传感器信息处理设备的制作方法

本文中所讨论的(一个或更多个)实施方式涉及传感器信息处理设备。

背景技术：

存在通过使用无线传感器来检测生物体的心跳的技术。对无线传感器的检测信号应用带通滤波器(bpf)，以从无线传感器的检测信号中检测与心跳相对应的信号分量。

(相关技术文献列表)

专利文献1jp2014-39666a

专利文献2jp1-115344a

专利文献3jp2011-115459a

专利文献4jp2008-125595a

当心率较高时，作为生物体的示例的人体的呼吸率也趋于较高。当呼吸率较高时，例如，人体胸部的运动趋于伴随呼吸而更强。

因此，除了与人体的心跳相对应的信号分量以外，与胸部的运动相对应的信号分量可能混入无线传感器的检测信号中。

与胸部的运动相对应的信号分量变为相对于无线传感器的检测信号中待检测的源于目标心跳的信号分量(其可以被称为“心跳分量”或“心跳信号”)的噪声分量。

虽然可以通过应用bpf来抑制噪声分量，但是在一些情况下，当呼吸率变得较高时，无线传感器的检测信号中的源于呼吸的频率分量的谐波分量混入bpf的通带中。

谐波分量还趋于变为相对于心跳分量的噪声分量，并且当呼吸率变得较高时，心跳分量检测精度降低。

技术实现要素：

根据一方面，本文中所讨论的技术的目的之一是抑制无线传感器的检测信号中的至少源于呼吸的频率分量的谐波分量，并且提高心跳分量的检测精度。

在一方面中，传感器信息处理设备可以包括接收器和处理器。接收器可以接收无线传感器的检测信号。处理器可以对检测信号应用滤波器，该滤波器被配置成截除至少源于待观察的人的呼吸的频率分量的谐波分量，并且处理器在已经通过滤波器的信号中检测人的心跳分量。

此外，在另一方面中，传感器信息处理设备可以包括接收器和处理器。接收器可以接收无线传感器的检测信号和惯性传感器的检测信号。处理器可以根据惯性传感器的检测信号来控制应用于无线传感器的检测信号的高通滤波器的截止频率，并且在已经通过高通滤波器的信号中检测待观察的人的心跳分量。

根据一个方面，可以抑制无线传感器的检测信号中的至少源于呼吸的频率分量的谐波分量，并且提高心跳分量的检测精度。

附图说明

图1是示出了根据实施方式的传感器系统的示例的框图；

图2和图3是示出了根据实施方式的生命传感器的配置示例的框图；

图4是示出了根据实施方式的信息处理设备的配置示例的框图；

图5是示出了根据一个实施方式的通过分析无线传感器值的频率而获得的结果的示例的示图；

图6是示出了根据一个实施方式的高通滤波器(hpf)的特性示例的示图；

图7是示出了根据第一实施方式的传感器系统的操作示例的流程图；

图8是示出了根据一个实施方式的心率测量结果的示例的示图；

图9是示出了根据一个实施方式的在对无线传感器值应用hpf的情况下和不对无线传感器值应用hpf的情况下的无线传感器值的频域中的信号波形的示例的示图；

图10是示出了根据第二实施方式的传感器系统的操作示例的流程图；

图11是示出了根据第三实施方式的传感器系统的操作示例的流程图；

图12是示出了图11中所示的心率估计过程的第一示例的流程图；

图13是示出了根据一个实施方式的步行步频与心率之间的关系的示例的示图；

图14是示出了图11中所示的心率估计过程的第二示例的流程图；

图15是示出了根据一个实施方式的步行步频与步行速度之间的关系的示例的示图；

图16是示出了根据一个实施方式的步行速度与运动强度(met值)之间的关系的示例的示图；

图17是示出了根据一个实施方式的与步行速度相关联的心率和呼吸率的示例的示图；

图18是示出了根据一个实施方式的心率与呼吸率之间的关系的示例的示图；

图19是示出了根据一个实施方式的bpf的设置示例的示图；

图20是示出了根据一个实施方式的bpf的通带的示例的示图；

图21是示出了根据一个实施方式的bpf的带宽的设置示例的示图；

图22和图23是示出了根据实施方式的心率分布的示例的示图；

图24和图25是示出了根据实施方式的心率统计处理的示例的示图；

图26和图27是示出了根据一个实施方式的bpf的带宽的设置示例的示图；以及

图28是示出了根据实施方式的bpf的带宽信息的示例的示图。

具体实施方式

在下文中，将参照附图来描述(一个或更多个)示例性实施方式。然而，下面描述的(一个或更多个)实施方式仅是示例，并且不旨在排除未在下面明确描述的各种修改或技术的应用。此外，可以适当地组合和执行下面描述的各种示例性方面。除非另有说明，否则在用于以下(一个或更多个)实施方式的附图中被赋予相同附图标记的元件或部件将表示相同或相似的元件或部件。

图1是示出了根据实施方式的传感器系统的示例的框图。示例性地，图1所示的传感器系统1可以包括生命传感器2、信息处理设备3和网络(nw)4。

示例性地，生命传感器2可以通过通信装置6连接至网络4，并且可用于通过网络4与信息处理设备3进行通信。

生命传感器2可用于感测生物体的信息(在下文中，可以被称为“生命信息”)。生物体是感测目标的示例。术语“感测”可以被称为“检测”或“测量”。

“生命信息”的非限制性示例是指示生物体的心跳、呼吸或运动的信息。“生物体”可以包括生物体的“器官”。“心跳”可以被认为是指示作为“器官”的示例的“心脏”的运动的信息。

出于描述的目的，生物体的运动(其可以被称为“位置变化”)可以被简写为“身体运动”。示例性地，“身体运动”不仅可以包括在生物体的活动期间的运动，而且还可以包括在生物体的休息时间(例如，睡眠时间)期间的与心跳或呼吸相关联的生物体表面(例如，皮肤)的运动。

生物体表面的运动可以被认为是响应于生物体的器官的运动而发生的。例如，皮肤响应于心跳而进行运动。此外，皮肤响应于伴随呼吸的肺的扩张和收缩而进行运动。另外，由于生物体的静脉根据心跳而搏动，因此，指示心跳的信息可以等效地被认为是指示脉搏的信息。

示例性地，生命传感器2可以用诸如微波的无线电波来照射感测目标，并且基于在不接触生物体的情况下由感测目标反射并接收的反射波的变化来检测生物体的“运动”。因此，出于描述的目的，生命传感器2可以被称为“非接触式生命传感器2”。

例如，当生命传感器2(以下简称为“传感器2”)与感测目标之间的距离改变时，反射波由于多普勒效应而改变。示例性地，反射波的变化可以被认为是反射波的幅值和频率中的一者或两者的变化。

传感器2可以附接至作为生物体的示例的人体。示例性地，传感器2相对于人体的附接位置可以是人体的胸部。例如，附接至人体的传感器2与人体的皮肤和心脏之间的距离伴随着人体的心跳而改变。

因此，与距离变化相对应的变化出现在由传感器2照射的无线电波的反射波中。例如，可以基于反射波的变化来测量例如人体的心跳或脉搏。

可以测量心跳的传感器2可以被称为“心跳传感器”或“心跳监视器”。如上所述，由于指示“心跳”的信息可以在某些情况下被认为等同于指示“脉搏跳动”的信息，因此，“心跳传感器”或“心跳计”可以被称为“脉搏跳动传感器”或“脉搏跳动计”。

