JP2008188092A - データ処理方法，データ処理装置及びデータ処理プログラム - Google Patents

Abstract

【課題】データ処理方法，データ処理装置及びプログラムに関し、四足動物の歩行状態の解析に際し、簡素な構成で、データ処理速度及びデータ処理精度を向上させる。
【解決手段】四足動物の歩行運動に伴って生じる振動を時系列の振動データとして検出する振動データ検出ステップＡ１０，Ａ２０と、振幅エネルギの大きさを抽出すべく該振動データの変換を行う振幅エネルギ変換ステップＡ３０と、該変換がなされたデータから時系列の基本振動データを生成する基本振動データ生成ステップＡ５０と、該基本振動データに基づいて該振動データの変動を特徴付ける基本データ点を抽出する基本データ点抽出ステップＡ６０と、該基本データ点の検出時刻を基準とした所定の時間の範囲を該振動データの抽出範囲として設定する抽出範囲設定ステップＡ７０と、該抽出範囲に含まれる振動データの中から特徴データ点を抽出する特徴データ点抽出ステップＡ８０とを備える。
【選択図】図３

Description

本発明は、四足動物の歩行運動時における歩行リズムを解析することで歩行状態を診断するためのデータ処理方法，データ処理装置及びデータ処理プログラムに関するものである。

従来、歩行リズムやまばたきのリズムといった人体の生体リズム情報を抽出し、その周期変動を解析することによって、対象者の健康状態を診断する手法が知られている。
例えば、特許文献１には、人の歩行時における歩行リズムとして、肢体の振動（加速度変動）の情報をコンピュータ解析し、生理機能の低下や老化を判別する構成が開示されている。ここでは解析手法として、フラクタル解析，周波数（ＦＦＴ）解析，自己関数解析，カオス解析等が挙げられている。これらのようなデータ解析手法を用いて、周期的な振動データの揺らぎを観察することにより、歩行リズムに内在する線形あるいは非線形の構造を抽出することができ、診断の難しい脳神経系の疾病や生理機能の低下を客観的に診断することができるようになっている。
特開２０００−１６６８７７号公報

しかしながら、本発明者らが検討を行ったところ、四足動物を診断対象とした場合には正確な歩行リズムの抽出が難しく、診断が困難であることが判明した。
つまり、四足動物の歩行運動では、四本の各々の肢体の動きによってそれぞれ異なる振動が発生する。そのため、任意の一本の足の動きに着目して、その足の動きのリズムのみを抽出しようとしても、他の三本の足の動きから生じるリズムが混入し、歩行間隔を正確に取り出すことができなかった。

特に、四足歩行時における各肢体の歩行リズムの位相差は、二足歩行時における各肢体の歩行リズムの位相差の略半分となるため、互いに干渉した各肢体の歩行リズムの中から特定の肢体の歩行リズムを簡便に抽出することが困難であった。
本発明はこのような課題に鑑み案出されたもので、四足動物の歩行状態の解析に際し、簡素な構成で、データ処理速度及びデータ処理精度を向上させることができるデータ処理方法，データ処理装置及びプログラムを提供することを目的とする。

上記目的を達成するために、請求項１記載の本発明のデータ処理方法は、四足動物の歩行運動に伴って生じる振動を時系列の振動データとして検出する振動データ検出ステップと、該振動データ検出ステップで検出された該振動データにおける振幅エネルギの大きさを抽出すべくデータ変換を行う振幅エネルギ変換ステップと、該振幅エネルギ変換ステップで得られたデータに対し、該振動の特徴を把握するための前処理としての信号処理を施して、時系列の基本振動データを生成する基本振動データ生成ステップと、該基本振動データ生成ステップで生成された該基本振動データに基づいて、該振動データの変動を特徴付ける基本データ点を抽出する基本データ点抽出ステップと、該基本データ点抽出ステップで抽出された該基本データ点の検出時刻を基準とした所定の時間の範囲を該振動データの抽出範囲として設定する抽出範囲設定ステップと、該振動データ検出ステップで検出された該振動データのうち、該抽出範囲設定ステップで設定された該抽出範囲に含まれる振動データの中から、該振動を特徴付ける振動データを特徴データ点として抽出する特徴データ点抽出ステップとを備えたことを特徴としている。

ここで、四足動物としては、具体的には牛，豚，羊，馬，犬，猫，ハムスター，ラット，マウス等の家畜・ペット・実験動物のような、その挙動を人間が把握，管理する動物が挙げられる。これらのうち、好ましくは、牛，馬，犬が挙げられる。
振幅エネルギの大きさを抽出するためのデータ変換処理としては、絶対値化する処理や二乗処理等が挙げられる。

なお、該前処理とは、該振動データの変動を見つけやすくするための不可逆的な（非可逆変化を伴う）演算処理全般のことを指しており、例えば該振動データ中に含まれる不必要な情報（ノイズ）を除去するためのフィルタ処理やヒルベルト変換処理，フーリエ変換処理，加算平均の手法を用いた信号処理，ウェーブレット解析処理，フラクタル解析処理等を含む。また、任意の信号加算や減算，比例処理，積分処理，微分処理等も含む。

また、請求項２記載の本発明のデータ処理方法は、請求項１記載の構成に加え、該振幅エネルギ変換ステップにおいて、該振動データ検出ステップで得られた該振動データをその絶対値からなる絶対値振動データへと変換し、該絶対値振動データにさらにエンベロープ処理を施して、該絶対値振動データをエンベロープ振動データへと変換することを特徴としている。

また、請求項３記載の本発明のデータ処理方法は、請求項１又は２記載の構成に加え、該基本振動データ生成ステップにおいて、該振幅エネルギ変換ステップで変換された該データに対し、線形解析手法を用いて該信号処理を施して、該基本振動データを生成することを特徴としている。
また、請求項４記載の本発明のデータ処理方法は、請求項１〜３の何れか１項に記載の構成に加え、該基本振動データ生成ステップにおいて、該振幅エネルギ変換ステップで変換された該データから、予め設定された所定の周波数成分を濾波することを特徴としている。

