周期推定装置、周期推定方法、及びプログラム
【課題】低サンプリングレートの加速度データに対しても適用でき、かつ、少ない計算量により、２つ１組の運動動作１つ分の期間を示す運動周期（歩行周期）を、２つのいずれかによる加速度データが他方の加速度データに比べ大きく観測されてしまった、歪の大きなデータであっても高精度に推定する。
【解決手段】ＡＭＤＦ演算部１５は、携帯される加速度計測部１０によって取得された加速度データに対して、ＡＭＤＦ演算を行う。周期判定部１７は、ＡＭＤＦ演算部１５により算出されたＡＭＤＦ結果の最小値と、この最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、歩行動作１歩分の期間を示す歩行周期を推定する。
【解決手段】ＡＭＤＦ演算部１５は、携帯される加速度計測部１０によって取得された加速度データに対して、ＡＭＤＦ演算を行う。周期判定部１７は、ＡＭＤＦ演算部１５により算出されたＡＭＤＦ結果の最小値と、この最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、歩行動作１歩分の期間を示す歩行周期を推定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、加速度センサが搭載された携帯端末装置によりユーザの運動状態を推定する周期推定装置、周期推定方法、及びプログラムに関する。
【背景技術】
【０００２】
コンテキストアウェアサービスの実現に向けて、センサの搭載された携帯端末装置によるコンテキスト推定が普及しつつある。特に、加速度センサを携帯端末装置に搭載し、歩行や、走行といったユーザの運動状態を推定するシステムの利用が急速に拡大している。このような運動状態の推定では、運動の周波数が重要な情報の１つとなる。特に、歩行状態の推定においては、どれだけの速さで歩行しているのかを知るだけではなく、リハビリや、スポーツの支援での利用を想定すると、１歩ずつの動きを正確に反映した周波数情報が重要である。
【０００３】
携帯端末装置を用いたコンテキスト推定システムでは、電波の届く範囲と通信の消費電力という観点から、携帯端末装置で推定計算を行うことになる。携帯端末装置で推定計算を行う場合、高精度に推定できるだけではなく、バッテリ持続時間を長くするために、計算量を低減して消費電力を小さくする必要がある。また、加速度センサのサンプリングレートを数百Ｈｚまで上げることは、多くのデバイスでは、消費電力が大きくなるために困難である。
【０００４】
加速度センサを用いた歩行状態の周波数の推定では、最も一般的な手法としてＦＦＴ（Fast Fourier Transform）を利用して周波数領域に変換する手法が挙げられる。しかし、ＦＦＴでは、計算量が多く、消費電力が大きくなる。
【０００５】
一方、少ない計算量で周波数を求める手法としては、音声分野で用いられているＡＭＤＦ（Average Magnitude Difference Function）を利用する手法がある（例えば、非特許文献１参照）。ＡＭＤＦとは、時間軸上の信号と、その信号を遅らせた信号との差分の絶対値の総和をとったものである。この場合、遅らせた時間をラグという。ラグが信号の基本周波数の周期の整数倍のときに、ＡＭＤＦ結果は極小となる。ＡＭＤＦによる基本周波数の推定では、ＡＭＤＦ結果が最小となる点、もしくは最小に近い値を取る点のうち、ラグが最も小さいものを求め、その点でのラグを周期とする。
【先行技術文献】
【非特許文献】
【０００６】
【非特許文献１】M. Ross, H. Shaffer, A. Cohenand, R. Freudberg, and H. Manley, "Average magnitude difference function pitch extractor", IEEE transactions on acoustics, speech and signal processing, vol. 22, No.5, pp.353-362, 1974.
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、ＡＭＤＦを利用する手法では、高いサンプリングレートのデータでなければ、正確に周波数を求めることができない。上述したように、ＡＭＤＦは、音声分野のように基本周波数の数百倍という高サンプリングレートのデータを対象としている。そのため、低サンプリングレートのデータに対して適用した場合、ＡＭＤＦ結果が最小となるラグが、正しく周期を表しているとは限らず、周期を求めることが困難である。
【０００８】
したがって、歩行動作（２つ１組の運動動作）に対して、その加速度データを、歩行動作における周期の１０倍程度の低サンプリングレートで取得してＡＭＤＦを単純に適用し、ＡＭＤＦ結果が最小となるラグを周期とする方法では、正確な周期を求めることが難しいという問題がある。特に、データの歪が大きい場合には、誤差が大きくなってしまう可能性が高いという問題がある。
【０００９】
本発明は、このような事情を考慮してなされたものであり、その目的は、低サンプリングレートの加速度データに対しても適用でき、かつ、少ない計算量により、２つ１組の運動動作１つ分の期間を示す運動周期を、２つのいずれかによる加速度データが他方の加速度データに比べ大きく観測されてしまった、歪の大きなデータであっても高精度に推定することができる周期推定装置、周期推定方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【００１０】
上述した課題を解決するために、本発明は、携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定装置であって、前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行う演算部と、前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定する周期推定部とを備えることを特徴とする周期推定装置である。
【００１１】
また、本発明は、上記の発明において、前記周期推定装置は、前記加速度データを所定の区間の分割データに分割する分割部を備え、前記演算部は、前記分割部により分割された分割データに対してＡＭＤＦ演算を行うことを特徴とする。
【００１２】
また、本発明は、上記の発明において、前記周期推定部は、前記算出されたＡＭＤＦ結果における極小値のうち、前記算出されたＡＭＤＦ結果の最小値との差が予め設定した第１の閾値以下となる極小値が存在するか否かを判定し、前記第１の閾値以下となる極小値が存在する場合には、前記第１の閾値以下となる極小値に対応するラグのうち、最小となるラグ以下の範囲を前記抽出範囲に設定し、前記第１の閾値以下となる極小値が存在しない場合には、前記算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を前記抽出範囲に設定することを特徴とする。
【００１３】
また、本発明は、上記の発明において、前記周期推定部は、前記抽出範囲におけるＡＭＤＦ結果を抽出し、さらに、前記抽出範囲における極小値のうち、前記抽出したＡＭＤＦ結果の最小値との差が予め設定した第２の閾値以下となる極小値が存在するか否かを判定し、前記第２の閾値以下となる極小値が存在しない場合には、前記抽出したＡＭＤＦ結果の最小値を取るラグを、前記運動周期として推定し、前記第２の閾値以下となる極小値が存在する場合には、前記第２の閾値以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、前記運動周期として推定することを特徴とする。
【００１４】
また、本発明は、上記の発明において、前記運動周期は、歩行動作１歩分の期間を示す歩行周期であることを特徴とする。
【００１５】
また、上述した課題を解決するために、本発明は、携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定方法であって、前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行うステップと、前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定するステップとを含むことを特徴とする周期推定方法である。
【００１６】
また、本発明は、上記の発明において、前記周期推定方法は、前記加速度データを所定の区間の分割データに分割するステップを含み、前記ＡＭＤＦ演算を行うステップは、前記分割された分割データに対してＡＭＤＦ演算を行うステップを含むことを特徴とする。
【００１７】
また、本発明は、上記の発明において、前記運動周期を推定するステップは、前記算出されたＡＭＤＦ結果における極小値のうち、前記算出されたＡＭＤＦ結果の最小値との差が予め設定した第１の閾値以下となる極小値が存在するか否かを判定するステップと、前記第１の閾値以下となる極小値が存在する場合には、前記第１の閾値以下となる極小値に対応するラグのうち、最小となるラグ以下の範囲を前記抽出範囲に設定するステップと、前記第１の閾値以下となる極小値が存在しない場合には、前記算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を前記抽出範囲に設定するステップとを含むことを特徴とする。
【００１８】
