自律神経の状態評価システム
【課題】被験者の身体に計測装置を取り付けることなく、被験者の音声から自律神経の状態を評価できるようにすることである。
【解決手段】 音声入力手段１と、この音声入力手段から入力した音声データをデジタル音声データに変換するＡ／Ｄ変換手段２と、デジタル音声データのピッチ周波数帯域を取り出すフィルター３と、このフィルター３で取り出したピッチ周波数帯のデジタル音声データのカオス論的指標値を算出し、それを出力する信号処理手段４とを備えた。
【解決手段】 音声入力手段１と、この音声入力手段から入力した音声データをデジタル音声データに変換するＡ／Ｄ変換手段２と、デジタル音声データのピッチ周波数帯域を取り出すフィルター３と、このフィルター３で取り出したピッチ周波数帯のデジタル音声データのカオス論的指標値を算出し、それを出力する信号処理手段４とを備えた。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、人の自律神経系の状態を評価するシステムに関する。
【背景技術】
【０００２】
人の自律神経の状態が、心拍や脈拍、発汗状態、眼球の動き、瞳孔の大きさなどに表れることは、従来から知られている。そして、心拍数、脈拍数、発汗状態、眼球の動き、瞳孔の大きさを検出して、その人の自律神経の状態を評価することが行われている（特許文献１〜３）。
また、自律神経のうち、交感神経が優位になったときには、心拍数や脈拍数、発汗量、眼球の動きが多くなり、反対に副交感神経が優位になったときにはこれらの値が少なくなることも知られている。
そして、交感神経と副交感神経のどちらが優位な状態になっているのかという自律神経系の状態を定量的な情報として評価する方法として、例えば、心拍変動スペクトル解析が行われ、医療分野で応用されている（非特許文献１）。
【０００３】
この方法は、被検者の心電図を測定し、そのＲ−Ｒ間隔を抽出して解析するものである。具体的には、上記Ｒ−Ｒの間隔のフーリエ変換によるパワースペクトルをとる。
このパワースペクトルにおいて、高周波成分は副交感神経活動のみを反映し、低周波数成分は副交感神活動と交感神経活動の双方を反映している。従って、これら高周波成分と低周波成分のスペクトルの大きさによって、副交感神経系と交感神経系のいずれが優位な状態なのかを知ることができる。
このように自律神経系の状態を知ることは、作業中の緊張や疲労度、特定の病気の患者の状態を推測するために利用される。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開平１１−３４２１２０号公報
【特許文献２】特開２００５−０３４４７０号公報
【特許文献３】特開平０７−１７１１０４号公報
【非特許文献】
【０００５】
【非特許文献１】谷 明博、鍵谷 俊文、堀 正二，“心拍変動のスペクトル解析による自律神経機能評価”、CLINICIAN、エーザイ株式会社、１９９２年１２月１日、Vol.39 NO.416、P.57-63
【非特許文献２】塩見格一、「発話分析から考える脳機能モデル」、感性工学研究論文集、日本、日本感性工学学会、２００４年２月、第４巻、１号、ｐ．３−１２
【非特許文献３】M.Sano、Y.Sawada、“Measurement of theLyapunov Spectrum from a Chaotic Time Series”、The American Physical Society、アメリカ、１９８５年、Vol.55NO.10、P.1082-1085
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上記心拍変動スペクトル解析を行なうためには、被験者の心電図が必要である。そのため、被験者に心電図計を取り付けなければならない。
また、特許文献１、２に記載された測定装置も、被験者に皮膚抵抗や、血圧を計測する装置を取り付ける必要がある。
このように、被験者にその身体情報を計測するための計測装置を取り付ける必要がある。そのため、被験者が、何らかの作業をしているときには、上記計測装置が邪魔になる。そのため、作業中の自律神経系の状態を正確に測定することは難しかった。
また、上記心拍変動スペクトラム解析を行うためには、解析対照の心電データを取り込んでおく必要があり、被験者の作業中に解析結果を得ることも難しかった。
【０００７】
一方、特許文献３の自律神経機能検査装置は非接触で瞳孔を測定するものであるが、瞳孔の大きさを光学的に正確に測定するためには、被験者に対する光の方向が重要である。この方法も、被験者が測定装置を意識せずに行っている作業中に、正確な測定をすることは困難である。
この発明の目的は、被験者に測定装置を意識させずに、作業中の自律神経系の状態を測定することができる自律神経の状態評価システムを提供することである。
【課題を解決するための手段】
【０００８】
第１の発明は、音声入力手段と、この音声入力手段から入力した音声データをデジタル音声データに変換するＡ／Ｄ変換手段と、デジタル音声データのピッチ周波数帯域を取り出すフィルターと、このフィルターで取り出したピッチ周波数帯のデジタル音声データのカオス論的指標値を算出し、それを出力する信号処理手段とを備えた点を特徴とする。
