イベント検出装置
【課題】電波の状態を監視することによって、監視対象が所定のエリア内のどこにいるのかを正確に識別することができる高い精度を持つイベント検出装置を提供すること。
【解決手段】複数のアンテナ２１によって受信した信号を受信ベクトルから相関行列を演算する相関行列演算手段２２と、該相関行列を固有値展開して信号部分空間を張る固有ベクトル及び該固有ベクトルに対応する固有値を演算する固有値展開手段２３と、該固有ベクトル及び固有値の分散をそれぞれ演算する分散演算手段２４と、該固有ベクトル及び固有値と前記分散を入力してイベントを判別するサポートベクターマシン機能２５と、該イベントに基づいてイベントを検出するイベント検出手段２６とを備えるイベント検出装置。
【解決手段】複数のアンテナ２１によって受信した信号を受信ベクトルから相関行列を演算する相関行列演算手段２２と、該相関行列を固有値展開して信号部分空間を張る固有ベクトル及び該固有ベクトルに対応する固有値を演算する固有値展開手段２３と、該固有ベクトル及び固有値の分散をそれぞれ演算する分散演算手段２４と、該固有ベクトル及び固有値と前記分散を入力してイベントを判別するサポートベクターマシン機能２５と、該イベントに基づいてイベントを検出するイベント検出手段２６とを備えるイベント検出装置。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、会議室又は居室などの所定のエリアに電波を受信する受信機を配置して、電波の受信特性に基づいて、人がどこにいるかなどのイベントを高精度に検出するイベント検出装置に関する。
【背景技術】
【０００２】
本発明者らは、次のイベント検出装置を提案している（特許文献１参照）。
【０００３】
すなわち、送信機が送信した電波を受信する複数のアンテナと、該複数のアンテナによって受信した信号を受信ベクトルとして該受信ベクトルから相関行列を演算する相関行列演算手段と、該相関行列演算手段によって演算された相関行列を固有値展開して信号部分空間を張る固有ベクトルを演算する固有ベクトル演算手段と、該固有ベクトル演算手段によって演算された固有ベクトルを入力してイベントを判別するサポートベクターマシン機能と、該サポートベクターマシン機能によって判別されたイベントに基づいてイベントを検出するイベント検出手段とを備えるイベント検出装置である。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特願２０１０−１５３６７８
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかし、上述のイベント検出装置では、そこに存在する人や物の状態の違いを識別することができても、例えば人がいるとして、その人が会議室又は居室などの所定のエリア内のどこにいるのかを正確に識別するだけの精度を持たせることができなかった。
【０００６】
本発明は、上記問題点に鑑み、電波の状態を監視することによって、監視対象が所定のエリア内のどこにいる（又はある）のかを正確に識別することができる高い精度を持つイベント検出装置を提供することを目的とする。
【課題を解決するための手段】
【０００７】
本発明のイベント検出装置は、送信機が送信した電波を受信する複数のアンテナと、該複数のアンテナによって受信した信号を受信ベクトルとして該受信ベクトルから相関行列を演算する相関行列演算手段と、該相関行列演算手段によって演算された相関行列を固有値展開して信号部分空間を張る固有ベクトル及び該固有ベクトルに対応する固有値を演算する固有値展開手段と、該固有値展開手段によって演算された固有ベクトル及び固有値の分散をそれぞれ演算する分散演算手段と、前記固有値展開手段によって演算された固有ベクトル及び固有値と前記分散演算手段によって演算された該固有ベクトル及び固有値の分散を入力してイベントを判別するサポートベクターマシン機能と、該サポートベクターマシン機能によって判別されたイベントに基づいてイベントを検出するイベント検出手段とを備えることを特徴とする。
