3．マイクロ波ドップラーセンサを用いた非接触心拍計測

3.1　概要と実測例

電波を対象物に照射すると、対象物の速度に応じてドップラー効果により反射波の周波数が変化する。この現象を利用し、図7に示したように人体に向けてマイクロ波を照射し、反射波を計測することで、心臓の拍動による体表面の微細な振動を検出することができる。内部的には図8に示すように受信信号に送信信号をミキシングし、中心周波数をDCにシフトさせることでドップラー効果による変動成分を抽出する。

4. システム開発

4.1スマート電熱グローブ

図 2の加工方法をもとに、スマート電熱グローブを開発した(図8)¹。図8a, b, cにスマート電熱グローブ上のシステム構成及び加工方法に関して記載した。液体金属で作成された温度センサの計測温度をもとにIC等からなるコントロールシステムでグローブ上の電熱温度を制御した。実際に、サーモグラフィで観察した結果が、図8d, eとなっており、電熱部分が発熱していることが確認できる。図 8fがシステム回路図となっており、実際に電熱部分が加熱されている(図8g)。電力と温度センサの相関及びその時のサーモグラフィによる温度の相関を示した図が図8hとなっている。このように、温度センサによって電熱部分の温度をコントロールできるスマート電熱グローブを3次元印刷により実現した(図8h)。

4. 2 深部体温計測が可能なイヤラブルスマートデバイス

更に、ヘルスケア用途での高い需要が求められる深部体温を計測するための耳装着型(イヤラブル)スマートデバイスを開発した(図9)⁶。ウェアラブルデバイスで頻繁に計測される温度計測は、肌温度を基礎に行われている。しかしながら肌温度は外部温度(環境温度)に大きく影響を受ける。一方、医療現場や実際に生体の調子を観察する上で重要な生体の温度は深部温度である。深部温度(深部体温)を計測する方法はわき、口腔内、肛門(直腸)、耳(鼓膜)がある。直腸がもっとも正確な深部体温を計測することが可能である。しかしながら、経時計測するうえでは耳が最も利便性が高い。そこで我々は耳式体温計の原理をもとに、スマートフォンで体温を確認できる”イヤラブル”(Ear+wearable)デバイスを開発した。また本デバイスに骨伝導によるスピーカーを実装することで耳をふさぐことによる障害を軽減した。

体表面温度と商用の耳式体温計で計測した深部体温、作製したデバイスで計測した深部体温の三つの体温と環境温度の相関を検討した。体表面温度は、環境温度によって大きく左右される、一方で短時間であれば深部体温は変化しないことを実証している。さらに、運動時における表面温度と深部温度の変化を探ると表面温度に関しては運動を始めてすぐに上昇するが、発汗とともに表面温度が低下する。その一方で、鼓膜温を元にした深部体温は運動し続けた時間の中で上昇し続ける。これは明らかに表面温度が正しい体温を示していない結果である。スポーツ及び医療において、このような正確な体温を計測できることは有意なスポーツ医学及び基礎医学的見解を提供できるものと考えられる。

5. 結論

本研究では、液体金属を元にしたその加工方法及びデバイス構築方法を通して本論でLiquid-state electronic systemの更なる可能性を提案した。

「本研究は戦略的情報通信研究開発推進事業（SCOPE) (No.181603007)のサポートの元で行われた。」

3．脈拍数推定手法

レーダーで検出した生体の脈拍数を求めるために、身体の体表面の動きをドップラー角速度ω_d¹⁾を使って観測する。図4の左に示すようにI,Q信号で形成するI-Qリサージュ波形の位相θを定義すると、ドップラー角速度ω_dは、位相θを時間微分したものである。また、この位相θにより同図右に示すように体表面の微細な動きを観察することが可能となる。位相θの値を変位量に換算すると、図では呼吸による変動が50μmに対し、脈動が10μmの微細な変動で観測できている。しかし、この変動は、測定する部位や体表面の支持の仕方によって異なる。また、非安静状態では、様々な体の動きが外乱となるため、脈動を観測することが困難となる。体表面の移動量が大きい場合、I-Qリサージュは、円軌道を周回するような軌跡を描くので、位相θではなくドップラー角速度ω_dを使って観測する方が便利である。

