。

【図7】匂いの判定結果の表示例を示す図である。

【図8】ＭＳＳセンサで計測された信号ｙ（ｔ）の一例を示す図である。

【図9】例示的実施形態４に係る匂い判定装置が算出した特徴量を用いて表される信号ｙ（ｔ）の一例を示す図である。

【図10】例示的実施形態４に係る匂い判定装置が算出した特徴量を用いて表される信号ｙ（ｔ）の一例を示す図である。

【図11】例示的実施形態２の変形例に係る特徴量算出方法の流れを示すフロー図である。

【図12】各例示的実施形態に係る情報処理装置として機能するコンピュータの構成を示すブロック図である。

【発明を実施するための形態】

【0012】

〔例示的実施形態１〕
本発明の第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する例示的実施形態の基本となる形態である。

【0013】

（特徴量算出装置の構成）
本例示的実施形態に係る特徴量算出装置１の構成について、図１を参照して説明する。図１は、特徴量算出装置１の構成を示すブロック図である。特徴量算出装置１は、算出部１１（算出手段）を備える。

【0014】

算出部１１は、下記式（１１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（１２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する。

【0015】

【数3】

【数4】

【0016】

β_min、β_maxは、例えば特徴量算出装置１のユーザが入力装置を用いて入力した値であってもよく、また、特徴量算出装置１において予め設定された値であってもよい。α₀，α₁，…，α_nは、［β_min、β_max］の分割区間を定める値であり、β_min、β_maxが与えられることによりα₀，α₁，…，α_nはβ_min～β_maxの範囲において任意に設定可能である。例えば、算出部１１が区間［β_min、β_max］を等分するα₁，…，α_nを算出してもよく、また、例えばユーザがβ_min～β_maxの範囲においてα₁，…，α_nを設定してもよい。また、オフセットｂは、例えば特徴量算出装置１のユーザが入力装置を用いて入力した値であってもよく、また、特徴量算出装置１において予め設定された値であってもよい。また、特徴量算出装置１がオフセットｂを算出する処理を実行してもよい。

【0017】

以上のように、本例示的実施形態に係る特徴量算出装置１においては、上記式（１１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、上記式（１２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する構成が採用されている。

【0018】

算出部１１が算出するν_y-b（（α_k-1，α_k］）は、上記式（１２）に示すように、信号ｙ（ｔ）を表す上記式（１１）に含まれるξ_kに対応する。そのため、ν_y-b（（α_k-1，α_k］）を求めることにより、離散測度のラプラス変換にオフセットｂを加えたものとして表現される信号ｙ（ｔ）を表す特徴量として、ラプラス逆変換を算出することができる。

【0019】

（特徴量算出プログラム）
上述の特徴量算出装置の機能は、プログラムによって実現することもできる。本例示的実施形態に係る特徴量算出プログラムは、コンピュータに、上記式（１１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、上記式（１２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する処理を実行させる。ここで、Ｋ及びｎは自然数であり、ｂ及びξ₁，ξ₂，…，ξ_Kは実数であり、β₁，β₂，…，β_Kは正数であり、α₀，α₁，…，α_nは、β_min≦ｍｉｎ｛β₁，β₂，…，β_K｝及びβ_max≧ｍａｘ｛β₁，β₂，…，β_K｝として、β_min＝α₀＜α₁＜…＜α_n＝β_maxを満たす正数である。この特徴量算出プログラムによれば、離散測度のラプラス変換にオフセットｂを加えたものとして表現される信号ｙ（ｔ）の特徴量として、ラプラス逆変換を算出できるという効果が得られる。

【0020】

（特徴量算出方法の流れ）
本例示的実施形態に係る特徴量算出方法Ｓ１の流れについて、図２を参照して説明する。図２は、特徴量算出方法Ｓ１の流れを示すフロー図である。なお、この特徴量算出方法における各ステップの実行主体は、特徴量算出装置１が備えるプロセッサであってもよいし、他の装置が備えるプロセッサであってもよい。

【0021】

Ｓ１１では、少なくとも１つのプロセッサが、上記式（１１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、上記式（１２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する。ここで、Ｋ及びｎは自然数であり、ｂ及びξ₁，ξ₂，…，ξ_Kは実数であり、β₁，β₂，…，β_Kは正数であり、α₀，α₁，…，α_nは、β_min≦ｍｉｎ｛β₁，β₂，…，β_K｝及びβ_max≧ｍａｘ｛β₁，β₂，…，β_K｝として、β_min＝α₀＜α₁＜…＜α_n＝β_maxを満たす正数である。

