电路装置、物理量测量装置、电子设备以及移动体的制作方法

本发明涉及电路装置、物理量测量装置、电子设备以及移动体等。

背景技术

在数码相机、智能手机等电子设备或汽车、飞机等移动体中，组装有用于检测因外部因素而变化的物理量的物理量测量装置。例如，检测角速度的陀螺仪传感器被用于所谓的手抖动校正、姿势控制、gps自主导航等。

为了确切地进行手抖动校正、姿势控制等处理，检测物理量测量装置的异常是很重要的。这是因为在物理量测量装置出现异常的情况下，要测量的物理量会偏离本来的值(如果是陀螺仪传感器，则为本来的角速度)，无法执行确切的处理。

例如，在专利文献1中，公开了如下方法：在振子(物理量换能器)的调谐中进行使自振动成分与0错开的调谐，在所提取的自振动成分减少时判断为故障。

并且，在专利文献2中，公开了如下方法：通过使用提取输入信号的dc成分的卡尔曼滤波器，减少陀螺仪传感器中的dc偏移(零点的误差)。通过减少dc偏移，能够减少角度的检测误差，能够高精度地进行手抖动校正等处理。

专利文献1：日本特开2010-107416号公报

专利文献2：日本特开2015-114220号公报

在物理量测量装置中，有时会出现物理量换能器与检测电路之间的连接异常。例如，在陀螺仪传感器中，可考虑传感器检测电极和检测电路的焊盘中的至少一方发生断线的故障模式。在该故障模式中，并不是完全不能检测传感器信号(检测信号)，只不过会引起灵敏度异常、零点变动等现象。例如，在陀螺仪传感器检测的角速度变小的情况下，不容易判别实际上是旋转较小(较慢)还是处于上述故障模式。

在专利文献1的方法中，要想检测上述故障模式(连接异常)，需要设定并检测自振动成分(泄漏振动成分)，除了物理量检测电路之外，还设置有包含同步检波电路、放大器、积分电路等的自振动成分提取电路。因此，即使在检测元件和物理量检测电路不存在问题的情况下，也存在如下课题：在该自振动成分提取电路的内部出现异常的情况下判断为故障。并且，专利文献2的方法用于提高陀螺仪传感器的检测精度，不进行异常检测。

技术实现要素：

本发明是为了解决上述的课题的至少一部分而完成的，能够作为以下的方式或形态实现。

本发明的一个方式涉及电路装置，该电路装置被物理量测量装置，该电路装置包含：检测电路，其根据来自物理量换能器的检测信号，进行物理量的检测处理；以及处理电路，其进行基于所述检测电路的输出信号的处理，所述处理电路根据所述输出信号求出所述检测电路产生的本底噪声的指标信息，根据所述指标信息进行所述物理量测量装置的异常检测。

在本发明的一个方式中，处理电路根据在检测电路中产生的本底噪声的指标信息来进行物理量测量装置的异常检测。由此，能够确切地检测从物理量换能器到检测电路的信号处理路径中的异常，即在检测信号的信号电平判定等中不容易检测出的连接异常。

并且，在本发明的一个方式中，所述处理电路根据所述指标信息，进行所述物理量换能器与所述检测电路的连接的所述异常检测。

这样，能够确切地检测物理量换能器与检测电路的连接异常。

并且，在本发明的一个方式中，所述处理电路包含异常检测部，该异常检测部对作为所述本底噪声的所述指标信息的指标值和阈值进行比较，从而进行所述异常检测。

这样，能够通过使用了本底噪声的指标值的阈值判定来检测异常。

并且，在本发明的一个方式中，所述检测电路包含放大电路，该放大电路输入所述检测信号，所述本底噪声包含所述放大电路产生的本底噪声。

这样，能够根据在放大电路中产生的本底噪声的指标信息来进行异常检测等。

并且，在本发明的一个方式中，所述放大电路是q/v转换电路或i/v转换电路。

由此，在使用q/v转换电路或i/v转换电路作为放大电路的情况下，能够确切地进行异常检测等。

并且，在本发明的一个方式中，所述处理电路包含本底噪声检测电路，该本底噪声检测电路检测所述本底噪声的所述指标信息，所述本底噪声检测电路具有运算电路，该运算电路求出所述本底噪声的有效值。

由此，作为本底噪声的指标信息，能够求出本底噪声的有效值。

并且，在本发明的一个方式中，所述本底噪声检测电路具有高通滤波器和所述运算电路，该高通滤波器对所述检测电路的所述输出信号进行滤波处理，所述运算电路具有：平方运算处理部或绝对值运算处理部，该平方运算处理部对所述滤波处理后的信号进行平方运算，该绝对值运算处理部对所述滤波处理后的信号进行绝对值运算；以及平滑化电路，其将所述平方运算处理部或所述绝对值运算处理部的输出平滑化。

由此，能够通过确切的结构来实现本底噪声检测电路。

并且，在本发明的一个方式中，所述处理电路包含卡尔曼滤波器，该卡尔曼滤波器根据观测噪声和系统噪声进行卡尔曼滤波处理，提取所述检测电路的所述输出信号的dc成分，所述本底噪声的所述指标信息是所述卡尔曼滤波器输出的误差协方差。

由此，能够使用提取输出信号的dc成分的卡尔曼滤波器，求出本底噪声的指标值。

并且，在本发明的一个方式中，所述处理电路包含：卡尔曼滤波器，其根据观测噪声和系统噪声进行卡尔曼滤波处理，提取所述检测电路的所述输出信号的dc成分；以及噪声估计部，其根据所述检测电路的所述输出信号求出所述指标信息，所述噪声估计部根据所述指标信息估计所述观测噪声和所述系统噪声，将所述观测噪声和所述系统噪声输出到所述卡尔曼滤波器。

