首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

现象预测系统、传感器信号处理系统、现象预测方法、非瞬时性记录介质及计算机记录介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:松下电器(美国)知识产权公司

摘要:一种现象预测系统、传感器信号处理系统、现象预测方法及非瞬时性记录介质。现象预测系统10具备取得部13和预兆判定部121。取得部13从输出与对象者的体动相关的体动数据的测定装置2取得体动数据。预兆判定部121基于在过去的参照期间取得的体动数据来判定与对象者关联的特定现象的发生的预兆。

主权项:1.一种现象预测系统,其具备:取得部,其从输出与对象者的体动相关的体动数据的测定装置取得所述体动数据;预兆判定部,其基于在过去的参照期间取得的所述体动数据,判定与所述对象者关联的特定现象的发生的预兆;以及存在判定部,其基于所述体动数据,判定对象空间中的所述对象者的存在与否,所述存在判定部在用所述体动数据的取得定时之前取得的多个体动数据来表示在所述取得定时取得的所述体动数据的时序分析的分析模型的系数超过阈值时,判定为在所述对象空间中存在所述对象者。

全文数据:现象预测系统、传感器信号处理系统、现象预测方法及非瞬时性记录介质技术领域本公开通常涉及现象预测系统、传感器信号处理系统、现象预测方法及非瞬时性记录介质,更详细而言,涉及使用与对象者的体动相关的体动数据的现象预测系统、传感器信号处理系统、现象预测方法及非瞬时性记录介质。背景技术文献1JP2017-484A所记载的非接触活动量传感器传感器处理系统具备多普勒传感器测定部、距离传感器以及处理器。处理器基于多普勒传感器的检测信号的振幅与频率中的一方或双方和距离传感器的检测信号,算出包含于各传感器的感测范围空气调节空间的对象的活动量。在文献1中记载了基于算出的活动量来进行空气调节控制的技术。另外,在文献1中也记载了以检测出的活动量为基础来推定利用者的健康状态的技术。例如,以利用者的活动量的变化为基础来掌握利用者的身体状况不佳或受伤等健康状态。发明内容发明要解决的问题但是,在文献1中,以空气调节控制作为基本的功能,因此能够掌握利用者当前的状态即可,没有设想在除此以外的推定中利用检测出的活动量。本公开的目的在于提供连与对象者关联的特定现象的发生的预兆都能够判定的现象预测系统、传感器信号处理系统、现象预测方法及非瞬时性记录介质。用于解决问题的技术方案本公开的一技术方案涉及的现象预测系统具备取得部和预兆判定部。所述取得部从输出与对象者的体动相关的体动数据的测定装置取得所述体动数据。所述预兆判定部基于在过去的参照期间取得的所述体动数据来判定与所述对象者关联的特定现象的发生的预兆。本公开的一技术方案涉及的传感器信号处理系统具备取得部和加速度运算部。所述取得部从测定装置取得体动数据。所述测定装置输出与对象者的体动相关的所述体动数据。所述加速度运算部基于所述体动数据来求出关于所述对象者的身体的运动的加速度。本公开的一技术方案涉及的现象预测方法从输出与对象者的体动相关的体动数据的测定装置取得所述体动数据,并基于在过去的参照期间取得的所述体动数据来判定与所述对象者关联的特定现象的发生的预兆。本公开的一技术方案涉及的非瞬时性记录介质是记录用于使计算机系统执行所述现象预测方法的程序的非瞬时性记录介质。发明的效果根据本公开,具有能够提供能够判定与对象者关联的特定现象的发生的预兆的现象预测系统、传感器信号处理系统、现象预测方法及非瞬时性记录介质的优点。附图说明图1是示出本公开的实施方式1涉及的传感器信号处理系统和现象预测系统的构成的框图。图2是使用了上述的现象预测系统的设施的说明图。图3是示出上述的现象预测系统的动作的流程图。图4是示出上述的现象预测系统中的加速度运算处理的具体例的流程图。图5是示出上述的现象预测系统中的预兆判定处理的具体例的流程图。图6是示出应用上述的现象预测系统的体动数据的一个例子的图表。标号说明10:现象预测系统;2:测定装置;13:取得部;15:输出部;21:传感器;111:加速度运算部;112:存在判定部;121:预兆判定部。具体实施方式实施方式11概要参照图1和图2对本实施方式涉及的传感器信号处理系统1和现象预测系统10的概要进行说明。现象预测系统10具备传感器信号处理系统1。传感器信号处理系统1是针对从将对象空间100参照图2作为监视对象的测定装置2输出的传感器信号,执行信号处理的系统。测定装置2具有生成与存在于对象空间100的对象者人的体动相关的体动数据的传感器21参照图1,并输出包含体动数据的传感器信号。传感器信号处理系统1具备基于体动数据来求出关于对象者的身体的运动的加速度的加速度运算部111参照图1。本公开中所说的“对象空间”是例如带有服务的面向老年人的住宅、看护设施或医院等设施内的特定的空间。如果对象空间100是带有服务的面向老年人的住宅或看护设施的单间内的空间,则“对象者”是单间的入住者被看护者。如果对象空间100是医院的病房内的空间,则“对象者”是在病房住院的患者。另外,本公开中所说的“体动”不仅包含人正在睡觉时的身体的运动翻身等,还包含例如处于站立的状态、坐下的状态以及行走的状态的人的身体的所有运动。本公开中所说的“加速度”意味着在对象者的身体的至少一部分存在运动的情况下,对象者的身体的至少一部分的速度移动速度变化相对于时间的比例。例如,在行走过程中的对象者中,整个身体发生运动,因此整个身体的速度变化相对于时间的比例成为“加速度”。另一方面,例如,在睡眠状态下的对象者中,在身体的一部分运动了的情况下,运动了的身体的一部分的速度变化相对于时间的比例成为“加速度”。即,在传感器信号处理系统1中,能够基于从测定装置2取得的体动数据定量地分析对象者的运动来作为加速度。关于对象者的身体的运动的加速度例如能够利用于对象者的行动和健康状态等对象者的状态的掌握和个体的确定等。本实施方式涉及的现象预测系统10是使用传感器信号处理系统1的处理结果来判定与对象者关联的特定现象的发生的预兆的系统。本公开中所说的“特定现象”是从可能与对象者关联地发生的各种现象中选择的特定的现象,例如临终关怀end-of-lifecare、行走时的跌倒、患有需要住院的疾病或受伤、死亡、认知功能的降低认知障碍以及徘徊四处游荡等。进而,对象者的日常生活中的各个行动,例如从睡眠状态的起床离开床、排泄以及就寝等也包含于“特定现象”中。即,现象预测系统10基于从测定装置2取得的体动数据,判定上述的特定现象的发生的预兆,也就是说,判定在发生特定现象之前预先出现的“征兆”。