【0022】

以上のように、本例示的実施形態に係る特徴量算出方法Ｓ１においては、少なくとも１つのプロセッサが、上記式（１１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、上記式（１２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する構成が採用されている。このため、本例示的実施形態に係る特徴量算出方法Ｓ１によれば、離散測度のラプラス変換にオフセットｂを加えたものとして表現される信号ｙ（ｔ）の特徴量として、ラプラス逆変換を算出できるという効果が得られる。

【0023】

〔例示的実施形態２〕
（特徴量算出装置の概要）
本発明の第２の例示的実施形態に係る特徴量算出装置１Ａは、信号ｙ（ｔ）の特徴量を算出する装置である。ここで、信号ｙ（ｔ）は、分析対象についての観測結果を示す信号である。信号ｙ（ｔ）は、例えば匂いセンサから出力される信号、血圧の計測値を示す信号、又はＤＷＩ（diffusion weighted image）の画像信号である。ただし、信号ｙ（ｔ）は上述した例に限定されず、他の事象についての信号であってもよい。例えば、信号ｙ（ｔ）は、地震のＰ波又はＳ波の速度を表す信号であってもよい。

【0024】

本例示的実施形態では、信号ｙ（ｔ）の数理モデルとして、以下の式（２１）を用いる。

【数5】

ここで、Ｋは自然数であり、ｂ及びξ₁，ξ₂，…，ξ_Kは実数であり、β₁，β₂，…，β_Kは正数である。また、本例示的実施形態において、オフセットｂは既知である。

【0025】

上記式（２１）において、ｂ、ξ_k、β_kは信号ｙ（ｔ）を表現する値である。ｂ、ξ_k、β_kは信号ｙ（ｔ）の特徴量であるともいえる。ｂ、ξ_k、β_kを求めることにより、信号ｙ（ｔ）を式（２１）で表現することができる。

【0026】

本例示的実施形態では、離散測度を再構築する手法として、フーリエ反転公式ではなくレヴィの反転公式から導かれる式を用いる。フーリエ反転公式のかわりにレヴィの反転公式から導かれる式を適用することにより、連続測度による近似の影響を打ち消す極限操作を実行可能な形が得られる。

【0027】

（特徴量算出装置の構成）
図３は、本例示的実施形態に係る特徴量算出装置１Ａの構成を示すブロック図である。特徴量算出装置１Ａは、算出部１１Ａ、及び出力部１２Ａを備える。算出部１１Ａは、信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、ν_y-b（（α_k-1，α_k］）を算出する。ここで、ｎは自然数であり、α₀，α₁，…，α_nは、β_min≦ｍｉｎ｛β₁，β₂，…，β_K｝及びβ_max≧ｍａｘ｛β₁，β₂，…，β_K｝として、β_min＝α₀＜α₁＜…＜α_n＝β_maxを満たす正数である。算出部１１Ａが行うν_y-b（（α_k-1，α_k］）の算出方法については後述する。

【0028】

算出部１１Ａは、例えば特徴量算出装置１Ａの入出力ＩＦ（図示略）を介して入力される信号ｙ（ｔ）を取得してもよく、また、特徴量算出装置１Ａの通信ＩＦ（図示略）を介して受信される信号ｙ（ｔ）を取得してもよい。また、算出部１１Ａは、特徴量算出装置１Ａが内蔵する記憶装置又は外部記憶装置から信号ｙ（ｔ）を読み出すことにより信号ｙ（ｔ）を取得してもよい。

【0029】

また、算出部１１Ａは例えば、β_min、β_maxとして、ユーザが入力装置を用いて入力した値を用いてもよく、また、特徴量算出装置１Ａに予め設定された値を用いてもよい。α₀，α₁，…，α_nは、区間［β_min，β_max］の分割を定める値であり、β_min、β_maxが与えられることによりα₀，α₁，…，α_nはβ_min～β_maxの範囲において任意に設定可能である。例えば、算出部１１Ａが区間［β_min，β_max］を等分するα₁，…，α_nを算出してもよく、また、例えばユーザがβ_min～β_maxの範囲においてα₁，…，α_nを設定してもよい。また、算出部１１Ａは例えば、オフセットｂとして、特徴量算出装置１のユーザが入力装置を用いて入力した値を用いてもよく、また、特徴量算出装置１において予め設定された値を用いてもよい。

【0030】

出力部１２Ａは、信号ｙ（ｔ）の特徴量として、値ν_y-b（（α_k-1，α_k］）を表す情報を出力すると共に、付加情報として、区間（α_k-1，α_k］を表す情報を出力する。