また、請求項５記載の本発明のデータ処理方法は、請求項１〜４の何れか１項に記載の構成に加え、該基本振動データ生成ステップにおいて、該振幅エネルギ変換手段で変換された該エンベロープ振動データを平滑化した波動データを該基本振動データとして生成するとともに、該基本データ点抽出ステップにおいて、該基本振動データの波長に相関する該基本振動データ上の点を該基本データ点として抽出することを特徴としている。

なお、「該エンベロープ振動データを平滑化」するとは、信号処理によってエンベロープ振動データの波形を滑らかな波動（波形）に変換することをいう。また、「該基本振動データの波長に相関する該基本振動データ上の点」とは、波動のピーク（振幅が最大となる点であり、一波長中における最大点や最小点）や０点といったように、周期的に現れる点のことを意味する。

また、請求項６記載の本発明のデータ処理方法は、請求項５記載の構成に加え、該抽出範囲設定ステップにおいて、該基本データ点の検出時刻の近傍時刻を該抽出範囲として設定することを特徴としている。
また、請求項７記載の本発明のデータ処理方法は、請求項６記載の構成に加え、該特徴データ点抽出ステップにおいて、該抽出範囲に含まれる振動データにおける振動ピークの検出時刻を該特徴データ点として抽出することを特徴としている。

また、請求項８記載の本発明のデータ処理方法は、請求項１〜７の何れか１項に記載の構成に加え、該特徴データ点抽出ステップで検出された該特徴データ点に基づき、該振動データ中の非線形構造を抽出する非線形解析演算処理ステップをさらに備えたことを特徴としている。
請求項９記載の本発明のデータ処理装置は、四足動物の歩行運動に伴って生じる振動を時系列の振動データとして検出する振動データ検出手段と、該振動データ検出手段で検出された該振動データにおける振幅エネルギの大きさを抽出すべくデータ変換を行う振幅エネルギ変換手段と、該振幅エネルギ変換手段で得られたデータに対し、該振動の特徴を把握するための前処理としての信号処理を施して、時系列の基本振動データを生成する基本振動データ生成手段と、該基本振動データ生成手段で生成された該基本振動データに基づいて、該振動データの変動を特徴付ける基本データ点を抽出する基本データ点抽出手段と、該基本データ点抽出手段で抽出された該基本データ点の検出時刻を基準とした所定の時間の範囲を該振動データの抽出範囲として設定する抽出範囲設定手段と、該振動データ検出手段で検出された該振動データのうち、該抽出範囲設定手段で設定された該抽出範囲に含まれる振動データの中から、該振動を特徴付ける振動データを特徴データ点として抽出する特徴データ点抽出手段とを備えたことを特徴としている。

また、請求項１０記載の本発明のデータ処理装置は、請求項９記載の構成において、該振幅エネルギ変換手段が、該振動データ検出手段で得られた該振動データをその絶対値からなる絶対値振動データへと変換し、該絶対値振動データにさらにエンベロープ処理を施して、該絶対値振動データをエンベロープ振動データへと変換することを特徴としている。

また、請求項１１記載の本発明のデータ処理装置は、請求項９又は１０記載の構成において、該基本振動データ生成手段が、該振幅エネルギ変換手段で変換された該エンベロープ振動データに対し、線形解析手法を用いて該信号処理を施して、該基本振動データを生成する線形信号処理手段を有してなることを特徴としている。
また、請求項１２記載の本発明のデータ処理装置は、請求項９〜１１の何れか１項に記載の構成において、該基本振動データ生成手段が、該振幅エネルギ変換手段で変換された該エンベロープ振動データから、予め設定された所定の周波数成分を濾波するフィルタ処理手段を有してなることを特徴としている。

また、請求項１３記載の本発明のデータ処理装置は、請求項９〜１２の何れか１項に記載の構成において、該基本振動データ生成手段が、該振幅エネルギ変換手段で変換された該データを平滑化した波動データを該基本振動データとして生成するとともに、該基本データ点抽出手段が、該基本振動データの波長に相関する該基本振動データ上の点を該基本データ点として抽出することを特徴としている。

また、請求項１４記載の本発明のデータ処理装置は、請求項１３記載の構成において、該抽出範囲設定手段が、該基本データ点の検出時刻の近傍時刻を該抽出範囲として設定することを特徴としている。
また、請求項１５記載の本発明のデータ処理装置は、請求項１４記載の構成において、該特徴データ点抽出手段が、該抽出範囲に含まれる振動データにおける振動ピークの検出時刻を該特徴データ点として抽出することを特徴としている。

また、請求項１６記載の本発明のデータ処理装置は、請求項９〜１５の何れか１項に記載の構成において、該特徴データ点抽出手段で検出された該特徴データ点に基づき、該振動データ中の非線形構造を抽出する非線形解析演算処理手段をさらに備えたことを特徴としている。
請求項１７記載の本発明のデータ処理プログラムは、コンピュータを、振幅エネルギ変換手段，基本振動データ生成手段，基本データ点抽出手段，抽出範囲設定手段及び特徴データ点抽出手段として機能させるためのデータ処理プログラムであって、該振幅エネルギ変換手段が、振動データとして検出された、四足動物の歩行運動に伴って生じる振動における振幅エネルギの大きさを抽出すべくデータ変換をし、該基本振動データ生成手段が、該振幅エネルギ変換手段で変換されたデータに対し、該振動の特徴を把握するための前処理としての信号処理を施すことで時系列の基本振動データを生成し、該基本データ点抽出手段が、該基本振動データ生成手段で生成された該基本振動データに基づいて、該振動データの変動を特徴付ける基本データ点を抽出し、該抽出範囲設定手段が、該基本データ点抽出手段で抽出された該基本データ点の検出時刻を基準とした所定の時間の範囲を該振動データの抽出範囲として設定し、該特徴データ点抽出手段が、該振動データ検出手段で検出された該振動データのうち、該抽出範囲設定手段で設定された該抽出範囲に含まれる振動データの中から、該振動を特徴付ける振動データを特徴データ点として抽出することを特徴としている。