【０００８】
また、前記サポートベクターマシン機能は、監視エリアにおいて監視対象が存在する位置を識別することで、電波の分散に与える影響も加味した高い精度で監視対象が存在する位置を識別することができる。
【発明の効果】
【０００９】
本発明によれば、電波の状態を監視することによって、監視対象が所定のエリア内のどこにいる（又はある）のかを正確に識別することができる高い精度を持つイベント検出装置を提供することができる。
【図面の簡単な説明】
【００１０】
【図１】本発明の一実施例によるイベント検出装置の構成を示す図である。
【図２】本実施例の実験を会議室において行った環境を示す図である。
【図３】実験における第１固有ベクトルの評価関数を示す図である。
【図４】実験における第１固有ベクトルのＳＶＭ結果を示す図である。
【図５】実験における第１固有値の評価関数を示す図である。
【図６】実験における第１固有値のＳＶＭ結果を示す図である。
【図７】実験における修正第１固有値の評価関数を示す図である。
【図８】実験における修正第１固有値のＳＶＭ結果を示す図である。
【図９】実験における第１固有ベクトル及び第１固有値のＳＶＭ結果を示す図である。
【発明を実施するための形態】
【００１１】
以下、添付図面を参照しながら本発明を実施するための形態について詳細に説明する。
【実施例１】
【００１２】
図１は、本発明の一実施例によるイベント検出装置の構成を示す図である。本実施例のイベント検出装置は、送信機１０及び受信機２０を備える。これらの送信機１０及び受信機２０は、例えば人が所定のエリア内のどこにいるかなどのイベントを検出するために所定のエリアに設置する。会議室などの閉じた空間が望ましいが、開放されたエリアであっても構わない。送信機１０は電波を送信する。受信機２０は、アレイアンテナ２１、相関行列演算手段２２、固有値展開手段２３、分散演算手段２４、ＳＶＭ２５、及びイベント検出手段２６を備える。アレイアンテナ２１は、複数のアンテナ素子からなり、それぞれのアンテナ素子は送信機１０が送信する電波を受信する。ここでは各アンテナ素子が直線上に配列されている例で説明する。アレイアンテナ２１の受信信号は、各アレイアンテナ２１の受信信号を要素とする受信ベクトルｘ→(ｔ)で表される。ここで「→」は文章中において、その左の文字がベクトルであることを表す。
ｘ→(ｔ)＝ａ→(θ)ｓ(ｔ)＋ｎ→(ｔ) （１）
ただし、ａ→(θ)：アンテナ素子数をＬ個とするときのＬ次元ベクトル
ｓ(ｔ)：基準点での受信信号
ｎ→(ｔ)：雑音
【００１３】
【数１】
（２）
ただし、θ：アンテナアレイ２１の並びの方向に対する電波到来方向
ｄ：アレイアンテナ２１の各素子の間隔
λ：電波の波長
ここで、Ｍ個の到来波が平面波として到来するとき、
ｘ→(ｔ)＝Ａ→ｓ→(ｔ)＋ｎ→(ｔ) （３）
ただし、Ａ→：Ｍ個のベクトル（ステアリングベクトルという）を列としたＬ×Ｍ行列
ｓ→(ｔ)：各到来波の複素振幅を要素としたＭ次元ベクトル
【００１４】
【数２】
（４）
【００１５】
【数３】
（５）
ただし、Ｔは転置を表す。
と表せる。
【００１６】
相関行列演算手段２２は、受信ベクトルｘ→(ｔ)から相関行列Ｒ→xxを演算する。
【００１７】
【数４】
（６）
ただし、Ｅ→［・］：集合平均
Ｈ：複素共役転置
ここで、雑音は到来波と無関係であり、素子に独立であるので、
【００１８】
【数５】
（７）
ただし、σ2：雑音の分散
Ｓ→：波源相関行列＝Ｅ→［ｓ→(ｔ)ｓ→(ｔ)Ｈ］
また、
【００１９】
【数６】
（８）
から得られる固有値λi、それに対応する固有ベクトルｖ→iを用いて、
【００２０】
【数７】
（９）
と固有値展開できる。ここで、
【００２１】
【数８】
（１０）
である。ここでdiagは行列の対角要素を並べたものである。
【００２２】
ここで、受信データ相関行列Ｒ→xxの固有値は、コヒーレント波群とインコヒーレント波の数の和に対応するＫ個の信号固有値、および、大きさが雑音電力に等しい（Ｌ−Ｋ）個の雑音固有値に分割できる。すなわち、
【００２３】