【0031】

（算出部が行う算出処理）
算出部１１Ａは、信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（２３）を用いて値ν_y-b（（α_k-1，α_k］）を算出する。

【0032】

【数6】

【0033】

計測時間Ｔ、積分範囲ｃとしては、特徴量算出装置１Ａに予め設定された値が用いられてもよく、また、ユーザが入力装置を用いて上記値を入力し、入力された値を算出部１１Ａが用いる構成であってもよい。また、特徴量算出装置１Ａが上記値を算出する構成であってもよい。

【0034】

式（２３）の右辺のうち、

【数7】

はレヴィの反転公式に対応している。また、式（２３）の右辺のうち、

【数8】

は特性関数である。

【0035】

式（２３）に示されるように、本例示的実施形態では、離散測度を再構築する手法として、フーリエ反転公式ではなくレヴィの反転公式から導かれる式を用いる。

【0036】

（特徴量ν_y-b（（α_k-1，α_k］）と、ｂ、ξ_k、及びβ_kとの関係）
上記式（２３）において、（α_k－α_k-1）がα_k-1に比べ十分小さく、かつ積分範囲ｃが十分大きい場合、値ν_y-b（（α_k-1，α_k］）は、

【数9】

の近似値となる。すなわち、値ν_y-b（（α_k-1，α_k］）は、α_k-1＜ξ_k≦α_kを満たすξ_kの総和の近似値となる。

【0037】

上記の下、β_min≦β₁＜…＜β_K≦β_maxを満たす正数β_min、β_maxがとれるとする。このとき、幅の十分小さな分割β_min＝α₀＜α₁＜…＜α_n＝β_maxを固定し、各ｋ＝１，…，ｎについて、上記式（２３）によりν_y-b（（α_k-1，α_k］）を計算することで、信号ｙ（ｔ）の特徴量
ｂ，α₀，ν_y-b（（α₀，α₁］），…，α_n-1，ν_y-b（（α_n-1，α_n］）
が抽出される。

【0038】

これらの特徴量は、信号ｙ（ｔ）を特徴づける量として抽出しようとしていた特徴量ｂ、β_k、ξ_kに相当する。自然数Ｋが未知という設定のため、β_k、ξ_kに相当する値α_k、ν_y-b（（α_k-1，α_k］）がそれぞれ、設定された十分大きなｎ個だけ求まる。これは、Ｋが未知であるため、受け皿としてｎが大きく設定され、特徴量の数が冗長になるということである。

【0039】

信号ｙ（ｔ）と無関係に人工的に設定されるα_kは、それ自身が特徴量であるというよりは、α_k（β_kに相当）に対応する係数が、ν_y-b（（α_k-1，α_k］）（ξ_kに相当）である、という意味で信号ｙ（ｔ）を特徴づける。このように、算出部１１Ａが算出するν_y-b（（α_k-1，α_k］）と、α_kとから導かれるξ_k、β_kを用いて信号ｙ（ｔ）を表すことができる。

【0040】

（特徴量算出装置の効果）
以上のように、本例示的実施形態によれば、離散測度のラプラス変換にオフセットｂを加えたものとして表現される信号ｙ（ｔ）からもとの離散測度を再現する際に、フーリエ反転公式のかわりにレヴィの反転公式から導かれる式を用いることにより、離散測度を再現することができる。

【0041】

また、本例示的実施形態に係る特徴量算出装置１Ａにおいては、信号ｙ（ｔ）に含まれるオフセットｂは既知であり、算出部１１Ａは上記式（２３）を用いて値ν_y-b（（α_k-1，α_k］）を算出する構成が採用されている。このため、本例示的実施形態に係る特徴量算出装置１Ａによれば、例示的実施形態１に係る特徴量算出装置１の奏する効果に加えて、オフセットｂが既知である場合の信号ｙ（ｔ）をラプラス変換に持つ離散測度を再現できるという効果が得られる。

【0042】

また、本例示的実施形態に係る特徴量算出装置１Ａにおいては、出力部１２Ａが、信号ｙ（ｔ）の特徴量として、値ν_y-b（（α_k-1，α_k］）を表す情報を出力すると共に、付加情報として、区間（α_k-1，α_k］を表す情報を出力するという構成が採用されている。このため、本例示的実施形態に係る特徴量算出装置１Ａによれば、例示的実施形態１に係る特徴量算出装置１の奏する効果に加えて、オフセットｂが既知である場合の信号ｙ（ｔ）をラプラス変換に持つ離散測度を再現できるとともに、区間（α_k-1，α_k］を表す情報を出力できるという効果が得られる。