换言之,现象预测系统10不仅进行关于对象者的当前的状态的判定,还能够进行关于被预测将要发生的特定现象的判定。这样,根据本实施方式涉及的现象预测系统10,具有连与对象者关联的特定现象的发生的预兆都能够判定的优点。2详细以下,参照附图对实施方式1涉及的传感器信号处理系统1和现象预测系统10的详细情况进行说明。以下,如图2所示,以对象空间100设定在带有服务的老年人住宅的单间50内的情况为例进行说明。也就是说,该情况下的“对象者”是单间的入住者。2.1构成如上所述,现象预测系统10具备传感器信号处理系统1。在本实施方式中,如图1所示,现象预测系统10还具备第2运算处理部12。传感器信号处理系统1和具备该传感器信号处理系统1的现象预测系统10例如通过设置有对象空间100的设施在此为带有服务的老年人住宅的管理员房间等所设置的计算机系统来实现。传感器信号处理系统1从将对象空间100作为监视对象的测定装置2接收传感器信号。如上所述,测定装置2具有生成与在对象空间100中的对象者人的体动相关的体动数据的传感器21,并将包含体动数据的传感器信号向传感器信号处理系统1输出。在本实施方式中,设为测定装置2不包含在传感器信号处理系统1和现象预测系统10的构成要素中。因此,传感器信号处理系统1和现象预测系统10能够与各种样式的测定装置2组合而应用。但是,传感器信号处理系统1和现象预测系统10各自在构成要素中也可以包含测定装置2。测定装置2具备传感器21和信号处理电路22。传感器21是不与对象者接触,也就是说以非接触方式检测对象者的体动的非接触式传感器。总之,测定装置2以非接触方式生成与对象者的体动相关的体动数据。因此,测定装置2能够不妨碍对象者的运动地生成体动数据。测定装置2例如是电波式的多普勒传感器。传感器21是能够对电信号与电波进行相互转换的转换器,例如是进行微波带的电波的发送和接收的电波式传感器。传感器21例如按预定的时间间隔例如为1秒间隔向对象空间100发送电波。传感器21接收由存在于对象空间100的人包含对象者等反射的反射波电波。信号处理电路22对接收到反射波时的传感器21的输出信号与反射波对应的电信号执行信号处理,生成表示存在于对象空间100的对象者的体动的体动数据。具体而言,信号处理电路22对接收到的电波反射波的频率与所发送的电波的频率进行比较,由此利用多普勒效果求出对象者的身体的移动的速度,生成体动数据。在此,信号处理电路22求出的对象者的身体的移动的速度包含“身体的移动的方向”的信息,该信息通过包含正负符号来表示身体向接近传感器21的方向或离开传感器21的方向中的某一方移动。也就是说,由信号处理电路22生成的体动数据能够作为包含“方向”的成分的矢量值来处理。由此,在信号处理电路22中,能够判别身体是向接近传感器21的方向或离开传感器21的方向中的哪一方移动,例如能够检测对象者的起床离开床等。进而,基于体动数据求出的加速度也同样可以是包含“方向”的成分的矢量值。另外,在本实施方式中,信号处理电路22具有通过从体动数据提取特定的频率成分来生成表示对象者的心跳和呼吸的状态的测定数据的功能。具体而言,信号处理电路22利用心跳过滤器对体动数据进行过滤,提取因心跳而产生的体动的频率成分,由此生成表示心跳的状态的测定数据以下,称为“心跳测定数据”。进而,信号处理电路22利用呼吸过滤器对体动数据进行过滤,提取因呼吸而产生的体动的频率成分,由此生成表示呼吸的状态的测定数据以下,称为“呼吸测定数据”。在此,信号处理电路22生成心跳测定数据和呼吸测定数据的周期比信号处理电路22生成体动数据的周期长。作为一个例子,信号处理电路22每1秒生成体动数据,每5秒生成心跳测定数据和呼吸测定数据。另外,信号处理电路22将包含体动数据、心跳测定数据以及呼吸测定数据的传感器信号向传感器信号处理系统1输出。在本实施方式中,信号处理电路22构成为,例如能够通过遵照蓝牙Bluetooth注册商标等无线通信方式的无线通信,与传感器信号处理系统1进行通信。测定装置2与传感器信号处理系统1不限于直接地进行通信的构成,例如也可以是经由中继器而进行通信的构成。如图2所示,测定装置2设置于设定有对象空间100的单间50内。在图2的例子中,在单间50中例如设置有床51、卫生间52、洗脸台53、出入口的拉门54以及窗户55等设备。在单间50中床51、卫生间52、洗脸台53、拉门54以及窗户55等设备不是必需的,可以适当地省略。在单间50的墙壁设置有调整单间50内的空气环境的空气调节设备空调20。在本实施方式中,作为一个例子,在空气调节设备20的旁边侧方配置有测定装置2。在此,作为一个例子,测定装置2以将至少包含床51上的对象空间100作为监视对象那样的姿势方向设置。在本实施方式中,对象空间100是除了卫生间52以外的单间50内的大致全部空间。对象空间100不限于该例子,例如也可以是单间50内的全部空间,并能够适当地进行变更。如图1所示,传感器信号处理系统1具备第1运算处理部11、取得部13、存储部14以及输出部15。取得部13取得与对象者的体动相关的体动数据。即,取得部13具有与测定装置2的信号处理电路22进行通信的通信功能。在本实施方式中,取得部13例如构成为,能够通过遵照蓝牙Bluetooth注册商标等无线通信方式的无线通信,与测定装置2进行通信。取得部13通过与测定装置2之间定期或不定期地进行通信,从测定装置2取得至少体动数据。具体而言,取得部13通过从测定装置2接收传感器信号,从而与心跳测定数据和呼吸测定数据一起取得体动数据。取得部13在从测定装置2取得数据体动数据、心跳测定数据以及呼吸测定数据时,将所取得的数据向第1运算处理部11输出。第1运算处理部11至少具有加速度运算部111和存在判定部112的功能。第1运算处理部11例如通过包含处理器和存储器的计算机系统实现。第1运算处理部11的处理器执行程序,从而实现加速度运算部111和存在判定部112等的功能。程序既可以预先记录于第1运算处理部11的存储器或存储部14,也可以通过网络等电气通信线路或者记录于存储卡等非瞬时性记录介质而被提供。加速度运算部111基于体动数据来求出关于对象者的身体的运动的加速度。即,在对象者的身体的至少一部分存在运动的情况下,通过加速度运算部111求出对象者的身体的至少一部分的速度移动速度变化相对于时间的比例来作为加速度。在此,加速度运算部111基于取得部13从测定装置2取得的体动数据,按照预定的算法求出加速度,从而执行生成表示加速度的数据以下,称为“加速度数据”的加速度运算处理。