本発明のデータ処理方法，データ処理装置及びデータ処理プログラム（請求項１，９，１７）によれば、基本振動データの生成に際し、まず歩行運動に伴って生じる振動の振幅エネルギの大きさを抽出することによって、着目する肢体のみの歩行リズムを把握しやすくすることができ、その後の周期解析処理の演算精度を向上させることができる。
また、振動データの抽出範囲の設定においては前処理としての信号処理を施した基本振動データを用い、より具体的な特徴データ点の抽出においてはその抽出範囲に含まれる振動データから取り出すため、四足動物の歩行運動に伴って生じる振動を特徴付ける振動データを極めて正確に抽出することができる。

本発明のデータ処理方法及びデータ処理装置（請求項２，１０）によれば、前処理としての信号処理に先立って振動データの絶対値をとり、そのエンベロープを抽出することにより、振幅エネルギの変動の概要を把握することができ、振動データの変動を特徴付ける基本データ点を抽出しやすくすることができる。
本発明のデータ処理方法及びデータ処理装置（請求項３，１１）によれば、前処理として線形解析手法を用いることで、容易にかつ簡素な構成で短時間に処理を済ませることができる。

本発明のデータ処理方法及びデータ処理装置（請求項４，１２）によれば、振動データのフィルタリングにより、容易に信号処理を行うことができる。また、基本データ点を抽出するのに十分な情報を素早く選別することができる。
本発明のデータ処理方法及びデータ処理装置（請求項５，１３）によれば、振動データを平滑化して生成された基本振動データの波長に相関する基本振動データ上の点を検出するようになっているため、容易に基本データ点を検出することができる。また、基本データ点を参照することで、基本振動データの波長の変化、すなわち振動周期の変化を容易に把握することができる。

本発明のデータ処理方法及びデータ処理装置（請求項６，１４）によれば、基本振動データ上における基本データ点の検出時刻の近傍時刻を抽出範囲として設定するため、基本振動データの基本データ点から離れている範囲に含まれる振動データを、特徴データ点の抽出対象から除外することができる。つまり、歩行運動を特徴付ける振動データとの相関が強い部分の情報を容易に取り出すことができる。

本発明のデータ処理方法及びデータ処理装置（請求項７，１５）によれば、振動データ中に含まれる、歩行運動を特徴付ける特徴データ点を正確に取り出すことができる。
本発明のデータ処理方法及びデータ処理装置（請求項８，１６）によれば、正確に抽出された特徴データ点に基づいて振動データ中の非線形構造を抽出することができ、信頼性の高いデータ解析を行うことができる。

以下、図面により、本発明の実施の形態について説明する。
図１〜図５は本発明の一実施形態に係るデータ処理装置を示すもので、図１は本データ処理装置の全体構成を示すブロック図、図２は本データ処理装置における処理内容を説明するためのグラフであり、（ａ）は振幅エネルギ変換部，基本振動データ生成部及び基本データ点抽出部におけるデータ処理に係る振動データの時系列グラフ、（ｂ）は特徴データ点抽出部におけるデータ処理に係る振動データの時系列グラフ、図３は本データ処理装置における制御内容を示すフローチャート、図４はコンピュータを利用した本データ処理装置の構成例を示す模式図、図５は本データ処理装置の処理内容に対する比較例としての振動データの解析過程を示す時系列グラフである。

［１．構成］
［１−１．全体構成］
本実施形態では、牛の歩行運動における歩行リズムを解析対象としたデータ処理装置を具体例として説明する。すなわち、本データ処理装置は、牛の歩行運動に伴って生じる振動の加速度を振動データとして検出し、それにデータ処理を施して牛の歩行状態を診断し、出力を行う装置である。

図１に示すように、本データ処理装置は、振動データ検出装置（振動データ検出手段）１，第一データ処理部９及び第二データ処理部（非線形解析演算処理手段）１０を備えて構成される。第一データ処理部９は、振動データ検出装置１で検出された信号の特徴を把握しやすくするための演算処理を施すものであり、一方、第二データ処理部１０は、実質的なデータ処理として歩行リズムを解析するものである。

これらの第一データ処理部９及び第二データ処理部１０は、コンピュータの内部で演算処理される機能部を模式的に示すものであり、各機能は個別のプログラムとして構成されている。なお、本実施形態における第一データ処理部９は、振幅エネルギ変換手段，基本振動データ生成手段，基本データ点抽出手段，抽出範囲設定手段及び特徴データ点抽出手段として機能するものである。また、第二データ処理部１０は、非線形解析演算処理手段として機能するものである。

コンピュータを利用した本データ処理装置の構成例を図４に示す。このコンピュータ１２は、上述の振動データ検出装置１，記憶装置（ＲＯＭ，ＲＡＭ等）１３，中央処理装置（ＣＰＵ）１４，出力インタフェースとしてのモニタ１５，入力インタフェースとしてのキーボード１６及びマウス１７を備えて構成されている。ここで、本データ処理装置に係る第一データ処理部９及び第二データ処理部１０は、記憶装置１３の内部にプログラムとして記憶されている。
以下、本データ処理装置における信号処理内容について、図１のブロック図を用いて概念的に説明する。

［１−２．振動データ検出装置］
振動データ検出装置１は、四足動物の歩行運動に伴って生じる振動を検出するセンサである。この振動には、センサで直接検出される情報のほか、その情報を演算等によって処理して、対応するパラメータの値を推定値として求めたものも含まれる。

本実施形態ではこの振動データ検出装置１として、牛の歩行運動に伴って生じる加速度の大きさを検出するための加速度センサが適用されており、対象となる牛の肢体に装着されている。
この加速度センサとしては、測定対象となる動物の種類や解析の目的に合わせて一軸〜三軸のものを任意に用いてよいが、歩行時における鉛直方向，水平前後方向及び水平左右方向の三方向へ作用する加速度を検出するための三軸加速度センサを用いるのが好ましい。今回の具体例では三軸加速度センサを用いており、ここで検出された鉛直方向の加速度の検出情報及びその検出時刻情報が、図１に示すように、振動データＳとして第一データ処理部９へ入力されるようになっている。
なお、振動を検出するセンサの他の具体例としては、速度センサや変位センサ（位置センサ）等も考えられる。