また、本発明は、上記の発明において、前記運動周期を推定するステップは、前記抽出範囲におけるＡＭＤＦ結果を抽出するステップと、前記抽出範囲における極小値のうち、前記抽出したＡＭＤＦ結果の最小値との差が予め設定した第２の閾値以下となる極小値が存在するか否かを判定するステップと、前記第２の閾値以下となる極小値が存在しない場合には、前記抽出したＡＭＤＦ結果の最小値を取るラグを、前記運動周期として推定するステップと、前記第２の閾値以下となる極小値が存在する場合には、前記第２の閾値以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、前記運動周期として推定するステップとを含むことを特徴とする。
【００１９】
また、本発明は、上記の発明において、前記運動周期は、歩行動作１歩分の期間を示す歩行周期であることを特徴とする。
【００２０】
また、上述した課題を解決するために、本発明は、携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定装置としてのコンピュータに、演算部が、前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行う演算手順と、周期推定部が、前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定する周期推定手順とを実行させるためのプログラムである。
【発明の効果】
【００２１】
この発明によれば、演算部が、携帯される加速度計測部によって取得された加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行う。周期推定部が、演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、２つ１組の運動動作１つ分の期間を示す運動周期を推定する。このため、低サンプリングレートの加速度データに対しても適用でき、かつ、少ない計算量により、２つ１組の運動動作１つ分の期間を示す運動周期を、２つのいずれかによる加速度データが他方の加速度データに比べ大きく観測されてしまった、歪の大きなデータであっても高精度に推定することができる。
【図面の簡単な説明】
【００２２】
【図１】本発明の実施形態による携帯端末装置１の構成を示すブロック図である。
【図２】本実施形態による携帯端末装置１の動作（周期判定処理）を説明するためのフローチャートである。
【図３】低周波でないデータに対してＡＭＤＦを用いた周期判定を行う場合、高サンプリングレートが必要になる例として、基本周波数が８７Ｈｚの音声を、１１０２５Ｈｚでサンプリングした音声データに対してＡＭＤＦを行った例を示す概念図である。
【図４】低周波でないデータに対してＡＭＤＦを用いた周期判定を行う場合、高サンプリングレートが必要になる例として、基本周波数が８７Ｈｚの音声を、１００２Ｈｚでサンプリングした音声データに対してＡＭＤＦを行った例を示す概念図である。
【図５】加速度計測部（加速度センサ）１０を含む携帯端末装置１を胸ポケットに入れて歩き、１９．６Ｈｚでサンプリングしたときの加速度データを示す概念図である。
【図６】本実施形態において、上記加速度データを窓に分割して得られる窓分割データを示す概念図である。
【図７】本実施形態において、上記窓分割データに対してＡＭＤＦを行った結果を示す概念図である。
【図８】本実施形態において、上記抽出されたＡＭＤＦ結果に対して、最小値との差が定数ｋ以下となる極小値に対応するラグのうち、最小となるラグ以下のＡＭＤＦ結果のみを抽出した結果を示す概念図である。
【図９】本実施形態において、加速度計測部（加速度センサ）１０を含む携帯端末装置１をズボンのポケットに入れて歩き、１９．６Ｈｚでサンプリングしたときの加速度データを示す概念図である。
【図１０】本実施形態において、上記加速度データを窓に分割して得られる窓分割データを示す概念図である。
【図１１】本実施形態において、上記窓分割データに対してＡＭＤＦを行った結果を示す概念図である。
【図１２】本実施形態において、上記抽出されたＡＭＤＦ結果を抽出した結果を示す概念図である。
【図１３】本実施形態において、１６人の被験者に対し、１００ｍの距離の歩き、走りの際の加速度を計測し、ＦＦＴと本実施形態によるＡＭＤＦとのそれぞれを用いて歩調推定を行った際の平均推定誤差を示す表図である。
【発明を実施するための形態】
【００２３】
以下、本発明の一実施形態を、図面を参照して説明する。
【００２４】
図１は、本発明の実施形態による携帯端末装置１の構成を示すブロック図である。図１において、携帯端末装置１（周期推定装置）は、加速度計測部１０、サンプリング部１１、センサデータ記憶部１２、窓分割部１３、窓分割データ記憶部１４、ＡＭＤＦ（Average Magnitude Difference Function）演算部１５、ＡＭＤＦ記憶部１６、周期判定部１７、周期記憶部１８、データ送信部１９、及び電源供給部２０を備える。
【００２５】
加速度計測部１０は、いわゆる加速度センサからなり、携帯端末装置１の加速度を計測してサンプリング部１１に出力する。
サンプリング部１１は、加速度計測部１０の出力（加速度）を、予め定められたサンプリングレートでサンプリングする。サンプリング部１１は、例えば、歩行動作１歩の周期０．５ｓ（周波数２Ｈｚ（ヘルツ））の１０倍程度のサンプリングレートである２０Ｈｚ程度でサンプリングする。また、サンプリング部１１は、サンプリングした加速度データをセンサデータ記憶部１２に記憶させる。また、サンプリング部１１は、センサデータ記憶部１２にされた加速度データを読み出して、窓分割部１３に供給する。
センサデータ記憶部１２は、サンプリング部１１に接続され、サンプリングされた加速度データを記憶する。
【００２６】
窓分割部１３（分割部）は、サンプリング部１１から供給された２０Ｈｚ程度の低サンプリングレートの加速度データに対して、時間的に連続したデータを窓（小区間）に分割する。つまり、窓分割部１３は、加速度データを所定の区間の分割データに分割する。また、窓分割部１３は、分割した窓（小区間）の窓分割データを窓分割データ記憶部１４に記憶させる。また、窓分割部１３は、窓分割データ記憶部１４に記憶された窓分割データを読み出して、窓分割データをＡＭＤＦ演算部１５に供給する。
窓分割データ記憶部１４は、窓分割部１３に接続され、窓に分割された窓分割データを記憶する。
【００２７】
ＡＭＤＦ演算部１５（演算部）は、窓分割部１３から供給された窓分割データに対してＡＭＤＦ演算を行う。つまり、ＡＭＤＦ演算部１５は、窓分割部１３により分割された分割データに対してＡＭＤＦ演算を行う。ＡＭＤＦ演算部１５は、演算したＡＭＤＦ演算結果をＡＭＤＦ記憶部１６に記憶させる。また、ＡＭＤＦ演算部１５は、ＡＭＤＦ記憶部１６に記憶されたＡＭＤＦ演算結果を読み出して、ＡＭＤＦ演算結果を周期判定部１７に供給する。
ＡＭＤＦ記憶部１６は、ＡＭＤＦ演算部１５に接続され、ＡＭＤＦ演算結果を記憶する。
【００２８】
周期判定部１７（周期推定部）は、ＡＭＤＦ演算部１５により算出されたＡＭＤＦ結果の最小値と、この最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、歩行動作１歩分の周期である歩行周期（２つ１組の運動動作１つ分の期間を示す運動周期）を推定する。すなわち、歩行周期は、歩行動作１歩分の期間を示す。
また、周期判定部１７は、算出されたＡＭＤＦ結果における極小値のうち、算出されたＡＭＤＦ結果の最小値との差が予め設定した定数ｋ（第１の閾値）以下となる極小値が存在するか否かを判定する。周期判定部１７は、定数ｋ（第１の閾値）となる極小値が存在する場合には、差が定数ｋ（第１の閾値）以下となる極小値に対応するラグとのうち、最小となるラグ以下の範囲を上述の抽出範囲に設定する。また、周期判定部１７は、定数ｋ（第１の閾値）以下となる極小値が存在しない場合には、算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を上述の抽出範囲に設定する。
【００２９】
また、周期判定部１７は、上述の抽出範囲におけるＡＭＤＦ結果を抽出し、さらに、抽出範囲における極小値のうち、抽出したＡＭＤＦ結果の最小値との差が予め設定した定数ｃ（第２の閾値）以下となる他の極小値が存在するか否かを判定する。周期判定部１７は、他の極小値が存在しない場合には、抽出したＡＭＤＦ結果の最小値を取るラグを、歩行動作１歩分の周期として推定する。また、周期判定部１７は、他の極小値が存在する場合には、他の極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、歩行動作１歩分の周期（運動周期）として推定する。なお、ＡＭＤＦ結果の最小値も極小値である。ここで、他の極小値とは、ＡＭＤＦ結果の最小値とは異なる別の極小値のことである。
なお、周期判定部１７は、推定した歩行動作１歩分の周期（運動周期）を周期記憶部１８に記憶させる。また、周期判定部１７は、データを周期記憶部１８から歩行動作１歩分の周期（運動周期）を読み出して、歩行動作１歩分の周期（運動周期）をデータ送信部１９に供給する。
【００３０】
つまり、周期判定部１７は、ＡＭＤＦ結果の最小値を求め、この最小値に対応するラグと、この最小値との差が定数ｋ以下となる他の極小値に対応するラグとのうち、最小となるラグ以下のＡＭＤＦ結果のみを抽出する。周期判定部１７は、さらに、抽出したＡＭＤＦ結果の最小値との差が定数ｃ以下となる他の極小値が存在するか否かを判定する。周期判定部１７は、存在しない場合には、抽出したＡＭＤＦ結果の最小値を取るラグを、歩行動作１歩分の周期（運動周期）とする。周期判定部１７は、存在する場合には、歩行動作２歩分の周期（運動動作２つ分の周期）と捉え、抽出したＡＭＤＦ結果の最小値との差が定数ｃ以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、歩行動作１歩分の周期（運動周期）とする。