关于加速度运算部111中的加速度运算处理的详细情况将在“2.2.2加速度运算处理”一栏中进行说明。存在判定部112基于体动数据,判定对象空间100中对象者的存在与否。存在判定部112使用取得部13从测定装置2取得的体动数据,按照预定的算法来执行生成表示对象者的存在与否的数据以下,称为“存在与否数据”的存在判定处理。在本实施方式中,存在判定部112进行时序分析处理,所述时序分析处理求出用在预定的定时之前取得的多个体动数据来表示在预定的定时取得的体动数据的时序分析的分析模型。取得部13例如每1秒从测定装置2取得测定数据。作为一个例子,在时序分析处理中,求出用预定的定时之前的多个例如30个体动数据来表示在预定的定时取得的体动数据的时序分析的分析模型。在本实施方式中,存在判定部112例如使用自回归AR:AutoRegressive模型来求出用过去30秒的30个体动数据来表示在预定的定时取得的体动数据的自关联函数的分析模型。存在判定部112所进行的时序分析的分析模型不限于自回归模型,也可以是扩展卡尔曼模型等其他的分析模型,分析模型能够考虑计算量等而适当地进行变更。存在判定部112基于包含与通过时序分析处理求出的分析模型的系数相关的条件的判定条件,判定在预定的定时对象者的存在与否。存在判定部112例如基于通过时序分析处理求出的分析模型的系数超过预定的阈值或者取得的体动数据的大小超过预定的判定值这一判定条件来判定在预定的定时对象者的存在与否。即,当自回归模型的一阶系数超过阈值或者体动数据的大小超过判定值时,存在判定部112判定为在对象空间100中存在对象者为在室状态。当自回归模型的一阶系数为阈值以下且测定数据的大小为判定值以下时,存在判定部112判定为在对象空间100中不存在对象者为不在状态。像这样,在本实施方式涉及的现象预测系统10中,存在判定部112基于与通过时序分析处理求出的分析模型的系数相关的判定条件来判定在预定的定时对象者的存在与否。因此,存在判定部112难以受到测定数据的瞬时性的变动等的影响,能够实现由存在判定部112进行的判定的精度的提高。进而,存在判定部112也可以使用心跳测定数据、呼吸测定数据以及加速度数据中的至少1个数据与体动数据一起或者不使用体动数据,判定对象空间100中对象者的存在与否。也就是说,存在判定部112也可以基于体动数据、心跳测定数据、呼吸测定数据以及加速度数据中的至少1个数据来执行判定对象空间100中的对象者的存在与否的处理。心跳测定数据、呼吸测定数据以及加速度数据均为基于体动数据的数据。因此,例如,即使在基于加速度数据来判定对象者的存在与否的情况下,存在判定部112也间接地基于体动数据来判定对象空间100中对象者的存在与否。总之,存在判定部112直接或间接地基于体动数据来判定对象空间100中对象者的存在与否即可。在此,在基于加速度数据来判定对象者的存在与否的情况下,存在判定部112也可以识别个体来判定对象者的存在与否。即,存在判定部112能够根据加速度数据来识别是否为对象者单间50的入住者。由此,在除对象者以外的人例如,设施的工作人员存在于对象空间100的情况下,存在判定部112能够判定为在对象空间100中不存在对象者、或者在对象空间100中存在对象者以外的人。第2运算处理部12至少具有预兆判定部121和状态判定部122的功能。与第1运算处理部11同样,第2运算处理部12例如通过包含处理器和存储器的计算机系统来实现。第2运算处理部12的处理器通过执行程序来实现预兆判定部121和状态判定部122等的功能。程序既可以预先记录于第2运算处理部12的存储器或存储部14,也可以通过网络等电气通信线路或者记录于存储卡等非瞬时性记录介质而被提供。在本实施方式中,第2运算处理部12由与第1运算处理部11不同的计算机系统构成。向第2运算处理部12输入第1运算处理部11的输出数据。在本实施方式中,第1运算处理部11的输出数据包含取得部13从测定装置2取得的体动数据、心跳测定数据以及呼吸测定数据。进而,在本实施方式中,第1运算处理部11的输出数据包含由加速度运算部111基于体动数据求出的、关于对象者的身体的运动的加速度的数据加速度数据。另外,第1运算处理部11的输出数据包含表示存在判定部112的判定结果的数据存在与否数据。因此,除了体动数据以外,还向第2运算处理部12输入心跳测定数据、呼吸测定数据、加速度数据以及存在与否数据。心跳测定数据、呼吸测定数据以及加速度数据均以体动数据为基础而求出,换言之,是基于体动数据的数据。预兆判定部121基于体动数据来判定与对象者关联的特定现象的发生的预兆。即,预兆判定部121基于取得部13从测定装置2取得的体动数据,,按照预定的算法来执行例如判定临终关怀等特定现象的发生的预兆的预兆判定处理。在此,预兆判定部121基于在过去的参照期间取得的体动数据来判定预兆。本公开中所说的“参照期间”是指在将预兆判定部121进行判定的时间点设为基准时间点时过去在基准时间点之前的期间。在本实施方式中,参照期间是指将基准时间点设为终点的一定时间例如30分钟、1小时或1天等的期间。换言之,预兆判定部121基于在将基准时间点的一定时间之前的时间点设为起始点、将基准时间点设为终点的参照期间由取得部13取得的体动数据的集合,也就是说基于体动数据的时序数据来执行预兆判定处理。进而,也与存在判定部112同样,预兆判定部121也可以使用心跳测定数据、呼吸测定数据以及加速度数据中的至少1个数据与体动数据一起或者不使用体动数据,判定特定现象的发生的预兆。也就是说,预兆判定部121也可以基于第1运算处理部11的输出数据所包含的体动数据、心跳测定数据、呼吸测定数据以及加速度数据中的至少1个数据来执行判定特定现象的发生的预兆的预兆判定处理。心跳测定数据、呼吸测定数据以及加速度数据均为基于体动数据的数据。总之,预兆判定部121直接或间接地基于体动数据判定特定现象的发生的预兆即可。预兆判定部121的判定结果作为预兆数据向输出部15输出。在本实施方式中,在预兆判定部121中,仅判定有无特定现象的发生的预兆。换言之,预兆判定部121不区分判定预兆的特定现象的种类地判定有无特定现象的发生的预兆。因此,由预兆判定部121生成的预兆数据表示有无特定现象的发生的预兆。另外,预兆判定部121基于以体动数据为基础的对象者的身体活动量的变化来判定预兆。本公开中所说的“身体活动量”用身体活动的强度强度与进行了身体活动的时间之积来表示。本公开中所说的“身体活动”是对象者进行的活动,不限于以维持或提高体力为目的的运动,而是意味着消耗比安静状态多的能量的全部活动行动。