由此，通过用于动态地变更在卡尔曼滤波器中使用的观测噪声和系统噪声的噪声估计部，能够求出本底噪声的指标值。

并且，本发明的其他方式涉及物理量测量装置，该物理量测量装置包含上述的电路装置和所述物理量换能器。

并且，本发明的其他方式涉及电子设备，该电子设备包含上述任意的电路装置。

并且，本发明的其他方式涉及移动体，该移动体包含上述任意的电路装置。

附图说明

图1是电路装置的结构例。

图2是放大电路的结构例。

图3是放大电路的本底噪声的说明图。

图4是噪声增益(噪声传递函数)的特性例。

图5是噪声增益(噪声传递函数)的特性例。

图6是示出检测信号和本底噪声有效值的时间变化的波形图。

图7是放大电路的另一结构例。

图8是第1实施方式的处理装置的结构例。

图9是第2实施方式的处理装置的结构例。

图10是示意性地示出处理装置的动作的时序图。

图11是第3实施方式的处理装置的结构例。

图12是处理装置的详细的结构例。

图13是说明阈值的设定方法的图。

图14是电路装置的详细的结构例。

图15是物理量测量装置的结构例。

图16是电子设备的结构例。

图17是移动体的结构例。

标号说明

ant：天线；cf：电容器；cp：寄生电容；dcq：dc成分；di：反馈信号；dq：驱动信号；flov：停止标志；op：运算放大器；pi：输入信号；rf：电阻；tq：检测信号；σmeas：观测噪声；σsys：系统噪声；10：振子；12：物理量换能器；30：驱动电路；32：放大电路；40：增益控制电路；50：驱动信号输出电路；52：同步信号输出电路；60：检测电路；64：放大电路；81：同步检波电路；82：a/d转换电路；100：处理电路；102：零点估计部；104：减法处理部；106：处理部；110：噪声估计部；115：增益处理部；120：卡尔曼滤波器；121：减法处理部；122：选择器；130：本底噪声检测电路；131：高通滤波器；132：运算电路；133：平方运算处理部；134：平滑化电路；140：第1估计部；141：高通滤波器；142：平方运算处理部；143：峰值保持部；144：增益处理部；145：加法处理部；150：第2估计部；151：平方运算处理部；152：选择器；153：低通滤波器；154：限幅器；160：第3估计部；161：延迟部；162：减法处理部；163：低通滤波器；164：增益处理部；165：平方运算处理部；166：乘法处理部；167：加法处理部；170：异常检测部；180：监视部；181：增益处理部；182：偏移加法处理部；183：比较器；190：温度传感器；200：电子设备；206：汽车；207：车体；208：车体姿势控制装置；209：车轮；210：通信部；220：处理部；230：操作部；240：显示部；250：存储部；300：电路装置；400：陀螺仪传感器。

具体实施方式

以下，对本发明的优选实施方式进行详细说明。以下说明的本实施方式并非不当地限定权利要求书所记载的本发明的内容，在本实施方式中说明的结构并非全部是本发明的必须的解决手段。

1.本实施方式的方法

图1是本实施方式的电路装置300(集成电路装置、检测装置)的结构例。如图1所示，本实施方式的电路装置300是用于物理量测量装置的电路装置，包含：检测电路60，其根据来自物理量换能器12的检测信号tq，进行物理量的检测处理；以及处理电路100，其进行基于检测电路60的输出信号(处理装置100的输入信号pi)的处理。

如上述那样，在物理量测量装置的异常中，可考虑检测信号tq的灵敏度或零点处于与正常状态不同的状态的异常，即，未达到无法检测出检测信号tq的状态的情况。在该情况下，即使单纯地监视输入信号pi的值(例如振幅电平)，也很难检测出异常。这是因为，当输入信号pi为规定的信号电平时，无法判别是存在这样的输入(例如在陀螺仪传感器中存在与该信号电平对应的角速度的旋转)、还是由异常导致的。

因此，在本实施方式中，处理电路100根据检测电路60的输出信号求出检测电路60产生的本底噪声的指标信息，根据指标信息进行物理量测量装置的异常检测。

这里，本底噪声表示在检测电路60中产生的噪声，例如是热噪声或1/f噪声等。具体来说，检测电路60如图15所示的那样包含输入检测信号tq(在图15的例子中为作为差动信号的iq1、iq2)的放大电路64，本底噪声也可以包含放大电路64产生的本底噪声。本底噪声可能根据电路的设计、使用时的温度、信号的频率等发生变动，但具有一定的电平(振幅)。以下，说明能够根据本底噪声进行异常检测的原因。

图2是放大电路64的结构例。放大电路64包含运算放大器op、电阻rf和电容器cf。运算放大器op的反相输入端子输入来自物理量换能器12的检测信号tq。同相输入端子被供给低电位侧电源(狭义上为“地”)。并且，电阻rf和电容器cf在运算放大器op的输出端子与反相输入端子之间并联设置。即，电阻rf和电容器cf是反馈电阻和反馈电容。

图3是在检测电路60与物理量换能器12连接的状态下的放大电路64的结构例。在与物理量换能器12连接的状态下，从放大电路64的输入侧可以看到连接有基于物理量换能器12的寄生电容cp。具体来说，如图3所示，只要考虑了在放大电路64的输入与低电位侧电源(“地”)之间连接有寄生电容cp的状态即可。

在放大电路64中，广泛使用如下的模型：假定电路整体的噪声在输入点(图3的nin)处产生(输入换算噪声)，通过噪声传递函数ntf(噪声增益)将该输入换算噪声放大。在图3的例子中，噪声传递函数ntf由下式(1)表示。

图4和图5是示出上式(1)所示的噪声传递函数ntf的频率特性的图。图4、图5的横轴表示频率、纵轴表示增益(放大率，单位db)。图4是rf＝100mω、cf＝1pf、cp＝2pf的例子。并且，图5是rf＝100mω、cf＝1pf、cp＝1pf的例子。

从图4和图5可知，即使rf和cf的值是共同的(即使是同一放大电路64)，如果寄生电容cp的值发生变化，则噪声传递函数ntf也发生变化。也就是说，即使放大电路64的输入换算噪声的电平为同一程度，如果寄生电容cp的值发生变化，则放大电路64的本底噪声(检测电路60的本底噪声)也发生变化。