【００３１】
周期記憶部１８は、周期判定部１７に接続され、上記周期判定部１７により求められたラグを、歩行動作１歩分の周期（運動周期）として記憶する。
データ送信部１９は、周期記憶部１８に記憶されている歩行動作１歩分の周期（運動周期）を周期判定部１７を介して読み出し、歩行動作１歩分の周期（運動周期）を出力する。
電源供給部２０は、本装置内の各部に電力を供給する。
【００３２】
図２は、本実施形態による携帯端末装置１の動作（周期判定処理）を説明するためのフローチャートである。該周期判定処理では、まず、サンプリング部１１が、加速度測定部１０の出力を、２０Ｈｚ程度の低サンプリングレートでサンプリングし、センサデータ記憶部１２に記憶する（ステップＳ１）。次に、窓分割部１３が、記憶した２０Ｈｚなどの低サンプリングレートの加速度データに対して、まず、時間的に連続したデータを窓（小区間）に分割し、窓分割データとして窓分割データ記憶部１４に記憶する（ステップＳ２）。
【００３３】
次に、ＡＭＤＦ演算部１５が、記憶されている窓分割データに対してＡＭＤＦ演算を行い、得られたＡＭＤＦ結果をＡＭＤＦ記憶部１６に記憶する（ステップＳ３）。次に、周期判定部１７が、記憶されているＡＭＤＦにおいて、ＡＭＤＦ結果の最小値を求め、最小値に対応するラグと、該最小値と極小値との差が定数ｋ（第１の閾値）以下となる極小値に対応するラグとのうち、最小となるラグ以下のＡＭＤＦ結果のみを抽出範囲として抽出する（ステップＳ４）。この定数ｋは、集計したセンサデータの傾向から人為的に予め設定しておくか、もしくは機械学習のアルゴリズム等によって予め決定しておく。
なお、ここで説明するフローチャートは、ＡＭＤＦ結果の最小値と極小値との差が定数ｋ（第１の閾値）以下となる極小値が存在する場合の例である。ＡＭＤＦ結果の最小値と極小値との差が定数ｋ（第１の閾値）以下となる極小値が存在しない場合には、ステップS4において、周期判定部１７は、上述の抽出範囲を、ＡＭＤＦ結果の最小値に対応するラグ以下の範囲として抽出する。
【００３４】
さらに、周期判定部１７が、抽出されたＡＭＤＦ結果において、最小値との差が定数ｃ（第２の閾値）以下となる極小値が存在するか否かを判定する（ステップＳ５）。この定数ｃも定数ｋと同様に、データに対する事前知識から予め設定しておく。そして、最小値との差が定数ｃ以下となる極小値が存在しない場合には（ステップＳ５のＮＯ）、周期判定部１７は、ＡＭＤＦ結果の最小値を取るラグを、歩行動作１歩分の周期として周期記憶部１８に記憶する（ステップＳ６）。
【００３５】
一方、最小値との差が定数ｃ以下となる極小値が存在する場合には（ステップＳ５のＹＥＳ）、左右いずれかの足が動いた際の加速度が他方に比べ大きく観測されてしまった、歪の大きなデータであることが考えられる。そのため、周期判定部１７は、ＡＭＤＦ結果の最小値をとるラグを、歩行動作２歩分の周期と捉え、最小値との差が定数ｃ以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近いラグとなる極小値のラグを、歩行動作１歩分の周期として周期記憶部１８に記憶する（ステップＳ７）。
【００３６】
そして、データ送信部１９が、いずれの場合も、周期記憶部１８に記憶した周期を出力する（ステップＳ８）。
【００３７】
図３、図４は、低周波でないデータに対してＡＭＤＦを用いた周期判定を行う場合、高サンプリングレートが必要になる例として、基本周波数が８７Ｈｚの音声を、１１０２５Ｈｚ、１００２Ｈｚでサンプリングした音声データに対してＡＭＤＦを行った例を示す概念図である。音声データには、モノラルのＷＡＶＥ形式で録音されたファイルを使用し、録音の際に量子化された値に、そのままＡＭＤＦを適用した。ＡＭＤＦ結果を求める際に利用するデータの山と谷の個数について、サンプリングレートによって大きく差がでないように、それぞれのラグにおいて、１１０２５Ｈｚでは２５６個の振幅差データを用い、１００２Ｈｚでは３２個の振幅差データを用いてＡＭＤＦ結果を求めた。
【００３８】
結論から言うと、８７Ｈｚのデータを用いたため、１１．５ｍｓ（ミリ秒）が周期として求められる必要がある。図３に示すように、８７Ｈｚの音声を、１１０２５Ｈｚでサンプリングした音声データに対してＡＭＤＦを行った場合には、容易に最小となる点が求められる。これに対して、図４に示すように、８７Ｈｚの音声を、１００２Ｈｚでサンプリングした音声データに対してＡＭＤＦを行った場合には、１１．５ｍｓ付近での極小値と１１．５ｍｓよりも小さいラグでの極小値を区別することができず、周期を正しく求めることができない。このように、音声では、求めたい信号の１０倍程度のサンプリングレートのデータに対しては、ＡＭＤＦを用いた方法では正しい周期判定ができない。
【００３９】
これに対して、本発明が対象とする、歪の小さい低周波データに対する処理例として、加速度計測部（加速度センサ）１０を含む携帯端末装置１を胸ポケットに入れて歩き、１９．６Ｈｚのサンプリングレートでデータを取得し、周期判定を行う例について説明する。この場合、成人男性の歩行動作１歩の平均周波数は２Ｈｚ（周期：０．５ｓ（秒））程度であるため、その周波数の１０倍程度のサンプリングレートでデータを取得している。また、周期判定における定数ｋを１００ｍＧ（ミリジー）、定数ｃを２００ｍＧと設定する。
【００４０】
図５は、加速度計測部（加速度センサ）１０を含む携帯端末装置１を胸ポケットに入れて歩き、１９．６Ｈｚでサンプリングしたときの加速度データを示す概念図である。また、図６は、本実施形態において、上記加速度データを窓に分割して得られる窓分割データを示す概念図である。この場合、窓で切り出すセンサデータサンプル数は、例えば、６４とした。１９．６Ｈｚのサンプリングレートにおけるサンプル数６４は、約３．３ｓの時間範囲に対応しており、歩行動作１歩の周期の０．５ｓに対して十分な範囲の切り出しを行っている。
【００４１】
図７は、本実施形態において、上記窓分割データに対してＡＭＤＦを行った結果を示す概念図である。この場合、５１ｍｓから１６００ｍｓのラグのそれぞれにおいて、３２個の振幅差データを用いてＡＭＤＦ結果を求めた。このＡＭＤＦ結果において、最小値は２００ｍＧであり、この最小値２００ｍＧに対応するラグは１．０ｓである。最小値２００ｍＧと他のＡＭＤＦの極小値と比較すると、０．５ｓ、１．４５ｓの極小値が最小値との差が定数ｋ＝１００ｍＧ以下となることが分かる。そこで、０．５ｓ、１．０ｓ、１．４５ｓのうち、最も小さいラグである０．５ｓ以下のＡＭＤＦ結果のみを抽出する。
【００４２】
図８は、本実施形態において、上記抽出されたＡＭＤＦ結果に対して、最小値との差が定数ｋ以下となる極小値に対応するラグのうち、最小となるラグ以下のＡＭＤＦ結果のみを抽出した結果を示す概念図である。図８において、抽出されたＡＭＤＦ結果においては、最小値は２８０ｍＧ、この最小値２８０ｍＧに対応するラグは０．５ｓである。さらに、この抽出されたＡＭＤＦ結果について、最小値との差が定数ｃ＝２００ｍＧ以下になる極小値を探すが、そのような極小値は存在しない。よって、ＡＭＤＦ結果の最小値を取る０．５ｓを歩行動作１歩の周期とする。
【００４３】
一方、歪の大きい低周波数データに対する処理例として、加速度計測部（加速度センサ）１０を含む携帯端末装置１をズボンのポケットに入れて歩き、１９．６Ｈｚのサンプリングレートでデータを取得し、周期判定を行う例について説明する。この場合、周期判定処理における定数ｋと定数ｃとは、各々、胸ポケットに入れた場合と同様に、１００ｍＧと２００ｍＧとに設定する。
【００４４】
図９は、本実施形態において、加速度計測部（加速度センサ）１０を含む携帯端末装置１をズボンのポケットに入れて歩き、１９．６Ｈｚでサンプリングしたときの加速度データを示す概念図である。また、図１０は、本実施形態において、上記加速度データを窓に分割して得られる窓分割データを示す概念図である。この場合、窓で切り出すセンサデータサンプル数は６４とした。
【００４５】
図１１は、本実施形態において、上記窓分割データに対してＡＭＤＦを行った結果を示す概念図である。この場合、５１ｍｓから１６００ｍｓのラグのそれぞれにおいて、３２個の振幅差データを用いてＡＭＤＦ結果を求めた。このＡＭＤＦ結果において、最小値は３００ｍＧであり、この最小値３００ｍＧに対応するラグは１．０ｓである。最小値３００ｍＧを他のＡＭＤＦ結果の極小値と比較すると、最小値との差が定数ｋ＝１００ｍＧ以下となる他の極小値は存在しない。そこで、最小値に対応したラグである１．０ｓ以下のＡＭＤＦ結果のみを抽出する。
【００４６】
図１２は、本実施形態において、上記抽出されたＡＭＤＦ結果を抽出した結果を示す概念図である。図１２に示す、抽出されたＡＭＤＦ結果について、最小値との差が定数ｃ＝２００ｍＧ以下になる他の極小値を探すと、０．５ｓ、０．９ｓの極小値が最小値との差が定数ｃ＝２００ｍＧ以下になることが分かる。このため、この加速度データは、歩行動作１歩当たりの周波数よりも、２歩当たり周波数が強く検出された歪の大きいデータと考えられる。そこで、この極小値のうち、ＡＭＤＦ結果の最小値を取るラグである１．０ｓの半分に最も近い周期である０．５ｓを、歩行動作１歩の周期とする。
【００４７】
図１３は、本実施形態において、１６人の被験者に対し、１００ｍの距離の歩き、走りの際の加速度を計測し、ＦＦＴと本実施形態によるＡＭＤＦとのそれぞれを用いて歩調推定を行った際の平均推定誤差を示す表図である。この場合、加速度データは１９．６Ｈｚで取得し、６４サンプルを窓で切り出し、これに対してＦＦＴは６４点で、本実施形態によるＡＭＤＦはそれぞれのラグにおいて３２個のデータを用いて行った。
【００４８】
