传感器信息处理设备的制作方法

本文讨论的实施方式涉及传感器信息处理设备。

背景技术：

存在通过使用心跳传感器来检测生物体(例如，人)的心跳的技术。带通滤波器(bpf)被应用于心跳传感器的检测信号以从心跳传感器的检测信号检测与心跳对应的信号分量。

(相关技术文献列表)

专利文献1：jp2003-334269a

专利文献2：jp11-192217a

专利文献3：jp2014-94043a

专利文献4：jp2014-039666a

在生物体的休息时间期间，与生物体的身体运动对应的噪声分量几乎不会混入心跳传感器的检测信号中。然而，当生物体在生物体的活动或运动期间进行身体运动时，源于身体运动的噪声分量很可能被混入心跳传感器的检测信号中。因此，在没有适当地设置bpf特性的情况下，源于心跳的信号分量(其可以被称为“心跳信号”)的检测精度降低。

通常在运动强度高时人的心率趋向于高。因此，根据一般趋势，还可以估计人的活动或运动期间的近似心率，并且确定bpf特性。

然而，与人的活动或运动期间的身体运动相关联的心率的变化(例如，心率如何增加或减少)是个体差异。即使当在不考虑心率变化的个体差异的情况下基于一般化趋势来设置bpf特性时，仍存在下述问题：bpf不具有适合于检测源于心跳的信号分量(其可以被称为“心跳信号”)的特性。因此，心跳信号的检测精度降低。

技术实现要素：

根据一个方面，本文讨论的技术的目的之一是提高由心跳传感器针对每个个体获得的心跳信号的检测精度。

在一个方面中，传感器信息处理设备可以包括接收器和处理器。接收器可以接收心跳传感器的检测信号和惯性传感器的检测信号。处理器可以基于在从惯性传感器的检测信号获得的运动强度小于阈值的时间段期间的运动强度与从心跳传感器的检测信号获得的心率之间的关系估计在从惯性传感器的检测信号获得的运动强度等于或大于阈值的情况下的心率。

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。接收器可以接收心跳传感器的检测信号和惯性传感器的检测信号。处理器可以基于在惯性传感器的检测信号小于阈值的时间段期间获得的惯性传感器的检测信号与心跳传感器的检测信号之间的关系估计在惯性传感器的检测信号等于或大于阈值的情况下的心率。

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是示出了根据实施方式的心率测量的结果的示例的图；

图6是示出了根据实施方式的心率(估计值和实测值)和运动强度(met值)的时间变化的示例的图；

图7是示出了根据第一示例的传感器系统的操作示例的流程图；

图8是示出了图7所示的运动强度计算过程的示例的流程图；

图9是示出了根据实施方式的步行步频与步行速度之间的关系的示例的图；

图10是示出了根据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图；

图11是示出了图7所示的心率估计过程的示例的流程图；

图12是示出了根据一个实施方式的运动强度-心率信息的生成示例的流程图；

图13和图14是示出了根据一个实施方式的运动强度(met值)与心率之间的关系的示例的图；

图15是示出了根据一个实施方式的运动强度(met值)与步行速度、年龄估计的心率以及测量心率之间的关系的示例的图；

图16a是示出了根据一个实施方式的运动强度(met值)与步行速度、年龄估计的心率、测量心率以及最大心率(常数s)之间的关系的示例的图；

图16b是示出了根据一个实施方式的运动强度(met值)与步行速度、年龄估计的心率、测量心率、最大心率(常数s)以及估计心率之间的关系的示例的图；

图17是示出了根据一个实施方式的运动强度(met值)与常数(s)的关系的示例的图；

图18是示出了根据一个实施方式的低负荷区域中的运动强度(示例性地，步行速度)与测量心率之间的关系的示例的图；

图19是示出了根据一个实施方式的高负荷区域中的运动强度(示例性地，步行速度)与估计心率之间的关系的示例的图；

图20是示出了通过合成图17所示的低负荷区域和图18所示的高负荷区域中的关系而获得的关系的示例的图；

图21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22是示出了根据一个实施方式的bpf的设置示例的图；

图23是示出了根据一个实施方式的bpf的通带的示例的图；

图24是示出了根据一个实施方式的bpf的带宽的设置示例的图；

图25和图26是示出了根据实施方式的心率分布的示例的图；

图27和图28是示出了根据实施方式的心率的统计过程的示例的图；

图29和图30是示出了根据一个实施方式的bpf的带宽的设置示例的图；以及

图31是示出了根据实施方式的bpf的带宽信息的示例的图。

具体实施方式

在下文中，将参照附图描述示例性实施方式。然而，下面描述的实施方式仅是示例，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。图1所示的传感器系统1可以示例性地包括生命传感器2、信息处理设备3和网络(nw)4。

生命传感器2可以示例性地通过通信装置6连接到网络4，并且可以用于通过网络4与信息处理设备3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的信息。由于生物体的血管根据心跳而搏动，所以指示心跳的信息可以被认为等同于指示脉搏跳动的信息。

生物体的心跳或脉搏跳动可以示例性地获取为与心跳对应的电磁波、压力或声音的变化。

例如，当用如红外线的光照射手指或耳垂的血管时，反射光将根据血流的节律性变化和光吸收特性而周期性地变化。因此，可以根据血流的变化来将心跳或脉搏跳动光学地测量为反射光的波动。

