講演抄録/キーワード |
講演名 |
2019-01-29 10:50
ドップラーセンサを用いたMUSICアルゴリズムに基づく心拍数推定 ○山本幸平・豊田健太郎・大槻知明(慶大) ASN2018-89 |
抄録 |
(和) |
心拍数推定はストレスを推定するための重要な技術の1つである. 被験者にストレスのない状態でストレス推定するために, 非接触で心拍数を推定する手法として, ドップラーセンサを用いた手法が様々検討されている. その中の1つにMUSIC (MUltiple SIgnal Classification) アルゴリズムに基づく手法がある. MUSICアルゴリズムは時間周波数解析法の1つであり, ドップラーセンサの受信信号に適用することで, 心拍由来の信号周期を推定できる. しかし, MUSIC アルゴリズムに基づく従来法の心拍数推定精度は, 解析信号を構成する正弦波の数Pに依存し, 最適なPを推定する必要がある. また, $P$を推定せずに心拍数を推定する手法も提案されているが, 60秒とい長い時間幅で1つの心拍数を推定するため, ストレス推定に必要な数秒程度の細かい心拍数変動を推定できないという問題がある. そこで, 本稿では離散コサイン変換を用いて解析信号を複数の正弦波に分解し, 心拍に起因する可能性のある成分のみを用いて, 信号を再構成する. これにより, 信号再構成に利用した成分数をPとして利用するとともに, 非心拍に起因する雑音の影響を低減し, 短い時間幅でも高精度に心拍を推定する手法を提案する. 着座静止時およびタイピング時に心拍数を推定し, どちらの場合でも提案法が従来法よりも高精度に心拍数を推定することを確認した.
さらに, 推定した心拍数を基に, ストレス評価指標の1つCVI (Cardiac Vagal Index) およびCSI (Cardiac Sympathetic Index) を算出した.
結果, 提案法は従来法よりも高いCVIおよびCSI推定精度を達成した. |
(英) |
Heartbeat is one of the major signals that provide the crucial information on our health. Specifically, the HR (Heart Rate) is known to be highly related with our stress, which motivates researchers to develop HR estimation technique for the stress estimation. A Doppler sensor could be a device to facilitate the non-contact HR estimation. As one of Doppler sensor-based HR estimation methods, the MUSIC (MUltiple SIgnal Classification)-algorithm based HR estimation method has been proposed. However, the conventional MUSIC algorithm-based HR estimation method not only needs a long time window, but also requires to estimate the number of sinusoidal signals composing the analyzed signals, P, which is challenging. In this paper, we propose a novel MUSIC-based HR estimation method with the DCT (Discrete Cosine Transform)-based parameter P estimation. In the proposed method, the analyzed signal is firstly decomposed by DCT.
P is then estimated by extracting components that might be related with heartbeats. The signal reconstruction is performed by the inverse DCT based on only such P components, which not only results in the reconstructed signal consisting of P sinusoidal signals, but also reduces the effect of the noise due to respiration and body movements within a time window so that the HR is estimated accurately even with a short time window. Finally, the HR is estimated by MUSIC with the estimated P. Through the experiments on 10 subjects, we confirmed that our method outperformed the conventional one by the estimation accuracy of the HR and the stress indexes such as CVI (Cardiac Vagal Index) and CSI (Cardiac Sympathetic Index). |
キーワード |
(和) |
ドップラーセンサ / 心拍数推定 / ストレス推定 / ヘルスケア / / / / |
(英) |
Doppler sensor / Heart rate estimation / Stress estimation / Health care / / / / |
文献情報 |
信学技報, vol. 118, no. 428, ASN2018-89, pp. 59-64, 2019年1月. |
資料番号 |
ASN2018-89 |
発行日 |
2019-01-21 (ASN) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
ASN2018-89 |
研究会情報 |
研究会 |
ASN |
開催期間 |
2019-01-28 - 2019-01-29 |
開催地(和) |
休暇村 指宿 |
開催地(英) |
Kyuukamura Ibusuki |
テーマ(和) |
知的環境,センサネットワーク,ポスターセッション,及び,一般 |
テーマ(英) |
Ambient intelligence, Sensor networks, Poster session, etc. |
講演論文情報の詳細 |
申込み研究会 |
ASN |
会議コード |
2019-01-ASN |
本文の言語 |
日本語 |
タイトル(和) |
ドップラーセンサを用いたMUSICアルゴリズムに基づく心拍数推定 |
サブタイトル(和) |
|
タイトル(英) |
MUSIC Algorithm-based Heart Rate Estimation with Doppler Sensor |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ドップラーセンサ / Doppler sensor |
キーワード(2)(和/英) |
心拍数推定 / Heart rate estimation |
キーワード(3)(和/英) |
ストレス推定 / Stress estimation |
キーワード(4)(和/英) |
ヘルスケア / Health care |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
山本 幸平 / Kohei Yamamoto / |
第1著者 所属(和/英) |
慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.) |
第2著者 氏名(和/英/ヨミ) |
豊田 健太郎 / Kentaroh Toyoda / |
第2著者 所属(和/英) |
慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.) |
第3著者 氏名(和/英/ヨミ) |
大槻 知明 / Tomoaki Ohtsuki / |
第3著者 所属(和/英) |
慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2019-01-29 10:50:00 |
発表時間 |
25分 |
申込先研究会 |
ASN |
資料番号 |
ASN2018-89 |
巻番号(vol) |
vol.118 |
号番号(no) |
no.428 |
ページ範囲 |
pp.59-64 |
ページ数 |
6 |
発行日 |
2019-01-21 (ASN) |
|