加速度計測部（加速度センサ）１０を含む携帯端末装置１は、ズボンのポケット、胸ポケット、あるいはカバンの中の３箇所に携帯して、それぞれ実験を行った。図１３において、±の後の値は標準偏差であり、被験者による推定精度のばらつきを表す。全ての条件において、ＡＭＤＦを用いる方がＦＦＴを用いるより誤差が小さいという結果が得られた。特に、波形の歪が大きくなる、ズボンのポケットに携帯した場合には、本実施形態によるＡＭＤＦによる、誤差の改善が大きい。
【００４９】
上述した実施形態によれば、窓分割部１３が、加速度データを所定の区間の分割データに分割する。ＡＭＤＦ演算部１５が、窓分割部１３により分割された分割データに対してＡＭＤＦ演算を行う。周期判定部１７が、ＡＭＤＦ演算部１５により算出されたＡＭＤＦ結果の最小値と、この最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、歩行動作１歩分の周期を推定する。これにより、推定する周期に対して１０倍程度の低サンプリングレートの加速度データを用いた場合であっても、ＡＭＤＦによる高精度な歩行動作１歩の周期推定を行うことができる。加えて、ＦＦＴではなくＡＭＤＦを用いることにより、加速度データの周期を少ない計算量で求めることができる。このため、携帯端末装置１での消費電力の低減が可能となる。
また、歩行動作１歩の周期を、左右いずれかの足が動いた際の加速度データが他方の加速度データに比べ大きく観測されてしまった、歪の大きなデータであっても高精度に推定することができる。
つまり、携帯端末装置１は、低サンプリングレートの加速度データであっても、少ない計算量により、歩行動作１歩の周期を高精度に推定することができる。
【００５０】
また、高調波のうち一番強い周波数だけを取り出すＦＦＴとは違い、ＡＭＤＦでは高調波間の周波数軸上での距離に相当する基本周波数を求めるため、ＦＦＴと比べ歪の大きい加速度データに強い。
【００５１】
なお、本発明の実施形態によれば、携帯端末装置１は、携帯される加速度計測部１０によって取得された加速度データに対して、歩行動作１歩分の期間を示す歩行周期（２つ１組の運動動作１つ分の期間を示す運動周期）を推定する周期推定装置であって、加速度データに対してＡＭＤＦ演算を行うＡＭＤＦ演算部１５（演算部）と、ＡＭＤＦ演算部１５により算出されたＡＭＤＦ結果の最小値と、この最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、歩行周期（運動周期）を推定する周期判定部１７（周期推定部）とを備える。
これにより、携帯端末装置１は、推定する周期に対して１０倍程度の低サンプリングレートの加速度データを用いた場合であっても、ＡＭＤＦによる高精度な歩行動作１歩の周期推定（運動周期推定）を行うことができる。加えて、携帯端末装置１では、ＦＦＴではなくＡＭＤＦを用いることにより、歩行動作１歩分の周期（運動周期）を少ない計算量で求めることができる。このため、携帯端末装置１での消費電力の低減が可能となる。
【００５２】
また、携帯端末装置１は、加速度データを所定の区間の分割データに分割する窓分割部１３（分割部）を備え、ＡＭＤＦ演算部１５は、窓分割部１３により分割された分割データに対してＡＭＤＦ演算を行う。
これにより、ＡＭＤＦの計算量を更に低減できる。
【００５３】
また、周期判定部１７は、算出されたＡＭＤＦ結果における極小値のうち、算出されたＡＭＤＦ結果の最小値との差が予め設定した定数ｋ（第１の閾値）以下となる極小値が存在するか否かを判定し、定数ｋ以下となる極小値が存在する場合には、定数ｋ以下となる極小値に対応するラグのうち、最小となるラグ以下の範囲を抽出範囲に設定し、定数ｋ以下となる極小値が存在しない場合には、算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を抽出範囲に設定する。
これにより、歩行動作１歩分の周期（運動周期）を推定するためのＡＭＤＦ結果の範囲を狭くできる。そのため、歩行動作１歩分の周期（運動周期）を更に少ない計算量で推定することができる。
【００５４】
また、周期判定部１７は、上述の抽出範囲におけるＡＭＤＦ結果を抽出し、さらに、ＡＭＤＦ結果の抽出範囲における極小値のうち、抽出したＡＭＤＦ結果の最小値との差が予め設定した定数ｃ（第２の閾値）以下となる極小値が存在するか否かを判定し、定数ｃ以下となる極小値が存在しない場合には、抽出したＡＭＤＦ結果の最小値を取るラグを、歩行周期（運動周期）として推定する。また、周期判定部１７は、定数ｃ以下となる極小値が存在する場合には、定数ｃ以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、歩行周期（運動周期）として推定する。
これにより、加速度データに歪の多い場合でも、歩行動作１歩の周期（運動周期）を高精度に推定することができる。
【００５５】
なお、本発明は、上記の各実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で変更可能である。上記の各実施形態において、センサデータ記憶部１２、窓分割データ記憶部１４、ＡＭＤＦ記憶部１６、及び周期記憶部１８は、別々の記憶部とする形態で説明したが、これに限定されるものではない。例えば、複数の記憶部を１つの記憶部として設ける形態でも良いし、携帯端末装置１の外部に記憶部を設ける形態でも良い。
また、上記の各実施形態において、サンプリング部１１、窓分割部１３、ＡＭＤＦ演算部１５及び周期判定部１７の各部は、専用のハードウェアによって実現しても良い。
【００５６】
また、上述したサンプリング部１１、窓分割部１３、ＡＭＤＦ演算部１５、周期判定部１７などによる機能は、実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、各処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
【００５７】
さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。
ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
【００５８】
本発明の他の応用として、歩行動作の周期に対して閾値を用いた判定を行うことで、対象者が歩行状態であるか、走行状態であるかを推定することが可能である。その際の推定精度、消費電力もＦＦＴに比べて優れている。また、歩行動作だけではなく、数Ｈｚ〜１０Ｈｚ程度の周期で行われる２つ１組の人間の動作、例えば水泳などの運動に対しても、応用可能な技術である。
【符号の説明】
【００５９】
１ 携帯端末装置
１０ 加速度計測部
１１ サンプリング部
１２ センサデータ記憶部
１３ 窓分割部
１４ 窓分割データ記憶部
１５ ＡＭＤＦ演算部
１６ ＡＭＤＦ記憶部
１７ 周期判定部
１８ 周期記憶部
１９ データ送信部
２０ 電源供給部
【技術分野】
【０００１】
本発明は、加速度センサが搭載された携帯端末装置によりユーザの運動状態を推定する周期推定装置、周期推定方法、及びプログラムに関する。
【背景技術】
【０００２】
コンテキストアウェアサービスの実現に向けて、センサの搭載された携帯端末装置によるコンテキスト推定が普及しつつある。特に、加速度センサを携帯端末装置に搭載し、歩行や、走行といったユーザの運動状態を推定するシステムの利用が急速に拡大している。このような運動状態の推定では、運動の周波数が重要な情報の１つとなる。特に、歩行状態の推定においては、どれだけの速さで歩行しているのかを知るだけではなく、リハビリや、スポーツの支援での利用を想定すると、１歩ずつの動きを正確に反映した周波数情報が重要である。
【０００３】
携帯端末装置を用いたコンテキスト推定システムでは、電波の届く範囲と通信の消費電力という観点から、携帯端末装置で推定計算を行うことになる。携帯端末装置で推定計算を行う場合、高精度に推定できるだけではなく、バッテリ持続時間を長くするために、計算量を低減して消費電力を小さくする必要がある。また、加速度センサのサンプリングレートを数百Ｈｚまで上げることは、多くのデバイスでは、消費電力が大きくなるために困難である。
【０００４】
加速度センサを用いた歩行状態の周波数の推定では、最も一般的な手法としてＦＦＴ（Fast Fourier Transform）を利用して周波数領域に変換する手法が挙げられる。しかし、ＦＦＴでは、計算量が多く、消費電力が大きくなる。
【０００５】
一方、少ない計算量で周波数を求める手法としては、音声分野で用いられているＡＭＤＦ（Average Magnitude Difference Function）を利用する手法がある（例えば、非特許文献１参照）。ＡＭＤＦとは、時間軸上の信号と、その信号を遅らせた信号との差分の絶対値の総和をとったものである。この場合、遅らせた時間をラグという。ラグが信号の基本周波数の周期の整数倍のときに、ＡＭＤＦ結果は極小となる。ＡＭＤＦによる基本周波数の推定では、ＡＭＤＦ結果が最小となる点、もしくは最小に近い値を取る点のうち、ラグが最も小さいものを求め、その点でのラグを周期とする。
【先行技術文献】
【非特許文献】
【０００６】
【非特許文献１】M. Ross, H. Shaffer, A. Cohenand, R. Freudberg, and H. Manley, "Average magnitude difference function pitch extractor", IEEE transactions on acoustics, speech and signal processing, vol. 22, No.5, pp.353-362, 1974.