【０００９】
第２の発明は、上記第１の発明を前提とし、上記デジタル音声データを記憶する音声データ記憶手段と、このデータ記憶手段が記憶しているデジタル音声データからピッチ周波数を算出するとともに、このピッチ周波数に基づいてピッチ周波数帯域を算出するピッチ周波数帯域算出手段とを備え、上記フィルターは、上記音声データ記憶手段が記憶しているデジタル音声データから、上記ピッチ周波数帯域算出手段が算出したピッチ周波数帯域の音声データを取り出す点を特徴とする。
【発明の効果】
【００１０】
第１、第２の発明の自律神経の状態評価システムによれば、被験者の音声データを取得するだけで、そのときの自律神経の状態を測定することができる。このシステムは、従来の測定方法のように、他の作業の妨げになるような計測装置を身体に取り付ける必要がないので、通常の作業状態における自律神経の状態を測定できる。
【００１１】
第２の発明では、被験者ごとのピッチ周波数帯域を算出してフィルターを設定することができるので、正確にピッチ周波数帯域の音声データを取り出すことができる。その結果として、自律神経の状態を正確に測定することができる。
特に、ピッチ周波数帯域を取り出すフィルターを通す音声データに基づいて算出したピッチ周波数帯域を上記フィルターに設定するようにすれば、一人の被験者のピッチ周波数の変動にも対応してピッチ周波数帯域の音声データをより正確に取り出すことができるようになる。
【図面の簡単な説明】
【００１２】
【図１】図１はこの発明の第１実施形態のシステム構成図である。
【図２】図２は、第１実施形態のシステムを用いて算出した被験者の座位と立位におけるピッチ周波数帯域の音声データの指標値ＣＥＭの変動率と対応人数との関係を示したグラフである。
【図３】図３は、第１実施形態のシステムを用いて算出した、車両運転中における被験者のピッチ周波数帯域の音声データのカオス論的指数値ＣＥＭ及び心拍変動率と走行速度との関係を示したグラフである。
【図４】図４はこの発明の第２実施形態のシステム構成図である。
【発明を実施するための形態】
【００１３】
図１に示す第１実施形態は、自律神経の状態を評価すべき、被験者の声を収集するためのこの発明の音声入力手段であるマイクロフォン１と、このマイクロフォン１から入力されたアナログ音声データをデジタル変換するＡ／Ｄ変換器２と、このＡ／Ｄ変換器２でデジタル変換されたデジタル音声データを記憶するデータ記憶部６と、このデータ記憶部６に接続したピッチ周波数帯域通過フィルター３及びピッチ周波数算出部７と、上記ピッチ周波数通過フィルター３を通過したデータを処理するデータ処理部４と、データ処理部４の処理結果を出力する出力部５とを備えている。
【００１４】
上記ピッチ周波数帯域通過フィルター３は、音声データのうちピッチ周波数帯域の音声データを取り出すためのフィルターである。ピッチ周波数とは、被験者の声帯の振動によって決まる周波数のことで、声帯から口唇までの声道の形状による影響を除いた情報である。
なお、上記ピッチ周波数算出部７は、マイクロフォン１から取り込んだ全帯域のデジタル音声データからピッチ周波数を算出し、そのピッチ周波数に基づいた帯域を上記ピッチ周波数帯域通過フィルター３に設定する機能を備えている。
【００１５】
この第１実施形態では、上記ピッチ周波数算出部７が上記データ記憶部６を介して入力したサンプリング時間当たりの音声データをケプストラム分析してピッチ周波数を算出し、そのピッチ周波数に基づいた帯域をピッチ周波数帯域通過フィルター３に設定する。上記ピッチ周波数帯域通過フィルター３は、ピッチ周波数算出部７によって設定されたピッチ周波数に対応したピッチ周波数帯域の音声データを通過させてデータ処理部４へ入力する。
なお、上記ピッチ周波数帯域の音声データを取り出すフィルターとしては、ピッチ周波数帯域のデータのみを通過させるものや、ピッチ周波数帯域以外のデータを減衰させるものなどどのような原理を利用したものでもよい。
【００１６】
そして、この第１実施形態では、上記ピッチ周波数帯域通過フィルター３には、上記ケプストラム分析の対象とした音声データそのものを入力するようにしている。そのため、ピッチ周波数算出部７によってピッチ周波数を算出し、上記ピッチ周波数帯域通過フィルター３にピッチ周波数帯域が設定されるまでは、ピッチ周波数帯域フィルター３に音声データを入力しないように、データ記憶部６が音声データを保持している。
【００１７】
また、データ処理部４は、上記ピッチ周波数帯域通過フィルター３を通過した、すなわちピッチ周波数帯域の音声データを処理して、カオス論的指標値を算出する機能を備えている。
上記カオス論的指標値とは、カオス性を有する時系列データから作成したアトラクタの広がりを表す指標値である。例えば、非特許文献３に記載された佐野・澤田のアルゴリズムにより算出される最大リアプノフ指数や、非特許文献２で定義されたＳｉＣＥＣＡアルゴリズムで算出されるマクロ脳活性度指標値などである。