【0043】

〔例示的実施形態３〕
本発明の第３の例示的実施形態について、図面を参照して詳細に説明する。図４は、本例示的実施形態に係る特徴量算出装置１Ｂの構成を示すブロック図である。特徴量算出装置１Ｂは、算出部１１Ｂ及び出力部１２Ｂを備える。

【0044】

算出部１１Ｂは、上記式（２１）により表される信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、ν_y-b（（α_k-1，α_k］）を算出する。ここで、信号ｙ（ｔ）を表す上記式（２１）に含まれるオフセットｂは未知である。

【0045】

算出部１１Ｂは、第１測度算出部１１１、第２測度算出部１１２、オフセット算出部１１３、及び第３測度算出部１１４を備える。第１測度算出部１１１は、下記式（２４）を用いて値ν_y（（α_k-1，α_k］）を算出する。

【数10】

【0046】

第２測度算出部１１２は、下記式（２５）を用いて値ν₁（（α_k-1，α_k］）を算出する。

【数11】

【0047】

オフセット算出部１１３は、下記式（２６）を用いてオフセットｂを算出する。

【数12】

【0048】

オフセット算出部１１３が算出したオフセットｂに対し、信号ｙ（ｔ）の特徴量
ｂ，α₀，ν_y（（α₀，α₁］）－ｂν₁（（α₀，α₁］），…，
α_n-1，ν_y（（α_n-1，α_n］）－ｂν₁（（α_n-1，α_n］）
が抽出される。

【0049】

ここで、ｆ（ｔ）＝ｙ（ｔ）－ｂとすると、対応ｆ→ν_f（（Ａ，Ｂ］）の線形性により、

【数13】

が成り立つ。すなわち、最終的なアウトプットは、オフセットｂが既知の場合と同様の量である。そのため、第３測度算出部１１４は、上記式（２７）を用いて値ν_y-b（（α_k-1，α_k］）を算出する。

【0050】

算出部１１Ｂが実行する算出処理に用いる情報として、（ｉ）計測時間Ｔ、（ｉｉ）積分範囲ｃ、（ｉｉｉ）指数減少係数の下限β_min、（ｉｖ）指数減少係数の上限β_max、（ｖ）指数減少係数の存在範囲の分割区間を定める値α₀、α₁、…、α_n、が挙げられる。これらの情報は、特徴量算出装置１Ｂに予め設定された情報（デフォルト値）であってもよく、また、ユーザが入力装置を用いて上記情報を入力し、入力された情報を算出部１１Ｂが用いてもよい。また、特徴量算出装置１Ｂが上記情報の少なくとも一部を算出する構成であってもよい。

【0051】

出力部１２Ｂは、信号ｙ（ｔ）の特徴量として、値ν_y-b（（α_k-1，α_k］）を表す情報を出力すると共に、付加情報として、区間（α₀，α₁］を表す情報を出力し、オフセット情報として、オフセットｂを表す情報を出力する。

【0052】

以上のように、本例示的実施形態によれば、離散測度のラプラス変換にオフセットｂを加えたものとして表現される信号ｙ（ｔ）からもとの離散測度を再現する際に、フーリエ反転公式ではなくレヴィの反転公式から導かれる式を用いることにより、離散測度を再現することができる。

【0053】

また、本例示的実施形態に係る特徴量算出装置１Ｂにおいては、信号ｙ（ｔ）に含まれるオフセットｂは未知であり、算出部１１Ｂは、上記式（２４）を用いて値ν_y（（α_k-1，α_k］）を算出する第１測度算出部１１１、上記式（２５）を用いて値ν₁（（α_k-1，α_k］）を算出する第２測度算出部１１２、上記式（２６）を用いてオフセットｂを算出するオフセット算出部１１３、及び、上記式（２７）を用いて値ν_y-b（（α_k-1，α_k］）を算出する第３測度算出部１１４を含む構成が採用されている。このため、本例示的実施形態に係る特徴量算出装置１Ｂによれば、例示的実施形態１に係る特徴量算出装置１の奏する効果に加えて、オフセットｂが未知である信号ｙ（ｔ）の特徴量を算出できるという効果が得られる。

