信号处理系统、传感器系统、生物特征管理系统、环境控制系统、信号处理方法和程序与流程

1.本发明涉及信号处理系统、传感器系统、生物特征管理系统、环境控制系统、信号处理方法和程序。


背景技术：

2.在本领域中，已知有精神活动确定设备作为用于通过使用在对心跳间隔数据的频率分析的结果与交感神经系统和副交感神经系统的各个活动程度之间存在相关性这一事实来确定人类精神活动的设备(例如，参见专利文献1)。精神活动确定设备检测心跳间隔并计算如此检测到的心跳间隔数据的方差以及心跳间隔或心率的平均值。精神活动确定设备基于心跳间隔的方差以及平均心跳间隔或平均心率来确定被检者的精神活动。
3.精神活动确定设备使用用于测量被检者的心电图信号的心电图检测器以检测心跳间隔。在这种情况下，被检者佩戴用于检测电位信号的电极。可替代地，将脉搏波传感器附接到被检者的耳朵和手其中之一以检测脉搏波。
4.然而，为了如上述的精神活动确定设备那样检测人(被检者)的心跳间隔，需要使用诸如心电图检测器等的高准确度的心跳传感器。
5.现有技术文献
6.专利文献
7.专利文献1：日本特开平8-280637


技术实现要素：

8.因此，本发明的目的是提供一种信号处理系统、传感器系统、生物特征管理系统、环境控制系统、信号处理方法和程序，其全部都被配置或设计为即使在不使用高准确度的心跳传感器的情况下，也能够识别人的自主神经系统的状况。
9.根据本发明的一方面的信号处理系统包括心跳信息获取单元、代表值计算单元和神经识别单元。所述心跳信息获取单元从无线电波传感器获取作为人的心跳的检测结果的心跳信息。所述代表值计算单元基于所述心跳信息来计算预定时间段期间的所述心跳的间隔的代表值。所述神经识别单元基于所述代表值来识别人的自主神经系统的状况。
10.根据本发明的另一方面的传感器系统包括上述的信号处理系统以及无线电波传感器，所述无线电波传感器用于接收从人反射的无线电波。所述无线电波传感器检测所述心跳信息并将所述心跳信息输出到所述信号处理系统。
11.根据本发明的又一方面的生物特征管理系统包括上述的传感器系统以及生物特征状况确定单元，所述生物特征状况确定单元用于基于由所述神经识别单元进行的识别的结果，将人的(一个或多于一个)精神和/或身体状况确定为生物特征状况。
12.根据本发明的还一方面的环境控制系统包括上述的生物特征管理系统以及机器控制器，所述机器控制器用于基于由所述生物特征状况确定单元做出的决定，控制被配置
为改变人存在于的空间内的环境的机器。
13.根据本发明的还一方面的信号处理方法包括心跳信息获取步骤、代表值计算步骤和神经识别步骤。所述心跳信息获取步骤包括获取作为人的心跳的检测结果的心跳信息。所述代表值计算步骤包括基于所述心跳信息来计算预定时间段期间的所述心跳的间隔的代表值。所述神经识别步骤包括基于所述代表值来识别人的自主神经系统的状况。
14.根据本发明的还一方面的程序被设计为使计算机系统进行上述的信号处理方法。
附图说明
15.图1是例示根据典型实施例的包括信号处理系统的传感器系统的框图；
16.图2是示出由该传感器系统获得的平均心跳间隔的示例性时间序列数据的波形图；
17.图3是例示根据典型实施例的生物特征管理系统的框图；
18.图4是例示根据典型实施例的环境控制系统的框图；
19.图5是例示该环境控制系统中的机器的示例性布置的立体图；以及
20.图6是示出根据典型实施例的信号处理方法的过程的流程图。
具体实施方式
21.以下要说明的典型实施例通常涉及信号处理系统、传感器系统、生物特征管理系统、环境控制系统、信号处理方法和程序。更具体地，本典型实施例涉及全部被配置或设计为识别人的自主神经系统的状况的信号处理系统、传感器系统、生物特征管理系统、环境控制系统、信号处理方法和程序。
22.注意，以下要说明的实施例仅仅是本发明的各种实施例中的典型实施例，并且不应被解释为限制性的。相反，在没有背离本发明的范围的情况下，可以根据设计选择或任何其他因素以各种方式容易地修改本典型实施例。