【００１８】
上記データ処理部４は、上記ピッチ周波数帯域通過フィルター３を介して入力されたピッチ周波数帯域の音声データから上記最大リアプノフ指数やＳｉＣＥＣＡアルゴリズムで定義される上記指標値ＣＥＭを算出する機能を備えている。
この第１実施形態では、上記データ処理部４が、非特許文献２に記載された上記ＳｉＣＥＣＡアルゴリズムによってマクロ脳活性度指数を算出する計算手順に基づいてピッチ周波数帯域の音声データのカオス論的指標値ＣＥＭを算出するようにしている。
そして、データ処理部４が算出した上記指標値ＣＥＭを出力部５へ出力する。
【００１９】
上記のようにして被験者のピッチ周波数帯域の音声データから算出したカオス論的指標値である指標値ＣＥＭが、被験者の自律神経系の状態を表しているかどうかを確認するため、実験１を行った。
〔実験１〕
５０人の被験者それぞれについて、図１に示すシステムを用い、座った状態で発声した音声データと、立った状態で発声した音声データを取得し、これら音声データのピッチ周波数帯域のデータに基づくＣＥＭ値を算出した。さらに、座った状態の音声データに基づくＣＥＭ値（座位ＣＥＭ）と、立った状態の音声データに基づくＣＥＭ値（立位ＣＥＭ）を算出し、ＣＥＭの変化率として座位ＣＥＭに対する立位ＣＥＭを演算した。
【００２０】
この実験１の結果を図２のグラフに示す。
図２は、ＣＥＭ値の変動率に対する被験者の人数を表したグラフであり、ほとんどの被験者の立位ＣＥＭ／座位ＣＥＭは１未満となっている。
このことから、この実施形態のデータ処理部５で算出するピッチ周波数帯域の音声データの指標値ＣＥＭは、座っているときよりも立った時に、小さくなることが分かった。
【００２１】
一方で、一般的に人は座っているときよりも立っているときの方が、約１０％心拍数が高くなることが確認されている。つまり、立位のときの方が座位のときよりも、交感神経が優位となるということである。
これらのことから、自律神経系の状態が変化すると、上記データ処理部４で算出した指標値ＣＥＭ変化し、しかも交感神経が優位となると指標値ＣＥＭが小さくなり、副交感神経が優位になると指標値ＣＥＭが大きくなることが分かる。
つまり、この実験１の結果から、自律神経の変化と上記指標値ＣＥＭとには相関があることが確認できた。
【００２２】
〔実験２〕
テストコースにおける走行実験を行い、走行中の音声データについて上記指標値ＣＥＭを求め、この指標値ＣＥＭに対応する時点の脈拍変動率と対比した。
具体的な実験方法は次のとおりである。
被験者は、走行テストを始める前に２分間の安静状態を保ち、その間の安静時脈拍数Ａを計測する。
その後、テストコースを決められた速度で所定の距離走行し、走行中に走行時脈拍数Ｂを計測する。
運転終了後、被験者は安静にして２分間の安静時脈拍数Ｃを計測する。
【００２３】
なお、車両の走行中には、被験者である運転士の音声データを、図１に示すマイクロフォン１から収集し、この第１実施形態の評価システムによって、上記走行中に収集した音声データに基づいて上記指標値ＣＥＭを算出する。この指標値ＣＥＭはピッチ周波数帯域の音声データに基づくものである。
さらに、上記安静時脈拍数の平均値（Ａ＋Ｃ）／２と、走行時脈拍数Ｂの比率を、脈拍変動率として算出する。
以上の手順を、走行速度、６０〔ｋｍ／Ｈ〕、８０〔ｋｍ／Ｈ〕、１００〔ｋｍ／Ｈ〕、１２０〔ｋｍ／Ｈ〕の４条件で実行する。
その結果を図３のグラフに示す。
【００２４】
図３は、走行速度ごとの走行中の上記指標値ＣＥＭを示した太線のグラフｖと、走行速度ごとの上記脈拍変動率を示した細線のグラフｐである。
これらのグラフから、指標値ＣＥＭと上記脈拍変動率とは相関があるように見える。実際に、これらの相関係数を算出すと、−０．９５となり、上記指標値ＣＥＭと脈拍変動率は高い負の相関性を示すことが分かった。
また、脈拍が自律神経の状態に依存することは知られている。
このように、第１実施形態の評価システムから出力される指標値ＣＥＭが、脈拍変動率と高い相関性を示すということから、上記指標値ＣＥＭが自律神経の状態を示すものであることが確認できた。
従って、この実施形態のシステムによれば、被験者の身体に計測装置などを取り付けることなく、音声データから自律神経系の指標値ＣＥＭを出力でき、自律神経の状態を評価することができる。
【００２５】
なお、図３において点線で示したグラフｓは上記実験２と同様にして収集した音声データを、上記ピッチ周波数帯域通過フィルター３を通さないでそのままデータ処理部４に入力して得た指標値を示したものである。この指標値も、上記指標値ＣＥＭと同じ計算手順によって算出したものである。上記ピッチ周波数帯域通過フィルター３を通していないため、上記自律神経系の指標値ＣＥＭとは異なるが、図３には全帯域のＣＥＭと表示している。
そして、この全帯域の指標値と脈拍変動率との相関係数は＋０．５５となり、これらの相関性は低いことが分かった。
つまり、被験者の全帯域の音声データではなく、ピッチ周波数帯域の音声データ、すなわち声帯により生成されるデータが、自律神経の状態を表すということである。
【００２６】