示例性地，传感器2可以附接成与人体的皮肤接触，或者可以附接至人体的衣服。严格来说，传感器2不需要通过固定(其可以被称为“约束”)的方式来附接到人体。可以根据衣服与人体表面的运动之间的不匹配而允许在生命传感器2与人体之间发生相对运动。

例如，传感器2可以附接到人体，使得生命传感器2被允许相对于人体沿三维方向之一移动。示例性地，传感器2可以放入衣服的口袋例如夹克的胸袋中，或者可以通过使用附接工具例如吊带附接在衣服上。

例如，生命传感器2可以附接到人体，使得生物传感器2被允许相对于人体沿三维方向之一移动。示例性地，生命传感器2可以放入衣服的口袋例如夹克的胸袋中，或者可以通过使用附接工具例如吊带附接在衣服上。

接下来，图1所示的通信装置6可用于通过例如网络4向信息处理设备3发送生命传感器2的感测结果(例如，指示心跳的信息)。因此，通信装置6可以使用有线电缆或无线电与网络4连接。

换言之，通信装置6可以设置有支持无线和有线通信二者中的一者或两者的通信接口(if)。示例性地，基于3gpp(第三代合作伙伴计划)的lte(长期演进)或lte-a的通信方案适用于通信装置6的无线通信。

此外，卫星通信可以应用于通信装置6的无线通信。当应用卫星通信时，通信装置6能够在不通过网络4进行路由的情况下通过通信卫星与信息处理设备3通信。

生命传感器2的感测结果不仅可以包括生命信息，而且可以包括指示基于生命信息而获得的算术运算或确定的结果的信息。出于描述的目的，感测结果可以被称为“传感器信息”或“传感器数据”。

通信装置6可以如图1所示在外部附接至生命传感器2，或者可以构建在生命传感器2中。在外部附接至生命传感器2的通信装置6例如可以是由附接有生命传感器2的人携带的装置。出于描述的目的，附接有生命传感器2的人可以被称为“用户”、“对象”或“被观察者”。

示例性地，由用户携带的通信装置6可以为移动电话(其可以包括智能电话)、笔记本pc或平板pc。“pc”是“个人计算机”的缩写。

有线连接或无线连接可以应用于生命传感器2与通信装置6之间的连接。换言之，生命传感器2可以设置有支持无线和有线通信中的一者或两者的通信if。“wifi(无线保真)”(注册商标)或“蓝牙”(注册商标)也可以应用于无线连接。

在外部附接至生命传感器2的通信装置6可以是路由器或网络交换机。如图1所示，通信装置6可以与空气调节器7和照明装置8在通信上连接，以便空气调节器7和照明装置8能够通过网络4与信息处理设备3通信。

示例性地，网络4可以是wan(广域网)、lan(局域网)或因特网。此外，网络4可以包括无线接入网。无线接入网可以符合上述lte或lte-a。

信息处理设备3通过网络4(或者可以通过通信卫星)接收生命传感器2的传感器信息，并且处理所接收的传感器信息。因此，信息处理设备3可以被称为传感器信息处理设备3。

处理传感器信息可以包括存储并管理传感器信息以及基于传感器信息来估计用户的心率。因此，例如，信息处理设备3可用于监视用户的活动状态。换言之，传感器系统1能够提供用户“监视(或观看)功能”。

管理传感器信息可以包括在数据库(db)中编译传感器信息。在db中编译的数据可以被称为“云数据”或“大数据”。

示例性地，信息处理设备3可以由一个或多个服务器实现。换言之，由生命传感器2获得的传感器信息可以由单个服务器处理或管理，或者可以由信息处理设备3中的多个服务器分布式处理或管理。服务器可以与例如云数据传感器中提供的云服务器相对应。

信息处理设备3可以在不通过网络4进行路由的情况下与生命传感器2通信上连接。例如，信息处理设备3可用于通过有线电缆或者通过无线电从生命传感器2直接接收传感器信息。

(生命传感器2的配置示例)

接下来，将参照图2和图3来描述生命传感器2的配置示例。如图2和图3所示，示例性地，生命传感器2可以包括无线传感器21、处理器23、存储器24和通信if25。

另外，生命传感器2还可以包括如图2和图3中的虚线所示的可选的惯性传感器22。生命传感器2可以被称为传感器单元2。在下文中，出于描述的目的，生命传感器2或传感器单元2将被简称为“传感器2”。

如图3所示，示例性地，无线传感器21、处理器23、存储器24和通信if25可以连接至总线26，以通过处理器23彼此通信。可选的惯性传感器22也可以连接至总线26。

无线传感器21是能够通过利用多普勒效应来测量心跳的心跳传感器的示例。“无线传感器”可以被称为“微波传感器”、“rf(射频)传感器”或“多普勒传感器”。无线传感器21可以对发射至空间的无线电波以及所发射的无线电波的反射波执行相位检测，并且生成差拍信号。差拍信号可以作为无线传感器21的输出信号被提供给处理器23。

如图2所示，例如，无线传感器21可以包括天线211、本地振荡器(osc)212、mcu(微控制单元)213、检测电路214、运算放大器(op)215和电源单元(或电源电路)216。

天线211向空间发射具有由osc212生成的振荡频率的无线电波，并且接收由定位于空间的用户反射的所发射的无线电波的反射波。在图2的示例中，天线211是发射和接收共用的，但是发射天线和接收天线可以单独设置。

示例性地，osc212响应于mcu213的控制而振荡，以输出具有预定频率的信号(出于描述的目的，其可以被称为“本地信号”)。本地信号作为发射无线电波从天线211被发射，并且被输入至检测电路214。

示例性地，osc212的振荡频率(换言之，由无线传感器21发送的无线电波的频率)可以为微波频带中的频率。示例性地，微波频带可以为2.4ghz频带或24ghz频带。

这些频带是其室内使用由日本的“无线电法”授权的示例。可以使用未被“无线电法”规定的频带用于无线传感器21的发射无线电波。

示例性地，mcu213响应于处理器23的控制来控制osc212的振荡操作。

示例性地，检测电路214对由天线211接收的反射波和来自osc212的本地信号(换言之，发射无线电波)执行相位检测，以输出差拍信号。检测电路214可以用将发射无线电波和反射波进行混合的混合器来代替。由混合器执行的混合可以被认为等同于相位检测。

在这点上，由于根据用户的心跳的多普勒效应，在由检测电路214获得的差拍信号中发生幅值变化和频率变化。换言之，差拍信号包括指示用户的心跳的信息。

示例性地，运算放大器215放大从检测电路214输出的差拍信号。经放大的差拍信号被输入至处理器23。

示例性地，电源单元216向mcu213、检测电路214和运算放大器215提供驱动电力。

示例性地，可选的惯性传感器22可以检测传感器单元2的运动。惯性传感器22可以是加速度传感器或陀螺仪。示例性地，压电型传感器和电容型传感器中的任一种可以应用于加速度传感器。自旋转子(飞轮)型传感器、光学型传感器和振动结构型传感器中的任一种可以应用于陀螺仪。