23.(实施例)
24.(1)传感器系统的概述
25.在本领域中，众所周知，识别人的自主神经系统的状况以将他或她的(一个或多于一个)精神和/或身体状况确定为生物特征状况，这是有用的。
26.具体地，使用lf/hf比作为人的自主神经系统的状况的指标。可以基于rri(rr间隔)的时间序列数据来获得lf/hf比。如本文所使用的，“rri”是指人的心电图上的一个r波和下一r波之间的时间间隔，即人的心跳间隔(下文中也称为“心跳的间隔”)。rri不断地变化，并且可以基于rri的时间序列数据将rri的变化频率的分布计算为功率谱。在功率谱中，lf是低频域(例如，从0.05hz到0.15hz)中的信号强度的积分值，并且hf是高频域(例如，从0.15hz到0.40hz)中的信号强度的积分值。当人的自主神经系统是交感神经占优势时的lf/hf比大于当人的自主神经系统是副交感神经占优势时的lf/hf比。例如，人感觉到的压力越大，lf/hf比越大。人感觉越放松，lf/hf比越小。
27.然而，为了获得rri，需要以高准确度检测人的心跳。目前在实践中使用的高准确度的心跳传感器的示例包括用于基于心电图或通过光学方法进行评估的接触型传感器。然而，使得能够在不使用这种高准确度的心跳传感器的情况下识别人的自主神经系统的状况
将扩大可供使用的传感器的范围并提高系统通用性。此外，使得能够在不与人的身体接触的情况下识别他或她的自主神经系统的状况将使他或她感受到他或她佩戴传感器的束缚感更少，这样将减轻他或她的精神和/或身体负担。
28.图1例示使得能够在不使用高准确度的心跳传感器的情况下识别人的自主神经系统的状况的传感器系统z1的结构作为根据典型实施例的传感器系统。传感器系统z1包括无线电波传感器1和信号处理系统2。
29.(2)无线电波传感器
30.无线电波传感器1检测作为人h1的心跳的检测结果的心跳信息。无线电波传感器1输出包括该心跳信息的传感器信号y1。
31.具体地，无线电波传感器1朝向存在于照射区域内的人h1发出无线电波作为发送波，并且接收从人h1反射的无线电波作为接收波。然后，无线电波传感器1基于表示发送波和接收波之间的差的差信号来输出传感器信号y1，该传感器信号y1包括与无线电波传感器1和人h1之间的距离有关的信息或者与人h1的运动有关的信息。因此，对传感器信号y1进行信号处理使得能够导出心跳信息作为人h1的生物特征信息。人h1的心跳是人h1的身体运动其中之一，并且可以被检测为无线电波传感器1和人h1之间的距离的变化或者人h1的运动。因此，心跳信息作为与无线电波传感器1和人h1之间的距离有关的信息或者与人h1的运动有关的信息被包括在传感器信号y1中。
32.无线电波传感器1仅需要是能够测量到人h1的距离或人h1的运动的无线电波传感器。无线电波传感器1可以是调频连续波(fmcw)无线电波传感器、二进制频移键控(fsk)无线电波传感器、用于生成i/q数据的多普勒无线电波传感器或任何其他合适的传感器。
33.从无线电波传感器1发出的发送波优选是微波。特别地，发送波的频率优选落在24ghz频带或48ghz频带内。然而，发送波不必是微波，而是也可以是毫米波。因此，发送波的频率不限于任何特定值。
34.(3)信号处理系统
35.信号处理系统2包括计算机系统。计算机系统包括处理器和存储器作为其主要硬件组件。可以通过使处理器执行存储器中所存储的程序来进行信号处理系统2的一些或全部功能。程序可以预先存储在计算机系统的存储器中。可替代地，程序还可以通过电信线路进行下载，或者在记录在诸如存储卡、光盘或硬盘驱动器(其中的任何对于计算机系统均是可读的)等的一些非暂时性存储介质中之后进行分发。计算机系统的处理器可以被实现为包括半导体集成电路(ic)或大规模集成电路(lsi)的单个或多个电子电路。这些电子电路可以一起集成在单个芯片上或分布在多个芯片上，无论哪种都是适当的。这些多个芯片可以一起聚集在单个装置中，或者分布在多个装置中而没有限制。