【数９】
（１１）
【００２４】
以上により、受信ベクトルから生成される相関行列Ｒ→xxを固有値展開することにより、信号部分空間と雑音部分空間に分けることができることを示した。信号部分空間を張る固有ベクトルｖ→とステアリングベクトルａ→(θ)は同じ空間を張っていて、互いが他方の線形結合として表せる。つまり、信号部分空間を張る固有ベクトルは到来方向情報を含んだステアリングベクトルの線形結合によって表すことができ、電波伝搬構造を表しているといえる。
【００２５】
ここで、第１固有ベクトルｖ→1は固有値が最も高い値を示す第１固有値λ1に対応する固有ベクトルであり、受信機に信号が届いている限り、必ず信号部分空間の基底となり、
【００２６】
【数１０】
（１２）
【００２７】
と表せる。お互いがコヒーレントである波が到来した場合はそのステアリングベクトルの線形結合が新しい１つのステアリングベクトルとなるので、上式の本質には影響しない。したがって、第１固有ベクトルはマルチパス環境の信号空間を表し、伝搬環境によって一意に決まる。そこで、固有値展開手段２３は、相関行列Ｒ→xxから第１固有ベクトルｖ→1及び第１固有値λ1を算出する。
【００２８】
つぎに、分散演算手段２４は、第１固有ベクトルｖ→1及び第１固有値λ1を式（１３）に示す評価関数Ｐ(ｔ）に変換し、さらに式（１３）で定義する修正第１固有値、それぞれの分散σ2(ｔ）を演算する。分散は、現在を含めて過去５回分の評価関数Ｐ(ｔ）の分散とした。
【００２９】
【数１１】
（１３）
【００３０】
評価関数に変換するのは計算を簡素化するためである。第１固有ベクトルｖ→1については、イベントが何も起こっていないときにあらかじめ取得しておいた第１固有ベクトルｖ→noとイベント観測時に取得した第１固有ベクトルｖ→obとの内積を使用する。ただし固有ベクトルの大きさはどちらも１に正規化しておく。イベントが何も起こっていない観測時間では、伝搬環境が変化していないので、ｖ→ob(ｔno)は、ｖ→noと非常に近い値を示すので、１に近い値となる。一方、イベントが起きている観測時間ｔ＝ｔeventでは、伝搬環境は変化し、ｖ→ob(ｔevent)は、ｖ→noとは異なる値を示すので、１より小さい値となる。
【００３１】
ＳＶＭ２５は、公知のサポートベクターマシン（Support Vector
Machine）であり、学習を用いる識別手法の一つである。本実施例では、識別するそれぞれの状態（各複数）を模擬したときの入力特徴ベクトルｚ→(ｔ）をＳＶＭ２５に入力して、事前に学習させておき、実際に観察するときの入力特徴ベクトルｚ→(ｔ）をＳＶＭ２５に入力して、想定される状態、すなわち、イベントを判別する。例えば、評価関数Ｐ(ｔ）とその分散σ2(ｔ）を使用する場合の入力特徴ベクトルｚ→(ｔ）は、
【００３２】
【数１２】
（１４）
イベント検出手段２６は、ＳＶＭ２５によって判別されたイベントから最終的なイベントを検出する。
【００３３】
図２は、本実施例の実験を会議室において行った環境を示す図である。会議室は電波を通す壁で仕切られた２室の中に、送信機Ｔｘ及び受信機Ｒｘを設置し、人が
シナリオ：静的状態→入室→Ａ→Ｂ→Ｃ→Ｄ→退室→静的状態
と行動してＳＶＭ２５に学習させて、同じシナリオでテストした。
実験環境を表１に示す。
【００３４】
【表１】
各イベントを表２のようにラベル付ける。
【００３５】
【表２】
【００３６】
図３は、実験における第１固有ベクトルの評価関数を示す図である。（ａ）は、学習の際のものであり、（ｂ）は、テストの際のものである。横軸は上記シナリオの時間（秒）を示し、縦軸は評価関数を示す。イベントと時間との関係は図４により明らかになる。この第１固有ベクトルの評価関数だけによってイベントを判別することは困難であることが分かる。
【００３７】
図４は、実験における第１固有ベクトルのＳＶＭ結果を示す図である。（ａ）は、分散を加味していないものであり、（ｂ）は、分散を加味したものである。実線は真のラベルであり、破線とハッチングは判定ラベルである。分散を加味することにより精度が高くなることが分かる。