［１−３．第一データ処理部］
第一データ処理部９は、本願請求項１に規定された処理を振動データＳに施す機能部であり、図１に示すように、振動データ記憶部１１，振幅エネルギ変換部（振幅エネルギ変換手段）６，基本振動データ生成部（基本振動データ生成手段）２，基本データ点抽出部（基本データ点抽出手段）３，抽出範囲設定部（抽出範囲設定手段）４及び特徴データ点抽出部（特徴データ点抽出手段）５を備えて構成される。

ここで施される処理とは、振動データＳに対し、その特徴を把握しやすくするために数学的，電気的な加工を施して、データを変換すること（換言すれば、信号処理）である。なお、該処理はその処理対象となる信号の種類によって、アナログ信号処理とデジタル信号処理とに分類することができる。本第一データ処理部９は、デジタル信号処理の範疇に含まれる処理を実施するものである。

［１−３−１．振動データ記憶部］
振動データ記憶部１１は、振動データ検出装置１から入力された振動データＳを記憶する機能部である。ここに記憶された振動データＳは、図１に示すように、振動データ記憶部１１から二系統に分かれて振幅エネルギ変換部６及び特徴データ点抽出部５のそれぞれへと入力されるようになっている。つまり、振幅エネルギ変換部６及び特徴データ点抽出部５の各々に対して、何ら加工されていない生の情報が入力されることになる。

なお、この振動データ記憶部１１へ入力される振動データＳは、振動データ検出装置１において所定時間の間に検出された一連の時系列データであってもよいし、あるいは、振動データ検出装置１で随時検出された個別の測定データであってもよい。
前者の場合には、時系列データとしての振動データＳがそのまま、振幅エネルギ変換部６及び特徴データ点抽出部５へ入力される。また、後者の場合には、振動データ検出装置１からの振動データＳの総数が予め設定された所定数以上となるまでの間、各振動データＳが振動データ記憶部１１に記憶され、データ数が十分に揃った段階でそれら全体の振動データＳが振幅エネルギ変換部６及び特徴データ点抽出部５へと入力されるようになっている。本実施形態では、後者の場合について説明する。

なお、時系列の振動データＳは、図２（ａ）に示すように、周期的なピークを含んだ複雑な変動を示している。これは、振動データ検出装置１が振動データ検出装置１を装着された肢体の足運びに伴う振動だけでなく、他の肢体の足運びに伴う振動を同時に検出しているからである。つまり、各々独立した足運びの四肢の振動同士が干渉し、振動データ検出装置１を装着された肢体の歩行ステップ（肢体が地面についてから再び地面につくまでの時間間隔）と振動データＳとの対応関係が把握しにくくなっている。
そこで本発明では、振動データＳに振幅エネルギ変換処理を施すという、以下に説明する振幅エネルギ変換部６を備えた構成により、このような対応関係をより容易に把握できるようにしている。

［１−３−２．振幅エネルギ変換部］
振幅エネルギ変換部６は、振動データ記憶部１１から入力された時系列の振動データＳを、その絶対値からなる絶対値振動データＳ_Aへと変換するとともに、変換された絶対値振動データＳ_Aに対してエンベロープ処理を施すものである。
まずここでは、以下の式に従って絶対値振動データＳ_Aが算出される。
Ｓ_A＝｜Ｓ｜ ・・・（式１）

つまりここでは、時系列の振動データＳにおける、振幅エネルギの大きさが抽出されることになる。続いて、時系列の絶対値振動データＳ_Aの各データについて、極大点（前後に隣り合うデータ点よりも大きな値を有するデータ点）を連結するエンベロープ処理が施され、エンベロープ振動データＳ_Eへと変換される。つまりここでは、エンベロープ振動データＳ_Eが、絶対値振動データＳ_Aの細かな振幅を包絡する折れ線として得られることになる。

図２（ａ）に振動データＳ及びエンベロープ振動データＳ_Eを、それぞれ細実線及び太実線で示す。ここで得られたエンベロープ振動データＳ_Eは、基本振動データ生成部２へと入力されるようになっている。

［１−３−３．基本振動データ生成部］
基本振動データ生成部２は、振動データ検出装置１で検出された振動データＳから必要な信号成分を取り出すための処理を実施する機能部である。本実施例では、歩行時の加速度変化のピーク、すなわち、歩行ステップの周期と同じ周期で検出される特徴点を検出するためのデジタルフィルタ処理がなされており、振幅エネルギ変換部６で得られたエンベロープ振動データＳ_Eに対し、ローパスフィルタ,位相フィルタ及びハイパスフィルタの三種のフィルタ処理が施されるようになっている。

この基本振動データ生成部２で施される処理の具体的な内容としては、処理対象となるデータの種類や内容、あるいは、どのような目的のもとに解析するのかによって異なるが、一般的には、フィルタ処理，フーリエ変換処理といった線形解析手法を単独で、又は、それらを組み合わせて行うのが好ましい。
ローパスフィルタは、多様な周波数成分を含んだ入力信号の中から高周波数の振動成分を低減させる（あるいは除去する）フィルタである。このローパスフィルタにより、牛の歩行運動に伴う加速度変動の周波数（すなわち、一方の足が地面についてから再び地面につくまでの時間間隔の逆数）よりも高周波数のノイズ成分が抑制されるようになっている。

なお、図２（ａ）中に細い実線で示された振動データＳに見られる細かい時間間隔の振動が、高周波数のノイズ成分である。また、図２（ａ）中に太い実線で示されたエンベロープ振動データＳ_Eにも、振動データＳよりは時間間隔が長いものの、細かい振動が含まれている。ローパスフィルタでは、このようなエンベロープ振動データＳ_Eの高周波成分が抑制される。

また、位相フィルタは、入力信号の位相変化を遅延させるフィルタである。ここでは、入力信号の位相をその加速度変動の四半周期分だけ遅延させるようになっている。
一方、ハイパスフィルタは、牛の歩行運動に伴う加速度変動の周波数よりも低周波数の振動成分を低減させる（あるいは除去する）フィルタである。このハイパスフィルタにより、振動データ検出装置１で検出された信号のドリフト成分が抑制されるようになっている。これらのフィルタ処理を施すことにより、エンベロープ振動データＳ_Eの中から牛の歩行運動に伴う加速度変動の時系列データが明確化されるようになっている。