这里，如果物理量换能器12与检测电路60正常连接，则从检测电路60看到的寄生电容cp的值不会大幅变化，可认为十分接近根据设计确定的规定值。与此相对，在物理量换能器12与检测电路60(电路装置300)的连接信号线为断线状态等、出现连接异常的情况下，寄生电容cp的值变小(狭义上，无法从检测电路60看到基于物理量换能器12的寄生电容cp)。连接异常是由以下原因产生的：例如，在通过引线接合将传感器检测电极与检测电路的焊盘电连接的情况下，检测电极与引线的接合面积以及焊盘与引线的接合面积的至少一方变小(引线剥离)。

本来，本底噪声是以某个一定电平产生的，并且不会小于该电平。但是，在异常产生时，本底噪声的电平因寄生电容cp的降低而减小到与正常状态下的本底噪声的电平相比能够识别的程度。因此，本实施方式的电路装置300(处理电路100)求出本底噪声的指标值，使用该指标值判定本底噪声的电平。在本底噪声的电平与正常状态相比变小的情况下，处理电路100判定为出现异常。

如以上那样，本实施方式的处理电路100根据本底噪声的指标信息进行物理量换能器12与检测电路60的连接的异常检测。通过使用本底噪声的指标信息，能够确切地检测出在单纯使用输入信号pi的信号电平的方法中很难检测到的连接异常。

图6是示出输入信号pi和本底噪声的指标信息(有效值)的时间变化的波形图。图6的横轴表示时间，纵轴表示信号值。在图6的例子中，在a1所示的时刻，在物理量换能器12与检测电路60之间出现了连接异常。

如上述那样，检测电路60的输入信号pi的零点或灵敏度因连接异常的出现而发生变化，但也可考虑信号值自身不会变为0的情况。在图6中，在a1的时刻之后的期间中，也检测到0以外的信号作为输入信号pi，在输入信号pi的单纯的监视下很难检测到连接异常。

与此相对，本底噪声的指标信息(有效值)在a1的时刻之前维持着某个一定电平附近的值，该值因连接异常的出现而明显减少。因此，如图6那样，预先将正常状态(a1以前)下的本底噪声有效值与连接异常时(a1之后，特别是本底噪声有效值稳定之后的期间)的本底噪声的有效值之间的值设定为阈值。然后，处理电路100通过比较本底噪声的指标信息(有效值)和该阈值来进行连接异常的检测。在图6的例子中，处理电路100在a2的时刻输出表示连接异常的信息(例如异常标志)。

并且，本实施方式的放大电路64的结构并不限定于图2。本实施方式的放大电路64也可以广泛使用如下结构的放大电路：噪声增益根据寄生电容cp而发生变化。

图7是放大电路64的另一结构例。如图7所示，放大电路64也可以是差动输入(和差动输出)的放大电路。更广义来讲，本实施方式的放大电路64是q/v转换电路(电荷电压转换电路)或i/v转换电路(电流电压转换电路)。

2.本底噪声的指标信息的计算方法

在处理电路100中，可考虑几种求出检测电路60的本底噪声的指标信息(估计本底噪声)的方法。以下，对第1～第3实施方式进行说明。

2.1第1实施方式

图8是第1实施方式的处理电路100的结构例。如图8所示，处理电路100包含本底噪声检测电路130，该本底噪声检测电路130检测本底噪声的指标信息，具有求出本底噪声的有效值的运算电路132。这里的有效值是指广泛使用的rms(rootmeansquare，均方根)，但并不限定于此，也可以是相当于rms的其他信息。另外，本实施方式不限定于图8的结构，能够实施省略其结构要素的一部分或追加其他结构要素等各种变形。

如图8所示，本底噪声检测电路130也可以具有高通滤波器131和运算电路132。并且，运算电路132具有平方运算处理部133和对平方运算处理部133的输出进行平滑化的平滑化电路134。

高通滤波器131对检测电路60的输出信号(输入信号pi)进行滤波处理(高通滤波处理)，从输出信号中去除dc成分。平方运算处理部133对去除dc成分后的信号进行平方。平滑化电路134对平方运算处理部133平方后的信号进行平滑化，求出均方。根据该均方提取信号的噪声成分。平滑化电路134例如可以通过低通滤波器实现。从平滑化电路134输出本底噪声的有效值(本底噪声的方差)。

但是，运算电路132求出本底噪声的有效值即可。有效值不限定于输入信号pi被平方运算处理后的信号的信号电平，也可以是表示信号值的大小的其他值。信号值的大小是根据信号而生成的正的值，例如是信号值的绝对值、信号值的平方、信号的峰峰值、规定的时间内的信号的最大值与最小值之间的差分等。或者，也可以是通过对上述值进行一些运算(例如增益处理等)而得到的值。

例如，运算电路132也可以具有绝对值运算处理部和对绝对值运算处理部的输出进行平滑化的平滑化电路134。在该情况下，从平滑化电路134输出与本底噪声的绝对值的平均相当的信息。

如以上那样，通过使用本底噪声检测电路130，求出表示本底噪声的电平的指标信息(方差、绝对值平均等)。处理电路100包含异常检测部170，该异常检测部170对作为本底噪声的指标信息的指标值和阈值进行比较，进行异常检测。这里的阈值是能够识别正常状态下的本底噪声的指标值和异常状态下的本底噪声的指标值的值。如果是本底噪声的噪声电平越高、则指标值越大的例子，则异常检测部170在指标信息所表示的指标值小于阈值的情况下，判定为出现异常。

2.2第2实施方式

图9是第2实施方式的处理电路100的结构例。处理电路100包含卡尔曼滤波器120、异常检测部170以及监视部180。另外，本实施方式并不限定于图9的结构，能够实施省略其结构要素的一部分或追加其他结构要素等各种变形。例如，也可以省略监视部180而使用公知的结构的卡尔曼滤波器120。

卡尔曼滤波器120根据观测噪声σmeas和系统噪声σsys进行卡尔曼滤波处理，将输入信号pi的dc成分dcq作为估计值输出。并且，卡尔曼滤波器120将估计值的误差协方差vc²输出到异常检测部170。

通过使用卡尔曼滤波器120所估计出的输入信号pi的dc成分dcq，能够减少dc偏移(零点的误差)。例如，处理电路100进行从输入信号pi减去估计出的dc成分dcq的处理即可。