36.具体地，信号处理系统2包括心跳信息获取单元21、代表值计算单元23和神经识别单元25。信号处理系统2优选还包括预处理单元22、存储单元24和输出单元26。
37.心跳信息获取单元21从无线电波传感器1获取包括心跳信息的传感器信号y1。无线电波传感器1和心跳信息获取单元21之间的通信可以是无线通信或有线通信，无论哪种都是适当的。无线通信优选符合诸如无线lan、(蓝牙)或等的协议。有线通信优选符合诸如(以太网)等的有线局域网(lan)协议。可选地，无线通信和有线通信这两者都可以符合专用于信号处理系统2的通信协议。
38.预处理单元22具有放大传感器信号y1的放大能力和将传感器信号y1转换成数字信号的ad转换能力。预处理单元22生成数字传感器信号，该数字传感器信号包括以预定采样频率生成的传感器信号y1的大量采样值。可选地，无线电波传感器1可以进行预处理单元22的功能。
39.代表值计算单元23基于心跳信息获得预定时间段期间的人h1的心跳间隔(rri)的代表值。代表值计算单元23获得平均心跳间隔(平均rri)作为代表值。特别地，代表值计算单元23优选获得心跳间隔的移动平均值作为平均心跳间隔。
40.具体地，代表值计算单元23检测心跳的一个r波的定时，并且获得r波和下一r波之间的时间间隔，即获得人h1的心跳间隔。然后，代表值计算单元23使用沿着时间轴并排布置的大量心跳间隔数据点作为心跳间隔的时间序列数据。代表值计算单元23将时间窗应用于心跳间隔的时间序列数据，并且提取落在时间窗内的多个心跳间隔数据点作为多个提取数据点。时间窗的时间长度是预先确定的第一时间(预定时间段)。代表值计算单元23基于多个提取数据点来计算多个心跳间隔的移动平均值作为平均心跳间隔。由代表值计算单元23计算出的平均心跳间隔是落在时间窗内的多个提取数据点的各个心跳间隔的平均值。然后，代表值计算单元23在使时间窗偏移预先确定的第二时间的同时，在每次经过第二时间时顺次获得平均心跳间隔。也就是说，第二时间与用于获得心跳间隔的移动平均值的窗的滑动时间相对应。代表值计算单元23将平均心跳间隔的历史作为平均心跳间隔的时间序列数据存储在存储单元24中。图2示出平均心跳间隔的示例性时间序列数据。注意，第二时间比第一时间短。例如，如果第一时间是1分钟并且第二时间是0.5秒，则每0.5秒获得覆盖1分钟的多个心跳间隔的平均值(平均心跳间隔)。
41.存储单元24存储平均心跳间隔的时间序列数据。存储单元24优选是诸如电可擦除可编程只读存储器(eeprom)或闪速存储器等的可编程非易失性存储器。
42.神经识别单元25从存储单元24读出平均心跳间隔的时间序列数据。神经识别单元25通过对平均心跳间隔的时间序列数据进行频率转换来生成平均心跳间隔的频域数据。然后，神经识别单元25获得频域数据的低频分量与频域数据的高频分量的比，作为人h1的自主神经系统的状况的指标。
43.具体地，神经识别单元25通过例如最大熵方法、快速傅立叶变换(fft)或离散余弦变换(dct)将平均心跳间隔的时间序列数据变换为平均心跳间隔的频域数据。例如，神经识别单元25获得平均心跳间隔的变化频率的分布作为功率谱。神经识别单元25基于平均心跳间隔的频域数据获得lf1作为低频域(例如，从0.05hz至0.15hz)中的信号强度的积分值并且获得hf1作为高频域(例如，从0.15hz至0.40hz)中的信号强度的积分值。神经识别单元25获得作为lf1与hf1的比的lf1/hf1比作为人h1的自主神经系统的状况的指标。也就是说，神经识别单元25通过获得lf1/hf1比来定量地估计人h1的自主神经系统的状况。当人h1的自主神经系统是交感神经占优势时的lf1/hf1比大于当人h1的自主神经系统是副交感神经占优势时的lf1/hf1比。例如，人h1感觉到的压力越大，lf1/hf1比越大。人h1感觉越放松，lf1/hf1比越小。
44.输出单元26将lf/hf比作为由神经识别单元25进行的识别的结果输出到通知系统3。输出单元26和通知系统3之间的通信可以是无线通信或有线通信，无论哪种都是适当的。无线通信优选符合诸如无线lan、或等的协议。有线通信优选符合诸