【0054】

また、本例示的実施形態に係る特徴量算出装置１Ｂにおいては、信号ｙ（ｔ）の特徴量として、値ν_y-b（（α_k-1，α_k］）を表す情報を出力すると共に、付加情報として、区間（α₀，α₁］を表す情報を出力し、オフセット情報として、オフセットｂを表す情報を出力する出力部１２Ｂを備えるという構成が採用されている。このため、本例示的実施形態に係る特徴量算出装置１Ｂによれば、例示的実施形態１に係る特徴量算出装置１の奏する効果に加えて、区間（α₀，α₁］を表す情報とオフセットｂを表す情報とを出力できるという効果が得られる。

【0055】

〔例示的実施形態４〕
本発明の第４の例示的実施形態について、図面を参照して詳細に説明する。なお、例示的実施形態１～３にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付記し、その説明を繰り返さない。

【0056】

（匂い判定装置の構成）
図５は、本例示的実施形態に係る匂い判定装置１Ｃの構成を示すブロック図である。匂い判定装置１Ｃは、匂いセンサから出力される信号ｙ（ｔ）から匂いの判定を行う装置である。ここで、匂いセンサとしては、例えば膜型表面応力センサ（Membrane-type Surface stress Sensor；ＭＳＳセンサ）が用いられる。ＭＳＳセンサにより、においガス分子が膜に吸脱着したときの電気信号値を計測する。ただし、匂いセンサはＭＳＳセンサに限られず、他のセンサであってもよい。

【0057】

匂い判定装置１Ｃは、算出部１１Ｃ及び判定部１３を備える。匂い判定部１３は本明細書に係る判定装置の一例である。算出部１１Ｃは、算出部１１Ａ及び算出部１１Ｂを備える。算出部１１Ｃは、上記式（２１）により表される信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、ν_y-b（（α_k-1，α_k］）を算出する。このとき、算出部１１Ｃは、オフセットｂが未知であるか既知であるかを判定し、オフセットｂが未知である場合は上述の例示的実施形態２に係る算出部１１Ａの算出処理によりν_y-b（（α_k-1，α_k］）を算出する。一方、算出部１１Ｃは、オフセットｂが既知である場合、上述の例示的実施形態３に係る算出部１１Ｂの算出処理によりν_y-b（（α_k-1，α_k］）を算出する。

【0058】

本例示的実施形態では、算出部１１Ｃは、信号ｙ（ｔ）の微分が所定の閾値以下である場合にオフセットｂが既知であると判定し、信号ｙ（ｔ）の微分が所定の閾値より大きい場合、オフセットｂが未知であると判定する。換言すると、算出部１１Ｃは、信号ｙ（ｔ）の微分が所定の閾値以下である場合、上記式（２３）を用いて値ν_y-b（（α_k-1，α_k］）を算出する。一方、算出部１１Ｃは、上記微分が上記閾値より大きい場合、第１測度算出部１１１、第２測度算出部１１２、オフセット算出部１１３、及び第３測度算出部１１４により値ν_y-b（（α_k-1，α_k］）を算出する。算出部１１Ｃが実行する算出処理に用いる情報（計測時間Ｔ、積分範囲ｃ、指数減少係数の下限β_min、指数減少係数の上限β_max、指数減少係数の存在範囲の分割区間を定める値α₀、α₁、…、α_n、等）の設定方法は上述の例示的実施形態２で示した方法と同様である。

【0059】

判定部１３は、算出部１１Ｃが算出した特徴量に基づいて、匂いの種類、又は、匂いの発生源の種類を判定する。判定部１３は、一例として、算出部１１Ｃが算出した特徴量を所定のデータベースに登録された複数の特徴量と照合することにより、種類の判定を行ってもよい。また、判定部１３は、一例として、信号ｙ（ｔ）の特徴量を入力とし、匂いの種類を出力とする学習済モデルに、算出部１１Ｂが算出した特徴量を入力することにより、匂いの種類を判定してもよい。この場合、学習済モデルは、信号ｙ（ｔ）の特徴量と匂いの種類を示すラベルとを含む訓練データを用いた機械学習により構築された学習済モデルである。学習済モデルの機械学習の手法は限定されず、一例として、決定木ベース、線形回帰、又はニューラルネットワークの手法が用いられてもよく、また、これらのうちの２以上の手法が用いられてもよい。ただし、判定部１３が行う判定処理の手法は上述した例に限定されるものではなく、判定部１３は他の手法により判定処理を行ってもよい。