这里，卡尔曼滤波处理是指如下处理：假定在表示观测值和系统的状态的变量中包含噪声(误差)，使用从过去到目前为止取得的观测值来估计系统的最佳状态。在本实施方式的情况下，观测值是输入信号pi，要估计的变量是dc成分dcq。在卡尔曼滤波处理中，反复进行观测更新(观测过程)和时间更新(预测过程)来估计状态。观测更新是使用观测值和时间更新的结果来更新卡尔曼增益、估计值、误差协方差的过程。时间更新是使用观测更新的结果来预测下一时刻的估计值、误差协方差的过程。

作为观测噪声σmeas和系统噪声σsys，例如使用预先估计的规定的值。在该情况下，观测噪声σmeas和系统噪声σsys(或者它们的方差σmeas²、σsys²)例如存储在寄存器、存储器等，卡尔曼滤波器120从寄存器、存储器读出观测噪声σmeas和系统噪声σsys。或者，如后述那样，在第3实施方式中，处理电路100也可以包含使观测噪声σmeas和系统噪声σsys动态地变化的噪声估计部110。在该情况下，从噪声估计部110向卡尔曼滤波器120供给观测噪声σmeas和系统噪声σsys。

卡尔曼滤波器120估计(提取)的dc成分dcq是频率比要从输入信号pi取出的期望的信号成分低的成分。例如，在陀螺仪传感器中，在输入信号pi(物理量信号)中包含偏移，以该偏移为基准的变化是实际的信号成分。该信号成分的频率与陀螺仪传感器检测到的运动的频率对应。偏移由于温度变化等而随时间的变动，因此，频率不是零，但是，是比运动的频率低的频率。

误差协方差vc²是供卡尔曼滤波器120估计估计值(dc成分dcq)能够被信任多少的值。越判断为能够获得接近真值的估计值，误差协方差vc²越小。即，误差协方差vc²变得充分小的(收敛于规定值)情况是指dc成分的估计精度充分高的状态。如果输入信号pi所包含的本底噪声变小，则dc成分的估计精度也变高，误差协方差vc²进一步变小。也就是说，由于误差协方差vc²是随着本底噪声变小的情况而变小的信息，所以能够作为本底噪声的指标信息来使用。

异常检测部170根据来自卡尔曼滤波器120的误差协方差vc²的值和给定的阈值的比较处理来进行异常检测。另外，由于误差协方差vc²未必限定于本底噪声的值本身，所以考虑到这一点来设定此处的阈值即可。

另外，在专利文献2中，判断输入信号的信号电平是否超过规定范围，在判断为超过了规定范围的情况下，卡尔曼滤波器停止误差协方差的时间更新。本实施方式的卡尔曼滤波器120也可以是与专利文献2同样的结构。

但是，在专利文献2的方法中，切换卡尔曼滤波器的估计动作的有效和无效的阈值设定是固定的。因此，在存在比固定的阈值小的输入(例如陀螺仪传感器中的微小的角速度的旋转)的情况下，卡尔曼滤波器的估计动作不会停止，估计值可能跟随输入。于是，估计值相对于dc成分的真值的准确性或稳定性可能降低。

因此，本实施方式的处理电路100也可以如图9所示那样包含监视部180。监视部180根据对于与输入信号pi对应的信号电平的、基于误差协方差vc²的判定处理的结果，进行卡尔曼滤波器120中的观测更新处理的停止指示。由此，能够使进行观测更新处理的停止指示的信号电平根据误差协方差vc²而适应性地变化。例如，可以不设定固定的阈值，而设定根据误差协方差vc²变化的阈值。

图10是示意性地示出本实施方式的信号处理装置的动作的时序图。在作为观测值的输入信号pi中包含噪声。卡尔曼滤波器120根据包含该噪声的输入信号pi来估计真值(真的零点)，将该估计值作为dc成分dcq输出。并且，卡尔曼滤波器120将估计值的置信度估计为误差协方差vc²。在图10中，图示出作为误差协方差的平方根的误差估计值vc(偏差)。并且，在图10中，在范围内图示误差估计值vc，该范围的上限相当于+vc，下限相当于-vc。卡尔曼滤波器120估计为在以估计值(dc成分dcq)为中心且以误差估计值vc为偏差的分布内存在真值。

监视部180根据误差估计值vc设定用于观测更新处理的停止判定的阈值vth。具体来说，误差估计值vc越小，则越减小阈值vth。例如，如后述那样，在图12中，通过以误差协方差vc²为变量的一次函数来求出阈值的平方vth²。在输入信号pi处于-vth～+vth的范围外的情况下，监视部180使停止标志flov从无效(第1逻辑电平，低电平)变为有效(第2逻辑电平，高电平)。在图10中图示出在输入信号pi超过+vth的情况下使停止标志flov有效的例子。使停止标志flov有效的情况相当于观测更新处理的停止指示，卡尔曼滤波器120在停止标志flov有效的期间内停止观测更新处理。

2.3第3实施方式

图11是第3实施方式的处理电路100的结构例。在图11中，在与图9的结构相比的情况下，处理电路100还包含噪声估计部110。另外，对在图9中说明的结构要素赋予相同的标号，适当省略说明。并且，本实施方式并不限定于图11的结构，能够实施省略其结构要素的一部分或追加其他结构要素等各种变形。

噪声估计部110估计根据输入信号pi(输入数据)而动态地变化的观测噪声σmeas和系统噪声σsys。具体来说，噪声估计部110根据输入信号pi生成观测噪声的方差σmeas²和系统噪声的方差σsys²，根据输入信号pi的信号值或其变化来使观测噪声的方差σmeas²和系统噪声的方差σsys²发生变化。噪声估计部110将估计出的观测噪声σmeas和系统噪声σsys输出到卡尔曼滤波器120。