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、ＡＭＤＦを利用する手法では、高いサンプリングレートのデータでなければ、正確に周波数を求めることができない。上述したように、ＡＭＤＦは、音声分野のように基本周波数の数百倍という高サンプリングレートのデータを対象としている。そのため、低サンプリングレートのデータに対して適用した場合、ＡＭＤＦ結果が最小となるラグが、正しく周期を表しているとは限らず、周期を求めることが困難である。
【０００８】
したがって、歩行動作（２つ１組の運動動作）に対して、その加速度データを、歩行動作における周期の１０倍程度の低サンプリングレートで取得してＡＭＤＦを単純に適用し、ＡＭＤＦ結果が最小となるラグを周期とする方法では、正確な周期を求めることが難しいという問題がある。特に、データの歪が大きい場合には、誤差が大きくなってしまう可能性が高いという問題がある。
【０００９】
本発明は、このような事情を考慮してなされたものであり、その目的は、低サンプリングレートの加速度データに対しても適用でき、かつ、少ない計算量により、２つ１組の運動動作１つ分の期間を示す運動周期を、２つのいずれかによる加速度データが他方の加速度データに比べ大きく観測されてしまった、歪の大きなデータであっても高精度に推定することができる周期推定装置、周期推定方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【００１０】
上述した課題を解決するために、本発明は、携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定装置であって、前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行う演算部と、前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定する周期推定部とを備えることを特徴とする周期推定装置である。
【００１１】
また、本発明は、上記の発明において、前記周期推定装置は、前記加速度データを所定の区間の分割データに分割する分割部を備え、前記演算部は、前記分割部により分割された分割データに対してＡＭＤＦ演算を行うことを特徴とする。
【００１２】
また、本発明は、上記の発明において、前記周期推定部は、前記算出されたＡＭＤＦ結果における極小値のうち、前記算出されたＡＭＤＦ結果の最小値との差が予め設定した第１の閾値以下となる極小値が存在するか否かを判定し、前記第１の閾値以下となる極小値が存在する場合には、前記第１の閾値以下となる極小値に対応するラグのうち、最小となるラグ以下の範囲を前記抽出範囲に設定し、前記第１の閾値以下となる極小値が存在しない場合には、前記算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を前記抽出範囲に設定することを特徴とする。
【００１３】
また、本発明は、上記の発明において、前記周期推定部は、前記抽出範囲におけるＡＭＤＦ結果を抽出し、さらに、前記抽出範囲における極小値のうち、前記抽出したＡＭＤＦ結果の最小値との差が予め設定した第２の閾値以下となる極小値が存在するか否かを判定し、前記第２の閾値以下となる極小値が存在しない場合には、前記抽出したＡＭＤＦ結果の最小値を取るラグを、前記運動周期として推定し、前記第２の閾値以下となる極小値が存在する場合には、前記第２の閾値以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、前記運動周期として推定することを特徴とする。
【００１４】
また、本発明は、上記の発明において、前記運動周期は、歩行動作１歩分の期間を示す歩行周期であることを特徴とする。
【００１５】
また、上述した課題を解決するために、本発明は、携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定方法であって、前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行うステップと、前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定するステップとを含むことを特徴とする周期推定方法である。
【００１６】
また、本発明は、上記の発明において、前記周期推定方法は、前記加速度データを所定の区間の分割データに分割するステップを含み、前記ＡＭＤＦ演算を行うステップは、前記分割された分割データに対してＡＭＤＦ演算を行うステップを含むことを特徴とする。
【００１７】
また、本発明は、上記の発明において、前記運動周期を推定するステップは、前記算出されたＡＭＤＦ結果における極小値のうち、前記算出されたＡＭＤＦ結果の最小値との差が予め設定した第１の閾値以下となる極小値が存在するか否かを判定するステップと、前記第１の閾値以下となる極小値が存在する場合には、前記第１の閾値以下となる極小値に対応するラグのうち、最小となるラグ以下の範囲を前記抽出範囲に設定するステップと、前記第１の閾値以下となる極小値が存在しない場合には、前記算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を前記抽出範囲に設定するステップとを含むことを特徴とする。
【００１８】
また、本発明は、上記の発明において、前記運動周期を推定するステップは、前記抽出範囲におけるＡＭＤＦ結果を抽出するステップと、前記抽出範囲における極小値のうち、前記抽出したＡＭＤＦ結果の最小値との差が予め設定した第２の閾値以下となる極小値が存在するか否かを判定するステップと、前記第２の閾値以下となる極小値が存在しない場合には、前記抽出したＡＭＤＦ結果の最小値を取るラグを、前記運動周期として推定するステップと、前記第２の閾値以下となる極小値が存在する場合には、前記第２の閾値以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、前記運動周期として推定するステップとを含むことを特徴とする。
【００１９】
また、本発明は、上記の発明において、前記運動周期は、歩行動作１歩分の期間を示す歩行周期であることを特徴とする。
【００２０】
また、上述した課題を解決するために、本発明は、携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定装置としてのコンピュータに、演算部が、前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行う演算手順と、周期推定部が、前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定する周期推定手順とを実行させるためのプログラムである。
【発明の効果】
【００２１】
この発明によれば、演算部が、携帯される加速度計測部によって取得された加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行う。周期推定部が、演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、２つ１組の運動動作１つ分の期間を示す運動周期を推定する。このため、低サンプリングレートの加速度データに対しても適用でき、かつ、少ない計算量により、２つ１組の運動動作１つ分の期間を示す運動周期を、２つのいずれかによる加速度データが他方の加速度データに比べ大きく観測されてしまった、歪の大きなデータであっても高精度に推定することができる。
【図面の簡単な説明】
【００２２】
【図１】本発明の実施形態による携帯端末装置１の構成を示すブロック図である。
【図２】本実施形態による携帯端末装置１の動作（周期判定処理）を説明するためのフローチャートである。
【図３】低周波でないデータに対してＡＭＤＦを用いた周期判定を行う場合、高サンプリングレートが必要になる例として、基本周波数が８７Ｈｚの音声を、１１０２５Ｈｚでサンプリングした音声データに対してＡＭＤＦを行った例を示す概念図である。
【図４】低周波でないデータに対してＡＭＤＦを用いた周期判定を行う場合、高サンプリングレートが必要になる例として、基本周波数が８７Ｈｚの音声を、１００２Ｈｚでサンプリングした音声データに対してＡＭＤＦを行った例を示す概念図である。
【図５】加速度計測部（加速度センサ）１０を含む携帯端末装置１を胸ポケットに入れて歩き、１９．６Ｈｚでサンプリングしたときの加速度データを示す概念図である。
【図６】本実施形態において、上記加速度データを窓に分割して得られる窓分割データを示す概念図である。
【図７】本実施形態において、上記窓分割データに対してＡＭＤＦを行った結果を示す概念図である。
【図８】本実施形態において、上記抽出されたＡＭＤＦ結果に対して、最小値との差が定数ｋ以下となる極小値に対応するラグのうち、最小となるラグ以下のＡＭＤＦ結果のみを抽出した結果を示す概念図である。
【図９】本実施形態において、加速度計測部（加速度センサ）１０を含む携帯端末装置１をズボンのポケットに入れて歩き、１９．６Ｈｚでサンプリングしたときの加速度データを示す概念図である。
【図１０】本実施形態において、上記加速度データを窓に分割して得られる窓分割データを示す概念図である。
【図１１】本実施形態において、上記窓分割データに対してＡＭＤＦを行った結果を示す概念図である。
【図１２】本実施形態において、上記抽出されたＡＭＤＦ結果を抽出した結果を示す概念図である。
【図１３】本実施形態において、１６人の被験者に対し、１００ｍの距離の歩き、走りの際の加速度を計測し、ＦＦＴと本実施形態によるＡＭＤＦとのそれぞれを用いて歩調推定を行った際の平均推定誤差を示す表図である。
【発明を実施するための形態】
【００２３】
以下、本発明の一実施形態を、図面を参照して説明する。
【００２４】
図１は、本発明の実施形態による携帯端末装置１の構成を示すブロック図である。図１において、携帯端末装置１（周期推定装置）は、加速度計測部１０、サンプリング部１１、センサデータ記憶部１２、窓分割部１３、窓分割データ記憶部１４、ＡＭＤＦ（Average Magnitude Difference Function）演算部１５、ＡＭＤＦ記憶部１６、周期判定部１７、周期記憶部１８、データ送信部１９、及び電源供給部２０を備える。
【００２５】
加速度計測部１０は、いわゆる加速度センサからなり、携帯端末装置１の加速度を計測してサンプリング部１１に出力する。
サンプリング部１１は、加速度計測部１０の出力（加速度）を、予め定められたサンプリングレートでサンプリングする。サンプリング部１１は、例えば、歩行動作１歩の周期０．５ｓ（周波数２Ｈｚ（ヘルツ））の１０倍程度のサンプリングレートである２０Ｈｚ程度でサンプリングする。また、サンプリング部１１は、サンプリングした加速度データをセンサデータ記憶部１２に記憶させる。また、サンプリング部１１は、センサデータ記憶部１２にされた加速度データを読み出して、窓分割部１３に供給する。