例えば、図２（ａ）中に太実線で示されたエンベロープ振動データＳ_Eに対して、上記の各フィルタ処理を施すと、破線で示されたような信号が取り出される。つまり、振動データ検出装置１で検出された生の情報の中から、牛の歩行運動時における一本の肢体の歩行ステップという特徴が、歩行ステップに対応する周期を有する波として取り出される。こうして取り出された時系列信号のことを、以下、基本振動データＳ_Bと呼ぶ。
なお、この基本振動データＳ_Bは位相フィルタを介して取り出された信号であるため、この信号の大きさが０となる時刻（すなわち０点の位置）が、元のエンベロープ振動データＳ_Eのピーク位置（最大値，最小値）が検出された時刻に対応することとなる。

［１−３−４．基本データ点抽出部］
基本データ点抽出部３は、基本振動データ生成部２で生成された基本振動データＳ_Bに基づき、その加速度変動を特徴づける情報を抽出するものである。ここでは、加速度変動を特徴づける情報として、フィルタ処理によって得られた基本振動データＳ_Bから推定される、入力された振動データＳのピーク位置を抽出するようになっている。つまり、基本データ点抽出部３では、基本振動データＳ_Bの０点のうち、その前後で信号値が負から正へと変化するものに着目し、その０点に対応するエンベロープ振動データＳ_Eを抽出する。より具体的には、図２（ａ）中において０点の時刻と同一時刻のエンベロープ振動データＳ_Eを基本データ点Ｄ_Bとして抽出するようになっている。

前述の通り、基本振動データＳ_Bの一周期は、牛の歩行時における一本の肢体の歩行ステップに対応（相関）している。したがって、歩行ステップの周期変動は、基本振動データＳ_Bの周期変動として現れることになる。そこで本実施形態では、基本振動データＳ_Bの周期を把握するための手掛かりとして基本振動データＳ_Bの０点（その前後で信号値が負から正へと変化するもの）を用い、基本データ点Ｄ_Bの抽出を行っている。

なお、この図２（ａ）に示すように、実際の振動データＳのピーク位置と基本データ点Ｄ_Bとの間には若干のズレが生じていることがわかる。これは、基本振動データ生成部２におけるフィルタ処理によって失われた情報によるものである。すなわち、フィルタリングを施すことで振動データＳ中に含まれる特徴的な情報に抜けが生じた結果、基本振動データＳ_Bの０点の位置と実際のピーク位置とが相違してしまっているのである。

一般に、入力信号に対する前処理として不可逆的な演算処理操作を行うほど、その処理内容に関わらず、入力信号中に含まれる本来の情報が失われる。つまり、たとえそれが入力信号の変動を見つけやすくするための処理操作であったとしても、その結果得られる情報には何らかの誤差が含まれてしまうことになる。もちろん、入力信号の変動把握が容易となる限度内において可能な限り誤差の小さい前処理を追求することも考えられるものの、その結果得られる演算の精度には限界がある。

また、このような誤差を小さくするための典型的な手法として、フィルタ処理内容を調整することで振動データＳのピーク位置と基本データ点Ｄ_Bとを一致させるという手法がある。例えば、位相フィルタにおける位相変化の遅延量を微調整して、振動データＳのピーク位置と基本データ点Ｄ_Bとの誤差を一様に狭めることが考えられる。
しかしながら、このような微調整は、熟練した技術者の勘に頼らざるを得ないやや不確実な手法であり、データ処理精度が不安定となるおそれがある。また、このような微調整は、対象とする個々のデータ群毎（例えば、信号を検出した個体毎）にそれぞれに応じて行う必要があるため、複数の（大量の）データ群を扱う場合、処理に時間がかかり、調整作業も繁雑なものとなる。さらに、実際に前処理を施した後の基本データ点Ｄ_Bを確認してからでなければ調整ができないため、このような手法では十分なデータ処理速度が得られないのである。

そこで、本発明では、単に基本振動データＳ_Bに基づいて基本データ点Ｄ_Bを抽出するだけでなく、以下に説明する抽出範囲設定部４及び特徴データ点抽出部５を備えた構成としている。

［１−３−５．抽出範囲設定部］
抽出範囲設定部４は、基本データ点Ｄ_Bが検出された時刻の近傍時間を抽出範囲Ａとして設定するものである。近傍時間とは、基本データ点Ｄ_Bが検出された時刻の前後の時間のことを意味している。ここでは図２（ｂ）に示すように、抽出範囲Ａが、基本データ点Ｄ_Bが検出された時刻以前の所定時間ｔ₁と基本データ点Ｄ_Bが検出された時刻以後の所定時間ｔ₂とから構成されている。なお、ここで設定された抽出範囲Ａは、続いて説明する特徴データ点抽出部５へと入力されるようになっている。

なお、所定時間ｔ₁及びｔ₂は、それぞれ任意に設定可能な時間である。例えば、基本振動データＳ_Bの波長λに対する割合として定めてもよいし、予め設定した値としてもよい。本実施形態では、各所定時間ｔ₁及びｔ₂が、上述のフィルタ処理によって生じると推定される時間誤差よりも大きくなるように設定されている。なお、フィルタ処理によって失われる情報量が比較的少ない場合には所定時間ｔ₁及びｔ₂が比較的短くてもよく、一方、失われる情報量が比較的多いフィルタ処理を実施する場合には所定時間ｔ₁及びｔ₂を比較的長く設定するとよい。

［１−３−６．特徴データ点抽出部］
特徴データ点抽出部５は、抽出範囲設定部４で設定された抽出範囲Ａ内に含まれる振動データＳの中から、振動を特徴付ける信号、すなわち、実際のピーク位置を特徴データ点Ｄ_Cとして抽出するものである。ここでの演算処理は、図２（ｂ）に示すように、抽出範囲Ａ内のエンベロープ振動データＳ_Eの最大値を検出することで求められている。これにより、振動データ検出装置１を装着された肢体が地面についた時刻及びその時の鉛直方向の加速度が、特徴データ点Ｄ_Cとして正確に抽出されることになる。なお、図２（ｂ）中においては、特徴データ点Ｄ_Cのグラフ上の位置が記号＋で示されている。