如等的有线局域网(lan)协议。可选地，无线通信和有线通信这两者都可以符合专用于信号处理系统2的通信协议。
45.通知系统3包括显示装置、音频机器和任何其他类型的输出装置中的至少一个。显示装置例如可以是液晶显示器或有机电致发光(el)显示器，并且显示由神经识别单元25进行的识别的结果。音频机器包括扬声器，并且将由神经识别单元25进行的识别的结果作为语音消息输出。通知系统3例如优选是管理员所使用的个人计算机、平板计算机、智能电话或扬声器。
46.上述的信号处理系统2基于心跳间隔的代表值来识别人h1的自主神经系统的状况。代表值是预定时间段期间的心跳间隔的代表值。心跳间隔的检测准确度可以低于诸如心电图检测器等的高准确度的心跳传感器的检测准确度。换句话说，这使得即使在不试图提高各个心跳间隔的检测准确度的情况下，也能够保持平均心跳间隔足够准确以识别人h1的自主神经系统的状况。
47.因此，根据本实施例的传感器系统z1使用无线电波传感器1来检测作为人h1的心跳的检测结果的心跳信息。然后，信号处理系统2对从无线电波传感器1供给的传感器信号y1进行信号处理，以获得人h1的心跳间隔的代表值，并由此基于该代表值来识别人h1的自主神经系统的状况。也就是说，信号处理系统2即使在不使用高准确度的心跳传感器的情况下，也可以识别人h1的自主神经系统的状况。
48.代表值优选是预定时间段期间的心跳间隔的移动平均值(平均心跳间隔)。在这种情况下，信号处理系统2可以高度准确地识别人h1的自主神经系统的状况。注意，代表值不必是预定时间段期间的心跳间隔的移动平均值，而是例如还可以是预定时间段期间的心跳间隔的中值、最大值和最小值中的任一个。
49.(4)第一变形例
50.如图1所示，传感器系统z1优选包括滤波器27。滤波器27具有滤除或衰减平均心跳间隔的异常值的能力。
51.在图1中，神经识别单元25包括滤波器27。在这种情况下，滤波器27从平均心跳间隔的频域数据中滤除或衰减频率等于或高于预定频率阈值的数据。频率阈值例如可以被设置为作为代表值计算单元23获得心跳间隔的移动平均值所使用的窗的滑动时间的倒数的一半的值。滑动时间与平均心跳间隔的时间序列数据的采样时间相对应。频率阈值与针对平均心跳间隔的时间序列数据的采样频率的奈奎斯特频率相对应。因此，滤波器27可以通过从平均心跳间隔的频域数据中滤除或衰减频率等于或高于奈奎斯特频率的数据来提高平均心跳间隔的频域数据的准确度。
52.可选地，传感器系统z1可以包括用于从平均心跳间隔的时间序列数据中滤除或衰减异常值的滤波器。平均心跳间隔的时间序列数据中所包括的多个数据点有时是分散的。因此，多个数据点可以包括与其他数据点的异常值显著不同的异常值(离群值)。因此，滤波器例如通过抗差估计基于平均心跳间隔的时间序列数据来获得与近似曲线有关的数据。抗差估计的示例包括huber回归、m估计和随机样本一致性(ransac)。滤波器可以通过抗差估计获得时间序列数据的近似曲线来提高时间序列数据的准确度。该滤波器可以设置在代表值计算单元23和存储单元24之间，或者设置在存储单元24和神经识别单元25之间。
53.(5)第二变形例
54.代表值计算单元23可以通过对心跳信息进行频率转换来获得心跳周期作为代表值。
55.具体地，代表值计算单元23通过例如最大熵方法、fft或dct将由预处理单元22生成的数字传感器信号变换为传感器信号的频域数据。例如，代表值计算单元23获得功率谱作为传感器信号的频域数据。在功率谱中，信号强度在人h1的心跳的频率处达到峰值。因此，假定人h1的正常心跳频率约为60hz，代表值计算单元23从功率谱中提取60hz附近的峰值，并且获得与该峰值相对应的频率的倒数作为心跳间隔的代表值。代表值计算单元23周期性地获得代表值，并将代表值的历史作为代表值的时间序列数据存储在存储单元24中。