惯性传感器22可以包括检测轴中的一个或更多个。例如，沿检测轴之一的方向上的重力分量可以被检测为“加速度”分量。惯性传感器22的检测信号可以被输入至处理器23。

处理器23是具有算术处理能力的算术处理设备的示例。算术处理设备可以被称为算术处理装置或算术处理电路。示例性地，集成电路(ic)例如mpu(微处理单元)或dsp(数字信号处理器)可以应用于作为算术处理设备的示例的处理器23。“处理器”可以被称为“处理单元”、“控制器”或“计算机”。

处理器23可用于基于无线传感器21的检测信号来检测用户的心跳。示例性地，可以对无线传感器21的检测信号应用滤波器，以从无线传感器21的检测信号中检测源于心跳的信号分量(其可以被称为“心跳分量”或“心跳信号”)。

高通滤波器(hpf)和带通滤波器(bpf)可以应用于非限制性示例的滤波器。hpf可以被称为“低截止滤波器(lcf)”。在这点上，bpf可以是可选的。

处理器23可以基于检测到的心跳来确定与用户的睡眠相关的状态。

当传感器2包括惯性传感器22时，惯性传感器22的检测信号可以被用于控制hpf和bpf的滤波器特性。出于描述的目的，hpf的滤波器特性可以被称为“hpf特性”，并且出于描述的目的，bpf的滤波器特性可以被称为“bpf特性”。

示例性地，控制hpf特性可以是指控制截止频率(其可以被称为“截止频率”)。具有比截止频率低的频率的信号被减少或抑制，并且具有比截止频率高的频率的信号几乎不衰减。出于描述的目的，低于截止频率的频带将被称为hpf的“截止频带”。

示例性地，控制bpf特性可以是指控制bpf的通带中心频率和通带宽度中的至少之一。bpf的“通带中心频率”和“通带宽度”可以分别被简称为“中心频率”和“带宽”。

控制hpf特性和bpf特性可以被认为是指控制无线传感器21的检测信号中待处理的目标频带(或从待处理的目标排除的频带)。下面将描述滤波器特性控制的示例。

无线传感器21的检测信号和惯性传感器22的检测信号均可以被称为“检测值”或“输出值”。出于描述的目的，无线传感器21的检测值可以被称为“无线传感器值”，并且惯性传感器22的检测值可以被称为“惯性传感器值”。

此外，可以由信息处理设备3的处理器31(下面参照图4所描述的)而不是传感器单元2的处理器23来执行上述的心跳检测和滤波器特性控制。

接下来，在图3中，存储器24是设置在传感器单元2中的存储单元或存储介质的示例，并且可以是ram(随机存取存储器)或快闪存储器。

由处理器23读取和使用以操作的程序和数据可以被存储在存储器24中。“程序”可以被称为“软件”或“应用程序”。“数据”可以包括根据处理器23的操作生成的数据。

通信if25是传感器单元2的通信单元的示例，并且示例性地与通信装置6(参见图1)连接，并且使得能够通过网络4与信息处理设备3进行通信。

例如，通信if25可以将无线传感器21的检测信号或者无线传感器21和惯性传感器22的每个检测信号发送至信息处理设备3。被发送至信息处理设备3的信号和信息不限于检测信号，并且可以是基于检测信号而获得的信息。

换言之，从生命传感器2发送至信息处理设备3的传感器信息可以包括无线传感器21的每个测量值(或无线传感器21和惯性传感器22的每个测量值)，或者可以包括基于测量值而获得的信息。

通信if25可以在不通过通信装置6和/或网络4来进行路由的情况下与信息处理设备3连接，以与信息处理设备3直接进行通信。

(信息处理设备3的配置示例)

接下来，将参照图4来描述图1中所示的信息处理设备3的配置示例。如图4所示，示例性地，信息处理设备3可以包括处理器31、存储器32、存储装置33、通信接口(if)34和外围if35。

示例性地，处理器31、存储器32、存储装置33、通信if34和外围if35可以经由总线36连接，以经由处理器31彼此通信。

处理器31是具有算术处理能力的算术处理设备的示例。算术处理设备可以被称为算术处理装置或算术处理电路。示例性地，ic如cpu或mpu或dsp可以应用于作为算术处理设备的示例的处理器31。“处理器”可以被称为“处理单元”、“控制器”或“计算机”。

示例性地，处理器31控制信息处理设备3的整个操作。由处理器31执行的控制可以包括对通过网络4执行的通信的控制。通过控制通信，可以例如通过网络4来远程控制空气调节器7和照明装置8。

示例性地，处理器31可以基于由通信if34接收的生命传感器2的传感器信息来如上所述地检测心跳或控制滤波器特性。

此外，示例性地，处理器31可以生成控制生命传感器2的用户所处的空间环境的控制信号，例如，控制空气调节器7和照明装置8的操作的控制信号。

示例性地，可以基于以下来生成控制信号：基于从生命传感器2获得的传感器信息检测到的用户的心率以及与基于心率所估计或确定的用户的睡眠相关的状态。

示例性地，由处理器31生成的控制信号可以通过通信if34发送至空气调节器7和照明装置8。

存储器32是存储介质的示例，并且可以是ram或快闪存储器。由处理器31读取和使用以操作的程序和数据可以被存储在存储器32中。

存储装置33可以存储数据和程序的各种片段。硬盘驱动器(hdd)、固态驱动器(ssd)或快闪存储器可以应用于存储装置33。

示例性地，存储在存储装置33中的数据可以包括：由通信if34接收的传感器2的传感器信息、基于传感器信息而检测到的心率以及与基于心率所估计或确定的用户的睡眠相关的状态。

可选地，可以在数据库(db)中编译存储在存储装置33中的数据。在db中编译的数据可以被称为“云数据”或“大数据”。存储装置33和存储器32可以被统称为信息处理设备3的“存储单元30”。

存储在存储装置33中的程序可以包括用于执行参照图7、图10和图11描述的处理的程序。

出于描述的目的，用于执行下面参照图7、图10和图11描述的处理的程序可以被称为“传感器信息处理程序”。

构成程序的程序代码的全部或一部分可以被存储在存储单元中，或者可以被描述为操作系统(os)的一部分。

程序和数据可以被记录在待设置的计算机可读非暂态记录介质中。记录介质的示例包括软盘、cd-rom、cd-r、cd-rw、mo、dvd、蓝光盘和便携式硬盘。此外，半导体存储器例如usb(通用串行总线)存储器是记录介质的示例。

可替选地，可以通过网络4将程序和数据从服务器提供(或下载)至信息处理设备3。例如，可以通过通信if34将程序和数据提供至信息处理设备3。此外，可以将程序和数据从连接至外围if35的在下文中描述的输入装置输入至信息处理设备3。

通信if34是设置在信息处理设备3中的通信单元的示例，并且示例性地连接至网络4，以使得能够通过网络4进行通信。

在专注于接收过程时，通信if34是接收从生命传感器2发送至信息处理设备3的信息的接收器(其可以被称为“获取单元”)的示例。

同时，在专注于发送过程时，通信if34是将由处理器31生成的控制信号发送至例如生命传感器2、空气调节器7和照明装置8的发送器的示例。示例性地，以太网(注册商标)卡可以应用于通信if34。