卡尔曼滤波器120根据噪声估计部110估计出的观测噪声的方差σmeas²和系统噪声的方差σsys²进行卡尔曼滤波处理，提取输入信号pi的dc成分dcq。

在一般的卡尔曼滤波器中，误差协方差的初始值和系统噪声作为已知的值而被预先赋予。误差协方差的值通过观测更新、时间更新而被更新。这样，在一般的卡尔曼滤波器中，不会在反复更新的中途重新从外部赋予观测噪声、系统噪声。

另一方面，在本实施方式中，使观测噪声σmeas和系统噪声σsys动态地变化，从外部供给到卡尔曼滤波器120。如后述那样，在下式(2)～(6)中，观测噪声σmeas和系统噪声σsys对卡尔曼增益g(k)等内部变量造成影响。即，意味着通过控制观测噪声σmeas和系统噪声σsys而能够适应性地控制卡尔曼滤波器120的滤波特性。在本实施方式中，通过利用上述方法，在输入信号pi(陀螺仪传感器的物理量信号)的dc成分不发生变化时，预先使通过频带成为低频率，能够使信号成分的通过频带向低周波侧扩展。并且，在dc成分发生变化时，使观测噪声σmeas和系统噪声σsys发生变化而扩展通过频带，能够跟随dc成分的变化。这样，能够提高相对于输入信号pi变化的瞬态响应性、相对于dc成分变化的跟随性。

如使用图12在后面说明的那样，噪声估计部110包含结构与图8所示的本底噪声检测电路130同样的第2估计部150，该噪声估计部110根据作为第2估计部150的输出的vn²，估计观测噪声σmeas和系统噪声σsys。第2估计部150的输出vn²可作为本底噪声的指标值来使用。即，在本实施方式的处理电路100中，可以在本底噪声的估计中使用用于提高卡尔曼滤波器120的瞬态响应性、跟随性的结构。换言之，通过本实施方式的噪声估计部110，能够实现卡尔曼滤波器120的特性改善和用于异常检测的指标信息计算的两个处理。

以下，对卡尔曼滤波处理进行详细说明。卡尔曼滤波器120进行下式(2)～(6)所示的一次的线性卡尔曼滤波处理。

x^-(k)＝x(k-1)(2)

p^-(k)＝p(k-1)+σsys(k-1)²(3)

x(k)＝x^-(k)+g(k)(y(k)-x^-(k))(5)

p(k)＝(1-g(k))p^-(k)(6)

上式(2)、(3)是时间更新(预测过程)的式子，上式(4)～(6)是观测更新(观测过程)的式子。k表示离散的时间，每当k增加1则进行1次时间更新和观测更新。x(k)是卡尔曼滤波器120的估计值。即，dcq＝x(k)。x^-(k)是在得到观测值之前预测的先验估计值。p(k)是卡尔曼滤波器120的误差协方差。即，vc²＝p(k)。p^-(k)是在得到观测值之前预测的误差协方差。y(k)是观测值。即，pi＝y(k)。σsys(k)是系统噪声，σmeas(k)是观测噪声。

卡尔曼滤波器120存储有在前1个时间k-1处更新的估计值x(k-1)和误差协方差p(k-1)。并且，在目前的时间k受理观测值y(k)、观测噪声σmeas(k)以及系统噪声σsys(k)，使用它们来执行上式(2)～(6)的时间更新和观测更新，将估计值x(k)作为dc成分输出。

观测更新处理的停止是估计值和误差协方差中的至少一方的更新停止。估计值的更新停止是停止上式(5)的更新。例如，将上式(5)的右边的运算结果存储于寄存器的情况相当于估计值的更新。通过停止向该寄存器的存储而进行估计值的更新停止。或者，也可以通过停止上式(5)的右边的运算而进行估计值的更新停止。误差协方差的更新停止是停止上式(6)的更新。

2.4变形例

另外，求出本底噪声的指标信息的方法不限于上述的第1～第3实施方式说明的方法。

例如，在第3实施方式中，示出了以作为噪声估计部110的输出的vn²为本底噪声的指标信息(指标值)的例子，但与第2实施方式同样，也可以采用以卡尔曼滤波器120输出的误差协方差vc²为本底噪声的指标信息。或者，异常检测部170也可以以vn²为第1指标信息，以误差协方差vc²为第2指标信息，使用这两者进行异常检测。或者，异常检测部170也可以是能够取得这两个指标信息的结构，将所选择的一方用于异常检测。

并且，也可以对第1实施方式和第2实施方式进行组合。例如，处理电路100也可以包含图8所示的本底噪声检测电路130和图9所示的卡尔曼滤波器120(观测噪声σmeas和系统噪声σsys固定的卡尔曼滤波器)。并且，异常检测部170使用来自本底噪声检测电路130的第1指标值和作为卡尔曼滤波器120的误差协方差vc²的第2指标值来进行异常检测。

3.处理电路的详细结构例

图12是上述第3实施方式的处理电路100的详细结构例。处理电路100包含卡尔曼滤波器120、第1估计部140、第2估计部150、第3估计部160、监视部180、异常检测部170、减法处理部121、选择器122、增益处理部115以及加法处理部167。第1估计部140、第2估计部150、第3估计部160、增益处理部115以及加法处理部167对应于图11的噪声估计部110。另外，处理电路100的结构并不限定于图12，能够实施省略其结构要素的一部分或追加其他结构要素等各种变形。

选择器122选择卡尔曼滤波器120所估计出的dc成分dcq或数据“0”中的任意一个。减法处理部121从输入信号pi中减去选择器122的输出，将其结果作为信号pq输出。在选择器122选择了dc成分dcq的情况下，pq＝pi-dcq，在选择器122选择了数据“0”的情况下，pq＝pi。另外，也可以省略选择器122，直接将dc成分dcq输入到减法处理部121。或者，也可以省略选择器122和减法处理部121，直接将输入信号pi作为信号pq来使用。

监视部180包含增益处理部181、偏移加法处理部182以及比较器183。增益处理部181对误差协方差vc²进行增益处理。偏移加法处理部182进行将增益处理部181的输出与偏移vos相加的处理。比较器183进行比较信号pq的信号电平与偏移加法处理部182的输出的处理，作为基于误差协方差vc²的判定处理。