なお、上記相関係数は、次の式（１）によって算出した値である。
【数１】
【００２７】
上記第１実施形態では、被験者の音声データをもとにピッチ周波数帯域通過フィルター３を設定し、しかも、ピッチ周波数帯域フィルター３を通過させる音声データと、そのフィルターに設定したピッチ周波数帯域を算出するためのケプストラム分析の対象とが一致するようにしている。そのため、一人の被験者のピッチ周波数が測定中に変動したとしても、上記自律神経系の指標値ＣＥＭを算出するためのピッチ周波数帯域の音声データを正確に取り出すことができる。
ただし、被験者の音声データに基づいて算出したピッチ周波数帯域を、一旦上記フィルター３に設定したら、その設定をそのまま利用するようにしてもよい。この場合には、個人のピッチ周波数の微妙な変動には対応できないが、一般的なピッチ周波数から外れる声帯をもった被験者のピッチ周波数帯域の音声データを正確に取り出して上記指標値ＣＥＭを正確に算出することができる。
【００２８】
また、上記第１実施形態では、ピッチ周波数算出部７がケプストラム分析によってピッチ周波数を算出するようにしているが、ピッチ周波数の算出方法はこれに限らない。
例えば、上記ＳｉＣＥＣＡアルゴリズムにおける埋め込み点が埋め込み空間において相互に接近する周期の逆数を、ピッチ周波数として算出することもできる。また、その他の計算方法を用いてもよい。
ただし、ピッチ周波数帯域として、ほとんどの成人男性あるいは女性が含まれる範囲を設定することは可能である。例えば、平均的な成人男性は、１００[Ｈｚ]〜１５０[Ｈｚ]、成人女性は２００[Ｈｚ]〜３００[Ｈｚ]、子供はその中間である。
そこで、被験者が成人男性、成人女性、あるいは子供であるかによって、上記周波数範囲より多少広い周波数範囲を、予め、上記ピッチ周波数帯域通過フィルター３に固定的に設定しておくこともできる。
【００２９】
このように、ピッチ周波数帯域通過フィルター３に、予めピッチ周波数帯域を設定した第２実施形態のシステム構成図を図４に示す。
この第２実施形態のシステムは、データ記憶部６及ピッチ周波数算出部７を備えず、Ａ／Ｄ変換器２の出力が直接ピッチ周波数帯通過フィルター３に入力される点が図１に示す第１実施形態と異なる。但し、その他の構成は第１実施形態と同じである。
第１実施形態と同じ構成要素には同じ符号を用い、同じ符号を用いた同じ構成要素は第１実施形態と同じ機能を有する。
【００３０】
すなわち、この第２実施形態のシステムも、マイクロフォン１から入力された音声データをＡ／Ｄ変換器２でデジタルデータにして、ピッチ周波数帯域フィルター３を通して取り出されたピッチ周波数帯域の音声データに基づいて、データ処理部がカオス論的指標値の算出手順によって自律神経系の指標値ＣＥＭを出力する。
出力された指標値ＣＥＭから、交感神経と副交感神経もいずれが優位な状態なのかという自律神経の状態を評価することができる。そのため、この第２実施形態の評価システムでも、被験者の身体には脈拍計や血圧計などの装置を取り付けることなく、音声データのみから簡単に自律神経の状態を評価できることになる。
なお、この第２実施形態においてピッチ周波数帯域通過フィルター３に設定するピッチ周波数帯域は、一般人のピッチ周波数に基づいて設定してもよいし、特定の被験者の音声データから別のシステムによって算出したピッチ周波数に基づいて設定してもよい。
【００３１】
また、上記第１、第２実施形態では、上記データ処理部４がカオス論的指標値として、ＳｉＣＥＣＡアルゴリズムに基づいた自律神経系の指標値ＣＥＭを算出するようにしているが、自律神経系の指標値としてのカオス論的指標値は、上記ＣＥＭに限らない。
例えば、佐野・澤田のアルゴリズムに基づいた最大リアプノフ指数などでもよい。
要するに、被験者のピッチ周波数帯域の音声データのカオス論的揺らぎを評価できる指標値ならば、いずれも自律神経系の指標値とすることができる。
【産業上の利用可能性】
【００３２】
この発明の自律神経の状態評価システムは、運転など作業中の自律神経の状態評価に適している。
【符号の説明】
【００３３】
１ マイクロフォン
２ Ａ／Ｄ変換器
３ ピッチ周波数帯域通過フィルター
４ データ処理部
５ 出力部
６ データ記憶部
７ ピッチ周波数算出部
【技術分野】
【０００１】
この発明は、人の自律神経系の状態を評価するシステムに関する。
【背景技術】
【０００２】
人の自律神経の状態が、心拍や脈拍、発汗状態、眼球の動き、瞳孔の大きさなどに表れることは、従来から知られている。そして、心拍数、脈拍数、発汗状態、眼球の動き、瞳孔の大きさを検出して、その人の自律神経の状態を評価することが行われている（特許文献１〜３）。
また、自律神経のうち、交感神経が優位になったときには、心拍数や脈拍数、発汗量、眼球の動きが多くなり、反対に副交感神経が優位になったときにはこれらの値が少なくなることも知られている。
そして、交感神経と副交感神経のどちらが優位な状態になっているのかという自律神経系の状態を定量的な情報として評価する方法として、例えば、心拍変動スペクトル解析が行われ、医療分野で応用されている（非特許文献１）。