センサデータ記憶部１２は、サンプリング部１１に接続され、サンプリングされた加速度データを記憶する。
【００２６】
窓分割部１３（分割部）は、サンプリング部１１から供給された２０Ｈｚ程度の低サンプリングレートの加速度データに対して、時間的に連続したデータを窓（小区間）に分割する。つまり、窓分割部１３は、加速度データを所定の区間の分割データに分割する。また、窓分割部１３は、分割した窓（小区間）の窓分割データを窓分割データ記憶部１４に記憶させる。また、窓分割部１３は、窓分割データ記憶部１４に記憶された窓分割データを読み出して、窓分割データをＡＭＤＦ演算部１５に供給する。
窓分割データ記憶部１４は、窓分割部１３に接続され、窓に分割された窓分割データを記憶する。
【００２７】
ＡＭＤＦ演算部１５（演算部）は、窓分割部１３から供給された窓分割データに対してＡＭＤＦ演算を行う。つまり、ＡＭＤＦ演算部１５は、窓分割部１３により分割された分割データに対してＡＭＤＦ演算を行う。ＡＭＤＦ演算部１５は、演算したＡＭＤＦ演算結果をＡＭＤＦ記憶部１６に記憶させる。また、ＡＭＤＦ演算部１５は、ＡＭＤＦ記憶部１６に記憶されたＡＭＤＦ演算結果を読み出して、ＡＭＤＦ演算結果を周期判定部１７に供給する。
ＡＭＤＦ記憶部１６は、ＡＭＤＦ演算部１５に接続され、ＡＭＤＦ演算結果を記憶する。
【００２８】
周期判定部１７（周期推定部）は、ＡＭＤＦ演算部１５により算出されたＡＭＤＦ結果の最小値と、この最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、歩行動作１歩分の周期である歩行周期（２つ１組の運動動作１つ分の期間を示す運動周期）を推定する。すなわち、歩行周期は、歩行動作１歩分の期間を示す。
また、周期判定部１７は、算出されたＡＭＤＦ結果における極小値のうち、算出されたＡＭＤＦ結果の最小値との差が予め設定した定数ｋ（第１の閾値）以下となる極小値が存在するか否かを判定する。周期判定部１７は、定数ｋ（第１の閾値）となる極小値が存在する場合には、差が定数ｋ（第１の閾値）以下となる極小値に対応するラグとのうち、最小となるラグ以下の範囲を上述の抽出範囲に設定する。また、周期判定部１７は、定数ｋ（第１の閾値）以下となる極小値が存在しない場合には、算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を上述の抽出範囲に設定する。
【００２９】
また、周期判定部１７は、上述の抽出範囲におけるＡＭＤＦ結果を抽出し、さらに、抽出範囲における極小値のうち、抽出したＡＭＤＦ結果の最小値との差が予め設定した定数ｃ（第２の閾値）以下となる他の極小値が存在するか否かを判定する。周期判定部１７は、他の極小値が存在しない場合には、抽出したＡＭＤＦ結果の最小値を取るラグを、歩行動作１歩分の周期として推定する。また、周期判定部１７は、他の極小値が存在する場合には、他の極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、歩行動作１歩分の周期（運動周期）として推定する。なお、ＡＭＤＦ結果の最小値も極小値である。ここで、他の極小値とは、ＡＭＤＦ結果の最小値とは異なる別の極小値のことである。
なお、周期判定部１７は、推定した歩行動作１歩分の周期（運動周期）を周期記憶部１８に記憶させる。また、周期判定部１７は、データを周期記憶部１８から歩行動作１歩分の周期（運動周期）を読み出して、歩行動作１歩分の周期（運動周期）をデータ送信部１９に供給する。
【００３０】
つまり、周期判定部１７は、ＡＭＤＦ結果の最小値を求め、この最小値に対応するラグと、この最小値との差が定数ｋ以下となる他の極小値に対応するラグとのうち、最小となるラグ以下のＡＭＤＦ結果のみを抽出する。周期判定部１７は、さらに、抽出したＡＭＤＦ結果の最小値との差が定数ｃ以下となる他の極小値が存在するか否かを判定する。周期判定部１７は、存在しない場合には、抽出したＡＭＤＦ結果の最小値を取るラグを、歩行動作１歩分の周期（運動周期）とする。周期判定部１７は、存在する場合には、歩行動作２歩分の周期（運動動作２つ分の周期）と捉え、抽出したＡＭＤＦ結果の最小値との差が定数ｃ以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、歩行動作１歩分の周期（運動周期）とする。
【００３１】
周期記憶部１８は、周期判定部１７に接続され、上記周期判定部１７により求められたラグを、歩行動作１歩分の周期（運動周期）として記憶する。
データ送信部１９は、周期記憶部１８に記憶されている歩行動作１歩分の周期（運動周期）を周期判定部１７を介して読み出し、歩行動作１歩分の周期（運動周期）を出力する。
電源供給部２０は、本装置内の各部に電力を供給する。
【００３２】
図２は、本実施形態による携帯端末装置１の動作（周期判定処理）を説明するためのフローチャートである。該周期判定処理では、まず、サンプリング部１１が、加速度測定部１０の出力を、２０Ｈｚ程度の低サンプリングレートでサンプリングし、センサデータ記憶部１２に記憶する（ステップＳ１）。次に、窓分割部１３が、記憶した２０Ｈｚなどの低サンプリングレートの加速度データに対して、まず、時間的に連続したデータを窓（小区間）に分割し、窓分割データとして窓分割データ記憶部１４に記憶する（ステップＳ２）。
【００３３】
次に、ＡＭＤＦ演算部１５が、記憶されている窓分割データに対してＡＭＤＦ演算を行い、得られたＡＭＤＦ結果をＡＭＤＦ記憶部１６に記憶する（ステップＳ３）。次に、周期判定部１７が、記憶されているＡＭＤＦにおいて、ＡＭＤＦ結果の最小値を求め、最小値に対応するラグと、該最小値と極小値との差が定数ｋ（第１の閾値）以下となる極小値に対応するラグとのうち、最小となるラグ以下のＡＭＤＦ結果のみを抽出範囲として抽出する（ステップＳ４）。この定数ｋは、集計したセンサデータの傾向から人為的に予め設定しておくか、もしくは機械学習のアルゴリズム等によって予め決定しておく。
なお、ここで説明するフローチャートは、ＡＭＤＦ結果の最小値と極小値との差が定数ｋ（第１の閾値）以下となる極小値が存在する場合の例である。ＡＭＤＦ結果の最小値と極小値との差が定数ｋ（第１の閾値）以下となる極小値が存在しない場合には、ステップS4において、周期判定部１７は、上述の抽出範囲を、ＡＭＤＦ結果の最小値に対応するラグ以下の範囲として抽出する。
【００３４】
さらに、周期判定部１７が、抽出されたＡＭＤＦ結果において、最小値との差が定数ｃ（第２の閾値）以下となる極小値が存在するか否かを判定する（ステップＳ５）。この定数ｃも定数ｋと同様に、データに対する事前知識から予め設定しておく。そして、最小値との差が定数ｃ以下となる極小値が存在しない場合には（ステップＳ５のＮＯ）、周期判定部１７は、ＡＭＤＦ結果の最小値を取るラグを、歩行動作１歩分の周期として周期記憶部１８に記憶する（ステップＳ６）。
【００３５】
一方、最小値との差が定数ｃ以下となる極小値が存在する場合には（ステップＳ５のＹＥＳ）、左右いずれかの足が動いた際の加速度が他方に比べ大きく観測されてしまった、歪の大きなデータであることが考えられる。そのため、周期判定部１７は、ＡＭＤＦ結果の最小値をとるラグを、歩行動作２歩分の周期と捉え、最小値との差が定数ｃ以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近いラグとなる極小値のラグを、歩行動作１歩分の周期として周期記憶部１８に記憶する（ステップＳ７）。
【００３６】
そして、データ送信部１９が、いずれの場合も、周期記憶部１８に記憶した周期を出力する（ステップＳ８）。
【００３７】
図３、図４は、低周波でないデータに対してＡＭＤＦを用いた周期判定を行う場合、高サンプリングレートが必要になる例として、基本周波数が８７Ｈｚの音声を、１１０２５Ｈｚ、１００２Ｈｚでサンプリングした音声データに対してＡＭＤＦを行った例を示す概念図である。音声データには、モノラルのＷＡＶＥ形式で録音されたファイルを使用し、録音の際に量子化された値に、そのままＡＭＤＦを適用した。ＡＭＤＦ結果を求める際に利用するデータの山と谷の個数について、サンプリングレートによって大きく差がでないように、それぞれのラグにおいて、１１０２５Ｈｚでは２５６個の振幅差データを用い、１００２Ｈｚでは３２個の振幅差データを用いてＡＭＤＦ結果を求めた。
【００３８】
結論から言うと、８７Ｈｚのデータを用いたため、１１．５ｍｓ（ミリ秒）が周期として求められる必要がある。図３に示すように、８７Ｈｚの音声を、１１０２５Ｈｚでサンプリングした音声データに対してＡＭＤＦを行った場合には、容易に最小となる点が求められる。これに対して、図４に示すように、８７Ｈｚの音声を、１００２Ｈｚでサンプリングした音声データに対してＡＭＤＦを行った場合には、１１．５ｍｓ付近での極小値と１１．５ｍｓよりも小さいラグでの極小値を区別することができず、周期を正しく求めることができない。このように、音声では、求めたい信号の１０倍程度のサンプリングレートのデータに対しては、ＡＭＤＦを用いた方法では正しい周期判定ができない。
【００３９】
これに対して、本発明が対象とする、歪の小さい低周波データに対する処理例として、加速度計測部（加速度センサ）１０を含む携帯端末装置１を胸ポケットに入れて歩き、１９．６Ｈｚのサンプリングレートでデータを取得し、周期判定を行う例について説明する。この場合、成人男性の歩行動作１歩の平均周波数は２Ｈｚ（周期：０．５ｓ（秒））程度であるため、その周波数の１０倍程度のサンプリングレートでデータを取得している。また、周期判定における定数ｋを１００ｍＧ（ミリジー）、定数ｃを２００ｍＧと設定する。
【００４０】
図５は、加速度計測部（加速度センサ）１０を含む携帯端末装置１を胸ポケットに入れて歩き、１９．６Ｈｚでサンプリングしたときの加速度データを示す概念図である。また、図６は、本実施形態において、上記加速度データを窓に分割して得られる窓分割データを示す概念図である。この場合、窓で切り出すセンサデータサンプル数は、例えば、６４とした。１９．６Ｈｚのサンプリングレートにおけるサンプル数６４は、約３．３ｓの時間範囲に対応しており、歩行動作１歩の周期の０．５ｓに対して十分な範囲の切り出しを行っている。
【００４１】
図７は、本実施形態において、上記窓分割データに対してＡＭＤＦを行った結果を示す概念図である。この場合、５１ｍｓから１６００ｍｓのラグのそれぞれにおいて、３２個の振幅差データを用いてＡＭＤＦ結果を求めた。このＡＭＤＦ結果において、最小値は２００ｍＧであり、この最小値２００ｍＧに対応するラグは１．０ｓである。最小値２００ｍＧと他のＡＭＤＦの極小値と比較すると、０．５ｓ、１．４５ｓの極小値が最小値との差が定数ｋ＝１００ｍＧ以下となることが分かる。そこで、０．５ｓ、１．０ｓ、１．４５ｓのうち、最も小さいラグである０．５ｓ以下のＡＭＤＦ結果のみを抽出する。