可替选地，当用无线电波例如微波照射生物体时，根据心跳在生物体的表面(例如，皮肤)中会发生节律性运动。因此，皮肤与无线电波发射源之间的距离根据运动而改变，并且在反射波中会发生由于多普勒效应而引起的变化。因此，还可以将心跳或脉搏跳动测量为由照射在生物体上的反射波的多普勒效应引起的波动。

此外，当心脏节律性地收缩和放松时，血管的压力(下文中可以被称为“血压”)也会波动。因此，还可以通过使用压力传感器或压电传感器将心跳或脉搏跳动测量为血压的节律性波动。

此外，还可以通过使用心电图仪或心音图仪来将心跳测量为与心脏脉搏对应的心肌的电势变化或声音变化。

可用于使用上述测量方案中的任一个来测量心跳的传感器可以被称为“心跳传感器”或“心跳计”。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，所以“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”。

在本实施方式中，出于说明的目的，将描述作为心跳传感器的示例的下述示例，在该示例中，将可用于通过使用多普勒效应来测量心跳的“无线传感器”应用于生命传感器2。“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”。

生命传感器2可以示例性地附接成与人体的皮肤接触，或者可以附接到人体的衣服。生命传感器2不需要通过严格固定(可以被称为“约束”)的方式而被附接到人体。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，生命传感器2可以被附接到人体，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(harness)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的通信方案可用于通信装置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所示在外部附接到生命传感器2，或者可以内置于生命传感器2中。在外部附接到生命传感器2的通信装置6可以是例如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”。

由用户携带的通信装置6可以示例性地为移动电话(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。

在外部附接到生命传感器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可以与空调7和照明装置8在通信上连接，使得空调7和照明装置8能够通过网络4与信息处理设备3通信。

网络4可以示例性地是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和管理传感器信息，以及基于传感器信息估计用户的心率。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”。

信息处理设备3可以由一个或多个服务器示例性地实现。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。服务器可以对应于例如云数据传感器中提供的云服务器。

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，参照图2和图3描述生命传感器2的配置示例。如图2和图3所示，生命传感器2可以示例性地包括作为心跳传感器的示例的无线传感器21、惯性传感器22、处理器23、存储器24和通信if25。

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，无线传感器21、惯性传感器22、处理器23、存储器24和通信if25可以示例性地连接到总线26以通过处理器23彼此通信。

无线传感器21可以是多普勒传感器，并且示例性地对发射到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以生成差拍信号(beatsignal)。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，无线传感器21可以包括例如天线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。

osc212响应于mcu213的控制而示例性地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发射，并且被输入到检测电路214。

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)可以示例性地为微波频带中的频率。微波频带可以示例性地为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的发送无线电波。

mcu213响应于处理器23的控制来示意性地控制osc212的振荡操作。

检测电路214示例性地对由天线211接收的反射波和来自osc212的本地信号(换言之，发送无线电波)执行相位检测以输出差拍信号。检测电路214可以用将发送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，因此在由检测电路214获得的差拍信号中发生振幅变化和频率变化。换言之，差拍信号包括指示用户的心跳的信息。

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

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

同时，惯性传感器22可以示例性地检测传感器单元2的运动。惯性传感器22可以是加速度传感器或陀螺仪。压电型传感器和电容型传感器中的任一种可以示例性地应用于加速度传感器。自旋转子(飞轮)型、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可以包括一个或更多个检测轴。例如，在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到处理器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。集成电路(ic)例如mpu(微处理单元)或dsp(数字信号处理器)可以示例性地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。滤波器可以示例性地应用于无线传感器21的检测信号以从无线传感器21的检测信号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”)。非限制性示例的滤波器可以是带通滤波器(bpf)。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。

惯性传感器22的检测信号可以用于控制上述bpf的滤波器特性(示例性地为通带中心频率(passcenterfrequency)和通带宽度)。控制滤波器特性可以被认为是控制无线传感器21的检测信号中待处理的目标频带。下面将描述滤波器特性的控制的示例。

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”。

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，可以通过(下面参照图4描述的)信息处理设备3的处理器31而不是传感器单元2的处理器23来执行上述的心跳的检测和滤波器特性的控制。

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)或闪存。

由处理器23读取和使用以操作的程序和数据可以存储在存储器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可以发送无线传感器21和惯性传感器22的检测信号，并且将基于检测到的信号中的一个或两个获得的信息发送到信息处理设备3。

换言之，从生命传感器2发送到信息处理设备3的传感器信息可以包括无线传感器21和惯性传感器22的测量值，或者可以包括基于测量值中的一个或两个而获得的信息。

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

处理器31、存储器32、存储装置33、通信if34和外围if35可以示例性地连接到通信总线36以通过处理器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。ic如cpu或mpu或dsp可以示例性地应用于作为算术处理设备的示例的处理器31。

处理器31示例性地控制信息处理设备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远程地控制空调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，处理器31可以示例性地生成控制信号例如控制空调7和照明装置8的操作的控制信号，以控制生命传感器2的用户所处的空间环境。

可以示例性地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。

由处理器31生成的控制信号可以示例性地通过通信if34发送到空调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或闪存。由处理器31读取和使用以操作的程序和数据可以存储在存储器32中。

存储装置33可以存储各种数据和程序片段。硬盘驱动器(hdd)、固态驱动器(ssd)或闪存可以应用于存储装置33。

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

存储在存储设备33中的数据可以可选地编译在数据库(db)中。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和图21描述的过程的程序。

出于描述的目的，执行以下参照图8和图14描述的过程的程序可以被称为“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。