【０００３】
この方法は、被検者の心電図を測定し、そのＲ−Ｒ間隔を抽出して解析するものである。具体的には、上記Ｒ−Ｒの間隔のフーリエ変換によるパワースペクトルをとる。
このパワースペクトルにおいて、高周波成分は副交感神経活動のみを反映し、低周波数成分は副交感神活動と交感神経活動の双方を反映している。従って、これら高周波成分と低周波成分のスペクトルの大きさによって、副交感神経系と交感神経系のいずれが優位な状態なのかを知ることができる。
このように自律神経系の状態を知ることは、作業中の緊張や疲労度、特定の病気の患者の状態を推測するために利用される。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開平１１−３４２１２０号公報
【特許文献２】特開２００５−０３４４７０号公報
【特許文献３】特開平０７−１７１１０４号公報
【非特許文献】
【０００５】
【非特許文献１】谷 明博、鍵谷 俊文、堀 正二，“心拍変動のスペクトル解析による自律神経機能評価”、CLINICIAN、エーザイ株式会社、１９９２年１２月１日、Vol.39 NO.416、P.57-63
【非特許文献２】塩見格一、「発話分析から考える脳機能モデル」、感性工学研究論文集、日本、日本感性工学学会、２００４年２月、第４巻、１号、ｐ．３−１２
【非特許文献３】M.Sano、Y.Sawada、“Measurement of theLyapunov Spectrum from a Chaotic Time Series”、The American Physical Society、アメリカ、１９８５年、Vol.55NO.10、P.1082-1085
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上記心拍変動スペクトル解析を行なうためには、被験者の心電図が必要である。そのため、被験者に心電図計を取り付けなければならない。
また、特許文献１、２に記載された測定装置も、被験者に皮膚抵抗や、血圧を計測する装置を取り付ける必要がある。
このように、被験者にその身体情報を計測するための計測装置を取り付ける必要がある。そのため、被験者が、何らかの作業をしているときには、上記計測装置が邪魔になる。そのため、作業中の自律神経系の状態を正確に測定することは難しかった。
また、上記心拍変動スペクトラム解析を行うためには、解析対照の心電データを取り込んでおく必要があり、被験者の作業中に解析結果を得ることも難しかった。
【０００７】
一方、特許文献３の自律神経機能検査装置は非接触で瞳孔を測定するものであるが、瞳孔の大きさを光学的に正確に測定するためには、被験者に対する光の方向が重要である。この方法も、被験者が測定装置を意識せずに行っている作業中に、正確な測定をすることは困難である。
この発明の目的は、被験者に測定装置を意識させずに、作業中の自律神経系の状態を測定することができる自律神経の状態評価システムを提供することである。
【課題を解決するための手段】
【０００８】
第１の発明は、音声入力手段と、この音声入力手段から入力した音声データをデジタル音声データに変換するＡ／Ｄ変換手段と、デジタル音声データのピッチ周波数帯域を取り出すフィルターと、このフィルターで取り出したピッチ周波数帯のデジタル音声データのカオス論的指標値を算出し、それを出力する信号処理手段とを備えた点を特徴とする。
【０００９】
第２の発明は、上記第１の発明を前提とし、上記デジタル音声データを記憶する音声データ記憶手段と、このデータ記憶手段が記憶しているデジタル音声データからピッチ周波数を算出するとともに、このピッチ周波数に基づいてピッチ周波数帯域を算出するピッチ周波数帯域算出手段とを備え、上記フィルターは、上記音声データ記憶手段が記憶しているデジタル音声データから、上記ピッチ周波数帯域算出手段が算出したピッチ周波数帯域の音声データを取り出す点を特徴とする。
【発明の効果】
【００１０】
第１、第２の発明の自律神経の状態評価システムによれば、被験者の音声データを取得するだけで、そのときの自律神経の状態を測定することができる。このシステムは、従来の測定方法のように、他の作業の妨げになるような計測装置を身体に取り付ける必要がないので、通常の作業状態における自律神経の状態を測定できる。
【００１１】
第２の発明では、被験者ごとのピッチ周波数帯域を算出してフィルターを設定することができるので、正確にピッチ周波数帯域の音声データを取り出すことができる。その結果として、自律神経の状態を正確に測定することができる。
特に、ピッチ周波数帯域を取り出すフィルターを通す音声データに基づいて算出したピッチ周波数帯域を上記フィルターに設定するようにすれば、一人の被験者のピッチ周波数の変動にも対応してピッチ周波数帯域の音声データをより正確に取り出すことができるようになる。
【図面の簡単な説明】
【００１２】
【図１】図１はこの発明の第１実施形態のシステム構成図である。