なお、エンベロープ振動データＳ_Eは、絶対値振動データＳ_Aの極大点を連結したものであるから、実質的には、上記のような演算によって、抽出範囲Ａ内に含まれる振動データＳの中から、実際のピーク位置が抽出されることになる。
このように、抽出範囲設定部４及び特徴データ点抽出部５は、基本データ点Ｄ_Bに基づいて再び元のエンベロープ振動データＳ_Eへ立ち返り、エンベロープ振動データＳ_Eの中から特徴データ点Ｄ_Cを抽出するように機能する。つまり、基本データ点Ｄ_Bには誤差が含まれているものの、その近傍に本来の特徴を示す情報が存在するものと見なして抽出範囲設定部４で抽出範囲Ａを設定している。さらに、特徴データ点抽出部５では、抽出範囲Ａ中に含まれるエンベロープ振動データＳ_Eのみを演算対象とすることで演算労力や演算時間を低減させるとともに、エンベロープ振動データＳ_Eから特徴データ点Ｄ_Cを抽出することでその精度を確保しているのである。

［１−４．第二データ処理部］
第二データ処理部１０は、第一データ処理部９において処理が施されたデータに対する実質的なデータ処理を行うための機能部であり、図１に示すように、解析部７及び判定部８を備えて構成される。この第二データ処理部１０では、振動データ検出装置１を装着された肢体の加速度データのピーク間隔時間の特徴が解析されるようになっている。なお、本実施形態における解析の手法としては、ピーク間隔時間の揺らぎを観察する非線形解析手法が用いられている。

ここでいう「揺らぎ」とは、ある波動が刻々と変化する際に観察される僅かな波形のズレ（空間的，時間的変化や動きが部分的に不規則な動き）のことを指している。例えば、歩行に伴う体動を加速度変動として検出した時系列データだけでなく、呼吸数や心拍数，脳波等のバイタルサインを時系列データとした場合にも、それらの波動のピーク間隔や周期は一定ではなく、複雑な変動を示すことが知られている。一方で、このような不規則に見える複雑な変動の中から、その挙動を支配していると考えられる構造を解析するための数々の手法が提案されている。第二データ処理部１０は、これらのような手法を利用して、ピーク間隔時間の揺らぎの度合いを観察することにより、その変動の背後に存在する非線形構造を解析するものである。

なお、具体的な解析手法としては、スペクトル解析（ＦＦＴ解析），フラクタル解析（マルチフラクタル解析，デトレンド変動解析等），カオス解析及びウェーブレット解析等の公知の解析手法が挙げられるが、ここでは、フラクタル解析法の一つであるデトレンド変動解析が用いられている。
デトレンド変動解析の手法は、解析対象となる波動の複雑性をスケーリング指数と呼ばれる値で評価する統計的な解析手法である。本実施形態では、左右何れか一方の足の加速度データがデータ整列部６において整列され、その加速度データのスケーリング指数が解析部７において演算され、さらにその評価が判定部８でなされるようになっている。

［１−４−１．解析部］
解析部７は、第一データ処理部９の特徴データ点抽出部５から入力された特徴データ点Ｄ_Cのスケーリング指数を演算する。具体的には、特徴データ点Ｄ_Cをその検出時刻に基づいてｎ個の区間に分割し、各区間において各特徴データ点Ｄ_Cが検出された時間間隔（歩行間隔時間）とそのトレンドとの最小二乗誤差（分散）Ｆを算出して、分割数ｎ及び分散Ｆの各々の対数プロットの勾配αをスケーリング指数として演算する。なお、トレンドとは、各区間内におけるデータの推移傾向を意味しており、例えば各区間内のデータを直線に近似したものとする。

この方法では、区間の分割数ｎを変化させれば、特徴データ点Ｄ_C群の観察スケールも変化することになり、算出される分散Ｆも変化することになる。一方、分割数ｎ及び分散Ｆの各々の対数プロットに線形関係が認められれば、分割数ｎと分散Ｆとの間には自己相似におけるスケールが存在するということになる。つまりここでは、観察する区間を変化させた場合における、実際の歩行間隔時間のばらつきの度合いの自己相似性の大きさをスケーリング指数αとして演算していることになる。

［１−４−２．判定部］
判定部８は、解析部７で演算されたスケーリング指数αに基づいて、歩行状態を判定する。一般に、スケーリング指数αの値によって、分割数ｎと分散Ｆとの間の相関を判断することができることが知られている。例えば、０．５＜α＜１である場合には、長距離相関が認められ、α＝１である場合には１／ｆ揺らぎの相関が認められる。また、相関はあるもののフラクタル性が認められない場合には、α＞１となる。

なお、「１／ｆ揺らぎ」とは、前述の揺らぎのうち、揺らぎ成分の大きさ（パワースペクトル）が周波数ｆに対して１／ｆとなるような揺らぎのことを意味している。例えば、小川のせせらぎ音やそよ風の風圧，木目の形状，小鳥のさえずり音といった自然界に存在する波動をスペクトル解析すると、パワースペクトルが周波数ｆに反比例する１／ｆ揺らぎを観測することができる。近年では、人間や動物などから発せられる生体信号（バイタルサイン）にも揺らぎが観察されることが判明しており、特に、観察対象の健康状態を判断するための指標として１／ｆ揺らぎを用いることの有用性が多数報告されている。

これらのような特性に基づき、判定部８は、スケーリング指数αがα＝１に近いほど、良好な歩行状態であると判定するようになっている。ここでの判定結果は前述のモニタ１５へ出力されるようになっている。

［２．フローチャート］
図３に示すフローチャートを用いて、本データ処理装置における制御内容を説明する。
ステップＡ１０では、振動データ検出装置１としての加速度センサにより、加速度の検出情報及びその検出時刻情報が振動データＳとして検出される。ここで検出された振動データＳは、第一データ処理部９の振動データ記憶部１１へ入力され、記憶される。

続くステップＡ２０では、振動データ記憶部１１において、記憶された振動データＳの総数が予め設定された所定数以上であるか否かが判定される。つまりこのステップでは、信号処理すべきデータ数が十分に揃っているか否かが判定される。ここで、振動データＳの総数が所定数以上である場合にはステップＡ３０へ進み、振動データＳの総数が所定数未満である場合にはステップＡ１０へ戻る。これにより、データ数が十分に揃うまでの間、ステップＡ１０〜２０が繰り返し実行されることになる。