具体来说，增益处理部181将误差协方差vc²乘以增益ga3。偏移加法处理部182的输出与阈值vth的平方(vth²)对应，成为下式(7)。比较器183比较信号pq的平方(pq²)与阈值vth的平方(vth²)，在信号pq的平方(pq²)比阈值vth的平方(vth²)大的情况下，输出有效的停止标志flov，在信号pq的平方(pq²)比阈值vth的平方(vth²)小的情况下，输出无效的停止标志flov。另外，在后面叙述下式(7)的增益ga3、偏移vos的详细内容。

vth²＝ga3×vc²+vos(7)

根据本实施方式，对误差协方差vc²进行增益处理，进行将其结果与偏移vos相加的处理，由此，能够求出根据误差协方差vc²而变化的阈值vth。并且，通过比较信号pq的信号电平与偏移加法处理部182的输出，能够进行判定信号电平是否超过根据误差协方差vc²而变化的阈值vth的处理。并且，由于通过误差协方差vc²的一次函数(增益处理、偏移的加法处理)来求出阈值vth的平方，所以能够通过该一次函数来调整阈值vth。由此，能够设定适于系统的阈值vth。

第1估计部140估计由陀螺仪传感器的动作(输入信号pi的较大的变化)导致的噪声。具体来说，第1估计部140包含高通滤波器141、平方运算处理部142、峰值保持部143、增益处理部144以及加法处理部145。

高通滤波器141从信号pq中去除dc成分。由于在后级进行平方平均，所以通过预先去除dc成分，能够防止dc成分被平方而成为观测噪声σmeas的误差。平方运算处理部142使来自高通滤波器141的信号进行平方运算。峰值保持部143接受通过高通滤波器141和平方运算处理部142的ac成分的信号，对该信号进行峰值保持。增益处理部144对峰值保持部143的输出进行增益处理(乘以增益ga4的处理)，将其结果作为运动噪声vpp²(运动噪声的方差)而输出。加法处理部145将运动噪声vpp²与第2估计部150生成的本底噪声vn²相加，将其结果作为观测噪声的方差σmeas²输出。

由于陀螺仪传感器检测出的动作越大，则来自峰值保持部143的信号也越大，所以动作越大，则观测噪声σmeas越增加。当观测噪声σmeas增加时，由上式(4)可知，卡尔曼增益g(k)变小，由上式(5)可知，降低观测值y(k)的权重，能够计算出估计值x(k)。由此，动作的ac成分越大，观测值y(k)的影响越下降，能够提取更高精度的dc成分。

从运动噪声vpp²输出的本底噪声由下式(8)表示。vn是输入信号pi的本底噪声。ga4是增益处理部的增益，是对峰值保持部143的影响度进行调整的系数。另外，对噪声的平方信号进行峰值保持处理是指输出某一定期间的最大值，对噪声的平方信号的平均值乘以有效的增益gpeak。峰值保持部143在对输入信号进行峰值保持之后，输出除以gpeak而得的信号。

vpp²＝ga4×vn²(8)

第2估计部150估计输入信号pi的本底噪声。具体来说，第2估计部150包含平方运算处理部151、选择器152、低通滤波器153以及限幅器154。

平方运算处理部151对信号pq进行平方运算。选择器152选择平方运算处理部151的输出或者第1估计部140的平方运算处理部142的输出。低通滤波器153对被平方运算处理部151平方后的信号进行滤波(平滑化)，求出均方。通过该均方来提取信号的噪声成分。限幅器154对来自低通滤波器153的信号进行限幅处理。具体来说，在来自低通滤波器153的信号为下限值以下的情况下，将输出限幅为下限值，在来自低通滤波器153的信号比下限值大的情况下，直接输出该信号。下限值是比假设的最小的本底噪声小的值，例如是1digit。其结果是，从限幅器154的输出中输出本底噪声的指标值vn²(相当于本底噪声的方差的指标值)。

增益处理部115将来自第2估计部150的本底噪声vn²乘以一定的增益ga1，输出到加法处理部167。增益ga1如下式(12)那样设定。以下，对下式(12)的导出方法进行说明。

首先，求出经过了足够时间的状态下的观测噪声σmeas与系统噪声σsys的关系。经过了足够时间的状态可以假设k＝∞的状况，当先验误差协方差p^﹣(k)收敛于一定值时，下式(9)成立。将先验误差协方差p^﹣(k)的收敛值设为p0。

p0＝p^-(k)＝p^-(k+1)(9)

当以将上式(9)应用于上式(3)、(6)而得的式子和将上式(9)应用于上式(4)而得的式子为联立方程式来求解卡尔曼增益g(k)时，成为下式(10)。在下式(10)中，将收敛状态k＝∞时的卡尔曼增益g(k)设为g。并且，在右边的近似中，由于在卡尔曼滤波器120的收敛状态下，通过频带非常低，所以，假定σsys＜＜σmeas成立。

根据上式(10)，在收敛状态下，σsys²＝g²σmeas²，因此，增益ga1＝g²。如果得知用于提取dc成分的期望的滤波特性与卡尔曼增益g的关系，则能够以得到该期望的滤波特性的方式设定增益ga1。

根据上式(2)、(5)，当求出经过了时间时的最终的传递函数，对该传递函数应用双线性转换而求出该传递函数所包含的低通滤波器特性的截止频率fc、来求解卡尔曼增益g时，成为下式(11)。fs是卡尔曼滤波器120的采样频率(动作频率)。在下式(11)的右边的近似中，fc＜＜fs。

根据上式(11)，增益ga1＝g²如下式(12)那样求出。在下式(12)中，将在收敛状态下最终要得到的期望的截止频率(目标截止频率)设定为fc。

第3估计部160估计由温度变动导致的零点(dc偏移)的变动。第3估计部160在存在温度变化的情况下使系统噪声σsys增加，使卡尔曼滤波器120从收敛状态返回到估计状态。具体来说，第3估计部160包含延迟部161、减法处理部162、低通滤波器163、增益处理部164、平方运算处理部165、乘法处理部166以及加法处理部167。