通信if34可以在不通过网络4进行路由的情况下与生命传感器2的通信if25连接，以使得能够与生命传感器2直接进行通信。

示例性地，外围if35是将外围装置连接至信息处理设备3的接口。

外围装置可以包括向信息处理设备3输入信息的输入装置以及输出由信息处理设备3生成的信息的输出装置。

输入装置可以包括键盘、鼠标和/或触摸面板。输出装置可以包括显示器和/或打印机。

顺便说一下，与休息时间相比，当用户在紧接运动之后心率高时，用户的呼吸率也高(换言之，用户的呼吸活动是活跃的)。因此，胸部伴随呼吸活动的运动趋于变强。

因此，当用户的心率较高时，相对于与伴随用户的心跳的运动相对应的信号分量(例如，频率分量)，与伴随用户的呼吸活动的运动相对应的信号分量(例如，频率分量)更有可能作为噪声分量混入无线传感器21的检测信号中。

因此，将源于呼吸的信号分量(其可以被简写为“呼吸分量”)错误地检测为源于心跳的信号分量(其可以被称为“心跳分量”)的可能性变高，并且变得难以从无线传感器21的检测信号中检测心跳分量。换言之，当用户的心率较高时，呼吸分量降低心跳分量的检测精度。

例如，无线传感器21的检测信号中的假设在休息时间期间人体的心跳分量出现在其中的平均频带(出于描述的目的，其可以被称为“心跳出现频带”)约为0.7hz至4.0hz(作为非限制性示例)。

相比之下，无线传感器21的检测信号中的假设在休息时间期间人体的呼吸分量出现在其中的平均频带(出于描述的目的，其可以被称为“呼吸出现频带”)约为0.1hz至0.5hz(作为非限制性示例)。

因此，在如在休息时间那样用户的心跳和呼吸平稳的状态下，心跳出现频带和呼吸出现频带趋于不交叠，并且将呼吸分量错误地检测为心跳分量的可能性低。

然而，在一些情况下，当人体的呼吸活动变得活跃时，作为与呼吸分量相对应的参考频率的n倍(n是等于或大于2的整数)的谐波(n次谐波)分量出现在心跳出现频带中。当呼吸分量的谐波分量出现在心跳出现频带中时，存在将呼吸分量的谐波分量错误地检测为心跳分量的可能性。

例如，如图5所示，无线传感器值的频率分析使得谐波分量(例如，峰值频率的二次谐波到五次谐波)出现在相对于出现在约为0.1hz至0.5hz的呼吸出现频带a中的呼吸分量的主峰值频率的高频带侧。另外，出于描述的目的，呼吸分量的谐波分量出现在其中的频带将被称为“谐波出现频带”(参见图5中的附图标记c)。此外，“n次谐波”可以被称为“n阶谐波分量”。

当被观察者的呼吸率较高时，呼吸分量的峰值频率更趋于向高频侧偏移。因此，也可以认为谐波出现频带c响应于偏移而向高频侧偏移(参见图5中的虚线箭头c1)。

当谐波出现频带c的上限频率向高频侧偏移时，高频侧的谐波出现频带c的至少一部分与心跳出现频带b的低频侧交叠。

当谐波出现频带c的至少一部分与心跳出现频带b交叠时，呼吸分量的谐波分量可能出现在心跳出现频带b中。

呼吸分量的谐波分量变成相对于心跳分量的噪声分量。因此，呼吸分量的谐波分量更可能被错误地检测为心跳分量。

因此，在本实施方式中，例如，滤波器抑制无线传感器21的检测信号中的谐波出现频带c的信号分量。示例性地，hpf可以应用于滤波器。

图6示出了hpf特性的示例。图6示出了作为非限制性示例的三种类型的截止频率为0.8hz、1.0hz和1.3hz的hpf特性。示例性地，可以从三种类型的hpf特性中选择并确定应用于无线传感器值的hpf特性。

另外，如上所述，谐波出现频带c可以响应于呼吸率的变化而在频域中偏移。因此，hpf特性(例如，截止频率)也可以响应于呼吸率的变化而变化。

示例性地，可以在不包括心跳出现频带b的频率范围内执行hpf特性可变控制，使得心跳出现频带b中的心跳分量不被截除。换言之，可以执行hpf特性可变控制，使得hpf截止频带不与心跳出现频带b交叠。

在这点上，当被观察者的心率较高时，呼吸率趋于较高。因此，响应于呼吸分量的峰值频率向高频侧偏移，也可以认为心跳出现频带b向高频侧偏移(参见图5中的虚线箭头b1)。

因此，响应于心跳出现频带b向高频侧偏移，可以通过将高频范围设置成hpf截止频带的上限频率不与心跳出现频带b交叠来有效抑制呼吸分量的谐波分量。

例如，可以根据被观察者的呼吸率来自适应地选择图6所示的三种类型的hpf特性之一。作为非限制性示例，当被观察者的呼吸率较高时，可以选择截止频率的较高hpf特性。

另外，作为分析无线传感器21的检测信号的频率的结果或者如下所述的基于惯性传感器22的检测信号，可以检测或估计被观察者的呼吸率。

通过将上述hpf应用于无线传感器21的检测信号，可以有效抑制出现在心跳出现频带b中的呼吸分量的谐波分量，从而提高心跳信号的检测精度。由于心跳信号的检测精度，还可以提高例如控制被观察者所处的空间环境的精度和效率。

(操作示例)

将描述根据本实施方式的传感器系统1的一些操作示例。另外，下面将描述由信息处理设备3(例如，处理器31)处理生命传感器2的无线传感器值的示例。在这点上，处理的部分或全部可以由生命传感器2(例如，处理器23)来执行。

(第一实施方式)

图7是示出了根据第一实施方式的传感器系统1的操作示例的流程图。如图7所示，信息处理设备3从传感器单元2接收无线传感器值(处理p11)。所接收的无线传感器值可以被存储在存储单元30中。

信息处理设备3可以对无线传感器值应用hpf(处理p12)。应用hpf的无线传感器值可以是从存储单元30读取的无线传感器值或在处理p11中接收到的无线传感器值。

应用于无线传感器值的hpf特性可以被设置为具有图6所示的截止频率之一的特性。另外，在第一实施方式中，可以静态地设置hpf特性。下面将在第二实施方式和第三实施方式中描述动态地设置hpf特性。

应用hpf抑制无线传感器值中呼吸分量的谐波出现频带c的信号分量，以便心跳出现频带b的信号分量在不被抑制的情况下通过hpf。信息处理设备3可以分析已经通过hpf的信号分量的频率(处理p13)。

对于频率分析，可以使用快速傅里叶变换(fft)或离散傅里叶变换(dft)。通过fft或dft将无线传感器值从时域信号转换成频域信号(出于描述的目的，其可以被称为“频率信号”)。

例如，信息处理设备3可以在通过频率分析而获得的频率信号的心跳出现频带b中检测具有峰值的频率(这样的频率可以被称为“峰值频率”)。该峰值频率与心跳分量的峰值频率相对应。

通过将心跳分量的峰值频率乘以例如60(秒)，可以将频率转换为心率。信息处理设备3可以基于检测到的心跳分量的峰值频率(或心率)来确定应用于已经通过hpf的信号分量的bpf特性(处理p14)。

在这点上，如图8所示，例如，包括每次跳动的心跳的时间长度(或时间间隔)往往根据每单位时间的心率是高还是低而变化。另外，在图8中，横轴指示在给定时间点的心率x(n)(n是正整数)，并且纵轴指示随后的心率x(n+1)。下面将描述图8中的附图标记122、附图标记124、附图标记126和“d”的含义。