【0060】

（匂い判定方法の流れ）
図６は、匂い判定装置１Ｃが行う匂い判定方法の流れを示すフロー図である。Ｓ２１では、算出部１１Ｃは、信号ｙ（ｔ）の微分が所定の閾値以下であるか否かを判定する。信号ｙ（ｔ）の微分が所定の閾値以下である場合（ステップＳ２１にてＹＥＳ）、算出部１１ＣはステップＳ２２の処理に進む。一方、信号ｙ（ｔ）の微分が所定の閾値より大きい場合（ステップＳ２１にてＮＯ）、算出部１１ＣはステップＳ２３の処理に進む。

【0061】

Ｓ２２では、算出部１１Ｃは、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、上記式（２３）を用いて値ν_y-b（（α_k-1，α_k］）を算出する。ステップＳ２２で算出部１１Ｃが行う算出処理は、上述の例示的実施形態２に係る算出部１１Ａが行う算出処理と同様である。このとき、算出部１１Ｃは、オフセットｂの近似値としてｙ（ｔ）の最終時刻での値を採用し、上記式（２３）を用いて値ν_y-b（（α_k-1，α_k］）を算出する。

【0062】

Ｓ２３では、算出部１１Ｃは、上記式（２４）を用いて値ν_y（（α_k-1，α_k］）を算出する。ステップＳ２３で算出部１１Ｃが行う算出処理は、上述の例示的実施形態３に係る第１測度算出部１１１が行う算出処理と同様である。

【0063】

Ｓ２４では、算出部１１Ｃは、上記式（２５）を用いて値ν₁（（α_k-1，α_k］）を算出する。ステップＳ２４で算出部１１Ｃが行う算出処理は、上述の例示的実施形態３に係る第２測度算出部１１２が行う算出処理と同様である。

【0064】

Ｓ２５では、算出部１１Ｃは、上記式（２６）を用いてオフセットｂを算出する。ステップＳ２５で算出部１１Ｃが行う算出処理は、上述の例示的実施形態３に係るオフセット算出部１１３が行う算出処理と同様である。

【0065】

Ｓ２６では、算出部１１Ｃは、上記式（２７）を用いて値ν_y-b（（α_k-1，α_k］）を算出する。ステップＳ２６で算出部１１Ｃが行う算出処理は、上述の例示的実施形態３に係る第３測度算出部１１４が行う算出処理と同様である。

【0066】

Ｓ２７では、判定部１３は、算出部１１Ｃが算出した特徴量に基づき、信号ｙ（ｔ）が表す匂いの種別を判定する。Ｓ２８では、判定部１３は、算出部１１Ｃが算出した特徴量及び判定部１３の判定結果の少なくともいずれか一方を示す情報を出力する。判定部１３は一例として、判定結果である匂いの種類を出力してもよく、また、一例として、算出部１１Ｃが算出した特徴量に基づき特定された信号ｙ（ｔ）のパラメータｂ、ξ_k、β_kを出力してもよい。また、判定部１３は、匂い判定装置１Ｃに入力されたセンサの実際の出力値と、算出部１１Ｃが算出した特徴量に基づき算出された信号ｙ（ｔ）とを表示出力してもよい。

【0067】

図７は、ステップＳ２８で出力される判定結果の表示例を示す図である。図７の例では、センサを識別する識別情報、判定部１３が判定処理を行った日時、判定部１３の判定結果、等が互いに関連付けて表示される。ただし、判定部１３が出力する判定結果を示す情報は図７に示す例に限られない。判定部１３は、例えば、信号ｙ（ｔ）のパラメータｂ、ξ_k、β_kを表示出力してもよい。

【0068】

（実際の測定値と算出結果の具体例）
図８は、ＭＳＳセンサで計測された信号ｙ（ｔ）の一例を示す図である。図において、横軸は経過時間を示し、縦軸は信号値を示す。また、図９及び図１０は、算出部１１Ｃが算出した特徴量を用いて表される信号ｙ（ｔ）の一例を示す図である。図９は、人工的に生成されたオリジナルデータ２０１と、オリジナルデータ２０１について本実施形態に係る算出部１１Ｃが算出した特徴量を用いて表される信号ｙ（ｔ）２０２と、を表す。オリジナルデータ２０１は、ｙ（ｔ）＝１０－７ｅ^-0.5t－３ｅ^-0.75tで表されるデータである。

【0069】

図１０は、ＭＳＳセンサで計測された実際の計測データ２１１と、算出部１１Ｃが算出した特徴量を用いて表される信号ｙ（ｔ）２１２と、を表す。図９及び図１０に示すように、算出部１１Ｃが算出した特徴量を用いて信号ｙ（ｔ）を表現することができる。