延迟部161和减法处理部162求出温度传感器(例如图14的温度传感器190)的时间k处的检测信号ts与上1个时间k-1处的检测信号ts之间的差分。低通滤波器163将该差分平滑化。

增益处理部164将来自低通滤波器163的信号乘以增益ga5。平方运算处理部165将进行该乘法后的信号平方。乘法处理部166将该平方后的信号乘以来自第2估计部150的本底噪声的指标值vn²。加法处理部167将乘法处理部166的输出与增益处理部115的输出相加，将其结果作为系统噪声的方差σsys²而输出到卡尔曼滤波器120。

增益ga5根据下式(13)来设定。tsen是温度传感器的灵敏度(digi/℃)，tcoeff是陀螺仪传感器的温度系数(dps/℃)，sen是陀螺仪传感器的灵敏度(digit/dps)。

以下，使用图13对由监视部180设定阈值vth的上式(7)的增益ga3、偏移vos进行说明。图13是对阈值vth的设定方法进行说明的图。

根据上式(8)，观测噪声的方差σmeas²成为下式(14)。

σmeas²＝vpp²+vn²＝(1+ga4)×vn²(14)

当误差协方差的收敛状态下的输入信号pi的噪声电平为vmin(本底噪声)时，vn²＝vmin²。此时，根据上式(14)，下式(15)成立。并且，在动作开始时(收敛前状态)，信号pq为输入信号pi的dc成分dcq。当将dc成分dcq的可假设的最大值设为vmax(最大零点误差)时，高通滤波器141的输出为vmax、平方运算处理部142的输出为vmax²，增益处理部144的输出为ga4×vmax²。另一方面，低通滤波器153的输出为vmax²，下式(16)成立。另外，为了简化计算，将峰值保持部143的有效的增益gpeak设为1。

σmeas²＝(1+ga4)xvmin²(15)

σmeas²＝(1+ga4)×vmax²(16)

在收敛状态下，根据上式(3)、(6)、(10)，下式(17)成立。

根据上式(9)、(11)、(17)，作为收敛状态下的误差协方差p0，求出下式(18)。

当将收敛前状态假定为目标截止频率fc的时间常数时间前的状态时，作为收敛前状态下的误差协方差p1，求出下式(19)。

如图13所示，将收敛前状态下的阈值设为最大阈值v1，将收敛状态下的阈值设为最小阈值v0。根据上式(7)，能够将最大阈值v1设为下式(20)，将最小阈值v0设为下式(21)。

v1²＝p1×ga3+vos20)

v0²＝p0×ga3+vos(21)

以上式(20)、(21)为联立方程式进行求解，当使用上式(15)、(16)、(18)、(19)时，求出下式(22)、(23)。即，监视部180的增益ga3通过下式(22)来设定，偏移vos通过下式(23)来设定。

4.电路装置、物理量测量装置

图14是本实施方式的电路装置300(检测装置)的详细的结构例。电路装置300包含驱动电路30、检测电路60、处理电路100(信号处理电路)、温度传感器190。另外，电路装置300并不限定于图14的结构，能够实施省略其结构要素的一部分(例如温度传感器)或追加其他的结构要素等各种变形。

驱动电路30向物理量换能器12供给驱动信号dq，对物理量换能器12进行驱动。检测电路60接受来自物理量换能器12的检测信号tq，检测与物理量对应的物理量信号。处理电路100(异常检测部170)将物理量信号作为输入信号pi而进行物理量测量装置的异常检测。

具体来说，物理量换能器12是用于检测物理量的元件或器件。物理量例如是角速度、角加速度、速度、加速度、距离、压力、声压、磁量或时间等。另外，电路装置300也可以根据来自多个物理量换能器的检测信号来检测物理量。例如，第1～第3物理量换能器分别检测与第1轴、第2轴、第3轴相关的物理量。作为与第1轴、第2轴、第3轴相关的物理量的一例，是绕第1轴、第2轴、第3轴的角速度或角加速度或者第1轴方向、第2轴方向、第3轴方向上的速度或加速度等。作为第1轴、第2轴、第3轴的一例，是x轴、y轴、z轴。另外，也可以仅检测第1轴～第3轴中的两个轴的物理量。

处理电路100通过dsp(digitalsignalprocessor：数字信号处理器)等处理器来实现，例如各部的处理通过基于dsp的时分处理来实现。或者，处理电路100也可以构成为其各部作为单独的硬件(逻辑电路)。

零点估计部102根据输入信号pi和来自温度传感器190的检测信号ts(温度检测电压)使观测噪声和系统噪声动态地变化，并根据该观测噪声和系统噪声进行卡尔曼滤波处理，估计输入信号pi的dc成分dcq(dc偏移，零点)。零点估计部102与图9的卡尔曼滤波器120、监视部180或者图11的卡尔曼滤波器120、监视部180、噪声估计部110对应。

减法处理部104从输入信号pi中减去dc成分dcq，将其结果作为信号pq输出。另外，也可以使用图12的减法处理部121作为减法处理部104。

处理部106对信号pq进行各种数字信号处理(例如校正、积分等)，输出表示物理量的数字值。处理部106所输出的物理量的种类可以与检测电路60所检测的物理量的种类相同，也可以不同。例如，在陀螺仪传感器中，检测电路60检测角速度，但也可以是处理部106输出角速度，或者输出对角速度进行积分而得的角度。

图15是包含本实施方式的电路装置的物理量测量装置的结构例。在图15中，作为物理量测量装置的一例，示出了检测角速度的陀螺仪传感器的结构例。另外，例如能够将本实施方式的处理电路100应用于检测角速度、角加速度、速度、加速度、距离、压力、声压、磁量或时间等各种物理量的物理量测量装置。

陀螺仪传感器400(角速度传感器)包含振子10、驱动电路30、检测电路60以及处理电路100。

振子10(角速度检测元件)是检测由于绕规定的轴的旋转而作用于振子10的科里奥利力并输出与该科里奥利力对应的信号的元件(物理量换能器)。振子10例如是压电振子。例如，振子10是双t字型、t字型、音叉型等石英振子等。另外，作为振子10，可以采用使用硅基板形成的作为硅制振子的mems(microelectromechanicalsystems)振子等。