【００３８】
図５は、実験における第１固有値の評価関数を示す図である。（ａ）は、学習の際のものであり、（ｂ）は、テストの際のものである。横軸は上記シナリオの時間（秒）を示し、縦軸は評価関数を示す。この第１固有値の評価関数だけによってイベントを判別することは困難であることが分かる。
【００３９】
図６は、実験における第１固有値のＳＶＭ結果を示す図である。（ａ）は、分散を加味していないものであり、（ｂ）は、分散を加味したものである。実線は真のラベルであり、破線とハッチングは判定ラベルである。分散を加味することにより精度が高くなることが分かる。
【００４０】
図７は、実験における修正第１固有値の評価関数を示す図である。（ａ）は、学習の際のものであり、（ｂ）は、テストの際のものである。横軸は上記シナリオの時間（秒）を示し、縦軸は評価関数を示す。この修正第１固有値の評価関数だけによってイベントを判別することは困難であることが分かる。
【００４１】
図８は、実験における修正第１固有値のＳＶＭ結果を示す図である。（ａ）は、分散を加味していないものであり、（ｂ）は、分散を加味したものである。実線は真のラベルであり、破線とハッチングは判定ラベルである。分散を加味することにより精度が高くなることが分かる。
【００４２】
図９は、実験における第１固有ベクトル及び第１固有値のＳＶＭ結果を示す図である。（ａ）は、分散を加味していないものであり、（ｂ）は、分散を加味したもの、すなわち、第１固有ベクトルの評価関数、その分散、第１固有値の評価関数、及びその分散を入力特徴ベクトルとしてＳＶＭに入力したＳＶＭ判定結果である。実線は真のラベルであり、破線とハッチングは判定ラベルである。分散を加味することにより精度が高くなることが分かる。本発明は、判定に分散を加味することにより、単に人が歩行しているか否かだけではなく、歩行していない人のいる位置を高い精度で判定できることに特色がある。これは、人がいる位置によって電波の分散に与える影響が異なることによると考えられる。
なお、本発明は上記実施例に限定されるものではない。
【００４３】
送信機は、電波を発生しアレイアンテナで受信できるものであれば、他のシステムで利用しているものを併用することができる。例えば無線ＬＡＮの基地局が相当する。また、信号は広帯域でも狭帯域でもかまわない。
アンテナは複数の素子からなるアンテナであればよく、必ずしもアレイアンテナでなくても良い。
【００４４】
固有値展開手段は、複数の固有ベクトルを演算してもよいし、必ずしも相関行列の最大固有値に対応する固有ベクトルだけを演算するものに限られない。また、固有ベクトルの内積をとるものに限られず、例えば差をとったり、比をとったりするものでも良い。固有値についても、上記修正固有値のように固有値から演算される任意の値を使用することができる。
上述の実施例においては、ＳＶＭに第１固有ベクトルの内積を入力したが、適応分野によって、第１固有ベクトルをそのまま入力するようにしても良い。
監視対象は必ずしも人に限られず、動物などでも構わない。
【符号の説明】
【００４５】
１０ 送信機
２０ 受信機
２１ アレイアンテナ
２２ 相関行列演算手段
２３ 固有値展開手段
２４ 分散演算手段
２５ ＳＶＭ（サポートベクターマシン）
２６ イベント検出手段
【技術分野】
【０００１】
本発明は、会議室又は居室などの所定のエリアに電波を受信する受信機を配置して、電波の受信特性に基づいて、人がどこにいるかなどのイベントを高精度に検出するイベント検出装置に関する。
【背景技術】
【０００２】
本発明者らは、次のイベント検出装置を提案している（特許文献１参照）。
【０００３】
すなわち、送信機が送信した電波を受信する複数のアンテナと、該複数のアンテナによって受信した信号を受信ベクトルとして該受信ベクトルから相関行列を演算する相関行列演算手段と、該相関行列演算手段によって演算された相関行列を固有値展開して信号部分空間を張る固有ベクトルを演算する固有ベクトル演算手段と、該固有ベクトル演算手段によって演算された固有ベクトルを入力してイベントを判別するサポートベクターマシン機能と、該サポートベクターマシン機能によって判別されたイベントに基づいてイベントを検出するイベント検出手段とを備えるイベント検出装置である。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特願２０１０−１５３６７８