例如，随着每单位时间的心率增加，每次跳动的时间长度的变化趋于减小。相反地，随着每单位时间的心率下降，每次跳动的时间长度的变化趋于增加。

示例性地，在心跳出现频带b(在非限制性示例中为0.7hz至4.0hz)中，在每单位时间(例如，一分钟)50次跳动的情况下，每次跳动的时间长度中出现约±20％的变化。同时，在比50次跳动高的120次跳动的情况下，每次跳动的时间长度中发生约±5％的变化。这样的“变化”可以被认为是生物体的“心跳特性”。

因此，当根据特定心率(例如，60次跳动或120次跳动)来静态地设置bpf的通带宽度时，心跳分量缺失或者不能根据心率是高还是低来充分消除噪声分量。因此，可能降低心率的检测精度。

因此，在本实施方式中，bpf的通带宽度(下面也被简称为“bpf带宽”)可以根据心率是高还是低(换言之，心跳分量的峰值频率是高还是低)而自适应地改变。

例如，当每单位时间的心率较高时，可以将bpf带宽设置得较窄，并且当每单位时间的心率较低时，可以将bpf带宽设置得较宽。另外，下面将参照图19至图28来描述bpf带宽可变设置示例。

通过进行这样的bpf带宽可变设置，可以减少错过接收心跳出现频带b中的心跳分量，并且提高与心跳分量不同的噪声分量的抑制程度。

例如，即使当心跳出现频带b包括尚未能够被hpf完全抑制的呼吸分量的谐波分量时，当谐波分量在bpf带宽之外时，仍然可以抑制谐波分量。

此外，即使当心跳出现频带b包括源于伴随被观察者的活动的运动的噪声分量时，当噪声分量在bpf带宽之外时，同样地，仍然可以抑制噪声分量。

另外，示例性地，可以根据在通过分析无线传感器值的频率而获得的结果中峰值频率是高还是低来确定心率是高还是低。

根据确定出的bpf特性(图7中的处理p14)，信息处理设备3可以将具有所确定的bpf特性的bpf应用于已应用hpf的频率信号(处理p15)。

信息处理设备3可以基于已应用bpf的频率信号来搜索并检测心跳出现频带b中的心跳分量。例如，信息处理设备3可以将指示与被观察者的心跳相对应的区别性变化的心跳分量检测为心跳出现频带b中的“特征点”(处理p16)。

例如，“特征点”可以是在应用bpf的无线传感器值的信号波形中一阶导数变为零的点(换言之，峰值)。响应于检测到“特征点”，信息处理设备3可以通过计算“特征点”处的时间间隔(例如，“秒”)并用计算出的时间间隔除一分钟(＝60秒)来计算每分钟的心率(处理p17)。

计算出的心率可以被用作控制被观察者所处的空间环境(处理p18)的参数。此外，如图7中的虚线所示，可选地，可以将计算出的心率的信息输出至诸如显示器或打印机的输出装置(处理p19)。

另外，可选地，可以将处理p13中的频率分析结果、在处理p14中确定的bpf特性的信息以及在处理p16中检测到的特征点的信息中的至少之一输出至诸如显示器或打印机的输出装置。在这种情况下，可以通过使用输出装置来检查频率分析结果以及bpf特性的设置状态或设置是否适当。

如上所述，根据第一实施方式，通过对无线传感器值应用具有可以抑制呼吸分量和呼吸分量的谐波分量的截止频带的hpf，可以在无线传感器值中抑制可能混入心跳出现频带b中的源于呼吸的噪声分量。

因此，可以降低将源于呼吸的噪声分量错误地检测为心跳出现频带b中的心跳分量的可能性，并且可以基于无线传感器值来提高心跳分量检测精度。

例如，即使当被观察者在运动之后心率高且呼吸率也高时，仍然可以抑制心跳出现频带b中源于呼吸的噪声分量。因此，即使被观察者在运动之后呼吸活动处于活跃状态下，仍然可以提高检测被观察者的心率的精度。

另外，图9示出了在对无线传感器值应用hpf(截止频率为0.8khz)的情况下以及不对无线传感器值应用hpf的情况下的无线传感器值的频域中的信号波形的示例。

图9示出了在不对信号波形应用hpf的情况下的信号波形的示例(由虚线表示)，并且示出了在对信号波形应用hpf的情况下的信号波形的示例(由实线表示)。在图9中，由虚线表示的未应用hpf的信号波形与图5所示的信号波形相对应。

如图9所示，与未应用hpf的信号波形相比，在已应用hpf的信号波形中抑制了呼吸分量和呼吸分量的二次谐波到五次谐波的谐波分量。

另外，在一些情况下，心跳出现频带b包括与源于呼吸的噪声分量不同的噪声分量。例如，心跳出现频带b包括源于伴随被观察者的诸如步行的活动的运动的噪声分量。

即使当心跳出现频带b包括与源于呼吸的噪声分量不同的噪声分量时，仍然可以抑制该噪声分量连同源于呼吸的噪声分量一起，只要该噪声分量包括在hpf截止频带中即可。

(第二实施方式)

图10是示出了根据第二实施方式的传感器系统1的操作示例的流程图。将在第二实施方式中描述根据被观察者的呼吸率来自适应地控制hpf特性的示例。

如图10所示，当从生命传感器2接收到无线传感器值时(处理p11)，信息处理设备3可以通过fft或dft来分析所接收的无线传感器值的频率(处理p21)。另外，所接收的无线传感器值可以被存储在存储单元30中。

信息处理设备3可以在通过频率分析而获得的频率信号中搜索并检测呼吸出现频带a(作为非限制性示例，约为0.1hz至0.5hz)中的峰值频率。检测到的峰值频率与呼吸分量的主峰值频率相对应。

信息处理设备3可以基于呼吸分量的峰值频率来确定hpf特性(处理p22)。

例如，信息处理设备3可以确定hpf特性，使得包括呼吸分量的峰值频率的呼吸出现频带a中的和对应于与呼吸分量的峰值频率相比的n次谐波的谐波分量出现在其中的谐波出现频带c中的每个信号分量被抑制。

在这点上，例如，当被观察者的呼吸率较高时，呼吸分量的峰值频率也变得较高(换言之，峰值频率向高频侧偏移)。

响应于呼吸分量的峰值频率向高频侧偏移，呼吸分量的峰值频率的谐波分量可能出现在心跳出现频带b中。

因此，信息处理设备3可以根据呼吸分量的峰值频率是高还是低来自适应地控制应用于无线传感器值的hpf的截止频率。例如，当呼吸分量的峰值频率较高时，信息处理设备3可以执行控制，以将应用于无线传感器值的hpf的截止频率设置为较高频率。

在图6的示例中，当呼吸分量的峰值频率较高时，信息处理设备3可以在0.8hz、1.0hz和1.3hz的三种类型的截止频率中选择最高截止频率以确定为hpf特性。

根据确定出的hpf特性，信息处理设备3可以将具有所确定的hpf特性的hpf应用于无线传感器值(处理p12)。可以从存储单元30读取应用hpf的无线传感器值。

随后，与第一实施方式(例如，图7)相类似，信息处理设备3可以执行处理p13至p19。

例如，信息处理设备3可以将具有与心跳分量的峰值频率相匹配的中心频率和带宽的bpf应用于已应用hpf的无线传感器值，并且基于已应用bpf的无线传感器值来计算心率。计算出的心率的信息可以被用于控制空间环境或者可以被输出至诸如显示器或打印机的外部装置。