【0070】

（匂い判定装置の効果）
以上説明したように本例示的実施形態に係る匂い判定装置１Ｃは、匂いセンサから出力される信号ｙ（ｔ）の特徴量を算出する。そのため、本例示的実施形態によれば、匂いセンサにより測定された匂いを表す信号ｙ（ｔ）の特徴量を算出することができる。

【0071】

また、本例示的実施形態に係る匂い判定装置１Ｃは、算出部１１Ｃが算出した特徴量に基づいて、匂いの種類、又は、匂いの発生源の種類を判定する判定部１３を備える。そのため、本例示的実施形態に係る匂い判定装置１Ｃによれば、離散測度のラプラス変換からもとの離散測度を再現することにより、匂いの種類、又は匂いの発生源の種類を判定することができる。

【0072】

また、本例示的実施形態に係る算出部１１Ｃは、信号ｙ（ｔ）の微分が所定の閾値以下である場合、上記式（２３）を用いて値ν_y-b（（α_k-1，α_k］）を算出する。一方、算出部１１Ｃは、上記微分が上記閾値より大きい場合、第１測度算出部１１１、第２測度算出部１１２、オフセット算出部１１３、及び第３測度算出部１１４により値ν_y-b（（α_k-1，α_k］）を算出する。微分が閾値以下である場合はオフセットｂが既知であるとしてνを算出することにより、特徴量の算出精度を高くすることができる。

【0073】

〔変形例〕
上述の例示的実施形態２において、算出部１１Ａが、信号ｙ（ｔ）が定常状態（フラットな状態）になるまで観測を続けてから、特徴量の算出処理を開始してもよい。換言すると、算出部１１Ａが、信号ｙ（ｔ）の微分が所定の閾値以下である場合に、特徴量の算出処理を開始してもよい。

【0074】

図１１は、本変形例に係る特徴量算出方法の流れを示すフロー図である。Ｓ３１において、算出部１１Ａは、分析対象である信号ｙ（ｔ）の微分が所定の閾値以下であるかを判定する。微分が閾値以下である場合（ステップＳ３１にてＹＥＳ）、算出部１１ＡはステップＳ３２の処理に進む。一方、微分が閾値より大きい場合（ステップＳ３１にてＮＯ）、算出部１１Ａは微分が閾値以下になるまで待機する。

【0075】

ステップＳ３２において、算出部１１Ａは、値ν_y-b（（α_k-1，α_k］）を算出する。このとき、算出部１１Ａは、信号ｙ（ｔ）から推定される信号ｙ（ｔ）の極限値をオフセットｂとし、オフセットｂが既知であるとして上記式（２３）を用いて値ν_y-b（（α_k-1，α_k］）を算出する。ステップＳ３３において、出力部１２Ａは、算出部１１Ａが算出した特徴量を出力する。本態様によれば、定常状態（フラットな状態）になるまで観測された信号ｙ（ｔ）を用いることで、逆変換の精度を高くすることができる。

【0076】

〔ソフトウェアによる実現例〕
特徴量算出装置１、１Ａ、１Ｂ、匂い判定装置１Ｃ（以下、「特徴量算出装置１等」という）の一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。

【0077】

後者の場合、特徴量算出装置１等は、例えば、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータによって実現される。このようなコンピュータの一例（以下、コンピュータＣと記載する）を図１２に示す。コンピュータＣは、少なくとも１つのプロセッサＣ１と、少なくとも１つのメモリＣ２と、を備えている。メモリＣ２には、コンピュータＣを特徴量算出装置１等として動作させるためのプログラムＰが記録されている。コンピュータＣにおいて、プロセッサＣ１は、プログラムＰをメモリＣ２から読み取って実行することにより、特徴量算出装置１等の各機能が実現される。

【0078】

プロセッサＣ１としては、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＭＰＵ（Micro Processing Unit）、ＦＰＵ（Floating point number Processing Unit）、ＰＰＵ（Physics Processing Unit）、ＴＰＵ（Tensor Processing Unit）、量子プロセッサ、マイクロコントローラ、又は、これらの組み合わせなどを用いることができる。メモリＣ２としては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又は、これらの組み合わせなどを用いることができる。

【0079】

なお、コンピュータＣは、プログラムＰを実行時に展開したり、各種データを一時的に記憶したりするためのＲＡＭ（Random Access Memory）を更に備えていてもよい。また、コンピュータＣは、他の装置との間でデータを送受信するための通信インタフェースを更に備えていてもよい。また、コンピュータＣは、キーボードやマウス、ディスプレイやプリンタなどの入出力機器を接続するための入出力インタフェースを更に備えていてもよい。