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかし、上述のイベント検出装置では、そこに存在する人や物の状態の違いを識別することができても、例えば人がいるとして、その人が会議室又は居室などの所定のエリア内のどこにいるのかを正確に識別するだけの精度を持たせることができなかった。
【０００６】
本発明は、上記問題点に鑑み、電波の状態を監視することによって、監視対象が所定のエリア内のどこにいる（又はある）のかを正確に識別することができる高い精度を持つイベント検出装置を提供することを目的とする。
【課題を解決するための手段】
【０００７】
本発明のイベント検出装置は、送信機が送信した電波を受信する複数のアンテナと、該複数のアンテナによって受信した信号を受信ベクトルとして該受信ベクトルから相関行列を演算する相関行列演算手段と、該相関行列演算手段によって演算された相関行列を固有値展開して信号部分空間を張る固有ベクトル及び該固有ベクトルに対応する固有値を演算する固有値展開手段と、該固有値展開手段によって演算された固有ベクトル及び固有値の分散をそれぞれ演算する分散演算手段と、前記固有値展開手段によって演算された固有ベクトル及び固有値と前記分散演算手段によって演算された該固有ベクトル及び固有値の分散を入力してイベントを判別するサポートベクターマシン機能と、該サポートベクターマシン機能によって判別されたイベントに基づいてイベントを検出するイベント検出手段とを備えることを特徴とする。
【０００８】
また、前記サポートベクターマシン機能は、監視エリアにおいて監視対象が存在する位置を識別することで、電波の分散に与える影響も加味した高い精度で監視対象が存在する位置を識別することができる。
【発明の効果】
【０００９】
本発明によれば、電波の状態を監視することによって、監視対象が所定のエリア内のどこにいる（又はある）のかを正確に識別することができる高い精度を持つイベント検出装置を提供することができる。
【図面の簡単な説明】
【００１０】
【図１】本発明の一実施例によるイベント検出装置の構成を示す図である。
【図２】本実施例の実験を会議室において行った環境を示す図である。
【図３】実験における第１固有ベクトルの評価関数を示す図である。
【図４】実験における第１固有ベクトルのＳＶＭ結果を示す図である。
【図５】実験における第１固有値の評価関数を示す図である。
【図６】実験における第１固有値のＳＶＭ結果を示す図である。
【図７】実験における修正第１固有値の評価関数を示す図である。
【図８】実験における修正第１固有値のＳＶＭ結果を示す図である。
【図９】実験における第１固有ベクトル及び第１固有値のＳＶＭ結果を示す図である。
【発明を実施するための形態】
【００１１】
以下、添付図面を参照しながら本発明を実施するための形態について詳細に説明する。
【実施例１】
【００１２】
図１は、本発明の一実施例によるイベント検出装置の構成を示す図である。本実施例のイベント検出装置は、送信機１０及び受信機２０を備える。これらの送信機１０及び受信機２０は、例えば人が所定のエリア内のどこにいるかなどのイベントを検出するために所定のエリアに設置する。会議室などの閉じた空間が望ましいが、開放されたエリアであっても構わない。送信機１０は電波を送信する。受信機２０は、アレイアンテナ２１、相関行列演算手段２２、固有値展開手段２３、分散演算手段２４、ＳＶＭ２５、及びイベント検出手段２６を備える。アレイアンテナ２１は、複数のアンテナ素子からなり、それぞれのアンテナ素子は送信機１０が送信する電波を受信する。ここでは各アンテナ素子が直線上に配列されている例で説明する。アレイアンテナ２１の受信信号は、各アレイアンテナ２１の受信信号を要素とする受信ベクトルｘ→(ｔ)で表される。ここで「→」は文章中において、その左の文字がベクトルであることを表す。