56.神经识别单元25从存储单元24读出代表值的时间序列数据。神经识别单元25通过对代表值的时间序列数据进行频率转换来生成代表值的频域数据。然后，神经识别单元25以与上述相同的方式获得频域数据的低频分量与频域数据的高频分量的比，作为人h1的自主神经系统的状况的指标。
57.此外，与上述第一变形例一样，该第二变形例优选还包括用于滤除或衰减代表值的异常值的滤波器。
58.(6)生物特征管理系统
59.图3例示生物特征管理系统4的结构。生物特征管理系统4包括上述的传感器系统z1和生物特征状况确定单元41。
60.生物特征状况确定单元41接收由传感器系统z1的神经识别单元25进行的识别的结果。生物特征状况确定单元41基于由神经识别单元25进行的识别的结果来将人h1的(一个或多于一个)精神和/或身体状况确定为生物特征状况。
61.注意，生物特征状况确定单元41可以被实现为与传感器系统z1相同的计算机系统或与传感器系统z1不同的计算机系统，无论哪种都是适当的。
62.由神经识别单元25进行的识别的结果包括与人h1的lf/hf比有关的数据。这使得生物特征状况确定单元41能够基于lf/hf比将人h1的压力水平确定为生物特征状况。生物特征状况确定单元41确定为lf/hf比越大，人h1应感受到的压力越大(即，lf/hf比越小，人h1应感受到的压力越小)。可选地，生物特征状况确定单元41可以基于lf/hf比来不仅确定人h1的压力水平，而且还确定人h1的认知机能的程度。
63.生物特征状况确定单元41将如此做出的决定发送到通知系统3。作为响应，通知系统3例如向管理员通知由生物特征状况确定单元41做出的决定。通知系统3例如优选是管理员所使用的个人计算机、平板计算机或智能电话。
64.可选地，生物特征管理系统4可以安装在人h1所操纵的移动运载工具中。移动运载工具的示例包括汽车、飞行器和水运工具。移动运载工具通过由人h1操纵而移动。在这种情况下，生物特征状况确定单元41基于人h1的lf/hf比来确定人h1的唤醒水平，由此做出与人h1的打盹、注意力程度和/或疲劳程度有关的决定作为生物特征状况。在这种情况下，通知系统3可以是移动运载工具中的显示装置和音频机器，并且被设计为通过显示图像和发出声音来增加人h1的唤醒水平。
65.(7)环境控制系统
66.图4例示环境控制系统5的结构。环境控制系统5包括生物特征管理系统4和机器控制器51。
67.机器控制器51接收由生物特征管理系统4的生物特征状况确定单元41做出的决定。机器控制器51基于由生物特征状况确定单元41做出的决定来控制改变人h1存在于的空间7内的环境的机器6。注意，机器控制器51可以被实现为与生物特征管理系统4相同的计算机系统或与生物特征管理系统4不同的计算机系统，无论哪种都是适当的。
68.由生物特征状况确定单元41做出的决定例如包括关于人h1的压力水平、人h1的认知机能的程度和/或人h1的唤醒水平所做出的至少一个决定。因此，机器控制器51基于由生物特征状况确定单元41做出的决定来控制改变空间7内的环境的机器6。机器6包括选自例如由空调、循环器、照明器具、音频机器、香薰机、显示装置、通风机和外部光调节器(即，遮阳板)构成的组中的至少一个装置。通过操作这些机器6中的至少一个，可以控制选自例如由空间7内的温度、湿度、气流速度、照度、照明光的颜色、背景音乐(bgm)、香味、运动图片、co2浓度和入射光构成的组中的至少一个。
69.因此，机器控制器51例如可以有助于通过基于由生物特征状况确定单元41做出的决定控制机器6，来减轻人h1感觉到的压力，提高人h1的认知机能，或者增加人h1的唤醒水平。
70.图5例示人h1存在于的房间71作为由环境控制系统5控制环境的示例性空间7。