図５に、脈拍数推定における課題を示すために外乱の様子を示している。センサと身体表面や周辺金属物との位置関係が変動すると、受信信号の状態が変わるため外乱要因となる。更に、身体表面についてみると観測したい脈動の他に、呼吸体動や手足頭の動きなどに伴う自発体動や、走行時の車両振動を起因とする衝撃体動などが外乱として発生する。図５の右には、走行時に観測されるドップラー角速度ω_dの変動の様子を示している。停車時の状態に対してはるかに大きい外乱が入り、脈拍数の推定が困難な状態となる。我々は、独自の信号処理の開発を行って、外乱の大きな状態から脈拍数の推定を行うことに成功している。

外乱に埋もれた状態から脈動信号を取り出すための基本アルゴリズムの概略を図６に示す。身体表面の動きを観測しているドップラー角速度信号ω_dから脈動の周期成分に同期した信号を抽出し脈動信号とし、更にその信号からパルス検知を行ってパルス数をカウントして１分間当たりの脈拍数（ｂｐｍ）を推定する。我々が開発したアルゴリズムでは、逐次処理により実際の脈動信号に同期するように、脈拍数推定値のフィードバックをかけてモデル脈波信号を生成する。モデル脈波信号生成では、予め脈拍数毎に脈波の特徴を記憶したテーブルを参照して、モデル脈波信号を生成する。このモデル脈波信号と適応フィルター処理後の脈動信号との差をとり、その二乗平均が最小となるような適応フィルターの係数更新を行う。この操作により、適応フィルター処理後の脈動信号は、実際の脈動信号に同期していく。

前述の逐次処理では、初期値の与え方によって誤った値に収束する場合がある。この対策として、比較的安静にしている一定期間のデータを使って、基準脈拍数を推定し初期値として用いている。その概略を図７に示す。図７の(a)には、観測データの状態を示している。一定の期間安静にしている区間がある場合に初期化処理を進め、初期化完了時に初期値をセットして逐次処理に移行する。初期化処理では、図７の(b)に示すように、観測データをフーリエ変換して得られる周波数ピークを安静区間ごとに求める。そして、図７の(c)に示すような度数分析を行い、脈拍数として尤もらしい値を基準脈拍数として決定する。このようにして、確度の高い値を求めることで、脈拍数推定の信頼性を高めている。

図８に脈拍数推定の実際の様子を解析画面で示している。画面の左上のグラフは、ドップラー角速度信号ω_dの時間変化を水色、リファレンスセンサ（耳たぶ取り付けの光学式脈拍センサ）で取得した矩形パルス（脈拍）波形を桃色で示している。また、画面の右上は、それらをフーリエ変換した結果の周波数強度についてのグラフである。比較的安静にしている状態であれば、ドップラー角速度信号ω_dの周波数成分には、リファレンスセンサで取得した脈拍成分に一致する成分が含まれることが確認できる。しかし、脈拍数を決定するためには、どのピークが基本周波数成分であるかを判断する必要がある。この課題を前述したアルゴリズムによって、適切な脈動の周期に同期させることで解決している。画面の左下には、脈拍数の時間変化を推定した結果を水色で示している。リファレンスセンサから得た値（赤色）に非常に良く一致した結果が得られている。また、画面の右下は、I-Qリサージュを表示している。このI-Qリサージュの挙動を分析することで、検出した生体を正しく観測できているか確認することも必要となる。例えば、十分な大きさの円弧を描いていることが重要になる。周囲金属物の影響などセンサの設置条件によっては、脈拍数の推定が困難な場合がある。