【図２】図２は、第１実施形態のシステムを用いて算出した被験者の座位と立位におけるピッチ周波数帯域の音声データの指標値ＣＥＭの変動率と対応人数との関係を示したグラフである。
【図３】図３は、第１実施形態のシステムを用いて算出した、車両運転中における被験者のピッチ周波数帯域の音声データのカオス論的指数値ＣＥＭ及び心拍変動率と走行速度との関係を示したグラフである。
【図４】図４はこの発明の第２実施形態のシステム構成図である。
【発明を実施するための形態】
【００１３】
図１に示す第１実施形態は、自律神経の状態を評価すべき、被験者の声を収集するためのこの発明の音声入力手段であるマイクロフォン１と、このマイクロフォン１から入力されたアナログ音声データをデジタル変換するＡ／Ｄ変換器２と、このＡ／Ｄ変換器２でデジタル変換されたデジタル音声データを記憶するデータ記憶部６と、このデータ記憶部６に接続したピッチ周波数帯域通過フィルター３及びピッチ周波数算出部７と、上記ピッチ周波数通過フィルター３を通過したデータを処理するデータ処理部４と、データ処理部４の処理結果を出力する出力部５とを備えている。
【００１４】
上記ピッチ周波数帯域通過フィルター３は、音声データのうちピッチ周波数帯域の音声データを取り出すためのフィルターである。ピッチ周波数とは、被験者の声帯の振動によって決まる周波数のことで、声帯から口唇までの声道の形状による影響を除いた情報である。
なお、上記ピッチ周波数算出部７は、マイクロフォン１から取り込んだ全帯域のデジタル音声データからピッチ周波数を算出し、そのピッチ周波数に基づいた帯域を上記ピッチ周波数帯域通過フィルター３に設定する機能を備えている。
【００１５】
この第１実施形態では、上記ピッチ周波数算出部７が上記データ記憶部６を介して入力したサンプリング時間当たりの音声データをケプストラム分析してピッチ周波数を算出し、そのピッチ周波数に基づいた帯域をピッチ周波数帯域通過フィルター３に設定する。上記ピッチ周波数帯域通過フィルター３は、ピッチ周波数算出部７によって設定されたピッチ周波数に対応したピッチ周波数帯域の音声データを通過させてデータ処理部４へ入力する。
なお、上記ピッチ周波数帯域の音声データを取り出すフィルターとしては、ピッチ周波数帯域のデータのみを通過させるものや、ピッチ周波数帯域以外のデータを減衰させるものなどどのような原理を利用したものでもよい。
【００１６】
そして、この第１実施形態では、上記ピッチ周波数帯域通過フィルター３には、上記ケプストラム分析の対象とした音声データそのものを入力するようにしている。そのため、ピッチ周波数算出部７によってピッチ周波数を算出し、上記ピッチ周波数帯域通過フィルター３にピッチ周波数帯域が設定されるまでは、ピッチ周波数帯域フィルター３に音声データを入力しないように、データ記憶部６が音声データを保持している。
【００１７】
また、データ処理部４は、上記ピッチ周波数帯域通過フィルター３を通過した、すなわちピッチ周波数帯域の音声データを処理して、カオス論的指標値を算出する機能を備えている。
上記カオス論的指標値とは、カオス性を有する時系列データから作成したアトラクタの広がりを表す指標値である。例えば、非特許文献３に記載された佐野・澤田のアルゴリズムにより算出される最大リアプノフ指数や、非特許文献２で定義されたＳｉＣＥＣＡアルゴリズムで算出されるマクロ脳活性度指標値などである。
【００１８】
上記データ処理部４は、上記ピッチ周波数帯域通過フィルター３を介して入力されたピッチ周波数帯域の音声データから上記最大リアプノフ指数やＳｉＣＥＣＡアルゴリズムで定義される上記指標値ＣＥＭを算出する機能を備えている。
この第１実施形態では、上記データ処理部４が、非特許文献２に記載された上記ＳｉＣＥＣＡアルゴリズムによってマクロ脳活性度指数を算出する計算手順に基づいてピッチ周波数帯域の音声データのカオス論的指標値ＣＥＭを算出するようにしている。
そして、データ処理部４が算出した上記指標値ＣＥＭを出力部５へ出力する。
【００１９】
上記のようにして被験者のピッチ周波数帯域の音声データから算出したカオス論的指標値である指標値ＣＥＭが、被験者の自律神経系の状態を表しているかどうかを確認するため、実験１を行った。
〔実験１〕
５０人の被験者それぞれについて、図１に示すシステムを用い、座った状態で発声した音声データと、立った状態で発声した音声データを取得し、これら音声データのピッチ周波数帯域のデータに基づくＣＥＭ値を算出した。さらに、座った状態の音声データに基づくＣＥＭ値（座位ＣＥＭ）と、立った状態の音声データに基づくＣＥＭ値（立位ＣＥＭ）を算出し、ＣＥＭの変化率として座位ＣＥＭに対する立位ＣＥＭを演算した。
【００２０】
この実験１の結果を図２のグラフに示す。
図２は、ＣＥＭ値の変動率に対する被験者の人数を表したグラフであり、ほとんどの被験者の立位ＣＥＭ／座位ＣＥＭは１未満となっている。
このことから、この実施形態のデータ処理部５で算出するピッチ周波数帯域の音声データの指標値ＣＥＭは、座っているときよりも立った時に、小さくなることが分かった。
【００２１】