ステップＡ３０では、振幅エネルギ変換部６において、振動データ記憶部１１から入力された時系列の振動データＳが、絶対値振動データＳ_Aへと変換される。つまりこのステップでは、振動データＳに内在する振幅エネルギの大きさが抽出されることになる。
続くステップＡ４０では、ステップＡ３０で変換された絶対値振動データＳ_Aが、さらにエンベロープ振動データＳ_Eへと変換される。つまりここでは、図２（ａ）に太い実線で示されるように、絶対値振動データＳ_Aの振幅を包絡する時系列データが得られることになる。

ステップＡ５０では、基本振動データ生成部２において、エンベロープ振動データＳ_Eの時系列データに対しローパスフィルタ,位相フィルタ及びハイパスフィルタの三種のフィルタ処理が施される。これらのフィルタ処理により、牛の歩行運動に伴う加速度変動を中心として高周波数及び低周波数の振動成分が低減され、歩行の時間間隔という特徴が、それに対応する周期を有する波として取り出される。図２（ａ）に破線で示される基本振動データＳ_Bが、この波である。なお位相フィルタ処理により、基本振動データＳ_Bの大きさが０となる時刻が、時系列の振動データＳのピーク位置の時刻に対応するものとなる。

続くステップＡ６０では、基本データ点抽出部３において、基本振動データＳ_Bに基づき基本データ点Ｄ_Bが抽出される。ここでは、前後で信号値が負から正へと変化する基本振動データＳ_Bの０点に対応するエンベロープ振動データＳ_Eが、基本データ点Ｄ_Bとして抽出される。図２（ａ）に示すように、実際の振動データＳのピーク位置と基本データ点Ｄ_Bとの間には、若干の誤差が生じていることがわかる。

さらに続くステップＡ７０では、抽出範囲設定部４において、基本データ点Ｄ_Bが検出された時刻の近傍時刻が抽出範囲Ａとして設定される。抽出範囲Ａは、基本データ点Ｄ_Bが検出された時刻を挟んで、それ以前の所定時間ｔ₁とそれ以後の所定時間ｔ₂とを合計した時間の幅である。各所定時間ｔ₁及びｔ₂は、フィルタ処理によって生じると推定される時間誤差よりも大きく設定されているため、抽出範囲Ａの中に実際の振動データＳのピークが位置することになる。つまり、図２（ｂ）に示すように、抽出範囲Ａは、実際の振動データＳのピーク位置と基本データ点Ｄ_Bとの間に生じている若干の誤差を吸収しうる幅を備えている。

続くステップＡ８０では、特徴データ点抽出部５において、抽出範囲Ａ内に含まれる振動データＳの最大値が特徴データ点Ｄ_Cとして抽出され、ステップＡ９０へと進む。図２（ｂ）に示すように、特徴データ点Ｄ_Cはエンベロープ振動データＳ_Eの最大値であり、つまり実際の振動データＳの最大値であって、歩行状態を特徴付ける正確な信号となる。
そして、続くステップＡ９０では、第二データ処理部１０においてこれらの特徴データ点Ｄ_Cが解析され、このフローが終了する。

第二データ処理部１０における具体的な解析フローや判定及びその出力フローについては説明を省略するが、時系列特徴データ点Ｄ_Cに対して、歩行間隔時間のゆらぎのスケーリング指数αが演算され、α＝１である状態を基準として、歩行状態が良好であるか否かが判定される。また、このような判定結果はモニタ１５へ出力される。なお、特徴データ点Ｄ_Cの解析が一旦終了した時点で、ステップＡ２０での判定に係る振動データＳの総数がリセットされる。

［３．効果］
［３−１．二系統の信号処理過程による効果］
このように、本実施形態に係るデータ処理装置によれば、振動データ検出装置１から入力された振動データＳが二系統の信号処理過程の各々で処理される。一方は、振幅エネルギ変換部６，基本振動データ生成部２及び基本データ抽出部３における抽出範囲Ａの設定のための信号処理であり、他方は特徴データ点抽出部５における特徴データ点Ｄ_Cの抽出のための信号処理である。

前者の信号処理過程においては振動データＳに前処理が施されているが、その結果設定される抽出範囲Ａは、誤差を許容しうる幅を有するものであるため、前処理に伴う誤差の影響を相殺することができる。また、後者の信号処理過程においては前処理を施さずに直接特徴データ点Ｄ_Cの抽出処理がなされているため、正確な特徴データ点Ｄ_Cを取り出すことができる。

つまり、一般に、前処理としての信号処理を行うと、振動データの特徴が把握しやすくするなる反面、特徴的な情報の「抜け」が生じることになるが、本データ処理装置によれば、前処理の結果を参照ながら、「抜け」のない元の振動データの中から特徴データ点Ｄ_Cを抽出するため、データ処理の信頼性を向上させることができる。
また、特徴データ点抽出部５における特徴データ点Ｄ_Cの抽出に際し、抽出範囲Ａ内に含まれる振動データＳ（エンベロープ振動データＳ_E）のみが参照され、抽出範囲Ａ以外の振動データＳが除外されるため、牛の歩行運動を特徴付ける振動データＳとの相関が強いと考えられる部分の情報のみを容易に取り出すことができ、十分なデータ処理速度を確保することが可能となる。

さらに、特徴データ点抽出部５は、抽出範囲Ａに含まれる振動データＳのうちの最大値を特徴データ点Ｄ_Cとして抽出するようになっている。この構成により、ノイズが多く特徴の抽出が困難とされているような四足動物の歩行時における振動データＳの中からでも、正確に特徴データ点を抽出することができ、歩行リズムを正確に把握することができる。

［３−２．振幅エネルギ変換による効果］
また、振幅エネルギ変換部６において、振動データＳの絶対値をとることにより、歩行運動に伴って生じる振動の振幅エネルギの大きさを正確に把握することができる。
例えば、四足動物の歩行時における何れか一つの肢体の足運びに着目して振動データを採取する場合、他の肢体の運動に伴って生じる振動の影響を受けて振動データが部分的に増幅あるいは相殺されやすいが、加速度の情報に内在する振幅エネルギの情報は他の肢体の振動の影響を受けにくい。つまり、振幅エネルギの大きさを抽出することによって、着目する肢体のみの歩行リズムを把握しやすくすることができ、その後の周期解析処理の演算精度を向上させることができる。