ｘ→(ｔ)＝ａ→(θ)ｓ(ｔ)＋ｎ→(ｔ) （１）
ただし、ａ→(θ)：アンテナ素子数をＬ個とするときのＬ次元ベクトル
ｓ(ｔ)：基準点での受信信号
ｎ→(ｔ)：雑音
【００１３】
【数１】
（２）
ただし、θ：アンテナアレイ２１の並びの方向に対する電波到来方向
ｄ：アレイアンテナ２１の各素子の間隔
λ：電波の波長
ここで、Ｍ個の到来波が平面波として到来するとき、
ｘ→(ｔ)＝Ａ→ｓ→(ｔ)＋ｎ→(ｔ) （３）
ただし、Ａ→：Ｍ個のベクトル（ステアリングベクトルという）を列としたＬ×Ｍ行列
ｓ→(ｔ)：各到来波の複素振幅を要素としたＭ次元ベクトル
【００１４】
【数２】
（４）
【００１５】
【数３】
（５）
ただし、Ｔは転置を表す。
と表せる。
【００１６】
相関行列演算手段２２は、受信ベクトルｘ→(ｔ)から相関行列Ｒ→xxを演算する。
【００１７】
【数４】
（６）
ただし、Ｅ→［・］：集合平均
Ｈ：複素共役転置
ここで、雑音は到来波と無関係であり、素子に独立であるので、
【００１８】
【数５】
（７）
ただし、σ2：雑音の分散
Ｓ→：波源相関行列＝Ｅ→［ｓ→(ｔ)ｓ→(ｔ)Ｈ］
また、
【００１９】
【数６】
（８）
から得られる固有値λi、それに対応する固有ベクトルｖ→iを用いて、
【００２０】
【数７】
（９）
と固有値展開できる。ここで、
【００２１】
【数８】
（１０）
である。ここでdiagは行列の対角要素を並べたものである。
【００２２】
ここで、受信データ相関行列Ｒ→xxの固有値は、コヒーレント波群とインコヒーレント波の数の和に対応するＫ個の信号固有値、および、大きさが雑音電力に等しい（Ｌ−Ｋ）個の雑音固有値に分割できる。すなわち、
【００２３】
【数９】
（１１）
【００２４】
以上により、受信ベクトルから生成される相関行列Ｒ→xxを固有値展開することにより、信号部分空間と雑音部分空間に分けることができることを示した。信号部分空間を張る固有ベクトルｖ→とステアリングベクトルａ→(θ)は同じ空間を張っていて、互いが他方の線形結合として表せる。つまり、信号部分空間を張る固有ベクトルは到来方向情報を含んだステアリングベクトルの線形結合によって表すことができ、電波伝搬構造を表しているといえる。
【００２５】
ここで、第１固有ベクトルｖ→1は固有値が最も高い値を示す第１固有値λ1に対応する固有ベクトルであり、受信機に信号が届いている限り、必ず信号部分空間の基底となり、
【００２６】
【数１０】
（１２）
【００２７】
と表せる。お互いがコヒーレントである波が到来した場合はそのステアリングベクトルの線形結合が新しい１つのステアリングベクトルとなるので、上式の本質には影響しない。したがって、第１固有ベクトルはマルチパス環境の信号空間を表し、伝搬環境によって一意に決まる。そこで、固有値展開手段２３は、相関行列Ｒ→xxから第１固有ベクトルｖ→1及び第１固有値λ1を算出する。
【００２８】
つぎに、分散演算手段２４は、第１固有ベクトルｖ→1及び第１固有値λ1を式（１３）に示す評価関数Ｐ(ｔ）に変換し、さらに式（１３）で定義する修正第１固有値、それぞれの分散σ2(ｔ）を演算する。分散は、現在を含めて過去５回分の評価関数Ｐ(ｔ）の分散とした。
【００２９】
【数１１】
（１３）
【００３０】
評価関数に変換するのは計算を簡素化するためである。第１固有ベクトルｖ→1については、イベントが何も起こっていないときにあらかじめ取得しておいた第１固有ベクトルｖ→noとイベント観測時に取得した第１固有ベクトルｖ→obとの内積を使用する。ただし固有ベクトルの大きさはどちらも１に正規化しておく。イベントが何も起こっていない観測時間では、伝搬環境が変化していないので、ｖ→ob(ｔno)は、ｖ→noと非常に近い値を示すので、１に近い値となる。一方、イベントが起きている観測時間ｔ＝ｔeventでは、伝搬環境は変化し、ｖ→ob(ｔevent)は、ｖ→noとは異なる値を示すので、１より小さい値となる。