一方で、一般的に人は座っているときよりも立っているときの方が、約１０％心拍数が高くなることが確認されている。つまり、立位のときの方が座位のときよりも、交感神経が優位となるということである。
これらのことから、自律神経系の状態が変化すると、上記データ処理部４で算出した指標値ＣＥＭ変化し、しかも交感神経が優位となると指標値ＣＥＭが小さくなり、副交感神経が優位になると指標値ＣＥＭが大きくなることが分かる。
つまり、この実験１の結果から、自律神経の変化と上記指標値ＣＥＭとには相関があることが確認できた。
【００２２】
〔実験２〕
テストコースにおける走行実験を行い、走行中の音声データについて上記指標値ＣＥＭを求め、この指標値ＣＥＭに対応する時点の脈拍変動率と対比した。
具体的な実験方法は次のとおりである。
被験者は、走行テストを始める前に２分間の安静状態を保ち、その間の安静時脈拍数Ａを計測する。
その後、テストコースを決められた速度で所定の距離走行し、走行中に走行時脈拍数Ｂを計測する。
運転終了後、被験者は安静にして２分間の安静時脈拍数Ｃを計測する。
【００２３】
なお、車両の走行中には、被験者である運転士の音声データを、図１に示すマイクロフォン１から収集し、この第１実施形態の評価システムによって、上記走行中に収集した音声データに基づいて上記指標値ＣＥＭを算出する。この指標値ＣＥＭはピッチ周波数帯域の音声データに基づくものである。
さらに、上記安静時脈拍数の平均値（Ａ＋Ｃ）／２と、走行時脈拍数Ｂの比率を、脈拍変動率として算出する。
以上の手順を、走行速度、６０〔ｋｍ／Ｈ〕、８０〔ｋｍ／Ｈ〕、１００〔ｋｍ／Ｈ〕、１２０〔ｋｍ／Ｈ〕の４条件で実行する。
その結果を図３のグラフに示す。
【００２４】
図３は、走行速度ごとの走行中の上記指標値ＣＥＭを示した太線のグラフｖと、走行速度ごとの上記脈拍変動率を示した細線のグラフｐである。
これらのグラフから、指標値ＣＥＭと上記脈拍変動率とは相関があるように見える。実際に、これらの相関係数を算出すと、−０．９５となり、上記指標値ＣＥＭと脈拍変動率は高い負の相関性を示すことが分かった。
また、脈拍が自律神経の状態に依存することは知られている。
このように、第１実施形態の評価システムから出力される指標値ＣＥＭが、脈拍変動率と高い相関性を示すということから、上記指標値ＣＥＭが自律神経の状態を示すものであることが確認できた。
従って、この実施形態のシステムによれば、被験者の身体に計測装置などを取り付けることなく、音声データから自律神経系の指標値ＣＥＭを出力でき、自律神経の状態を評価することができる。
【００２５】
なお、図３において点線で示したグラフｓは上記実験２と同様にして収集した音声データを、上記ピッチ周波数帯域通過フィルター３を通さないでそのままデータ処理部４に入力して得た指標値を示したものである。この指標値も、上記指標値ＣＥＭと同じ計算手順によって算出したものである。上記ピッチ周波数帯域通過フィルター３を通していないため、上記自律神経系の指標値ＣＥＭとは異なるが、図３には全帯域のＣＥＭと表示している。
そして、この全帯域の指標値と脈拍変動率との相関係数は＋０．５５となり、これらの相関性は低いことが分かった。
つまり、被験者の全帯域の音声データではなく、ピッチ周波数帯域の音声データ、すなわち声帯により生成されるデータが、自律神経の状態を表すということである。
【００２６】
なお、上記相関係数は、次の式（１）によって算出した値である。
【数１】
【００２７】
上記第１実施形態では、被験者の音声データをもとにピッチ周波数帯域通過フィルター３を設定し、しかも、ピッチ周波数帯域フィルター３を通過させる音声データと、そのフィルターに設定したピッチ周波数帯域を算出するためのケプストラム分析の対象とが一致するようにしている。そのため、一人の被験者のピッチ周波数が測定中に変動したとしても、上記自律神経系の指標値ＣＥＭを算出するためのピッチ周波数帯域の音声データを正確に取り出すことができる。
ただし、被験者の音声データに基づいて算出したピッチ周波数帯域を、一旦上記フィルター３に設定したら、その設定をそのまま利用するようにしてもよい。この場合には、個人のピッチ周波数の微妙な変動には対応できないが、一般的なピッチ周波数から外れる声帯をもった被験者のピッチ周波数帯域の音声データを正確に取り出して上記指標値ＣＥＭを正確に算出することができる。
【００２８】
また、上記第１実施形態では、ピッチ周波数算出部７がケプストラム分析によってピッチ周波数を算出するようにしているが、ピッチ周波数の算出方法はこれに限らない。
例えば、上記ＳｉＣＥＣＡアルゴリズムにおける埋め込み点が埋め込み空間において相互に接近する周期の逆数を、ピッチ周波数として算出することもできる。また、その他の計算方法を用いてもよい。
ただし、ピッチ周波数帯域として、ほとんどの成人男性あるいは女性が含まれる範囲を設定することは可能である。例えば、平均的な成人男性は、１００[Ｈｚ]〜１５０[Ｈｚ]、成人女性は２００[Ｈｚ]〜３００[Ｈｚ]、子供はその中間である。
そこで、被験者が成人男性、成人女性、あるいは子供であるかによって、上記周波数範囲より多少広い周波数範囲を、予め、上記ピッチ周波数帯域通過フィルター３に固定的に設定しておくこともできる。