程序和数据可以记录在要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，程序和数据可以通过网络4从服务器提供(或下载)到信息处理设备3。例如，程序和数据可以通过通信if34提供给信息处理设备3。此外，程序和数据可以从连接到外围if35的在下文中描述的输入装置输入到信息处理设备3。

通信if34是设置在信息处理设备3中的通信单元的示例，并且示例性地连接到网络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发送到信息处理设备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是例如将由处理器31生成的控制信号发送到生命传感器2、空调7和照明装置8的发送器的示例。以太网(注册商标)卡可以示例性地应用于通信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直接通信。

示例性地，外围if35是将外围装置连接到信息处理设备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和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，例如，当通过使用无线传感器21在不接触用户的情况下测量用户的心跳时并且当用户的物理运动(可以被称为“身体运动”)变得大到某种程度时，则难以从无线传感器21的检测信号检测心跳分量。

例如，在用户的运动或活动期间，由于会发生大于休息期间的运动的运动，所以生命传感器2与皮肤之间的距离根据身体运动而改变。

示例性地，当生命传感器2被放置在用户的衣服口袋中时，或者当生命传感器2利用吊带附接在用户的衣服上时，生命传感器2与皮肤之间的距离容易根据身体运动而改变。

因此，除了与距离变化对应的源于心跳的信号分量之外，还将与距离变化对应的源于身体运动的信号分量作为噪声分量添加到无线传感器21的检测信号。因此，随着用户的身体运动变大，心跳分量的检测目标的噪声分量容易混入无线传感器21的检测信号中，因此难以在检测信号中检测到心跳分量。

不仅在无线传感器21的情况下，而且在光学地测量血流变化的传感器例如耳夹式传感器(earclip)的情况下，血流量由于身体运动而变化。因此，除了源于心跳的信号分量之外，还将源于身体运动的信号分量作为噪声分量混入传感器检测信号中。

此外，当血流量由于身体运动而变化时，血压变化。因此，在使用压力传感器或压电传感器的心跳传感器中，源于身体运动的信号分量变成源于心跳的信号分量的噪声分量。

在测量心肌的电势变化或声音变化的传感器如心音图仪或心电图仪中，由于用户的肌肉由于身体运动而移动，因此源于身体运动的信号分量变成源于心跳的信号分量的噪声分量。

简言之，独立于心跳传感器的测量方案，换言之，独立于心跳传感器的类型，当在用户的运动或活动期间发生身体运动时，容易将与身体运动对应的信号分量作为噪声分量混入传感器检测信号中。

通过将上述bpf应用于无线传感器21的检测信号，可以消除不是待检测的源于心跳的信号分量的噪声分量。

在这点上，如图5所示，例如，每跳的心跳时间长度(或时间间隔)往往根据每单位时间的心率的程度而变化。在图5中，横轴指示在给定时刻的心率x(n)(n是正整数)，以及纵轴指示随后的心率x(n+1)。下面将描述图5中的附图标记122、124、126和“d”的含义。

例如，随着每单位时间的心率增加，每跳的时间长度的变化趋于减小。相反，随着每单位时间的心率下降，每跳的时间长度的变化趋于下降。

示例性地，在心跳分量可能在其中出现的平均频带(对于非限制性示例，0.8hz至4.0hz)中，在每单位时间50跳的每跳的时间长度(例如，一分钟)中可能出现±20％的变化。同时，在高于50跳的120跳的每跳的时间长度可能出现±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bpf的滤波器特性(例如，通带宽度)被静态地设置为特定心率例如60跳或120跳时，根据心率的程度，心跳分量可能缺失或者噪声分量的消除可能不足。因此，可能降低心率的检测精度。

因此，在本实施方式中，bpf的滤波器特性根据心率的程度自适应地改变。例如，当每单位时间的心率较高时，可以将bpf的通带宽度设置得较窄，并且当每单位时间的心率较低时，可以将bpf的通带宽度设置得较宽。

通过进行这样的可变带宽设置，可以减少错过接收心跳分量，并且提高假定心跳分量在其中出现的平均频带(出于描述目的，还被称为“心跳出现频带”)中的噪声分量的消除率。可以根据对无线传感器21的检测信号进行频率分析的结果中具有峰值的频率的程度来确定心率的程度。

然而，当用户的身体运动发生时，由于源于身体运动的信号分量变大，所以基于源于身体运动的信号分量的峰值容易被检测为心跳分量的峰值，所以错误检测的概率变高。

例如，随着无线传感器21与用户之间的距离变化增加，由无线传感器21检测到的检测信号的幅度趋于增加。同时，随着距离变化的速度增加，检测信号的频率趋于增加。

因此，在对无线传感器21的检测信号进行频率分析的结果中，大于心跳分量的源于身体运动的信号分量容易出现在心跳出现频带中。因此，源于身体运动的信号分量的峰值，换言之，待检测的心跳分量的噪声分量的峰值被错误地检测为心跳分量。

当发生这样的错误检测时，基于噪声分量的频率来设置bpf的通带宽度。因此，心跳分量缺失或者噪声分量的消除可能不足。因此，心率的检测精度将降低。

可以例如通过下述方法防止或抑制心率的检测精度的降低：通过使用与无线传感器21不同的装置来估计用户的心率以基于所估计的心率来设置并且控制bpf的滤波器特性。

可用于估计用户的心率的不同手段的示例是例如基于用户的身体运动来估计用户的心率。可以通过惯性传感器22检测用户的身体运动。

例如，与身体运动的幅度和速度对应的变化出现在惯性传感器22的检测信号中。随着身体运动的幅度和身体运动的速度增加，用户的运动强度增加。此外，随着运动强度增加，用户的心率趋于增加。