【００３１】
ＳＶＭ２５は、公知のサポートベクターマシン（Support Vector
Machine）であり、学習を用いる識別手法の一つである。本実施例では、識別するそれぞれの状態（各複数）を模擬したときの入力特徴ベクトルｚ→(ｔ）をＳＶＭ２５に入力して、事前に学習させておき、実際に観察するときの入力特徴ベクトルｚ→(ｔ）をＳＶＭ２５に入力して、想定される状態、すなわち、イベントを判別する。例えば、評価関数Ｐ(ｔ）とその分散σ2(ｔ）を使用する場合の入力特徴ベクトルｚ→(ｔ）は、
【００３２】
【数１２】
（１４）
イベント検出手段２６は、ＳＶＭ２５によって判別されたイベントから最終的なイベントを検出する。
【００３３】
図２は、本実施例の実験を会議室において行った環境を示す図である。会議室は電波を通す壁で仕切られた２室の中に、送信機Ｔｘ及び受信機Ｒｘを設置し、人が
シナリオ：静的状態→入室→Ａ→Ｂ→Ｃ→Ｄ→退室→静的状態
と行動してＳＶＭ２５に学習させて、同じシナリオでテストした。
実験環境を表１に示す。
【００３４】
【表１】
各イベントを表２のようにラベル付ける。
【００３５】
【表２】
【００３６】
図３は、実験における第１固有ベクトルの評価関数を示す図である。（ａ）は、学習の際のものであり、（ｂ）は、テストの際のものである。横軸は上記シナリオの時間（秒）を示し、縦軸は評価関数を示す。イベントと時間との関係は図４により明らかになる。この第１固有ベクトルの評価関数だけによってイベントを判別することは困難であることが分かる。
【００３７】
図４は、実験における第１固有ベクトルのＳＶＭ結果を示す図である。（ａ）は、分散を加味していないものであり、（ｂ）は、分散を加味したものである。実線は真のラベルであり、破線とハッチングは判定ラベルである。分散を加味することにより精度が高くなることが分かる。
【００３８】
図５は、実験における第１固有値の評価関数を示す図である。（ａ）は、学習の際のものであり、（ｂ）は、テストの際のものである。横軸は上記シナリオの時間（秒）を示し、縦軸は評価関数を示す。この第１固有値の評価関数だけによってイベントを判別することは困難であることが分かる。
【００３９】
図６は、実験における第１固有値のＳＶＭ結果を示す図である。（ａ）は、分散を加味していないものであり、（ｂ）は、分散を加味したものである。実線は真のラベルであり、破線とハッチングは判定ラベルである。分散を加味することにより精度が高くなることが分かる。
【００４０】
図７は、実験における修正第１固有値の評価関数を示す図である。（ａ）は、学習の際のものであり、（ｂ）は、テストの際のものである。横軸は上記シナリオの時間（秒）を示し、縦軸は評価関数を示す。この修正第１固有値の評価関数だけによってイベントを判別することは困難であることが分かる。
【００４１】
図８は、実験における修正第１固有値のＳＶＭ結果を示す図である。（ａ）は、分散を加味していないものであり、（ｂ）は、分散を加味したものである。実線は真のラベルであり、破線とハッチングは判定ラベルである。分散を加味することにより精度が高くなることが分かる。
【００４２】
図９は、実験における第１固有ベクトル及び第１固有値のＳＶＭ結果を示す図である。（ａ）は、分散を加味していないものであり、（ｂ）は、分散を加味したもの、すなわち、第１固有ベクトルの評価関数、その分散、第１固有値の評価関数、及びその分散を入力特徴ベクトルとしてＳＶＭに入力したＳＶＭ判定結果である。実線は真のラベルであり、破線とハッチングは判定ラベルである。分散を加味することにより精度が高くなることが分かる。本発明は、判定に分散を加味することにより、単に人が歩行しているか否かだけではなく、歩行していない人のいる位置を高い精度で判定できることに特色がある。これは、人がいる位置によって電波の分散に与える影響が異なることによると考えられる。
なお、本発明は上記実施例に限定されるものではない。
【００４３】