如上所述，根据第二实施方式，应用于无线传感器值的hpf特性根据在通过分析无线传感器值的频率而获得的结果中检测到的呼吸分量的峰值频率而自适应地改变。

因此，与第一实施方式相比，可以获得与第一实施方式相同的功能和效果，并且有力地抑制心跳出现频带b中的源于呼吸的噪声分量。因此，可以基于无线传感器值来进一步提高心跳分量检测精度。心跳分量检测精度提高，使得检测被观察者的心率的精度也提高。

(第三实施方式)

在上述第二实施方式中，信息处理设备3基于通过分析无线传感器值的频率而获得的结果来检测被观察者的呼吸分量的峰值频率，并且根据检测到的峰值频率来自适应地确定hpf特性。

将在第三实施方式中描述生命传感器2包括惯性传感器22并且信息处理设备3基于惯性传感器值来自适应地确定hpf特性的示例。

例如，信息处理设备3可以基于惯性传感器值来估计被观察者的心率，基于估计的心率来估计呼吸率，并且根据估计的呼吸率来自适应地确定hpf特性。

图11是示出了根据第三实施方式的传感器系统1的操作示例的流程图。如图11所示，信息处理设备3从生命传感器2接收无线传感器值和惯性传感器值(处理p11和p31)。

响应于接收到惯性传感器值，信息处理设备3可以基于惯性传感器值来估计被观察者的心率(处理p32)。图12和图13示出了心率估计过程的第一示例，并且图14至图16示出了心率估计过程的第二示例。

(心率估计过程的第一示例)

如图12所示，信息处理设备3可以基于惯性传感器值来计算用户每单位时间(示例性地，一秒)的步数(其可以被称为“步行步频”)(处理p321)。与一般的计步器相类似，例如，可以通过在例如处理器31中对惯性传感器值超过给定阈值的次数进行计数来获得步数。

在此，可以通过关系式将步行步频和心率联系起来。例如，示例性地，可以通过对多个实际测量值执行曲线拟合来导出该关系式。

步行步频和心率的关系式的非限制性示例可以通过以下如图13所示的多项式等式(1)来表示。

y＝8e-05x³-0.0011x²-0.0855x+61.597...(1)

在图13中，横轴“x”表示步行步频[步数/秒]，并且纵轴“y”表示每单位时间(示例性地，1分钟)的心率[每分钟的心跳数，bpm]。此外，“8e-05”表示“8×10^-5”。

信息处理设备3可以通过基于在处理p321中计算出的步行步频计算等式(1)来计算心率(图12中的处理p324)。出于描述的目的，计算出的心率可以被称为“估计的心率”。

例如，图13所示的关系可以由表格格式的数据(其可以被称为“表格数据”)来表示。例如，表格数据可以被存储在信息处理设备3的存储单元30(参见图4)中。信息处理设备3(例如，处理器31)可以通过参考表格数据而不执行算术运算来找到相对于步行步频的估计的心率。

(心率估计过程的第二方面)

接下来，将参照图14至图16来描述图11中的心率估计过程(p32)的第二方面。上述第一示例是基于被观察者的步行步频来计算心率的示例。在第二示例中，可以基于被观察者的运动强度来计算心率。

如图14所示，与第一示例(图12)相类似，信息处理设备3可以基于无线传感器值来计算用户的步行步频(处理p321)。

信息处理设备3可以根据计算出的步行步频基于步行步频来计算步行速度(处理p322)。

在这点上，可以通过关系式将步行步频和步行速度联系起来。可以通过对多个实际测量值执行曲线拟合来导出该关系式。

步行步频和步行速度的关系式的非限制性示例可以通过以下如图15所示的多项式等式(2)来表示。

y＝1e-05x³-0.0014x²+0.0725x-0.0119...(2)

在图15中，横轴“x”表示步行步频[步数/秒]，并且纵轴“y”表示每单位时间(示例性地，1小时)的步行速度[km/h]。此外，“1e-05”表示“1×10^-5”。

随着每单位时间的步行距离增加，每步的步长距离和步数也趋于增加。例如，当用户每分钟步行70m(＝每小时4.2km)时，步长＝身高×0.37是适用的；当用户每分钟步行90m(＝每小时5.4km)时，步长＝身高×0.45是适用的；以及当用户每分钟步行110m(＝每小时6.6km)时，步长＝身高×0.5是适用的。因此，可以基于上述步长和步行步频来近似计算与每单位时间的步行距离相对应的步行速度。

信息处理设备3可以通过基于在处理p321中计算出的步行步频计算等式(2)来计算步行速度。

另外，例如，图15所示的关系由与图13所示的关系相类似的表格数据来表示并且被存储在存储单元30(参见图4)中。信息处理设备3可以通过参考表格数据而不执行算术运算来找到相对于步行步频的步行速度。

信息处理设备3可以根据计算出的步行速度基于步行速度来计算用户的运动强度(图14中的处理p323)。运动强度是指示人的活动量的指标值，并且可以由met值来表示。

met是“代谢当量”的缩写。met值可以是表示在人活动期间的代谢率(或卡路里消耗量)相对于在休息期间的代谢率的相对值(例如，倍数值)的数值。将met值与人的每个活动相关联的表格被称为“met表格”。例如，met表格由国家健康和营养研究所公布。

图16示出了步行速度与met值之间的关系的示例。步行速度＝0[km/h]与met值＝1相关联，并且与在休息期间的参考运动强度相对应。如图11所示，随着步行速度增加，met值也增加。

例如，在步行速度＝2.5[km/h]的情况下，met值是参考met值(＝1)的三倍。在步行速度＝4[km/h]的情况下，met值是参考met值的五倍。

例如，当确定出met值时，可以基于用户的年龄和在休息期间的心率来确定当前心率。例如，可以通过以下等式(3)来表示met值。

met值＝(心率－在休息期间的心率)/(最大心率－在休息期间的心率)×10...(3)

等式(3)中的“最大心率”可以被简单计算为“220-年龄”。

因此，信息处理设备3可以根据等式(3)基于met值来计算当前心率(图14中的处理p324)。换言之，当难以在用户的运动或活动期间精确地检测心率时，可以根据等式(3)基于met值来估计心率。

在这点上，hpf不需要取决于估计的心率而应用于无线传感器值。例如，当基于惯性传感器值估计的心率(或met值)较高时，呼吸率也趋于较高。

在图11中，当估计的心率(或met值)超过阈值时(在处理p33中为“是”)，信息处理设备3基于估计的心率来估计呼吸率(处理p35)，并且根据估计的呼吸率来确定应用于无线传感器值的hpf特性(处理p36)。

当估计的心率较高、估计的呼吸率较高时，并且当呼吸率较高时，呼吸分量的谐波分量更可能混入心跳出现频带b中。因此，与第一实施方式和第二实施方式相类似，确定对无线传感器值的hpf的应用。

可以基于图17和图18所示的心率与呼吸率之间的关系来执行基于估计的心率估计呼吸率。另外，图17示出了与步行速度(其可以是作为运动强度的指标的met值)相关联的心率和呼吸率之间的关系。

例如，通过使用图17所示的心率和呼吸率的多个数据项来执行曲线拟合(换言之，拟合曲线)，可以导出图18所示的呼吸率和心率的关系式。

示例性地，该关系式可以表示为以下多项式(4)。

y＝0.0415x²+0.8894x+58.035...(4)