在这点上，与用户的运动强度相关联的心率变化(例如，心率如何增加或减少)是个体差异。例如，即使在相同的运动强度的情况下，心率的变化根据每个用户而不同。因此，当基于运动强度来估计心率时，由于个体差异而产生估计心率的误差。

当基于已经产生误差的所估计的心率来设置和控制bpf的滤波器特性时，自然地，心跳分量缺乏或者噪声分量不能被充分消除，因此心率的检测精度降低。

因此，例如，在运动强度小于阈值并且用户的心率相对稳定的时域中，与运动强度相关联的心率的变化(换言之，运动强度与心率变化之间的关系)实际上是基于无线传感器值和惯性传感器值测量的。

此外，基于实际测量的关系来估计同一用户的运动强度为阈值或大于阈值的时域中的运动强度与心率变化之间的关系。所估计的关系基于从各个用户实际测量的关系，因此适合于各个用户。因此，可以覆盖心率变化相对于运动强度的个体差异。

通过根据基于适合于每个用户的关系获得的估计心率来设置和控制bpf的滤波器特性，可以防止或抑制在例如运动强度为阈值或大于阈值的时域中降低对每个用户的心率的检测精度。

因此，即使在不仅在用户的休息时间期间而且在运动或活动期间无线传感器21的检测信号中出现相对多的源于身体运动的噪声分量的时域中，也可以精确地测量用户的心率。由于心率的测量精度提高，因此还可以提高例如控制用户所处的空间环境的精度和效率。

此外，出于描述的目的，运动强度小于阈值并且用户的心率相对稳定的时域将被称为“低负荷区域”。与此相比，出于描述目的，将运动强度为阈值或者大于阈值的时域被称为“高负荷区域”。

图6示出了给定用户的心率(实际测量值和估计值)的时间变化和作为运动强度的指标的met值(在下文中描述的)的示例。在图6中，符号a指示met值的时间变化的示例，符号b指示基于无线传感器值检测的同一用户的心率(实际测量值)的时间变化的示例。此外，符号c指示基于met值估计的用户的心率(估计值)的时间变化的示例。

如图6所示，非限制性示例的“高负荷区域”可以与met值为阈值(例如，4)或者大于阈值的时域相对应。估计“高负荷区域”的心率，因此，“高负荷区域”可以被称为“心跳估计区域”。

(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。在下面描述的示例中，由信息处理设备3对生命传感器2的无线传感器值和惯性传感器值进行处理。然而，下面描述的相同处理可以由生命传感器2(例如，处理器23)来执行。

(第一示例)

图7是示出了根据第一示例的传感器系统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接收无线传感器值和惯性传感器值(处理p11和p21)。

例如，响应于接收到惯性传感器值，信息处理设备3的处理器31基于惯性传感器值来计算用户的运动强度(处理p22)。图8示出了运动强度计算过程的示例。

如图8所示，处理器31可以基于惯性传感器值来计算用户每单位时间(例如，在一秒期间)的步数(其可以被称为“步行步频”)(处理p221)。与一般的计步器相类似，例如，可以通过在处理器31中对惯性传感器值超过阈值的次数进行计数来获得步数。

处理器31可以根据计算出的步行步频来计算基于步行步频的步行速度(处理p222)。

在这点上，可以通过关系式来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9所示的多项式等式(1)来表示。

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

在图9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“1x10^-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。

处理器31可以基于在图8的处理p221中计算的步行步频通过计算式(1)来计算步行速度。

另外，例如，图9中所示的关系可以由表格数据表示并且被存储在信息处理设备3的存储单元30(参见图4)中。处理器31可以参考表格数据而不执行算术处理来确定针对步行步频的步行速率。

处理器31可以根据计算出的步行速度来计算基于步行速度的用户的运动强度(图8中的处理p223)。计算出的运动强度的信息可以与在下述心率计算处理p14中基于无线传感器值检测的心率的信息相关联，并且被存储在存储单元30中。

处理器31可以基于存储在存储单元30中的低负荷区域中的运动强度和心率的多条信息来估计高负荷区域中的运动强度与心率变化之间的关系，并且生成指示该关系的信息100。信息100可以被称为“运动强度-心率信息100”。下面将描述运动强度-心率信息100的生成示例。

另外，处理器31可以不管计算出的运动强度是高还是低而都将运动强度和心率的信息集存储在存储单元30中，或者可以仅当计算出的运动强度小于阈值时(换言之，低负荷区域)将该信息集存储在存储单元30中。

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(metabolicequivalents)”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10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10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(2)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...(2)

等式(2)中的“最大心率”可以被计算为“220-年龄”的简化式。

因此，处理器31可以根据等式(2)基于met值来计算当前心率(图7中的处理p23)。

例如，如图11所示，在运动强度小于阈值的低负荷区域中(在处理p231中为“否”)，处理器31可以基于在图7的处理p22(图8中的处理p223)中计算出的运动强度根据式(2)来计算估计的心率。

同时，在运动强度为阈值以上的高负荷区域中(在处理p231中为“是”)，处理器31可以基于存储在存储单元30中的运动强度-心率信息100来计算估计的心率(处理p232)。