【００４２】
図８は、本実施形態において、上記抽出されたＡＭＤＦ結果に対して、最小値との差が定数ｋ以下となる極小値に対応するラグのうち、最小となるラグ以下のＡＭＤＦ結果のみを抽出した結果を示す概念図である。図８において、抽出されたＡＭＤＦ結果においては、最小値は２８０ｍＧ、この最小値２８０ｍＧに対応するラグは０．５ｓである。さらに、この抽出されたＡＭＤＦ結果について、最小値との差が定数ｃ＝２００ｍＧ以下になる極小値を探すが、そのような極小値は存在しない。よって、ＡＭＤＦ結果の最小値を取る０．５ｓを歩行動作１歩の周期とする。
【００４３】
一方、歪の大きい低周波数データに対する処理例として、加速度計測部（加速度センサ）１０を含む携帯端末装置１をズボンのポケットに入れて歩き、１９．６Ｈｚのサンプリングレートでデータを取得し、周期判定を行う例について説明する。この場合、周期判定処理における定数ｋと定数ｃとは、各々、胸ポケットに入れた場合と同様に、１００ｍＧと２００ｍＧとに設定する。
【００４４】
図９は、本実施形態において、加速度計測部（加速度センサ）１０を含む携帯端末装置１をズボンのポケットに入れて歩き、１９．６Ｈｚでサンプリングしたときの加速度データを示す概念図である。また、図１０は、本実施形態において、上記加速度データを窓に分割して得られる窓分割データを示す概念図である。この場合、窓で切り出すセンサデータサンプル数は６４とした。
【００４５】
図１１は、本実施形態において、上記窓分割データに対してＡＭＤＦを行った結果を示す概念図である。この場合、５１ｍｓから１６００ｍｓのラグのそれぞれにおいて、３２個の振幅差データを用いてＡＭＤＦ結果を求めた。このＡＭＤＦ結果において、最小値は３００ｍＧであり、この最小値３００ｍＧに対応するラグは１．０ｓである。最小値３００ｍＧを他のＡＭＤＦ結果の極小値と比較すると、最小値との差が定数ｋ＝１００ｍＧ以下となる他の極小値は存在しない。そこで、最小値に対応したラグである１．０ｓ以下のＡＭＤＦ結果のみを抽出する。
【００４６】
図１２は、本実施形態において、上記抽出されたＡＭＤＦ結果を抽出した結果を示す概念図である。図１２に示す、抽出されたＡＭＤＦ結果について、最小値との差が定数ｃ＝２００ｍＧ以下になる他の極小値を探すと、０．５ｓ、０．９ｓの極小値が最小値との差が定数ｃ＝２００ｍＧ以下になることが分かる。このため、この加速度データは、歩行動作１歩当たりの周波数よりも、２歩当たり周波数が強く検出された歪の大きいデータと考えられる。そこで、この極小値のうち、ＡＭＤＦ結果の最小値を取るラグである１．０ｓの半分に最も近い周期である０．５ｓを、歩行動作１歩の周期とする。
【００４７】
図１３は、本実施形態において、１６人の被験者に対し、１００ｍの距離の歩き、走りの際の加速度を計測し、ＦＦＴと本実施形態によるＡＭＤＦとのそれぞれを用いて歩調推定を行った際の平均推定誤差を示す表図である。この場合、加速度データは１９．６Ｈｚで取得し、６４サンプルを窓で切り出し、これに対してＦＦＴは６４点で、本実施形態によるＡＭＤＦはそれぞれのラグにおいて３２個のデータを用いて行った。
【００４８】
加速度計測部（加速度センサ）１０を含む携帯端末装置１は、ズボンのポケット、胸ポケット、あるいはカバンの中の３箇所に携帯して、それぞれ実験を行った。図１３において、±の後の値は標準偏差であり、被験者による推定精度のばらつきを表す。全ての条件において、ＡＭＤＦを用いる方がＦＦＴを用いるより誤差が小さいという結果が得られた。特に、波形の歪が大きくなる、ズボンのポケットに携帯した場合には、本実施形態によるＡＭＤＦによる、誤差の改善が大きい。
【００４９】
上述した実施形態によれば、窓分割部１３が、加速度データを所定の区間の分割データに分割する。ＡＭＤＦ演算部１５が、窓分割部１３により分割された分割データに対してＡＭＤＦ演算を行う。周期判定部１７が、ＡＭＤＦ演算部１５により算出されたＡＭＤＦ結果の最小値と、この最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、歩行動作１歩分の周期を推定する。これにより、推定する周期に対して１０倍程度の低サンプリングレートの加速度データを用いた場合であっても、ＡＭＤＦによる高精度な歩行動作１歩の周期推定を行うことができる。加えて、ＦＦＴではなくＡＭＤＦを用いることにより、加速度データの周期を少ない計算量で求めることができる。このため、携帯端末装置１での消費電力の低減が可能となる。
また、歩行動作１歩の周期を、左右いずれかの足が動いた際の加速度データが他方の加速度データに比べ大きく観測されてしまった、歪の大きなデータであっても高精度に推定することができる。
つまり、携帯端末装置１は、低サンプリングレートの加速度データであっても、少ない計算量により、歩行動作１歩の周期を高精度に推定することができる。
【００５０】
また、高調波のうち一番強い周波数だけを取り出すＦＦＴとは違い、ＡＭＤＦでは高調波間の周波数軸上での距離に相当する基本周波数を求めるため、ＦＦＴと比べ歪の大きい加速度データに強い。
【００５１】
なお、本発明の実施形態によれば、携帯端末装置１は、携帯される加速度計測部１０によって取得された加速度データに対して、歩行動作１歩分の期間を示す歩行周期（２つ１組の運動動作１つ分の期間を示す運動周期）を推定する周期推定装置であって、加速度データに対してＡＭＤＦ演算を行うＡＭＤＦ演算部１５（演算部）と、ＡＭＤＦ演算部１５により算出されたＡＭＤＦ結果の最小値と、この最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、歩行周期（運動周期）を推定する周期判定部１７（周期推定部）とを備える。
これにより、携帯端末装置１は、推定する周期に対して１０倍程度の低サンプリングレートの加速度データを用いた場合であっても、ＡＭＤＦによる高精度な歩行動作１歩の周期推定（運動周期推定）を行うことができる。加えて、携帯端末装置１では、ＦＦＴではなくＡＭＤＦを用いることにより、歩行動作１歩分の周期（運動周期）を少ない計算量で求めることができる。このため、携帯端末装置１での消費電力の低減が可能となる。
【００５２】
また、携帯端末装置１は、加速度データを所定の区間の分割データに分割する窓分割部１３（分割部）を備え、ＡＭＤＦ演算部１５は、窓分割部１３により分割された分割データに対してＡＭＤＦ演算を行う。
これにより、ＡＭＤＦの計算量を更に低減できる。
【００５３】
また、周期判定部１７は、算出されたＡＭＤＦ結果における極小値のうち、算出されたＡＭＤＦ結果の最小値との差が予め設定した定数ｋ（第１の閾値）以下となる極小値が存在するか否かを判定し、定数ｋ以下となる極小値が存在する場合には、定数ｋ以下となる極小値に対応するラグのうち、最小となるラグ以下の範囲を抽出範囲に設定し、定数ｋ以下となる極小値が存在しない場合には、算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を抽出範囲に設定する。
これにより、歩行動作１歩分の周期（運動周期）を推定するためのＡＭＤＦ結果の範囲を狭くできる。そのため、歩行動作１歩分の周期（運動周期）を更に少ない計算量で推定することができる。
【００５４】
また、周期判定部１７は、上述の抽出範囲におけるＡＭＤＦ結果を抽出し、さらに、ＡＭＤＦ結果の抽出範囲における極小値のうち、抽出したＡＭＤＦ結果の最小値との差が予め設定した定数ｃ（第２の閾値）以下となる極小値が存在するか否かを判定し、定数ｃ以下となる極小値が存在しない場合には、抽出したＡＭＤＦ結果の最小値を取るラグを、歩行周期（運動周期）として推定する。また、周期判定部１７は、定数ｃ以下となる極小値が存在する場合には、定数ｃ以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、歩行周期（運動周期）として推定する。
これにより、加速度データに歪の多い場合でも、歩行動作１歩の周期（運動周期）を高精度に推定することができる。
【００５５】
なお、本発明は、上記の各実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で変更可能である。上記の各実施形態において、センサデータ記憶部１２、窓分割データ記憶部１４、ＡＭＤＦ記憶部１６、及び周期記憶部１８は、別々の記憶部とする形態で説明したが、これに限定されるものではない。例えば、複数の記憶部を１つの記憶部として設ける形態でも良いし、携帯端末装置１の外部に記憶部を設ける形態でも良い。
また、上記の各実施形態において、サンプリング部１１、窓分割部１３、ＡＭＤＦ演算部１５及び周期判定部１７の各部は、専用のハードウェアによって実現しても良い。
【００５６】
また、上述したサンプリング部１１、窓分割部１３、ＡＭＤＦ演算部１５、周期判定部１７などによる機能は、実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、各処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
【００５７】
さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。
ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
【００５８】
本発明の他の応用として、歩行動作の周期に対して閾値を用いた判定を行うことで、対象者が歩行状態であるか、走行状態であるかを推定することが可能である。その際の推定精度、消費電力もＦＦＴに比べて優れている。また、歩行動作だけではなく、数Ｈｚ〜１０Ｈｚ程度の周期で行われる２つ１組の人間の動作、例えば水泳などの運動に対しても、応用可能な技術である。
【符号の説明】
【００５９】
１ 携帯端末装置
１０ 加速度計測部
１１ サンプリング部
１２ センサデータ記憶部
１３ 窓分割部
１４ 窓分割データ記憶部
１５ ＡＭＤＦ演算部
１６ ＡＭＤＦ記憶部
１７ 周期判定部
１８ 周期記憶部
１９ データ送信部
２０ 電源供給部
【特許請求の範囲】
【請求項１】
携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定装置であって、
前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行う演算部と、
前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定する周期推定部と
を備えることを特徴とする周期推定装置。
【請求項２】
前記周期推定装置は、
前記加速度データを所定の区間の分割データに分割する分割部を備え、
前記演算部は、
前記分割部により分割された分割データに対してＡＭＤＦ演算を行う