另外，图18中的横轴“x”表示每单位时间(示例性地，一分钟)的呼吸率[f/min]，并且图18中的纵轴“y”表示每单位时间(示例性地，一分钟)的心率[每分钟的心跳数，bpm]。

信息处理设备3可以通过用估计的心率替换等式(4)中的“y”求解等式(4)中的“x”来计算呼吸率“x”。出于描述的目的，计算出的呼吸率可以被称为“估计的呼吸率”。

另外，例如，图18所示的关系可以由表格格式的数据(其可以被称为“表格数据”)来表示。例如，表格数据可以被存储在信息处理设备3的存储单元30(参见图4)中。信息处理设备3(例如，处理器31)可以通过参考表格数据而不执行算术运算来找到相对于估计的心率的估计的呼吸率。

此外，图18中的纵轴(心率)可以用步行速度(或met值)来替换。换言之，如图17所示，当步行速度(或met值)较高时，心率趋于变高(换言之，这种趋势意味着相关性)。因此，可以基于与步行速度(或met值)的关系来估计呼吸率。

与第二实施方式相类似，当计算出估计的呼吸率时，信息处理设备3可以根据估计的呼吸率来控制应用于无线传感器值的hpf的截止频率。

在图6的示例中，当呼吸分量的峰值频率较高时，信息处理设备3可以在0.8hz、1.0hz和1.3hz的三种类型的截止频率中选择最高截止频率以确定为hpf特性。

根据确定出的hpf特性，信息处理设备3可以将具有所确定的hpf特性的hpf应用于无线传感器值(图11中的处理p12)。可以从存储单元30读取应用hpf的无线传感器值。

随后，与第一实施方式(例如，图7)相类似，信息处理设备3可以执行图11中的处理p13至p19。

例如，信息处理设备3可以将具有与心跳分量的峰值频率相匹配的中心频率和带宽的bpf应用于已应用hpf的无线传感器值，并且基于已应用bpf的无线传感器值来计算心率。计算出的心率的信息可以被用于控制空间环境或者可以被输出至诸如显示器或打印机的外部装置。

同时，在图11中，当基于惯性传感器值估计的心率(或met值)为阈值或小于阈值时(在处理p33中为“否”)，信息处理设备3可以仅通过对无线传感器值应用bpf而不应用hpf来充分抑制出现在心跳出现频带b中的噪声分量。

换言之，当基于惯性传感器值估计的心率(或met值)小于阈值时，可以认为在一些情况下会对由呼吸分量的谐波分量引起的心跳分量的检测有些许影响。

因此，当估计的心率(或met值)为阈值或小于阈值时(在处理p33中为“否”)，信息处理设备3可以基于估计的心率来确定应用于无线传感器值的bpf特性(处理p34)。

例如，信息处理设备3可以将估计的心率转换为频率，并且将转换的频率设置为应用于无线传感器值的bpf的中心频率。此外，示例性地，通过将心率除以60(秒)，可以将心率转换为频率。此外，当估计的心率较高时，信息处理设备3可以对bpf设置较窄的带宽。下面将描述bpf特性的详细确定示例。

信息处理设备3可以将具有所确定的bpf特性的bpf应用于无线传感器值，并且对无线传感器值进行滤波(处理p15)。可以从存储单元30读取在处理p15中应用bpf的无线传感器值。

随后，与第一实施方式(例如，图7)相类似，信息处理设备3可以执行图11中的处理p16至p19。

如上所述，根据第三实施方式，基于惯性传感器值来估计被观察者的心率，基于估计的心率来估计呼吸率，并且根据估计的呼吸率来自适应地确定应用于无线传感器值的hpf特性。

惯性传感器值包括指示与被观察者的活动相对应的“运动”的信息。因此，可以估计与“运动”相关联的心率，并且当可以估计出心率时，可以估计呼吸率。总而言之，可以基于惯性传感器值来估计正在进行活动的被观察者的呼吸率。

当被观察者正在进行活动时，即使当如在第二实施方式中那样分析无线传感器值的频率时，源于伴随被观察者的活动的运动的噪声分量降低了呼吸分量检测精度，或者不能取决于情况来检测呼吸分量。

然而，根据第三实施方式，可以基于惯性传感器值来估计呼吸率，以便可以在不需要分析无线传感器值的频率的情况下将应用于无线传感器值的hpf特性确定为适当的特性。

因此，即使当被观察者正在进行活动时，仍然可以使hpf特性适当，并且抑制心跳出现频带b中的源于呼吸的噪声分量。因此，即使当被观察者正在进行活动时，仍然可以提高检测被观察者的心跳分量的精度。心跳分量检测精度提高，使得检测被观察者的心率的精度也提高。

此外，根据第三实施方式，当可以确定基于惯性传感器值估计的心率(或met值)为阈值或小于阈值从而源于呼吸的噪声分量几乎不出现在心跳出现频带b中时，不需要对无线传感器值应用hpf。

因此，与无论基于惯性传感器值估计的心率或met值是高还是低都一律自适应地确定hpf特性的情况相比，可以减少信息处理设备3的处理量(换言之，处理负荷)。

另外，在上述第三实施方式中，基于惯性传感器值与心率(或met值)之间的关系来估计被观察者的呼吸率。然而，可以基于与惯性传感器值的关系来估计呼吸率。例如，当每给定单位时间的惯性传感器值的平均值较高时，被观察者的运动量较大。因此，可以根据惯性传感器值是高还是低来估计呼吸率是高还是低。

(bpf特性的确定示例)

接下来，将参照图8以及图19至图28来描述确定(或设置)上述bpf特性的处理(例如，图7、图10和图11中的处理p14以及图11中的处理p34)的示例。

下面描述的bpf特性的确定示例在第一实施方式与第三实施方式之间可以是共同的。在这点上，在下面的描述中，图7、图10和图11中的处理p14中的“参考心率”与基于在对无线传感器值应用hpf之后获得的频率分析结果而检测的并与心跳分量的峰值频率相关联的心率相对应。

相比之下，图11中的处理p34中的“参考心率”与基于惯性传感器值估计的心率相对应。例如，在第三实施方式中，“参考心率”在图11中的阈值确定处理p33中确定为“否”的情况下与在处理p32中基于惯性传感器值估计的心率相对应。

如上所述，图8示出了每单位时间的心率与每次心跳的时间长度的变化之间的关系。附图标记122表示心率的测量数据(x(n),x(n+1))，并且直线124表示每个测量数据122的中值。

示例性地，例如，表示中值124的直线是根据最小二乘法计算的每个测量数据122的直线，并且假设表示为ax(n)+bx(n+1)+c＝0。在这点上，系数a、b和c是实数。

在此，可以由以下等式(5)来表示从每个测量数据122(x(n),x(n+1))到直线124绘制的垂直线的长度d。

假设具有长度d的最大值的测量点是由坐标(x(m),x(m+1))表示的最大距离点126。“m”表示满足m≤n的正整数。

例如，在心跳频率＝2hz的情况下，通过最大距离点126和与“-0.1hz”相对应的坐标(在图8的示例中为坐标(120,114))的直线表示带宽的下限。

例如，表示带宽的上限的直线与通过点(120，126)和具有与任何频率处的带宽的下限相同的宽度的点的直线相对应。在心跳频率＝2hz的情况下的带宽可以参照图8中的测量数据122的心率x(n)＝120处的下一心跳的最大值和最小值来确定。