送信機は、電波を発生しアレイアンテナで受信できるものであれば、他のシステムで利用しているものを併用することができる。例えば無線ＬＡＮの基地局が相当する。また、信号は広帯域でも狭帯域でもかまわない。
アンテナは複数の素子からなるアンテナであればよく、必ずしもアレイアンテナでなくても良い。
【００４４】
固有値展開手段は、複数の固有ベクトルを演算してもよいし、必ずしも相関行列の最大固有値に対応する固有ベクトルだけを演算するものに限られない。また、固有ベクトルの内積をとるものに限られず、例えば差をとったり、比をとったりするものでも良い。固有値についても、上記修正固有値のように固有値から演算される任意の値を使用することができる。
上述の実施例においては、ＳＶＭに第１固有ベクトルの内積を入力したが、適応分野によって、第１固有ベクトルをそのまま入力するようにしても良い。
監視対象は必ずしも人に限られず、動物などでも構わない。
【符号の説明】
【００４５】
１０ 送信機
２０ 受信機
２１ アレイアンテナ
２２ 相関行列演算手段
２３ 固有値展開手段
２４ 分散演算手段
２５ ＳＶＭ（サポートベクターマシン）
２６ イベント検出手段
【特許請求の範囲】
【請求項１】
送信機が送信した電波を受信する複数のアンテナと、
該複数のアンテナによって受信した信号を受信ベクトルとして該受信ベクトルから相関行列を演算する相関行列演算手段と、
該相関行列演算手段によって演算された相関行列を固有値展開して信号部分空間を張る固有ベクトル及び該固有ベクトルに対応する固有値を演算する固有値展開手段と、
該固有値展開手段によって演算された固有ベクトル及び固有値の分散をそれぞれ演算する分散演算手段と、
前記固有値展開手段によって演算された固有ベクトル及び固有値と前記分散演算手段によって演算された該固有ベクトル及び固有値の分散を入力してイベントを判別するサポートベクターマシン機能と、
該サポートベクターマシン機能によって判別されたイベントに基づいてイベントを検出するイベント検出手段と
を備えることを特徴とするイベント検出装置。
【請求項２】
前記サポートベクターマシン機能は、監視エリアにおいて監視対象が存在する位置を識別することを特徴とする請求項１記載のイベント検出装置。
【請求項１】
送信機が送信した電波を受信する複数のアンテナと、
該複数のアンテナによって受信した信号を受信ベクトルとして該受信ベクトルから相関行列を演算する相関行列演算手段と、
該相関行列演算手段によって演算された相関行列を固有値展開して信号部分空間を張る固有ベクトル及び該固有ベクトルに対応する固有値を演算する固有値展開手段と、
該固有値展開手段によって演算された固有ベクトル及び固有値の分散をそれぞれ演算する分散演算手段と、
前記固有値展開手段によって演算された固有ベクトル及び固有値と前記分散演算手段によって演算された該固有ベクトル及び固有値の分散を入力してイベントを判別するサポートベクターマシン機能と、
該サポートベクターマシン機能によって判別されたイベントに基づいてイベントを検出するイベント検出手段と
を備えることを特徴とするイベント検出装置。
【請求項２】
前記サポートベクターマシン機能は、監視エリアにおいて監視対象が存在する位置を識別することを特徴とする請求項１記載のイベント検出装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【公開番号】特開２０１２−８３２６９（Ｐ２０１２−８３２６９Ａ）
【公開日】平成２４年４月２６日（２０１２．４．２６）
【国際特許分類】
【出願番号】特願２０１０−２３０８９７（Ｐ２０１０−２３０８９７）
【出願日】平成２２年１０月１３日（２０１０．１０．１３）
【出願人】（８９９００００７９）学校法人慶應義塾 (742)
【Ｆターム（参考）】
【公開日】平成２４年４月２６日（２０１２．４．２６）
【国際特許分類】
【出願日】平成２２年１０月１３日（２０１０．１０．１３）
【出願人】（８９９００００７９）学校法人慶應義塾 (742)
【Ｆターム（参考）】
[ Back to top ]