4．生体情報の分析

ミリ波レーダーから得られるI,Q信号を分析することで、生体の位置、大きさや動き、更に、呼吸数、脈拍数といった生体情報が得られる。これらを総合的に判断して、検出した生体が大人か子供かを判別することもできる。例えば、図９に示すようにセンサが天井に設置される場合を考えると、大人と子供では身長差があることからセンサまでの距離が異なる。また、体格が異なるので、電波を反射する面積に差を生じ、受信する信号強度にも差が現れる。つまり、I-Qリサージュを描いた場合、円の大きさが異なる。更に、大人より子供の方が呼吸数や脈拍数が高いことが知られているし、肺活量の差から呼吸時の体表面の変位量も異なる。これらの情報を使って大人か子供かについて多変量解析することで、信頼性を高めた判別が可能となる。

5．おわりに

先に示した手法によって、車室内でも信頼性を高めた生体情報が得られる。例えば、安静状態であれば、RMS誤差が５bpm内で脈拍数を推定することが可能である。これらの生体センシング技術を活用することによって、より安全性を高めることが期待できる。今後の課題としては、車載製品に求められるロバスト性の確保が必要である。例えば、センサの設置条件によっては、生体の見え方が変わるため調整が必要となる。様々な車両がある中で、センサの取り付け位置にも制約があり、ベストな設置方法が選べない場合がある。これらの環境要件を考慮して調整可能なように車両適合させていく技術の習熟が必要とされる。また、エアバックの制御など高度な信頼性が必要とされるアプリケーションでは、高分解能化が必要となる場合がある。その場合、アンテナ数を増やすべきなのかカメラなど他のセンサとフュージョンさせるべきなのか、機能拡張性やシステムコストなどを考慮して最適な方法を模索する必要がある。近い将来、本稿で紹介したインキャビン生体レーダー検出を活用した予防安全システムの開発を行い、社会の発展に貢献できれば幸いである。

6 レーダーVSM測定実験（機械振動）

以下では、実際に開発したレーダーVSMを使用した実験の結果を述べる。

ヒトの体表に発生する振動は振幅などを制御することは不可能である。そこで、先ずは実際に開発したレーダーVSMの実力値を見るために、アクチュエータを使った実験を実施した。レーダーVSM機器は、アナログ・デバイセズ社とサクラテック社で共同開発したmiRadar8（24GHz、2送信4受信MIMO）を使用している。（図7）

実験では、アクチュエータに設置したコーナーリフレクタを機械振動させ、それをレーダーVSMで測定している。（図8）

実験によって得られた位相変化量（先に説明したように位相変化∝速度）を図9に示す。24GHz（波長12.5mm）の場合、波長を超えた振幅は位相が365度（一回転）を超えるため、データの連続性が失われるが、それ以下であれば位相が振幅によって決まった範囲内で振動していることが分かる。さらに、FFTで周波数応答を見た場合でも、心拍振動で要求される約±0.5mmの振動検知能力は充分に得られていることが分かる。図10で分かるように、振幅が±0.04mm以下ではSNも悪化しており、ピーク検知は難しくなるのが分かる。

7 レーダーVSM測定実験（ヒト）

次に、ヒトを測定した場合のデータを示す。（1.2m先の成人男性を約3分間測定）

図11を見ると分かるように、ヒトの場合は先述の機械振動と異なり、FFT後の周波数ピークが分かりづらくなっていることが明らかである。これはヒトの呼吸および心拍由来の振動が機械と異なり、単純な正弦波振動ではないため、高調波が生まれていることが原因である。特に、心拍はECGによる心電図でも分かるように、パルス波で広い周波数成分を含んでいるため、単純な周波数解析で検出することが困難である。さらに、呼吸は振幅に比較して大きな振幅を持ち、大きな高調波を発生する。この高調波が心拍周波数と重なる場合、心拍の検出がより難しくなる。例えば、呼吸の周波数0.3Hz、心拍が1Hzの場合、呼吸の約3倍高調波が心拍と重なる可能性がある。

以上は、フィルター処理等を行わない、位相生データで議論をしてきたが、レーダーVSMの商用化の場合は、これに対して帯域フィルターや平均化処理などの、フィルター処理を行うことで、安定したバイタルデータを得るようにしている。サクラテック社の製品でも同様の信号処理が行われている。これらのフィルター処理を行った結果を、リファレンスで使用したECGとのデータ（測定者が安静時）と比較を図12に示す。ここでのデータの乖離は、タイムドメインで見て5%程度の結果が得られている。