关于预兆判定部121的预兆判定处理的详细情况将在“2.2.3预兆判定处理”一栏中进行说明。状态判定部122基于体动数据来判定对象者的健康状态、睡眠状态以及精神状态等对象者的当前的状态。即,状态判定部122基于取得部13从测定装置2取得的体动数据,按照预定的算法来执行例如判定身体状况良好或身体状况不佳等对象者的当前的状态的状态判定处理。进而,也与预兆判定部121同样,状态判定部122也可以使用心跳测定数据、呼吸测定数据以及加速度数据中的至少1个数据与体动数据一起或者不使用体动数据来判定对象者的当前的状态。也就是说,状态判定部122也可以基于第1运算处理部11的输出数据所包含的体动数据、心跳测定数据、呼吸测定数据以及加速度数据中的至少1个数据来执行判定对象者的当前的状态的状态判定处理。总之,状态判定部122直接或间接地基于体动数据判定对象者的当前的状态即可。状态判定部122的判定结果作为状态数据向输出部15输出。进而,从第2运算处理部12向输出部15也输入第1运算处理部11的输出数据体动数据、心跳测定数据、呼吸测定数据、加速度数据以及存在与否数据。存储部14例如包含EEPROMElectricallyErasableProgrammableReadOnlyMemory:带电可擦可编程只读存储器等电可改写的非易失性存储器和RAMRandomAccessMemory:随机存取存储器等易失性存储器。存储部14存储取得部13取得的体动数据、心跳测定数据以及呼吸测定数据等。在此,存储部14至少存储参照期间内的体动数据。进而,存储部14也存储第1运算处理部11的运算结果包含加速度数据和存在与否数据和第2运算处理部12的运算结果包含预兆数据和状态数据等。输出部15输出预兆判定部121的判定结果。进而,输出部15输出存在判定部112和状态判定部122的判定结果。在此,输出部15具有例如与显示器3和信息终端4等设备进行通信的通信功能。信息终端4例如是智能手机、平板终端或个人计算机等。输出部15将从第2运算处理部12输入的数据向上述的设备输出。即,由存在判定部112生成的存在与否数据、由预兆判定部121生成的预兆数据、以及由状态判定部122生成的状态数据从输出部15向显示器3和信息终端4等输出。输出部15既可以在存在判定部112、预兆判定部121或状态判定部122的判定结果发生了变化时输出判定结果,例如也可以在从信息终端4发出了请求时输出判定结果。其结果,通过显示器3和信息终端4等向管理人提示存在判定部112的判定结果、预兆判定部121的判定结果以及状态判定部122的判定结果。管理人能够通过显示器3和信息终端4等来确认存在判定部112、预兆判定部121以及状态判定部122的判定结果。在显示器3和信息终端4上的提示的方式例如也可以是显示、声音输出、打印输出印刷、向非瞬时性记录介质的写入以及向其他信息终端的发送等中的任一个。另外,输出部15也可以输出加速度运算部111的运算结果加速度数据。进而,输出部15不限于通过通信将判定结果向显示器3和信息终端4等设备输出的构成。例如,也可以是,输出部15自身通过显示、声音输出、打印输出印刷、向非瞬时性记录介质的写入以及向信息终端的发送等来输出判定结果。2.2动作2.2.1整体的动作参照图3的流程图对本实施方式涉及的传感器信号处理系统1和具备传感器信号处理系统1的现象预测系统10的整体的动作进行说明。取得部13定期或不定期地执行从测定装置2取得体动数据的取得处理S1。在本实施方式中,作为一个例子,取得部13每1秒从测定装置2取得体动数据、心跳测定数据以及呼吸测定数据。取得部13将从测定装置2取得的数据体动数据、心跳测定数据以及呼吸测定数据向第1运算处理部11输出。在此,假定为测定装置2每1秒更新体动数据,每5秒更新心跳测定数据和呼吸测定数据。因此,取得部13从测定装置2取得的心跳测定数据和呼吸测定数据每5秒被更新。当从取得部13被输入数据体动数据、心跳测定数据以及呼吸测定数据时,第1运算处理部11对这些数据执行降噪noisecut和移动平均运算等前置处理S2。第1运算处理部11将前置处理后的数据存储于存储部14。第1运算处理部11基于前置处理后的体动数据等,由加速度运算部111执行加速度运算处理,求出表示加速度的加速度数据S3。关于加速度运算处理的详细情况将在“2.2.2加速度运算处理”一栏中进行说明。接着,第1运算处理部11基于前置处理后的体动数据等,由存在判定部112执行存在判定处理,通过判定时序分析来判定对象空间100中对象者的存在与否S4。如果存在判定处理的结果是,判定为在对象空间100中存在对象者S5:是Yes,则第2运算处理部12基于前置处理后的体动数据等,由预兆判定部121执行预兆判定处理,判定特定现象的发生的预兆S6。关于预兆判定处理的详细情况将在“2.2.3预兆判定处理”一栏中进行说明。接着,第2运算处理部12基于前置处理后的体动数据等,由状态判定部122执行状态判定处理,判定对象者的当前的状态S7。然后,输出部15输出存在判定部112的判定结果、预兆判定部121的判定结果以及状态判定部122的判定结果,执行输出处理S8。另外,如果存在判定处理的结果是,判定为在对象空间100中不存在对象者不在S5:否No,则跳过预兆判定处理和状态判定处理而移至输出处理。在该情况下,输出部15仅通过输出处理输出存在判定部112的判定结果。传感器信号处理系统1和具备传感器信号处理系统1的现象预测系统10例如按1秒间隔进行从步骤S1到步骤S8为止的处理。但是,图3所示的处理的顺序只不过是一个例子,处理的顺序可以适当地进行变更。2.2.2加速度运算处理对加速度运算部111所进行的加速度运算处理图3的S3进行说明。在加速度运算处理中,加速度运算部111通过对时序排列的多个体动数据实施微分处理来求出加速度。具体而言,加速度运算部111通过对存储于存储部14的时序排列的多个体动数据进行微分运算,从而求出关于在预定期间产生的对象者的身体的运动的加速度。即,加速度是对象者的身体的至少一部分存在运动的情况下的对象者的身体的至少一部分的速度移动速度变化相对于时间的比例。另一方面,体动数据是反映出对象者的运动的速度的数据。因此,在加速度运算处理中,加速度运算部111求出体动数据的微分值来作为加速度,生成加速度数据。由此,在没有体动数据所反映的对象者的运动的速度的时间变化,也就是说运动的速度一定的情况下,通过加速度运算处理求出的加速度成为零。体动数据所反映的对象者的运动的速度的时间变化越大,则通过加速度运算处理求出的加速度越大。图4是示出加速度运算处理的具体例的流程图。