如图7所示，当计算出估计的心率时，处理器31可以确定应用于无线传感器值并与估计的心率相匹配的bpf的滤波器特性(处理p24)。在下文中，bpf的滤波器特性可以被简写为“bpf特性”。

例如，处理器31可以将估计的心率转换为频率，并且将转换的频率设置为要应用于无线传感器值的bpf的中心频率。例如，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，处理器31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。

在这点上，在一些情况下，心率的估计时间(estimatedtiming)(或估计时段)与出现在无线传感器值中的心跳分量的出现时间(appearancetiming)(或出现时段)失配。当用户开始运动或活动时，这种失配显著地发生。

例如，用户的心率随运动强度开始增加的时间往往延迟于在用户开始活动或运动之后运动强度达到预定强度的时间。

因此，即使当在心率的估计时间处将bpf应用于无线传感器值，上述时间失配也暂时降低了对心跳分量的检测精度或对噪声分量的消除能力。

因此，例如，如图7中的虚线所示，处理器31可以根据心率的估计时间延迟将bpf应用于无线传感器值的时间(处理p25)。可以将非限制性示例的延迟时间静态地或动态地设置为几秒至几十秒的范围。当动态地设置延迟时间时，并且例如当惯性传感器值表示运动强度从高状态变为低状态时，可以将时间延迟的时间设置为逐渐或逐步缩短。

另外，可以在bpf特性确定处理p24之前的处理之一中执行延迟处理。例如，处理器31可以延迟运动强度计算处理或心率估计处理，或者可以基于估计的心率延迟确定bpf特性的处理。可替选地，通过以分布式方式延迟多个处理，可以实现与延迟处理p25中的延迟时间相等的延迟时间。

通过在延迟的时间处将在处理p24中确定的bpf特性的bpf应用于在处理p11中接收的无线传感器值，处理器31可以对无线传感器值进行滤波(处理p12)。根据滤波，从无线传感器值中去除源于身体运动的噪声分量。

处理器31可以从已滤波的无线传感器值中检测指示与心跳相对应的区别性变化的心跳分量作为“特征点”(处理p13)。例如，“特征点”可以是在已滤波的无线传感器值的信号波形中一阶导数变为零的点。

响应于检测到“特征点”，处理器31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p14)。

可以将计算出的心率的信息连同如上所述的在图7中的处理p22(图8中的处理p223)中计算出的运动强度的信息一起存储在存储单元30中。

此外，计算出的心率的信息可以被用作控制生命传感器2的用户所处的空间环境(处理p15)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p16)。

另外，可选地，可以将在处理p22中获得的步行步频、步行速度和运动强度的信息，在处理p23中获得的估计的心率的信息，在处理p24中确定的bpf特性的信息以及在处理p13中检测到的特征点的信息输出至诸如显示器或打印机的输出装置。

在这种情况下，输出装置可以检查步行步频、步行速度、运动强度或估计的心率的计算状态或者检查设置情况或bpf特性的设置是否正确。

(运动强度-心率信息的生成示例)

接下来，将参照图12至图20来描述运动强度-心率信息100的生成示例。

如图12所示，信息处理设备3(例如，处理器31)可以基于存储在存储单元30中的低负荷区域中的运动强度和心率的信息集来生成高负荷区域中心率相对于运动强度的变化的近似等式(处理p31)。另外，假设非限制性示例的高负荷区域是其met值为4.0以上的区域。

例如，基于相对于用户的年龄的一般休息时间的心率和最大心率(例如，220-年龄)，可以根据上述等式(2)来计算相对于年龄的每个一般运动强度的估计的心率(出于描述的目的，该估计的心率可以被称为“针对年龄估计的心率”)。

在图15右侧的第二列中显示了通过使用等式(2)计算的非限制性示例的“针对年龄估计的心率”。

图15示出了在met值(步行速度)为1.0(0km/h)、1.5(1.5km/h)、3.0(2.5km/h)、3.3(3.0km/h)和3.8(3.5km/h)的情况下根据等式(2)计算的针对年龄估计的心率。

例如，当met值(步行速度)为1.0(0km/h)时，针对年龄估计的心率为61.3[bpm]，以及当met值(步行速度)为1.5(1.5km/h)时，针对年龄估计的心率为74[bpm]。

此外，例如，当met值(步行速度)为3.0(2.5km/h)时，针对年龄估计的心率为84[bpm]，以及当met值(步行速度)为3.3(3.0km/h)，针对年龄估计的心率为94.19[bpm]。当met值(步行速度)为3.8(3.5km/h)时，针对年龄估计的心率为107[bpm]。

如图13所示，通过对上述五个数据执行曲线拟合，可以通过以下等式(3)中的多项式来表示运动强度(met值)与针对年龄估计的心率之间的关系。

y＝3.4851x²+0.7088x+62.128...(3)

另外，“x”表示运动强度(met值)，并且“y”表示针对年龄估计的心率。

相比之下，假设如图15的右端列所示的测量出关于五个运动强度的用户的心率。另外，示例性地，心率与在图7的处理p14中基于无线传感器值计算的心率相对应。与上述“针对年龄估计的心率”相比，出于描述的目的，心率可以被称为“测量的心率”或“实际测量的心率”。

在图15的示例中，当met值(步行速度)为1.0(0km/h)时，测量的心率为65[bpm]，以及当met值(步行速度)为1.5(1.5km/h)时，测量的心率为85[bpm]。