【0080】

また、プログラムＰは、コンピュータＣが読み取り可能な、一時的でない有形の記録媒体Ｍに記録することができる。このような記録媒体Ｍとしては、例えば、テープ、ディスク、カード、半導体メモリ、又はプログラマブルな論理回路などを用いることができる。コンピュータＣは、このような記録媒体Ｍを介してプログラムＰを取得することができる。また、プログラムＰは、伝送媒体を介して伝送することができる。このような伝送媒体としては、例えば、通信ネットワーク、又は放送波などを用いることができる。コンピュータＣは、このような伝送媒体を介してプログラムＰを取得することもできる。

【0081】

〔付記事項１〕
本発明は、上述した実施形態に限定されるものでなく、請求項に示した範囲で種々の変更が可能である。例えば、上述した実施形態に開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。

【0082】

〔付記事項２〕
上述した実施形態の一部又は全部は、以下のようにも記載され得る。ただし、本発明は、以下の記載する態様に限定されるものではない。
（付記１）
下記式（３１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（３２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する算出手段を備えている、特徴量算出装置。

【数14】

【数15】

【0083】

（付記２）
信号ｙ（ｔ）に含まれるオフセットｂは、既知であり、前記算出手段は、下記式（３３）を用いて値ν_y-b（（α_k-1，α_k］）を算出する、付記１に記載の特徴量算出装置。

【数16】

【0084】

（付記３）
信号ｙ（ｔ）の特徴量として、値ν_y-b（（α_k-1，α_k］）を表す情報を出力すると共に、付加情報として、区間（α_k-1，α_k］を表す情報を出力する出力手段を更に備えている、付記２に記載の特徴量算出装置。

【0085】

（付記４）
信号ｙ（ｔ）に含まれるオフセットｂは、未知であり、前記算出手段は、下記式（３４）を用いて値ν_y（（α_k-1，α_k］）を算出する第１測度算出手段、下記式（３５）を用いて値ν₁（（α_k-1，α_k］）を算出する第２測度算出手段、下記式（３６）を用いてオフセットｂを算出するオフセット算出手段、及び、下記式（３７）を用いて値ν_y-b（（α_k-1，α_k］）を算出する第３測度算出手段を含んでいる、付記１に記載の特徴量算出装置。

【数17】

【数18】

【数19】

【数20】

【0086】

（付記５）
信号ｙ（ｔ）の特徴量として、値ν_y-b（（α_k-1，α_k］）を表す情報を出力すると共に、付加情報として、区間（α₀，α₁］を表す情報を出力し、オフセット情報として、オフセットｂを表す情報を出力する出力手段を更に備えている、付記４に記載の特徴量算出装置。

【0087】

（付記６）
信号ｙ（ｔ）は、匂いセンサから出力される信号である、付記１～５の何れか一項に記載の特徴量算出装置。

【0088】

（付記７）
付記６に記載の特徴量算出装置と、前記特徴量算出装置により算出された特徴量に基づいて、匂いの種類、又は、匂いの発生源の種類を判定する判定装置と、を備えている、匂い判定装置。

【0089】

（付記８）
前記算出手段は、
信号ｙ（ｔ）の微分が所定の閾値以下である場合、下記式（３８）を用いて値ν_y-b（（α_k-1，α_k］）を算出する一方、
前記微分が前記閾値より大きい場合、前記第１測度算出手段、前記第２測度算出手段、前記オフセット算出手段、及び前記第３測度算出手段により値ν_y-b（（α_k-1，α_k］）を算出する、
付記４に記載の特徴量算出装置。

【数21】

【0090】

（付記９）
少なくとも１つのプロセッサが、下記式（３９）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（４０）により近似される値ν_y-b（（α_k-1，α_k］）を算出することを含む、特徴量算出方法。

【数22】

【数23】

【0091】

（付記１０）
コンピュータに、下記式（４１）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（４２）により近似される値ν_y-b（（α_k-1，α_k］）を算出する処理を実行させるプログラム。

【数24】

【数25】

【0092】

（付記１１）
少なくとも１つのプロセッサを備え、前記プロセッサは、下記式（４３）により近似される、オフセットｂを含む信号ｙ（ｔ）の特徴量として、連続するｎ個の区間（α₀，α₁］，（α₁，α₂］，…，（α_n-1，α_n］の各々に対して、下記式（４４）により近似される値ν_y-b（（α_k-1，α_k］）を算出する算出処理を実行する特徴量算出装置。

【数26】