如图4所示,当加速度运算处理开始时,加速度运算部111对时序排列的多个体动数据中的相邻的2个体动数据间的时间差dtS31进行运算。在此,着眼于在预定的定时“t”取得的体动数据和在预定的定时的前一个定时“t-1”取得的体动数据。在该情况下,加速度运算部111将相当于预定的定时“t”的“时间t”与相当于前一个定时“t-1”的“时间t-1”的差量设为时间差dt。接着,加速度运算部111对相邻的2个体动数据间的体动数据的值大小的变化量dv进行运算S32。此时,加速度运算部111将在预定的定时“t”取得的“体动t”与在前一个定时“t-1”取得的“体动t-1”的差量设为变化量dv。接着,加速度运算部111通过用变化量dv除以时间差dt来对加速度数据进行运算S33。由此,在加速度运算部111中能够确定加速度的绝对值S34,进而能够确定加速度的正负符号S35。加速度的绝对值与对象者的运动的大小相当。加速度的正负取决于对象者移动的方向身体接近或离开传感器21的方向和对象者的加速减速。但是,图4所示的处理的顺序只不过是一个例子,处理的顺序可以适当地进行变更。在此,成为微分处理的对象的体动数据既可以是前置处理前的体动数据,也可以是例如降噪和移动平均运算等前置处理后的体动数据。通过使用前置处理后的体动数据来执行加速度运算处理,能够将噪音的影响抑制得很小。2.2.3预兆判定处理对预兆判定部121进行的预兆判定处理图3的S6进行说明。在预兆判定处理中,预兆判定部121基于在过去的参照期间取得的体动数据,判定特定现象的发生的预兆。具体而言,预兆判定部121对存储于存储部14的时序排列的多个体动数据的大小、变动量、变化的频度以及变化的时间段等进行解析,并根据解析结果来判定特定现象的发生的预兆。即,在发生特定现象之前,对象者的体动数据往往会出现特征性的倾向。尤其是,在体动数据的时序数据中容易出现特征性的倾向。因此,在预兆判定处理中,预兆判定部121对体动数据的时序数据进行平均值大小、变动量、变化的频度以及变化的时间段等的解析,并判定特定现象的发生的预兆,生成预兆数据。由此,例如在体动数据的平均值继续显著地降低等出现特征性的倾向的情况下,在预兆判定处理中判定为有临终关怀的发生的预兆。图5是示出预兆判定处理的具体例的流程图。如图5所示,当预兆判定处理开始时,预兆判定部121首先设定各种变量S61。此时设定的变量包含与体动数据等的统计值进行对比的阈值V1、预兆判定的开始日、合计期间以及后述的规定值N1等。接着,预兆判定部121算出开始日以后的合计期间中的体动数据等的统计值S62。本公开中所说的“统计值”是指根据合计期间的体动数据等包含加速度数据的时序数据统计性地求出的值,例如是体动数据等的平均值移动平均值、中央值、最频值、最小值以及方差等。预兆判定部121将算出的统计值与阈值V1进行比较S63。如果统计值小于阈值V1S63:是,则预兆判定部121将警报标记的值从“0”变更为“1”S64。进而,预兆判定部121算出在合计期间内值为“1”的警报标记的累计值S65。预兆判定部121将算出的警报标记的累计值与规定值N1进行比较S66。如果累计值与规定值N1相等S66:是,则预兆判定部121判定为特定现象的“有预兆”S67。另一方面,在统计值为阈值V1以上S63:否或者累计值小于规定值N1的情况下S66:否,预兆判定部121判定为特定现象的“无预兆”S68。但是,图5所示的处理的顺序只不过是一个例子,处理的顺序可以适当地进行变更。图5所示的流程图例如示出关于患有需要住院的生病等长期例如数日~数周以上发生的特定现象的预兆判定处理。但是,不限于这种特定现象,例如也能够实现关于从睡眠状态的起床离开床等短期例如几分钟~几小时以下发生的特定现象的预兆判定处理。对于短期例如几分钟~几小时以下发生的特定现象,例如使统计值与阈值V1进行比较的处理S63中的不等号的方向与图5的例子中的相反。进而,将长期的特定现象和短期的特定现象中的哪一方设为预兆判定处理的特定现象例如能够通过变更在处理S61中设定的参照期间的长度来切换。作为一个例子,当将参照期间设定为60天时,预兆判定部121能够根据60天周期的变化点来判定有无长期的特定现象的发生的预兆。另一方面,当将参照期间设定为10秒时,预兆判定部121能够根据10秒周期的变化点来判定有无短期的特定现象的发生的预兆。接着,作为一个例子,对图6所例示的情形下的预兆判定处理进行说明。图6是将横轴设为时间轴、纵轴设为体动数据的平均值移动平均值的、表示体动数据的变化的图表。在图6中,横轴的1刻度相当于“5天”。在图6的例子中,在时间点t1以前体动数据的平均值维持在阈值V1以上,与此相对,在时间点t1以后体动数据的平均值小于阈值V1。换言之,在时间点t1,体动数据的平均值低于阈值V1,从而出现与时间点t1以前不同的倾向。在该例的被试验者对象者中,从时间点t1起数日后会患有需要住院的疾病。也就是说,患有需要住院的疾病这一特定现象的预兆在时间点t1作为对象者的体动数据的特征性的倾向而出现。尤其是,在本实施方式中,如上所述,预兆判定部121能够基于以体动数据为基础的对象者的身体活动量的变化来判定预兆。在此,根据运动方程式F=ma,加速度与质量之积是力F,在使用了对象者的全身的身体活动中,对象者的体重相当于质量。若假定为对象者的体重的增减为能够无视的程度,则认为加速度相当于在身体活动中对象者施展的肌肉力量。因此,由加速度运算部111求出的加速度相当于身体活动的强度,一定期间的身体活动量用一定期间的加速度的累积值来表示。因此,在本实施方式中,在预兆判定处理中,预兆判定部121基于通过加速度运算处理求出的加速度数据来判定特定现象的发生的预兆。作为预兆判定处理中的判定条件,例如有以下的第1~4条件。第1条件是身体活动量成为第1阈值以下的状态持续第1时间例如,数日或数周等。第2条件是第2时间例如,几十分钟或几个小时等期间中的身体活动量的降低量成为第2阈值以上。第3条件是身体活动量成为第3阈值比第1阈值小以下。第4条件是睡眠期间等安静时的身体活动量的平均值与非安静时的身体活动量的平均值之差成为第4阈值以下。用于实现上述的判定条件的条件式和参数包含阈值等等例如存储于存储部14。作为其他的例子,在预兆判定处理中,将体动数据用作矢量值来判定特定现象的发生的预兆。在该情况下,除了体动数据的平均值等标量以外,预兆判定部121还对作为包含“方向”的成分的矢量值的加速度数据进行解析。由此,例如在检测出在单间50内从单间50出来的方向上的对象者的移动的情况下,预兆判定部121判定为有徘徊或认知功能的降低等特定现象的发生的预兆。