接下来，图19是示出了bpf特性的设置示例的示图。图19示出了通过在预设等式中代入参考心率计算的bpf的频带的上限和下限的示例。

在图19中，横轴表示参考心率[hz]，并且纵轴表示与带宽的上限和下限相对应的心率[hz]。在图19中，由频带上限值132来表示带宽的上限，并且由频带下限值134来表示带宽的下限。图19示出了在某些参考心率处的带宽的上限值和下限值。

例如，可以通过基于以下的内插或外推来确定上述“预设等式”：图8中所示的最大距离点126以及基于测量数据122确定的参考坐标(120，126)和(120，114)。

接下来，图20是示出了bpf的通带的示例的示图。在图20中，横轴表示bpf的中心频率，并且纵轴表示bpf的带宽。此外，在图20中，固定最小心跳141或可变最小心跳144表示当采用与给定中心频率相对应的带宽时与频带的下限相对应的心率。

此外，在图20中，固定最大心跳142或可变最大心跳145表示当采用与给定中心频率相对应的带宽时与频带的下限相对应的心率。

在本实施方式中，与bpf的带宽可变的情况相比，固定最小心跳141和固定最大心跳142是带宽根据心率不改变的情况的比较示例。

例如，根据可变最小心跳144和可变最大心跳145，bpf的带宽与由心率＝1hz附近的附图标记148所表示的带宽相对应，并且与由附图标记149所表示的带宽相对应，由附图标记149所表示的带宽比心率＝1hz附近的带宽148窄。因此，将较宽的带宽148设置在较低的心率处，并且将较窄的带宽149设置在较高的心率处。

图21是示出了bpf带宽的设置示例的示图。在图21中，横轴表示中心频率，并且纵轴表示带宽。在图21中，直线152表示相对于中心频率的带宽的设置值的示例。例如，在参照图8和图20描述的示例中，可以将带宽152设置成响应于中心频率的增加而线性减小。

中心频率与带宽之间的关系足以具有当中心频率变低时带宽变宽的关系，并且无需为由直线表示的关系。例如，如图21中的附图标记154所示，可以将带宽设置成使得带宽相对于中心频率逐步改变。例如，可以通过使用基于给定两个或更多个点(其基于实际测量值来确定)的单调增加的一个或更多个适当的函数的内插和外推来确定带宽与中心频率之间的关系。

接下来，图22至图25是示出了带宽的其他设置示例的示图。图22和图23是示出了心率分布的示例的示图，并且图24和图25是示出了心率统计过程的示例的示图。在图22和图23中，横轴表示时间，该时间表示在给定时间点处的心跳间隔与下一个心跳间隔的差，并且纵轴表示测量次数。

图22示出了心率接近55至60的心率分布，并且图23示出了心率接近75至80的心率分布。在图22与图23之间进行比较，在心率接近55至60处的测量数据项比在心率接近75至80处的更集中在纵轴附近，并且心率变化较小。例如，用于统计处理的测量数据可以是通过心电图仪测量的数据，心电图仪通过将电极放置成与生物体接触来测量心跳。

图24和图25示出了在心率接近60和心率接近120处的实际测量数据的统计过程的示例。在图24和图25所示的统计过程的示例中，计算532个数据项的概率分布，并且计算bpf的带宽，使得测量数据在特定概率或更高的概率的范围内。

在图24中的统计处理的示例中，通过确定出所计算的概率分布的8σ的范围以及在心率接近60处的cp值＝1.33，带宽为±0.165hz。在此，σ表示标准偏差，并且“cp”表示“处理能力”。在cp值＝2.16的情况下，在心率接近120处设置与该带宽相同的带宽。

类似地，在图25的统计处理的示例中，通过确定出所计算的概率分布的8σ的范围以及在心率接近120处的cp值＝1.33，带宽为±0.1015hz。在cp值＝0.82的情况下，在心率接近60处设置与该带宽相同的带宽。

如上所述执行实际测量值的统计处理，并且设置使得能够以给定概率或更高的概率进行数据检测的bpf的带宽。在这种情况下，可以基于给定的两个点来线性确定带宽与和参考心率相对应的中心频率之间的关系，或者可以通过对较短间隔的中心频率执行上述统计处理而通过内插来确定带宽与所述中心频率之间的关系。

可替选地，当确定出给定的两个或更多个点时，可以通过使用基于每个点的单调增加的一个或更多个适当的函数而通过内插和外推来确定带宽与中心频率之间的关系，或者可以将带宽与中心频率之间的关系设置成使得带宽相对于中心频率逐步改变。

图26和图27是示出了带宽的设置示例的示图。在图26和图27中，横轴表示频率[hz]，并且纵轴表示增益[db]。在图26和图27中，例如，心跳出现频带162为0.8hz至4.0hz。

根据图26所示的无线传感器值的频率分析结果(例如，fft结果)160，在心跳出现频带162中存在由附图标记163表示的峰值增益。例如，将与峰值增益163相对应的频率设置为bpf的中心频率，并且将由附图标记164表示的带宽设置为bpf的带宽。

同时，根据图27所示的fft结果165，在心跳出现频带162中存在由附图标记168表示的峰值增益。将与峰值增益168相对应的频率设置为bpf的中心频率。

在此，由于与峰值增益168相对应的中心频率高于与图26中的峰值增益163相对应的频率，因此，将比图26中的带宽164窄的带宽166设置为bpf的带宽。

因此，将bpf的中心频率设置为与参考心率相关联的频率，并且根据中心频率是高还是低来对带宽进行自适应可变控制。因此，可以有效地抑制出现在心跳出现频带中的噪声分量。

换言之，通过使用以下bpf，可以在不依赖于心率是高还是低的情况下有效地抑制心跳出现频带中的不必要的信号分量：所述bpf具有与生物体的心跳特性相匹配的可变中心频率和带宽。因此，可以提高心跳出现频带中的心跳信号的检测精度。

图28是示出了带宽信息的示例的视图。例如，可以将图28中所示的带宽信息170存储在信息处理设备3的存储单元30中。作为非限制性示例，带宽信息170可以包括参考心率信息171、bpf宽度下限信息172和bpf宽度上限信息173。

信息处理设备3的处理器31可用于参考带宽信息170来确定并设置与参考心率相对应的bpf的频带。

(其他)

另外，在上述每个实施方式中，对无线传感器值的bpf的应用和bpf特性可变控制可以是可选的。预计在不应用bpf的情况下将至少上述hpf应用于无线传感器值能够提高心跳分量检测精度。

此外，在第三实施方式中已经描述了无线传感器21和惯性传感器22集成在传感器单元2中的示例。然而，无线传感器21和惯性传感器22可以是分开的主体，只要无线传感器21和惯性传感器22附接至同一用户即可。换言之，无论无线传感器21和惯性传感器22是集成还是分开的主体是无关紧要的，只要同一用户是感测目标即可。

当无线传感器21和惯性传感器22被集成为传感器单元2时，可以省略单独管理无线传感器21和惯性传感器22或者将无线传感器21和惯性传感器22附接至用户的工作，并提高用户友好性和方便性。此外，可以防止或抑制无线传感器21和惯性传感器22之一的附接被遗忘或者无线传感器21和惯性传感器22之一丢失。

同时，当无线传感器21和惯性传感器22是分开的主体时，可以单独调节相应传感器21和22相对于用户的附接位置，并且预计提高了附接位置的自由度。