驱动电路30包含：放大电路32，其输入来自振子10的反馈信号di；增益控制电路40，其进行自动增益控制；以及驱动信号输出电路50，其将驱动信号dq输出到振子10。并且，驱动电路30包含将同步信号syc输出到检测电路60的同步信号输出电路52。

放大电路32(i/v转换电路)将来自振子10的反馈信号di放大。例如将来自振子10的电流的信号di转换为电压的信号dv而输出。该放大电路32能够通过运算放大器、反馈电阻元件、反馈电容器等实现。

驱动信号输出电路50根据放大电路32放大后的信号dv，输出驱动信号dq。例如，在驱动信号输出电路50输出矩形波(或正弦波)的驱动信号的情况下，驱动信号输出电路50能够通过比较器等实现。

增益控制电路40(agc)向驱动信号输出电路50输出控制电压ds，控制驱动信号dq的振幅。具体来说，增益控制电路40监视信号dv，控制振荡环路的增益。例如，在驱动电路30中，为了将陀螺仪传感器的灵敏度保持为恒定，需要将供给到振子10的驱动用振动部的驱动电压的振幅保持为恒定。因此，在驱动振动系统的振荡环路内设置有用于自动调整增益的增益控制电路40。增益控制电路40使增益可变地进行自动调整，以使来自振子10的反馈信号di的振幅(振子10的驱动用振动部的振动速度)恒定。该增益控制电路40能够通过对放大电路32的输出信号dv进行全波整流的全波整流器或进行全波整流器的输出信号的积分处理的积分器等实现。

同步信号输出电路52接受被放大电路32放大后的信号dv，将同步信号syc(参照信号)输出到检测电路60。该同步信号输出电路52能够通过比较器或相位调整电路(移相器)等实现，其中，该比较器进行正弦波(交流)的信号dv的二值化处理而生成矩形波的同步信号syc，该相位调整电路进行同步信号syc的相位调整。

检测电路60包含放大电路64、同步检波电路81、a/d转换电路82以及处理电路100(dsp)。放大电路64接受来自振子10的第1、第2检测信号iq1、iq2而进行电荷-电压转换、差动的信号放大、增益调整等。同步检波电路81根据来自驱动电路30的同步信号syc来进行同步检波。a/d转换电路82进行同步检波后的信号的a/d转换。处理电路100对来自a/d转换电路82的数字信号(输入信号pi)进行数字滤波处理和数字校正处理(例如零点校正处理和灵敏度校正处理等)。

5.移动体、电子设备

在图16中示出了本实施方式的电子设备200的结构例。电子设备200包含本实施方式的电路装置300。并且，可以包含天线ant、通信部210、处理部220、操作部230、显示部240以及存储部250。另外，本实施方式的电子设备200并不限定于图16的结构，能够实施省略其结构要素的一部分或追加其他结构要素等各种变形。

作为本实施方式的电子设备200，例如能够假设数码相机(数字静态相机、摄像机)、生物体信息检测装置(脉搏计、活动量计、步数计、健康手表等)、头部安装型显示装置、机器人、gps内置时钟、导航装置、游戏装置、各种可穿戴设备、便携信息终端(智能手机、移动电话、便携型游戏装置、平板pc等)、发布内容的内容提供终端、影像设备、音频设备、网络相关设备(基站、路由器等)等各种设备。例如，在数码相机中，通过使用本实施方式的电路装置，能够实现使用了陀螺仪传感器或加速度传感器的手抖动校正等。并且，在生物体信息检测装置中，通过使用本实施方式的电路装置，能够实现使用了陀螺仪传感器或加速度传感器的用户的运动检测、运动状态的检测。在机器人中，能够在该可动部(臂、关节)或主体部中使用本实施方式的电路装置。机器人可以假定移动体(行驶/步行机器人)、电子设备(非行驶/非步行机器人)中的任意机器人。在行驶/步行机器人的情况下，例如能够在自动行驶中利用本实施方式的电路装置。在网络关联设备中，例如能够使用本实施方式的电路装置作为用于计测时刻(绝对时刻等)或定时的装置。

在图16中，通信部210(无线电路)进行经由天线ant从外部接收数据或向外部发送数据的处理。由cpu、mpu等实现的处理部220(处理器)根据存储于存储部250(存储器)的信息，进行各种运算处理和电子设备200的控制处理等。操作部230用于供用户进行输入操作，能够通过操作按钮、触摸面板显示器等实现。显示部240对各种信息进行显示，能够通过液晶或有机el等显示器实现。存储部250存储各种信息，其功能能够通过ram、rom等半导体存储器或hdd(硬盘驱动器)等实现。

并且，本实施方式的电路装置例如能够组装到汽车、飞机、摩托车、自行车或船舶等各种移动体。移动体例如是具有发动机或马达等驱动机构、方向盘或舵等转向机构以及各种电子设备并在地上、天空或海上移动的设备/装置。

图17概略地示出了作为移动体的具体例的汽车206。在汽车206中组装有包含处理电路100的陀螺仪传感器(未图示)。陀螺仪传感器能够检测车体207的姿势。陀螺仪传感器的检测信号被供给到车体姿势控制装置208。车体姿势控制装置208例如能够根据车体207的姿势控制悬挂的软硬，或控制各个车轮209的制动。此外，这样的姿势控制能够在双腿行驶机器人、飞机、直升机等各种移动体中使用。在实现姿势控制时，能够组装陀螺仪传感器。

另外，如上所述对本实施方式详细进行了说明，但是，本领域技术人员能够容易理解，可以实施不实质上脱离本发明的新事项和效果的多个变形。因此，这样的变形例全部包含于本发明的范围。例如，关于在说明书或附图中至少一次与更广义或同义的不同用语一起记载的用语，能够在说明书或附图的任意位置置换为该不同的用语。此外，本实施方式和变形例的全部组合也包含于本发明的范围。此外，本实施方式和变形例的全部组合也包含于本发明的范围。此外，信号处理电路、检测装置、物理量测定装置、电子设备、移动体的结构/动作等也不限于本实施方式中说明的情况，能够实施各种变形。