另外,在预兆判定处理中使用的判定条件包含阈值的大小和期间的长度等也可以按每个对象者进行设定。因此,在具有多个单间50的带有服务的面向老年人的住宅等中,也可以按每个单间50设定在预兆判定处理中使用的判定条件。3变形例实施方式1只不过是本公开的各种各样的实施方式的一个。如果能够达成本公开的目的,则实施方式1能够根据设计等进行各种变更。与传感器信号处理系统1同样的功能也可以通过传感器信号处理方法、计算机程序或记录有程序的非瞬时性记录介质等具体化。在一技术方案涉及的传感器信号处理方法中,从输出与对象者的体动相关的体动数据的测定装置2取得体动数据图3的步骤S1,基于体动数据求出关于对象者的身体的运动的加速度图3的步骤S3。一技术方案涉及的程序是用于使计算机系统执行上述传感器信号处理方法的程序。另外,与现象预测系统10同样的功能也可以通过现象预测方法、计算机程序或记录有程序的非瞬时性记录介质等具体化。在一技术方案涉及的现象预测方法中,取得与对象者的体动相关的体动数据图3的步骤S1,基于体动数据判定与对象者关联的特定现象的发生的预兆图3的步骤S6。一技术方案涉及的程序是用于使计算机系统执行上述现象预测方法的程序。以下,列举实施方式1的变形例。以下所说明的变形例能够适当地进行组合而应用。本公开中的传感器信号处理系统1、现象预测系统10、传感器信号处理方法或现象预测方法的执行主体包含计算机系统。计算机系统以作为硬件的处理器和存储器为主要构成。处理器执行记录于计算机系统的存储器的程序,从而实现作为本公开中的传感器信号处理系统1、现象预测系统10以及传感器信号处理方法或现象预测方法的执行主体的功能。程序既可以预先记录于计算机系统的存储器,也可以通过电气通信线路而被提供,还可以记录于能够由计算机系统读取的存储卡、光盘、硬盘驱动器等非瞬时性记录介质而被提供。计算机系统的处理器由包含半导体集成电路IC或大规模集成电路LSI的1个或多个电子电路构成。多个电子电路既可以集成于1个芯片,也可以分散地设置于多个芯片。多个芯片既可以集成于1个装置,也可以分散地设置于多个装置。另外,传感器信号处理系统1的多个功能集成于1个壳体内的构成对于传感器信号处理系统1不是必需的构成,传感器信号处理系统1的构成要素也可以分散地设置于多个壳体。进而,传感器信号处理系统1的至少一部分的功能例如也可以通过服务器装置和云云计算等来实现。同样地,现象预测系统10的多个功能集成于1个壳体内的构成对于现象预测系统10不是必需的构成,现象预测系统10的构成要素也可以分散地设置于多个壳体。进而,现象预测系统10的至少一部分的功能例如也可以通过服务器装置和云云计算等来实现。相反地,在实施方式1中,分散于多个装置的功能,例如测定装置2和传感器信号处理系统1也可以集成于1个壳体内。另外,设定有对象空间100的设施不限于带有服务的面向老年人的住宅、看护设施或医院等工作人员所在的设施,也可以是保育所等托儿所设施。在该情况下,“对象者”是接受保育的婴儿或幼儿。进而,设定有对象空间100的设施也可以是一般的住宅独立式住宅或公寓设施。在该情况下,“对象者”是居住在住宅设施的人居住者。在设定有对象空间100的设施中居住有一个对象者的状况下,现象预测系统10的判定结果例如向与对象者分开地生活的对象者的家属或对象者居住的地区的地区支援者护理管理人员和生活顾问等等通知。另外,测定装置2只要是将至少体动数据向传感器信号处理系统1输出的构成即可,输出体动数据以外的数据心跳测定数据和呼吸测定数据的构成对于传感器信号处理系统1不是必需的构成。另外,测定装置2不限于电波式的多普勒传感器,例如也可以是发送超声波的超声波式的多普勒传感器。进而,测定装置2生成与存在于对象空间100的对象者的体动相关的体动数据即可。因此,测定装置2也可以是例如使用了调频连续波雷达方式的电波式传感器、使用了TOFTimeOfFlight:飞行时间方式或图像传感器的传感器等多普勒传感器以外的传感器。进而,测定装置2不限于以非接触方式生成与对象者的体动相关的体动数据的非接触方式传感器,也可以是例如佩戴于对象者的身体而被使用的可穿戴的终端等接触式传感器。另外,预兆判定部121基于至少体动数据来判定特定现象的发生的预兆即可,预兆判定部121基于加速度数据来判定特定现象的发生的预兆的构成对于现象预测系统10不是必需的构成。在预兆判定部121不使用加速度数据的情况下,可以适当地省略加速度运算部111。另外,传感器信号处理系统1具备取得部13、存储部14以及输出部15的构成对于现象预测系统10不是必需的构成,现象预测系统10也可以与传感器信号处理系统1不同地具备取得部13、存储部14以及输出部15。存储部14和输出部15对于现象预测系统10不是必需的构成,也可以适当地省略存储部14与输出部15中的至少一方。另外,由加速度运算部111生成的加速度数据用于预兆判定部121和状态判定部122等的情况不是必需的,例如也可以仅用于存在判定部112中的判定。进而,加速度运算部111的运算结果也可以仅由输出部15来输出。在该情况下,预兆判定部121和状态判定部122对于现象预测系统10不是必需的构成,也可以适当地省略预兆判定部121与状态判定部122中的至少一方。另外,测定装置2与传感器信号处理系统1之间的通信方式不限于无线通信,也可以是有线通信包含电力线载波通信。另外,第1运算处理部11和第2运算处理部12也可以由1个计算机系统构成。相反地,第1运算处理部11和第2运算处理部12也可以由3个以上的计算机系统构成。另外,对于传感器信号处理系统1和现象预测系统10的一部分的处理,例如加速度运算处理和预兆判定处理等,也可以利用机器学习等技术。例如,优选,在基于在过去的参照期间取得的体动数据并以怎样的基准来判定预兆的判定条件中利用机器学习等技术。作为一个例子,在决定阈值V1时,除了能够根据被试验者对象者的年龄、身高以及体重等推定的基础代谢量以外,也可以根据测定的呼吸数或心率等利用机器学习来决定阈值V1。另外,阈值V1不限于一定值,阈值V1也可以具有相对于时间轴的梯度。另外,在根据年龄、身高、体重或食量等来设定算出规定值N1或统计值的时间范围时,也可以利用机器学习。在实施方式1中,在进行2个值的比较中,设为“以上”的情况包含2个值相等的情况和2个值中的一方超过另一方的情况这双方,但不限于此,也可以是“大于”。也就是说,是否包含2个值相等的情况可以根据基准值等的设定而任意地进行变更,因此是“大于”还是“以上”没有技术上的差异。同样地,设为“小于”的情况也可以是“以下”。实施方式2本实施方式涉及的现象预测系统10在预兆判定部121中的预兆判定处理的内容上与实施方式1涉及的现象预测系统10不同。