71.在房间71中，作为机器6，布置有空调61、循环器62、照明器具63、音频机器64、香薰机65、显示装置66、通风机67和入射光调节器68。空调61用于控制房间71内的温度和湿度。循环器62用于控制房间71内的气流。照明器具63用于控制房间71内的照度和光色。音频机器64用于例如在房间71内播放背景音乐(bgm)或发出环境声音(诸如雨声、风声、波浪声、鸟的啁啾声和昆虫的鸣叫声等)。香薰机65用于控制房间71内的香味。显示装置66用于显示例如环境视频(例如，诸如山脉、海洋或河流等的自然风景的视频)。通风机67用于通过使房间71通风来控制房间71内的co2浓度。入射光调节器68例如可以是电动百叶窗或电动帘，并且用于调节入射到房间71的外部光的量。环境控制系统5基于由生物特征管理系统4做出的决定来控制这些机器6，由此控制对例如人h1的视觉、听觉、嗅觉和触觉的刺激，并且还调节人h1在房间71内感觉到的温度和湿度，并由此有助于例如减轻人h1感觉到的压力，提高他或她的认知机能，并增加他或她的唤醒水平。
72.特别地，环境控制系统5可以通过在控制空调61的状态下调节房间71内的温度和/或湿度来有效地控制人h1的自主神经系统。
73.(8)信号处理方法
74.根据本实施例的信号处理方法可以被总结为如图6的流程图所示。
75.图6所示的信号处理方法包括心跳信息获取步骤s1、代表值计算步骤s2和神经识别步骤s3。
76.心跳信息获取步骤s1包括使心跳信息获取单元21获取作为人h1的心跳的检测结果的心跳信息。
77.代表值计算步骤s2包括使代表值计算单元23基于心跳信息来计算心跳的间隔的代表值。
78.神经识别步骤s3包括使神经识别单元25基于代表值来识别人h1的自主神经系统的状况。
79.计算机系统的存储器中所存储的程序优选被设计为使处理器进行上述的信号处
理方法。
80.诸如这些等的信号处理方法和程序还使得即使在不使用高准确度的心跳传感器的情况下也能够识别人h1的自主神经系统的状况。
81.(9)概括
82.从前述说明可以看出，根据典型实施例的第一方面的信号处理系统(2)包括心跳信息获取单元(21)、代表值计算单元(23)和神经识别单元(25)。心跳信息获取单元(21)从无线电波传感器(1)获取作为人(h1)的心跳的检测结果的心跳信息。代表值计算单元(23)基于该心跳信息来计算预定时间段期间的心跳的间隔的代表值。神经识别单元(25)基于该代表值来识别人(h1)的自主神经系统的状况。
83.该信号处理系统(2)即使在不使用高准确度的心跳传感器的情况下，也可以识别人(h1)的自主神经系统的状况。
84.在可以结合第一方面来实现的根据典型实施例的第二方面的信号处理系统(2)中，代表值计算单元(23)计算心跳的间隔的平均值作为代表值。
85.该信号处理系统(2)可以高度准确地识别人(h1)的自主神经系统的状况。
86.在可以结合第二方面来实现的根据典型实施例的第三方面的信号处理系统(2)中，代表值计算单元(23)计算心跳的间隔的移动平均值作为平均值。
87.该信号处理系统(2)可以高度准确地识别人(h1)的自主神经系统的状况。
88.在可以结合第一方面来实现的根据典型实施例的第四方面的信号处理系统(2)中，代表值计算单元(23)优选通过对心跳信息进行频率转换来计算心跳的周期作为代表值。
89.该信号处理系统(2)可以高度准确地识别人(h1)的自主神经系统的状况。
90.可以结合第一方面至第四方面中任一方面来实现的根据典型实施例的第五方面的信号处理系统(2)优选还包括存储单元(24)，该存储单元(24)存储代表值的时间序列数据。神经识别单元(25)通过对代表值的时间序列数据进行频率转换来生成代表值的频域数据，并且获得频域数据的低频分量与频域数据的高频分量的比作为人(h1)的自主神经系统的状况。
91.该信号处理系统(2)可以定量地估计人(h1)的自主神经系统的状况。
92.可以结合第一方面至第五方面中任一方面来实现的根据典型实施例的第六方面的信号处理系统(2)优选还包括滤波器(27)，该滤波器(27)用于滤除或衰减代表值的异常值。
93.该信号处理系统(2)可以提高平均心跳间隔数据的准确度。
94.根据典型实施例的第七方面的传感器系统(z1)包括根据第一方面至第六方面中任一方面的信号处理系统(2)以及无线电波传感器(1)，该无线电波传感器(1)接收从人(h1)反射的无线电波。无线电波传感器(1)检测心跳信息并将该心跳信息输出到信号处理系统(2)。