8 レーダーVSMの発展に向けて

サクラテック社の製品を含め、いくつかのレーダーVSM製品の商用化が始まっているが、まだ黎明期の技術でもあることから、今日もバイタル検知アルゴリズムに関する学術論文が多く提出されており、特に最近は深層学習（ディープラーニング）などを利用したアルゴリズムにおけるイノベーションが産まれつつある分野である⁽⁴⁾。また、レーダーVSMは従来のセンサと異なり、呼吸と心拍を同時に非接触で測定可能なため、より高度なデータ取得が期待されている。

その中のひとつ、HRV（心拍変動値）は、ストレス値と相関があるため、特に強いニーズがある。HRV測定には、タイムドメインで正しいR波（ECGにおける一番高いピーク波）を測定することで、高精度なRRI（二つのR波のインターバル）が得られ、その結果HRV解析が可能になる。一般的にECGではHRV解析のために、数100Hzのサンプル速度が求められる ⁽⁵⁾。

レーダーVSMを考えた場合、バイタル算出までに多くの信号処理が必要になるため、レーダーVSMのバイタルのサンプル速度は、ハードウェアの速度ではなく、ソフトウェアの信号処理速度に依存している。例えば、今回の実験で使用したmiRadar8を、汎用のノートPC（CPUはCore i7）で信号処理をした場合でも200Hz程度が限界である。レーダーVSMで高精度なHRV解析を実現するには、信号処理を組み込み化（DSP組み込みソフトウェアやFPGAに信号処理器を実装）する必要性がある。

また、信号処理アルゴリズムでも、FFT周波数解析だけでなく、ECGで使われるようなタイムドメインでのピーク検知アルゴリズム解析なども検討が必要となる。

レーダーVSMは、位相情報を利用したバイタルセンシングであると説明した。この位相情報は、365度以内の位相変化について、データの連続性が担保された正しい情報が得られることに注意が必要である。これは波長に依存しており、波長を超えた変位は位相が回転してデータの連続性を失う（ここでは位相回転問題と呼ぶ）。特にミリ波レーダーの場合、波長が短くなるために注意が必要である。例えば、レーダーVSMでも使われる60GHzレーダーでは、その波長が5mm程度なので、静止しているヒトの呼吸動作でも位相回転問題が煩雑に発生する可能性がある。このようなデータを連続値と見なして扱うことは、非連続ポイントをピークとして誤検知することや、FFT解析における高周波/広帯域ノイズとなるため、特に注意が必要である。図13に位相情報の生データを示しているが、±90°を超えたポイントで位相が大きく変動しているのが分かると思う。

9 結論

これまでレーダーVSMの原理と実機での実験データについて説明してきた。実際にアナログ・デバイセズの24GHzレーダーチップセットを利用したサクラテック社のmiRadarによるレーダーVSM実験とそのデータ考察を行い、最後に今後の発展に向けた提言について言及する。

ポイント：
・ レーダーの位相情報を信号処理することで、バイタルセンシングで要求される1mmより微小な振動が検知可能
・ MIMOレーダー方式を使うことで、FOV内の外乱ノイズ除去や複数人の測定が可能
・ 呼吸と心拍の検知では、呼吸の高調波信号の影響が無視できないため、高度な信号処理が必要
・ レーダーVSMのデータ固有の特徴に適した信号処理アルゴリズムを検討することで、さらなる発展を期待

レーダーVSMは、原理は古く、実用化においては新しい技術である。ハードウェア面では、レーダー用の高集積化された半導体製品が容易に利用可能となった。近年はバイタル検知における信号処理アルゴリズムソフトウェアの研究が増えており、イノベーションが生まれることを期待される分野である。特に、測定対象者に負担を課さずに、非接触で心拍と呼吸を同時に長期間モニタリングできることから、普及に向けた動きが加速することを期待している。