以下,对与实施方式1同样的构成标注有共同的标号而适当地省略说明。在本实施方式中,预兆判定部121对判定预兆的特定现象的种类进行区分。换言之,在预兆判定部121中,不仅只判定有无特定现象的发生的预兆,还区分并判定特定现象的种类。即,预兆判定部121在判定为特定现象的“有预兆”的情况下,从与对象者关联地可能发生的各种现象中确定哪种特定现象被判定为“有预兆”。作为特定现象的种类的一个例子,有临终关怀、行走时的跌倒、患有需要住院的疾病或受伤、死亡、认知功能的降低、徘徊、从睡眠状态起床离开床、排泄以及就寝等。但是,特定现象不限于临终关怀和行走时的跌倒这样的具体的分类,例如也可以是长期例如数日~数周以上发生的现象或短期例如几分钟~几小时以下发生的现象这样的抽象的分类。因此,由预兆判定部121生成的预兆数据表示有无特定现象的发生的预兆、和在有发生的预兆的情况下该特定现象的种类。具体而言,预兆判定部121使用按每个特定现象的种类进行了关联的判定条件来区分特定现象的种类,判定特定现象的发生的预兆。判定条件例如存储于存储部14。在此,在预兆判定处理中,按每个判定条件计算得分,在满足多个判定条件的情况下,也可以采用例如与得分最高的判定条件对应的特定现象。另外,预兆判定部121不限于在判定为特定现象的“有预兆”后确定哪种特定现象被判定为“有预兆”的构成,也可以在区分出特定现象的种类之后判定有无特定现象的发生的预兆。在该情况下,能够锁定作为有无预兆的判定的对象的特定现象。例如,在将临终关怀这一特定现象作为有无预兆的判定的对象的情况下,针对有无认知功能的降低等对象的特定现象以外的发生的预兆,在预兆判定部121中不进行判定。另外,在预兆判定处理中使用的判定条件也可以包含对象者的看护程度、既往病史以及看护记录等与从现象预测系统10的外部输入到现象预测系统10的外部信息相关的条件。由此,预兆判定部121能够基于看护度、既往病史以及看护记录等信息,实现预兆判定处理的判定精度的提高。另外,例如,在输出部15中,也可以基于上述那样的外部信息来变更向管理人等提示预兆判定部121的判定结果的顺序和形态等。作为一个例子,在输出部15针对多个对象者大致同时判定为特定现象的“有预兆”的情况下,也可以基于与各对象者相关的外部信息,从优先度高的对象者起按顺序进行判定结果的提示。另外,预兆判定部121也可以根据过去的体动数据或判定结果等,按每个对象者变更在预兆判定处理中使用的判定条件。由此,预兆判定部121能够与按每个对象者而不同的生活节奏的变化和身体状况的变化相应地判定特定现象的发生的预兆,能够实现预兆判定处理的判定精度的提高。另外,在现象预测系统10中,也可以将看护者进行对象者的看护的人基于预兆判定处理的判定结果实施的护理的内容和实施护理后的对象者的状态的变化等因预兆判定处理的判定结果而产生的现象作为反馈信息来使用。由此,在现象预测系统10中,能够基于反馈信息来执行例如应该与判定结果对应地实施的护理的提案、或者确认预兆判定处理的判定结果是否正确等。另外,现象预测系统10也可以将预兆判定处理的判定结果等向外部看护业务系统等输出。进而,输出部15也可以根据预兆判定处理的判定结果,变更预兆判定处理的判定结果的输出目的地。由此,输出部15能够根据哪种特定现象被判定为“有预兆”来向例如医生、护士或护理人员等与特定现象相应地合适的人提示预兆判定处理的判定结果。在实施方式2中所说明的构成能够与在实施方式1中所说明的各种构成包含变形例适当地进行组合而应用。总结像以上所说明的那样,第1技术方案涉及的现象预测系统10具备取得部13和预兆判定部121。取得部13取得与对象者的体动相关的体动数据。预兆判定部121基于体动数据来判定与对象者关联的特定现象的发生的预兆。根据该技术方案,能够基于体动数据来判定与对象者关联地可能发生的特定现象的发生的预兆,也就是说,判定在发生特定现象之前预先出现的“征兆”。因此,根据现象预测系统10,具有能够判定与对象者关联的特定现象的发生的预兆的优点。在第2技术方案涉及的现象预测系统10中,在第1技术方案中,预兆判定部121基于在过去的参照期间取得的体动数据来判定预兆。根据该技术方案,通过使用在过去的参照期间取得的体动数据,能够相对地判定预兆,因此即使按每个对象者体动数据存在偏差,也能够抑制预兆的判定精度的降低。在第3技术方案涉及的现象预测系统10中,在第1或第2技术方案中,预兆判定部121基于以体动数据为基础的对象者的身体活动量的变化来判定预兆。根据该技术方案,能够实现预兆的判定精度的提高。即,特定现象的发生的预兆容易表现为对象者的身体活动量的变化,因此预兆判定部121能够通过基于这样的身体活动量的变化来进行判定,从而实现判定精度的提高。第4技术方案涉及的现象预测系统10在第1~3中的任一技术方案中还具备存在判定部112。存在判定部112基于体动数据来判定对象空间100中对象者的存在与否。根据该技术方案,能够将体动数据兼用于特定现象的发生的预兆的判定和对象空间100中的对象者的存在与否的判定。第5技术方案涉及的现象预测系统10在第1~4中的任一技术方案中还具备输出部15。输出部15输出预兆判定部121的判定结果。根据该技术方案,能够将预兆判定部121的判定结果向例如管理人等通知。在第6技术方案涉及的现象预测系统10中,在第1~5中的任一技术方案中,预兆判定部121对判定预兆特定现象的种类进行区分。根据该技术方案,不仅是特定现象的发生的预兆的有无,还对判定预兆的特定现象的种类进行区分,因此预兆判定部121的判定结果的解析变得容易。在第7技术方案涉及的现象预测方法中,取得与对象者的体动相关的体动数据,基于体动数据来判定与对象者关联的特定现象的发生的预兆。根据该技术方案,能够基于体动数据来判定与对象者关联地可能发生的特定现象的发生的预兆,也就是说,判定在发生特定现象之前预先出现的“征兆”。因此,根据现象预测方法,具有能够判定与对象者关联的特定现象的发生的预兆的优点。第8技术方案涉及的程序是用于使计算机系统执行第7技术方案涉及的现象预测方法的程序。根据该技术方案,能够基于体动数据来判定与对象者关联地可能发生的特定现象的发生的预兆,也就是说,能够判定在发生特定现象之前预先出现的“征兆”。因此,根据上述程序,具有能够判定与对象者关联的特定现象的发生的预兆的优点。不限于上述技术方案,实施方式1和实施方式2涉及的现象预测系统10的各种构成包含变形例能够通过现象预测方法、程序以及记录程序的非瞬时性记录介质具体化。第2~6技术方案涉及的构成对于第1技术方案涉及的现象预测系统10不是必需的构成,可以适当地省略。