此外，当met值(步行速度)为3.0(2.5km/h)时，测量的心率为102[bpm]，以及当met值(步行速度)为3.3(3.0km/h)时，测量的心率为111[bpm]。当met值(步行速度)为3.8(3.5km/h)时，测量的心率为132[bpm]。

与“针对年龄估计的心率”相类似，如图14所示，通过对上述五个数据执行曲线拟合，可以通过以下等式(4)中的多项式来表示运动强度(met值)与“测量的心率”之间的关系。

y＝2.4314x²+9.0462x+65.099...(4)

另外，“x”表示运动强度(met值)，并且“y”表示“测量的心率”。

与图14中的示例相类似，图18示出了从三个对象a至c获得的低负荷区域中的运动强度(示例性地，步行速度)与测量的心率之间的关系(多项式)的示例。图18示出了针对对象a至c获得多项式(5a)至(5c)的示例。

y＝3.677x²+0.0446x+61.395...(5a)

y＝3.949x²+3.3961x+65.966...(5b)

y＝3.5099x²-0.7961x+58.061...(5c)

另外，“x”表示运动强度(met值)，并且“y”表示“测量的心率”。

例如，信息处理设备3(例如，处理器31)可以基于如图14所示的关系和等式(4)来生成在高负荷区域(例如，其中met值超过4.0的区域)中心率相对于运动强度的变化的近似等式。

示例性地，处理器31可以根据以下等式(6)来计算每个运动强度的作为常数s的最大心率。

s＝(10÷运动强度)×(测量的心率－休息时间的心率)+在休息时间期间的心率...(6)

当假设“休息时间的心率”为“47”时，根据等式(6)将低负荷区域中的每个运动强度的常数s计算为图16a的右端列中所示的值。

此外，处理器31可以基于低负荷区域中每个运动强度的测量的心率和每个运动强度的针对年龄估计的心率的最大值来生成内插缺少数据的间隔的近似等式(示例性地，多项式)，并且计算高负荷区域中的常数s。

图17示出了运动强度和常数s(多项式)的示例。图17示出了以下示例：在运动强度为8met的情况下，对低负荷区域中获得的五个常数s和针对年龄估计的心率的最大值的数据(例如，162.6[bpm])这六个数据进行曲线拟合。

在这点上，在图17的示例中，出于描述的目的，在运动强度为8met的情况下，针对年龄估计的心率的最大值(例如，162.6[bpm])被认为是该运动强度的“测量的心率”。在图17的示例中，可以由如以下等式(7)中的多项式来表示运动强度(met值)与常数s之间的关系。

y＝－1.8222x²+7.4198x+248.84...(7)

另外，“x”表示运动强度(met值)，并且“y”表示“常数s”。

示例性地，处理器31可以根据等式(7)中的关系将在运动强度超过4met的高负荷区域中的每个运动强度的估计的心率计算为如图16b的右端列中所示。

例如，当met值(步行速度)为5.0(4.0km/h)时，可以将估计的心率计算为143.692[bpm]，以及当met值(步行速度)为6.3(4.5km/h)时，可以将估计的心率计算为158.0448219[bpm]。

此外，当met值(步行速度)为7.0(5.0km/h)时，可以将估计的心率计算为162.14356[bpm]。

另外，如图16b所示，出于描述的目的，低负荷区域中的每个运动强度的“估计的心率”可以被认为与每个运动强度的“测量的心率”相等。

例如，通过对从高负荷区域计算的每个运动强度的估计的心率执行曲线拟合，可以得到高负荷区域中的运动强度(met值)与“估计的心率”之间的关系。

图19示出了以下非限制性示例：基于图18中所示的在三个对象a至c中的每个对象的低负荷区域中的运动强度与测量的心率之间的关系而获得的高负荷区域中的运动强度与测量的心率之间的关系。

图19示出了以下示例：作为在对象a至c的高负荷区域中的运动强度(步行速度)与估计的心率之间的关系的示例而获得由以下多项式(7a)至(7c)表示的关系。

y＝-1.2204x²+23.499x+48.425...(7a)

y＝-0.8038x²+16.853x+83.583...(7b)

y＝-0.2161x²+11.477x+66.754...(7c)

另外，“x”表示运动强度(met值)，并且“y”表示“估计的心率”。

如图20所示，可以得到穿过低负荷区域和高负荷区域的运动强度与估计的心率之间的关系作为通过将表示图18所示的低负荷区域中的关系的多项式与表示图19所示的高负荷区域中的关系的多项式进行综合而获得的关系。

信息处理设备3(例如，处理器31)可以生成图20所示的函数作为图12中的处理p31中的近似等式。处理器31可以基于该近似等式生成运动强度-心率信息100以存储在存储单元30中(处理p32)。另外，运动强度-心率信息100可以是表示图20中所示的关系的近似等式本身。

运动强度-心率信息100被用于上述图7中的心率估计过程p23中。另外，当获得低负荷区域至高负荷区域的运动强度-心率信息100时，处理器31不需要执行上述图11中的确定处理p231。

例如，处理器31可以在不确定在图7的处理p22中计算出的运动强度是属于低负荷区域和高负荷区域中的哪一个区域的情况下基于运动强度-心率信息100来确定估计的心率。

换言之，运动强度-心率信息100可以从低负荷区域和高负荷区域得到，或者可以从高负荷区域得到。在后者的情况下，处理器31可以将低负荷区域中的测量的心率视为低负荷区域中的估计的心率，并且在图7的处理p24中确定bpf特性。