95.该传感器系统(z1)即使在不使用高准确度的心跳传感器的情况下，也可以识别人(h1)的自主神经系统的状况。
96.根据典型实施例的第八方面的生物特征管理系统(4)包括根据第七方面的传感器系统(z1)以及生物特征状况确定单元(41)，该生物特征状况确定单元(41)用于基于由神经
识别单元(25)进行的识别的结果来将人(h1)的(一个或多于一个)精神和/或身体状况确定为生物特征状况。
97.该生物特征管理系统(4)即使在不使用高准确度的心跳传感器的情况下，也不仅可以识别人(h1)的自主神经系统的状况，而且还可以识别他或她的生物特征状况。
98.在可以结合第八方面来实现的根据典型实施例的第九方面的生物特征管理系统(4)中，生物特征状况确定单元(41)优选将人(h1)的压力水平确定为生物特征状况。
99.该生物特征管理系统(4)可以容易地确定人(h1)的压力水平。
100.在可以结合第八方面来实现的根据典型实施例的第十方面的生物特征管理系统(4)中，生物特征状况确定单元(41)优选确定正在操纵移动运载工具的人(h1)的生物特征状况。
101.该生物特征管理系统(4)可以容易地确定正在操纵移动运载工具的人(h1)的唤醒水平。
102.根据典型实施例的第十一方面的环境控制系统(5)包括根据第八方面至第十方面中任一方面的生物特征管理系统(4)以及机器控制器(51)，该机器控制器(51)用于基于由生物特征状况确定单元(41)做出的决定来控制用于改变人(h1)存在于的空间(7)内的环境的机器(6)。
103.该环境控制系统(5)即使在不使用高准确度的心跳传感器的情况下，也不仅可以识别人(h1)的自主神经系统的状况，而且还可以识别他或她的生物特征状况。
104.根据典型实施例的第十二方面的信号处理方法包括心跳信息获取步骤(s1)、代表值计算步骤(s2)和神经识别步骤(s3)。心跳信息获取步骤(s1)包括从无线电波传感器(1)获取作为人(h1)的心跳的检测结果的心跳信息。代表值计算步骤(s2)包括基于该心跳信息来计算预定时间段期间的心跳的间隔的代表值。神经识别步骤(s3)包括基于该代表值来识别人(h1)的自主神经系统的状况。
105.该信号处理方法使得即使在不使用高准确度的心跳传感器的情况下也能够识别人(h1)的自主神经系统的状况。
106.根据典型实施例的第十三方面的程序被设计为使计算机系统进行根据第十二方面的信号处理方法。
107.该程序使得即使在不使用高准确度的心跳传感器的情况下，也能够识别人(h1)的自主神经系统的状况。
108.根据典型实施例的第十四方面的信号处理方法包括心跳信息获取步骤、代表值计算步骤和神经识别步骤。心跳信息获取步骤包括从无线电波传感器(1)获取作为人(h1)的心跳的检测结果的心跳信息。代表值计算步骤包括基于该心跳信息来计算心跳的间隔的代表值。神经识别步骤包括基于该代表值来获得人(h1)的自主神经系统的状况的指标。
109.该信号处理方法使得即使在不使用高准确度的心跳传感器的情况下，也能够获得人(h1)的自主神经系统的状况的指标。
110.附图标记说明
[0111]1ꢀꢀꢀ
无线电波传感器
[0112]2ꢀꢀꢀ
信号处理系统
[0113]
21
ꢀꢀ
心跳信息获取单元
[0114]
23
ꢀꢀ
代表值计算单元
[0115]
24
ꢀꢀ
存储单元
[0116]
25
ꢀꢀ
神经识别单元
[0117]
27
ꢀꢀ
滤波器
[0118]4ꢀꢀꢀ
生物特征管理系统
[0119]
41
ꢀꢀ
生物特征状况确定单元
[0120]5ꢀꢀꢀ
环境控制系统
[0121]
51
ꢀꢀ
机器控制器
[0122]6ꢀꢀꢀ
机器
[0123]7ꢀꢀꢀ
空间
[0124]
h1
ꢀꢀ
人
[0125]
z1
ꢀꢀ
传感器系统
[0126]
s1
ꢀꢀ
心跳信息获取步骤
[0127]
s2
ꢀꢀ
代表值计算步骤
[0128]
s3
ꢀꢀ
神经识别步骤