另外,第9技术方案涉及的传感器信号处理系统1具备取得部13和加速度运算部111。取得部13从测定装置2取得体动数据。测定装置2输出与对象者的体动相关的体动数据。加速度运算部111基于体动数据来求出关于对象者的身体的运动的加速度。根据该技术方案,能够基于从测定装置2取得的体动数据来求出关于对象者的身体的运动的加速度。根据运动方程式,加速度与质量之积是力,在使用对象者的全身的身体活动中,对象者的体重相当于质量。若假定为对象者的体重的增减为能够无视的程度,则认为加速度相当于在身体活动中对象者施展的肌肉力量。因此,由加速度运算部111求出的加速度相当于身体活动的强度,一定期间的身体活动量用一定期间的加速度的累积值来表示。因此,在传感器信号处理系统1中,通过根据体动数据来求出加速度,能够定量地评估身体活动量,能够实现身体活动量的检测精度的提高。在第10技术方案涉及的传感器信号处理系统1中,在第9技术方案中,加速度运算部111通过对时序排列的多个体动数据实施微分处理来求出加速度。根据该技术方案,能够通过微分处理这一比较简单的运算来求出加速度,能够减轻加速度运算部111的处理负荷。在第11技术方案涉及的传感器信号处理系统1中,在第9或10的技术方案中,测定装置2具有对对象者以非接触方式检测体动数据的非接触式传感器21。根据该技术方案,能够不妨碍对象者的运动地求出加速度以取得体动数据。在第12技术方案涉及的传感器信号处理系统1中,在第11技术方案中,传感器21是进行电波的发送和接收的电波式传感器。根据该技术方案,对象者的微小的运动也能够通过传感器21检测,因此能够实现身体活动量的检测精度的进一步提高。在第13技术方案涉及的传感器信号处理系统1中,在第12的技术方案中,测定装置2通过对由传感器21发送的电波的频率和由传感器21接收到的电波的频率进行比较来求出对象者的移动的速度。根据该技术方案,通过测定装置2求出对象者的移动的速度,因此在传感器信号处理系统1中能够通过比较简单的处理来求出加速度。第14技术方案涉及的传感器信号处理系统1在第9~13中的任一技术方案中还具备输出部15。输出部15输出加速度运算部111的运算结果。根据该技术方案,能够将加速度运算部111的运算结果向例如管理人等通知。在第15技术方案涉及的传感器信号处理方法中,从输出与对象者的体动相关的体动数据的测定装置2取得体动数据,并基于体动数据来求出关于对象者的身体的运动的加速度。根据该技术方案,能够基于从测定装置2取得的体动数据来求出关于对象者的身体的运动的加速度。根据运动方程式,加速度与质量之积是力,在使用对象者的全身的身体活动中,对象者的体重相当于质量。若假定为对象者的体重的增减为能够无视的程度,则认为加速度相当于在身体活动中对象者施展的肌肉力量。因此,通过加速度运算处理求出的加速度相当于身体活动的强度,一定期间的身体活动量用一定期间的加速度的累积值来表示。因此,在传感器信号处理方法中,通过根据体动数据来求出加速度,能够定量地评估身体活动量,能够实现身体活动量的检测精度的提高。第16技术方案涉及的程序是用于使计算机系统执行第15技术方案涉及的传感器信号处理方法的程序。根据该技术方案,能够基于从测定装置2取得的体动数据来求出关于对象者的身体的运动的加速度。根据运动方程式,加速度与质量之积是力,在使用对象者的全身的身体活动中,对象者的体重相当于质量。若假定为对象者的体重的增减为能够无视的程度,则认为加速度相当于在身体活动中对象者施展的肌肉力量。因此,通过加速度运算处理求出的加速度相当于身体活动的强度,一定期间的身体活动量用一定期间的加速度的累积值来表示。因此,在上述程序中,通过根据体动数据来求出加速度,能够定量地评估身体活动量,能够实现身体活动量的检测精度的提高。不限于上述技术方案,实施方式1和实施方式2涉及的传感器信号处理系统1的各种构成包含变形例能够通过传感器信号处理方法、程序以及记录程序的非瞬时性记录介质具体化。第10~14技术方案涉及的构成对于第9技术方案涉及的传感器信号处理系统1不是必需的构成,可以适当地省略。

权利要求:1.一种现象预测系统,其具备:取得部,其从输出与对象者的体动相关的体动数据的测定装置取得所述体动数据;和预兆判定部,其基于在过去的参照期间取得的所述体动数据,判定与所述对象者关联的特定现象的发生的预兆。2.根据权利要求1所述的现象预测系统,还具备加速度运算部,所述加速度运算部基于所述体动数据,求出关于所述对象者的身体的运动的加速度,所述预兆判定部基于以所述体动数据为基础的所述对象者的身体活动量的变化,判定所述预兆。3.根据权利要求2所述的现象预测系统,所述加速度运算部通过对时序排列的多个所述体动数据实施微分处理来求出所述加速度。4.根据权利要求2或3所述的现象预测系统,还具备输出部,所述输出部输出所述加速度运算部的运算结果。5.根据权利要求1~3中任一项所述的现象预测系统,还具备输出部,所述输出部输出所述预兆判定部的判定结果。6.根据权利要求1~5中任一项所述的现象预测系统,所述测定装置具有非接触式传感器,所述非接触式传感器对所述对象者以非接触方式检测所述体动数据。7.根据权利要求6所述的现象预测系统,所述传感器是进行电波的发送和接收的电波式传感器。8.根据权利要求7所述的现象预测系统,所述测定装置通过对由所述传感器发送了的电波的频率和由所述传感器接收到的电波的频率进行比较来求出所述对象者的移动的速度。9.根据权利要求1~8中任一项所述的现象预测系统,还具备存在判定部,所述存在判定部基于所述体动数据,判定对象空间中的所述对象者的存在与否。10.根据权利要求1~9中任一项所述的现象预测系统,所述预兆判定部对判定所述预兆的所述特定现象的种类进行区分。11.一种传感器信号处理系统,其具备:取得部,其从输出与对象者的体动相关的体动数据的测定装置取得所述体动数据;和加速度运算部,其基于所述体动数据,求出关于所述对象者的身体的运动的加速度。12.一种现象预测方法,其包括以下步骤:从输出与对象者的体动相关的体动数据的测定装置取得所述体动数据,基于在过去的参照期间取得的所述体动数据,判定与所述对象者关联的特定现象的发生的预兆。13.一种非瞬时性记录介质,其记录有用于使计算机系统执行权利要求12所述的现象预测方法的程序。

百度查询: 松下电器(美国)知识产权公司 现象预测系统、传感器信号处理系统、现象预测方法、非瞬时性记录介质及计算机记录介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。