如上所述，根据第一实施方式，当基于惯性传感器值获得的运动强度小于阈值时(低负荷区域)，基于该运动强度与基于无线传感器值获得的心率之间的关系来估计在运动强度为阈值或者大于阈值的情况下(高负荷区域)的心率。

换言之，基于当同一用户的运动强度小于阈值时测量的运动强度与心率变化之间的关系来估计当同一用户的运动强度为阈值以上时的运动强度与心率变化之间的关系。

因此，可以使运动强度为阈值以上的高负荷区域中的运动强度和心率变化之间的关系适合于各个用户，并且可以覆盖相对于运动强度的心率变化的个体差异。因此，可以提高对每个个体的心跳传感器21的心跳信号的检测精度。

此外，例如，通过根据基于适合于每个用户的关系获得的估计的心率来设置并控制bpf的滤波器特性，可以防止或抑制在运动强度为阈值以上的时域中针对每个用户的心率检测精度降低。

因此，即使在不仅在用户的休息时间期间而且在运动或活动期间无线传感器21的检测信号中出现相对多的源于身体运动的噪声分量的时域中，仍然可以精确地测量用户的心率。由于心率的测量精度提高，因此，还可以提高例如控制用户所处的空间环境的精度和效率。

此外，通过根据与基于惯性传感器值估计的心率相关联的频率来控制应用于无线传感器值的bpf特性，可以高效地消除出现在心跳出现频带中的噪声分量。

因此，可以基于无线传感器值来提高心跳信号的检测精度。例如，可以提高对1.5hz至4.0hz的频带中的心跳信号的检测精度，该频带被认为容易受到0.8hz至4.0hz的频带(其是心跳出现频带的示例)内的源于身体运动的噪声分量的影响。

此外，通过根据基于惯性传感器值估计的心率的估计时间而延迟将bpf应用于无线传感器值的时间，即使当心跳分量响应于惯性传感器值的变化而在无线传感器值中较晚出现，仍然可以减少错过接收心跳分量。

(修改示例1)

另外，基于估计的心率的bpf带宽控制无需是必要控制。例如，通过在不执行bpf带宽控制的情况下根据估计的心率来控制bpf的中心频率，可以预期心率的测量精度会提高。

(修改示例2)

此外，在上述第一实施方式中已经测量或估计了运动强度与心率之间的关系。然而，运动强度与惯性传感器值相关，因此可以用惯性传感器值或从惯性传感器值获得的诸如身体运动量、步行步频或步行速度的信息来替换运动强度。

例如，低负荷区域中测量的关系和高负荷区域中估计的关系可以是惯性传感器值与心率之间的关系或者是从惯性传感器值获得的身体运动量、步行步频或步行速度与心率之间的关系。

换言之，在图13、图14以及图18至图20所示的关系中，横轴可以表示惯性传感器值或从惯性传感器值获得的诸如身体运动量、步行步频或步行速度的信息。

以上修改示例1和2中的一个或两个也适用于以下第二实施方式。

(第二示例)

在第一示例中，基于估计的心率而不依赖于基于惯性传感器值来估计心率的程度来确定bpf特性。然而，可以基于无线传感器值而不依赖于根据估计的心率的惯性传感器值来确定bpf特性。

例如，当基于惯性传感器值估计的心率较高时，作为相关联的运动强度的指标的met值也趋于较高。因此，当估计的心率(或met值)为阈值以上时(换言之，在高负荷区域中)，可以如第一实施方式中基于根据惯性传感器值估计的心率来确定bpf特性。

当估计的心率(或met值)较高时，认为源于身体运动的噪声分量很可能混入无线传感器值的心跳出现频带中。

相比之下，当基于惯性传感器值估计的心率小于阈值时(换言之，低负荷区域)，即使当基于无线传感器值来确定bpf特性时，仍然可以充分消除源于身体运动的噪声分量。

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，可以认为由源于身体运动的噪声分量而将会对心跳分量的检测有些许影响。

因此，在第二示例中，如图21所示，可以根据针对估计的心率(或met值)的阈值的确定(处理p23a)来控制惯性传感器值和无线传感器值中的哪一个被用于确定bpf特性。

与第一实施方式相类似，例如，当估计的心率(或met值)为阈值以上时(在处理p23a中为“是”)，信息处理设备3的处理器31可以确定bpf特性(处理p24)。例如，处理器31可以基于与基于运动强度-心率信息100估计的心率相关联的频率来确定bpf特性。出于描述的目的，与心率相对应的频率可以被称为“心跳频率”。

另外，在第二实施方式中，与第一实施方式相类似，处理器31还可以延迟将在处理p24中确定的bpf特性的bpf应用于无线传感器值的时间(处理p25)。

同时，当估计的心率(或met值)小于阈值(在处理p23a中为“否”)时，处理器31可以基于无线传感器值来检测心率，并且基于检测到的心跳频率来确定bpf特性(处理p41和p42)。

频率分析(处理p41)可以被用于从无线传感器值检测心率。快速傅立叶变换(fft)或离散傅里叶变换(dft)适用于频率分析。

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，频域信号可以被称为“频率信号”)。

例如，处理器31可以检测在无线传感器值的频率信号中具有峰值的频率(这种频率可以被称为“峰值频率”)作为上述“特征点”。峰值频率是指示与心跳相对应的区别性变化的频率分量的示例。