ことを特徴とする請求項１に記載の周期推定装置。
【請求項３】
前記周期推定部は、
前記算出されたＡＭＤＦ結果における極小値のうち、前記算出されたＡＭＤＦ結果の最小値との差が予め設定した第１の閾値以下となる極小値が存在するか否かを判定し、
前記第１の閾値以下となる極小値が存在する場合には、前記第１の閾値以下となる極小値に対応するラグのうち、最小となるラグ以下の範囲を前記抽出範囲に設定し、
前記第１の閾値以下となる極小値が存在しない場合には、前記算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を前記抽出範囲に設定する
ことを特徴とする請求項１又は請求項２に記載の周期推定装置。
【請求項４】
前記周期推定部は、
前記抽出範囲におけるＡＭＤＦ結果を抽出し、さらに、前記抽出範囲における極小値のうち、前記抽出したＡＭＤＦ結果の最小値との差が予め設定した第２の閾値以下となる極小値が存在するか否かを判定し、
前記第２の閾値以下となる極小値が存在しない場合には、前記抽出したＡＭＤＦ結果の最小値を取るラグを、前記運動周期として推定し、
前記第２の閾値以下となる極小値が存在する場合には、前記第２の閾値以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、前記運動周期として推定する
ことを特徴とする請求項１から請求項３のいずれか１項に記載の周期推定装置。
【請求項５】
前記運動周期は、
歩行動作１歩分の期間を示す歩行周期である
ことを特徴とする請求項１から請求項４のいずれか１項に記載の周期推定装置。
【請求項６】
携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定方法であって、
前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行うステップと、
前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定するステップと
を含むことを特徴とする周期推定方法。
【請求項７】
前記周期推定方法は、
前記加速度データを所定の区間の分割データに分割するステップを含み、
前記ＡＭＤＦ演算を行うステップは、
前記分割された分割データに対してＡＭＤＦ演算を行うステップを含む
ことを特徴とする請求項６に記載の周期推定方法。
【請求項８】
前記運動周期を推定するステップは、
前記算出されたＡＭＤＦ結果における極小値のうち、前記算出されたＡＭＤＦ結果の最小値との差が予め設定した第１の閾値以下となる極小値が存在するか否かを判定するステップと、
前記第１の閾値以下となる極小値が存在する場合には、前記第１の閾値以下となる極小値に対応するラグのうち、最小となるラグ以下の範囲を前記抽出範囲に設定するステップと、
前記第１の閾値以下となる極小値が存在しない場合には、前記算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を前記抽出範囲に設定するステップと
を含むことを特徴とする請求項６又は請求項７に記載の周期推定方法。
【請求項９】
前記運動周期を推定するステップは、
前記抽出範囲におけるＡＭＤＦ結果を抽出するステップと、
前記抽出範囲における極小値のうち、前記抽出したＡＭＤＦ結果の最小値との差が予め設定した第２の閾値以下となる極小値が存在するか否かを判定するステップと、
前記第２の閾値以下となる極小値が存在しない場合には、前記抽出したＡＭＤＦ結果の最小値を取るラグを、前記運動周期として推定するステップと、
前記第２の閾値以下となる極小値が存在する場合には、前記第２の閾値以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、前記運動周期として推定するステップと
を含むことを特徴とする請求項６から請求項８のいずれか１項に記載の周期推定方法。
【請求項１０】
前記運動周期は、
歩行動作１歩分の期間を示す歩行周期である
ことを特徴とする請求項６から請求項９のいずれか１項に記載の周期推定方法。
【請求項１１】
携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定装置としてのコンピュータに、
演算部が、前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行う演算手順と、
周期推定部が、前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定する周期推定手順と
を実行させるためのプログラム。
【請求項１】
携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定装置であって、
前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行う演算部と、
前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定する周期推定部と
を備えることを特徴とする周期推定装置。
【請求項２】
前記周期推定装置は、
前記加速度データを所定の区間の分割データに分割する分割部を備え、
前記演算部は、
前記分割部により分割された分割データに対してＡＭＤＦ演算を行う
ことを特徴とする請求項１に記載の周期推定装置。
【請求項３】
前記周期推定部は、
前記算出されたＡＭＤＦ結果における極小値のうち、前記算出されたＡＭＤＦ結果の最小値との差が予め設定した第１の閾値以下となる極小値が存在するか否かを判定し、
前記第１の閾値以下となる極小値が存在する場合には、前記第１の閾値以下となる極小値に対応するラグのうち、最小となるラグ以下の範囲を前記抽出範囲に設定し、
前記第１の閾値以下となる極小値が存在しない場合には、前記算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を前記抽出範囲に設定する
ことを特徴とする請求項１又は請求項２に記載の周期推定装置。
【請求項４】
前記周期推定部は、
前記抽出範囲におけるＡＭＤＦ結果を抽出し、さらに、前記抽出範囲における極小値のうち、前記抽出したＡＭＤＦ結果の最小値との差が予め設定した第２の閾値以下となる極小値が存在するか否かを判定し、
前記第２の閾値以下となる極小値が存在しない場合には、前記抽出したＡＭＤＦ結果の最小値を取るラグを、前記運動周期として推定し、
前記第２の閾値以下となる極小値が存在する場合には、前記第２の閾値以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、前記運動周期として推定する
ことを特徴とする請求項１から請求項３のいずれか１項に記載の周期推定装置。
【請求項５】
前記運動周期は、
歩行動作１歩分の期間を示す歩行周期である
ことを特徴とする請求項１から請求項４のいずれか１項に記載の周期推定装置。
【請求項６】
携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定方法であって、
前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行うステップと、
前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定するステップと
を含むことを特徴とする周期推定方法。
【請求項７】
前記周期推定方法は、
前記加速度データを所定の区間の分割データに分割するステップを含み、
前記ＡＭＤＦ演算を行うステップは、
前記分割された分割データに対してＡＭＤＦ演算を行うステップを含む
ことを特徴とする請求項６に記載の周期推定方法。
【請求項８】
前記運動周期を推定するステップは、
前記算出されたＡＭＤＦ結果における極小値のうち、前記算出されたＡＭＤＦ結果の最小値との差が予め設定した第１の閾値以下となる極小値が存在するか否かを判定するステップと、
前記第１の閾値以下となる極小値が存在する場合には、前記第１の閾値以下となる極小値に対応するラグのうち、最小となるラグ以下の範囲を前記抽出範囲に設定するステップと、
前記第１の閾値以下となる極小値が存在しない場合には、前記算出されたＡＭＤＦ結果の最小値に対応するラグ以下の範囲を前記抽出範囲に設定するステップと
を含むことを特徴とする請求項６又は請求項７に記載の周期推定方法。
【請求項９】
前記運動周期を推定するステップは、
前記抽出範囲におけるＡＭＤＦ結果を抽出するステップと、
前記抽出範囲における極小値のうち、前記抽出したＡＭＤＦ結果の最小値との差が予め設定した第２の閾値以下となる極小値が存在するか否かを判定するステップと、
前記第２の閾値以下となる極小値が存在しない場合には、前記抽出したＡＭＤＦ結果の最小値を取るラグを、前記運動周期として推定するステップと、
前記第２の閾値以下となる極小値が存在する場合には、前記第２の閾値以下となる極小値のうち、ＡＭＤＦ結果の最小値を取るラグの半分の値に最も近い極小値のラグを、前記運動周期として推定するステップと
を含むことを特徴とする請求項６から請求項８のいずれか１項に記載の周期推定方法。
【請求項１０】
前記運動周期は、
歩行動作１歩分の期間を示す歩行周期である
ことを特徴とする請求項６から請求項９のいずれか１項に記載の周期推定方法。
【請求項１１】
携帯される加速度計測部によって取得された加速度データに対して、２つ１組の運動動作１つ分の期間を示す運動周期を推定する周期推定装置としてのコンピュータに、
演算部が、前記加速度データに対してＡＭＤＦ（Average Magnitude Difference Function）演算を行う演算手順と、
周期推定部が、前記演算部により算出されたＡＭＤＦ結果の最小値と、該最小値に基づいて定めたＡＭＤＦ結果の抽出範囲における極小値とに基づいて、前記運動周期を推定する周期推定手順と
を実行させるためのプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【公開番号】特開２０１２−１９９２７（Ｐ２０１２−１９９２７Ａ）
【公開日】平成２４年２月２日（２０１２．２．２）
【国際特許分類】
【出願番号】特願２０１０−１５９６０３（Ｐ２０１０−１５９６０３）
【出願日】平成２２年７月１４日（２０１０．７．１４）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【出願人】（５０４１３７９１２）国立大学法人 東京大学 (1,942)
【Ｆターム（参考）】
【公開日】平成２４年２月２日（２０１２．２．２）
【国際特許分類】
【出願日】平成２２年７月１４日（２０１０．７．１４）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【出願人】（５０４１３７９１２）国立大学法人 東京大学 (1,942)
【Ｆターム（参考）】
[ Back to top ]