【００２９】
このように、ピッチ周波数帯域通過フィルター３に、予めピッチ周波数帯域を設定した第２実施形態のシステム構成図を図４に示す。
この第２実施形態のシステムは、データ記憶部６及ピッチ周波数算出部７を備えず、Ａ／Ｄ変換器２の出力が直接ピッチ周波数帯通過フィルター３に入力される点が図１に示す第１実施形態と異なる。但し、その他の構成は第１実施形態と同じである。
第１実施形態と同じ構成要素には同じ符号を用い、同じ符号を用いた同じ構成要素は第１実施形態と同じ機能を有する。
【００３０】
すなわち、この第２実施形態のシステムも、マイクロフォン１から入力された音声データをＡ／Ｄ変換器２でデジタルデータにして、ピッチ周波数帯域フィルター３を通して取り出されたピッチ周波数帯域の音声データに基づいて、データ処理部がカオス論的指標値の算出手順によって自律神経系の指標値ＣＥＭを出力する。
出力された指標値ＣＥＭから、交感神経と副交感神経もいずれが優位な状態なのかという自律神経の状態を評価することができる。そのため、この第２実施形態の評価システムでも、被験者の身体には脈拍計や血圧計などの装置を取り付けることなく、音声データのみから簡単に自律神経の状態を評価できることになる。
なお、この第２実施形態においてピッチ周波数帯域通過フィルター３に設定するピッチ周波数帯域は、一般人のピッチ周波数に基づいて設定してもよいし、特定の被験者の音声データから別のシステムによって算出したピッチ周波数に基づいて設定してもよい。
【００３１】
また、上記第１、第２実施形態では、上記データ処理部４がカオス論的指標値として、ＳｉＣＥＣＡアルゴリズムに基づいた自律神経系の指標値ＣＥＭを算出するようにしているが、自律神経系の指標値としてのカオス論的指標値は、上記ＣＥＭに限らない。
例えば、佐野・澤田のアルゴリズムに基づいた最大リアプノフ指数などでもよい。
要するに、被験者のピッチ周波数帯域の音声データのカオス論的揺らぎを評価できる指標値ならば、いずれも自律神経系の指標値とすることができる。
【産業上の利用可能性】
【００３２】
この発明の自律神経の状態評価システムは、運転など作業中の自律神経の状態評価に適している。
【符号の説明】
【００３３】
１ マイクロフォン
２ Ａ／Ｄ変換器
３ ピッチ周波数帯域通過フィルター
４ データ処理部
５ 出力部
６ データ記憶部
７ ピッチ周波数算出部
【特許請求の範囲】
【請求項１】
音声入力手段と、この音声入力手段から入力した音声データをデジタル音声データに変換するＡ／Ｄ変換手段と、デジタル音声データのピッチ周波数帯域を取り出すフィルターと、このフィルターで取り出したピッチ周波数帯のデジタル音声データのカオス論的指標値を算出し、それを出力する信号処理手段とを備えた自律神経の状態評価システム。
【請求項２】
上記デジタル音声データを記憶する音声データ記憶手段と、このデータ記憶手段が記憶しているデジタル音声データからピッチ周波数を算出するとともに、このピッチ周波数に基づいてピッチ周波数帯域を算出するピッチ周波数帯域算出手段とを備え、上記フィルターは、上記音声データ記憶手段が記憶しているデジタル音声データから、上記ピッチ周波数帯域算出手段が算出したピッチ周波数帯域の音声データを取り出す請求項１に記載の自律神経の状態評価システム。
【請求項１】
音声入力手段と、この音声入力手段から入力した音声データをデジタル音声データに変換するＡ／Ｄ変換手段と、デジタル音声データのピッチ周波数帯域を取り出すフィルターと、このフィルターで取り出したピッチ周波数帯のデジタル音声データのカオス論的指標値を算出し、それを出力する信号処理手段とを備えた自律神経の状態評価システム。
【請求項２】
上記デジタル音声データを記憶する音声データ記憶手段と、このデータ記憶手段が記憶しているデジタル音声データからピッチ周波数を算出するとともに、このピッチ周波数に基づいてピッチ周波数帯域を算出するピッチ周波数帯域算出手段とを備え、上記フィルターは、上記音声データ記憶手段が記憶しているデジタル音声データから、上記ピッチ周波数帯域算出手段が算出したピッチ周波数帯域の音声データを取り出す請求項１に記載の自律神経の状態評価システム。
【図１】
【図２】
【図３】
【図４】
【図２】
【図３】
【図４】
【公開番号】特開２０１３−２２１８０（Ｐ２０１３−２２１８０Ａ）
【公開日】平成２５年２月４日（２０１３．２．４）
【国際特許分類】
【出願番号】特願２０１１−１５８７８８（Ｐ２０１１−１５８７８８）
【出願日】平成２３年７月２０日（２０１１．７．２０）
【出願人】（５０１１５２３５２）独立行政法人電子航法研究所 (44)
【出願人】（５９５１０６７３０）
【Ｆターム（参考）】
【公開日】平成２５年２月４日（２０１３．２．４）
【国際特許分類】
【出願日】平成２３年７月２０日（２０１１．７．２０）
【出願人】（５０１１５２３５２）独立行政法人電子航法研究所 (44)
【出願人】（５９５１０６７３０）
【Ｆターム（参考）】
[ Back to top ]