处理器31可以基于检测到的峰值频率来确定bpf特性(处理p42)。例如，处理器31可以将以下bpf特性确定为要应用于无线传感器值的bpf特性：在中心频率处具有峰值频率，并且当峰值频率较高时带宽较窄(或者当峰值频率较低时带宽较宽)。

另外，可以将在处理p11中由信息处理设备3接收的无线传感器值存储在存储单元30中，以便为上述频率分析处理(p41)做准备。示例性地，在处理p12a中由处理器31读取存储在存储单元30中的无线传感器值，并且对其应用具有在处理p24或p42中确定的bpf特性的bpf。

在处理p12a之后由处理器31执行的特征点检测处理(p13)、心率计算处理(p14)、空间环境控制(p15)和确定结果输出(p16)可以与第一示例中的那些相同。

如上所述，根据第二示例，获得与第一示例中相同的功能和效果。另外，当惯性传感器值指示可以认为由于源于身体运动的噪声分量而对心跳分量的检测有些许影响时，基于无线传感器值来控制bpf特性。

因此，可以提高对0.8hz至1.5hz的频带中的心跳信号的检测精度，其中可以认为在0.8hz至4.0hz的频带(其是心跳出现频带的示例)内由于源于身体运动的噪声分量而有些许影响。

可以在bpf特性的确定处理p24之前执行图21中的延迟处理p25。换言之，可以延迟基于估计的心率来确定bpf特性的处理。

(bpf特性的确定示例)

接下来，将参照图5以及图22至图31来描述确定(或设置)上述bpf特性的处理(例如，图7和图21中的处理p24以及图21中的处理p12a)的详细示例。

下面描述的bpf特性的确定示例可以与上述第一示例和第二示例相同。然而，在下面的描述中，“参考心率”与在第一示例中基于惯性传感器值估计的心率相对应，并且与在第二示例中基于惯性传感器值或无线传感器值估计的心率相对应。

例如，在第二示例中，“参考心率”当在图21的阈值确定处理p23a中确定为“是”时与基于惯性传感器值估计的心率相对应。同时，“参考心率”当在处理p23a中确定为“否”时与基于无线传感器值检测的心率相对应。

如上所述，图5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(8)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5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5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22是示出了bpf特性的设置示例的图。图22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22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21中，由频带上限值132来表示带宽的上限，由频带下限值134来表示带宽的下限。图22示出了在某些参考心率处的带宽的上限值和下限值。

例如，可以通过基于图5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)的内插或外推来确定上述“预设等式”。

接下来，图23是示出了bpf的通带的示例的图。在图23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23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23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，并且与由心率＝4hz附近的附图标记149所表示的带宽相对应，由附图标记149所表示的带宽比带宽148窄。因此，将较宽的带宽148设置在较低的心率处，将较窄的带宽149设置在较高的心率处。

图24是示出了bpf带宽的设置示例的图。在图24中，横轴表示中心频率，并且纵轴表示带宽。在图24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5和图23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，并且无需由直线表示的关系。例如，如图24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，可以通过使用基于实际测量值确定的给定两个或更多个点的单调增加的一个或更多个适当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25至图28是示出了带宽的其他设置示例的图。图25和图26是示出了心率分布的示例的图，并且图27和图28是示出了心率统计过程的示例的图。在图25和图26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25示出了心率接近55至60的心率分布，并且图26示出了心率接近75至80的心率分布。在图25与图26之间进行比较，在心率接近55至60处的多个测量数据比在心率接近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27和图28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27和图28所示的统计过程的示例中，计算532个数据的概率分布，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27的统计处理的示例中，通过确定出所计算的概率分布为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，设置在心率接近120处与该带宽相同的带宽。

类似地，在图28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，设置在心率接近60处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以通过内插来确定带宽与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函数以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29和图30是示出了带宽的设置示例的图。在图29和图30中，横轴表示频率[hz]，并且纵轴表示增益[db]。在图29和图30中，例如，心跳出现频带162为0.8hz至4.0hz。

根据图29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30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29中的峰值增益163相对应的频率，因此，将比图29中的带宽164窄的带宽166设置为bpf的带宽。

以这种方式，可以将bpf的中心频率设置为与参考心率相对应的频率，并且根据中心频率的程度来自适应地控制带宽。因此，可以高效地去除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的程度的情况下高效地去除心跳出现频带中的不必要的信号分量：所述bpf根据生物对象的心跳特性具有可变中心频率和可变带宽。因此，可以提高对心跳出现频带中的心跳信号的检测精度。

图31是示出了带宽信息的示例的图。例如，可以将图31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)

在包括各种示例的上述实施方式中，诸如多普勒传感器的无线传感器被用作心跳传感器21的示例。然而，例如，心跳传感器21可以是诸如光学测量血流变化的传感器例如耳夹式传感器。

即使当血流量由于身体运动而变化、源于身体运动的信号分量作为噪声分量混入传感器检测信号中时，仍然可以通过控制上述可变bpf特性来高效地去除噪声分量。

在光学测量血流变化的心跳传感器21的情况下，根据来自外部血流的外部光混入反射光中，即使当噪声分量混入传感器检测信号中时，仍然通过控制上述可变bpf特性来去除噪声分量。

此外，心跳传感器21可以是测量心肌的电位变化或声音变化的心电图仪或心音图仪。根据用户的肌肉由于身体运动而移动，即使当源于身体运动的信号分量作为噪声分量混入传感器检测信号中时，仍然可以通过控制上述可变bpf特性来高效地去除噪声分量。