また、振幅エネルギ変換部６において、絶対値振動データＳ_Aのエンベロープを抽出することにより、振幅エネルギの変動の概要を把握することができ、振動データＳの変動を特徴付ける基本データ点を抽出しやすくすることができる。なお、エンベロープ処理により、振動データＳのピーク部分の情報を欠落させることなく、全体の情報量を圧縮（削減）することもできる。

ここで、本発明のデータ処理装置との比較例として、振幅エネルギ変換部６における振幅エネルギ変換（すなわち、振動データＳの絶対値振動データＳ_A及びエンベロープ振動データＳ_Eへの変換）を実施しない場合における、基本振動データＳ_B′及び基本データ点Ｄ_B′を図５にグラフで示す。これは、振動データ記憶部１１から出力される時系列の振動データＳが、エンベロープ振動データＳ_Eの代わりに直接基本振動データ生成部２へ入力された場合の演算結果を示す図である。

図５に示すように、基本振動データＳ_B′には、振動データＳの振幅エネルギ変換処理を行っていないため、その変動周期は、図２（ａ）に示された基本振動データＳ_Bと比較しておよそ半分程度となっている。つまりこれは、振動データ検出装置１が着装された肢体の振動に対して、その肢体以外の肢体の振動が混入しているため、正確な歩行リズムが把握できていないことを示している。また、基本振動データＳ_B′の波形自体が不安定な形状をなしており、０点を抽出できていない部分も見られる。

このように、振幅エネルギ変換を実施しない場合には、振動データＳのピーク位置に対応するような正確な０点の抽出が困難であり、これに伴って基本データ点Ｄ_B′の精度も低下し、結果として、正確な特徴データ点Ｄ_Cの抽出が難しいことがわかる。

［３−３．その他の効果］
また、基本振動データ生成部２における前処理としてのフィルタ処理は、ローパスフィルタ,位相フィルタ及びハイパスフィルタといった一般的な信号処理であり、実施が容易であるとともに、短時間に処理を済ませることができる。一方、特徴データ点抽出部５における演算処理に関しても、複雑な演算が不要であり素早く結果を得ることができる。特に、本実施形態の第一データ処理部９における処理内容は、線形解析の手法による信号処理から構成されているため、例えば非線形解析の手法を用いた信号処理と比較して構成が簡素であるという利点がある。

また、本データ処理装置は、単に基本振動データＳ_Bに基づいて基本データ点Ｄ_Bを抽出するだけでなく、抽出範囲設定部４及び特徴データ点抽出部５を備えた構成となっている。つまり、フィルタ処理によって生成される誤差を小さくするための従来の手法として、位相フィルタにおける位相変化の遅延量を微調整するというものがあるが、本発明によれば、正確なデータが抽出されるが故にこのような微調整の必要がないうえ、実際に前処理を施した後の基本データ点Ｄ_Bの確認も不要である。したがって、振動データＳの検出及び振動データＳの第一データ処理部９への入力から第二データ処理部１０における結果の出力に至るまでの全信号処理過程を完全に自動化することが可能となり、信号処理の労力を格段に低減させることが可能となる。

さらに、本実施形態のデータ処理装置では、第一データ処理部９におけるデータ処理の後、特徴データ点Ｄ_Cのピーク間隔時間の揺らぎを観察する非線形解析手法が用いられている。前述の通り、仮に前処理でノイズを除去してしまえば却って非線形構造を把握しにくくなりかねないが、本データ処理装置では第二データ処理部１０へ入力される特徴データ点Ｄ_Cは、ノイズが除去されていない生の情報から抽出されたものであるため、特徴的な情報の抜けが生じず、正確に非線形構造を把握することが可能となる。つまり、一見ノイズのように見える部分の情報を切り捨てることなく正確な特徴部分の情報を抽出して非線形解析を実施することができる。
このように、本データ処理装置によれば、簡素な構成で、データ処理速度及びデータ処理精度を向上させることができる。

［４．その他］
以上、本発明の実施形態について説明したが、本発明は、上記実施形態に限定されず、本発明の趣旨を逸脱しない範囲で種々変形することが可能である。
例えば、上述の実施形態では、第一データ処理部９及び第二データ処理部１０におけるデータ処理機能がプログラムとして構成されたものを例示したが、これらの機能を実現手段はこれに限定されない。例えば、各第一データ処理部９及び第二データ処理部１０を、ＲＯＭ，ＲＡＭ，ＣＰＵ等を内蔵したワンチップマイコンとして構成してもよいし、あるいは、デジタル回路やアナログ回路といった電子回路として形成してもよい。

なお、前述の通り、本発明のデータ処理装置においては、振動データＳの検出から結果の出力に至るまでの信号処理過程を自動化することが可能なため、上述のような小型のマイコンで本発明に係るデータ処理装置を構成する場合、本発明に係るモニタ１５と同様の機能を備えた小型表示装置や、振動データ検出装置１と同様の機能を備えたマイクロセンサを搭載させて、入出力一体型の小型処理装置を製造することも可能である。

また、上述の実施形態では、振幅エネルギ変換部６において、振動データＳを絶対値振動データＳ_Aへと変換するとともにエンベロープ処理を施すことによって振幅エネルギの大きさが抽出されるようになっている。しかし、このような構成の代わりに、振動データＳを二乗変換することによって振幅エネルギに相関する情報を抽出する構成としてもよい。あるいは、二乗変換したデータに対してエンベロープ処理を施す構成とすることも考えられる。これらのように、振動の振幅エネルギと相関のあるパラメータが抽出されるような手法であれば、あらゆるデータ変換手法を用いることが可能である。

また、上述の実施形態では、信号検出手段１として加速度信号を検出するための加速度センサが適用されているが、本データ処理装置の演算対象となる信号としては、種々の対象体の状態に関わる様々なパラメータが考えられる。
また、上述の実施形態では、振動データ検出装置１で検出された振動データＳが第一データ処理部９へ直接入力される構成となっているが、振動データ検出装置１と第一データ処理部９とを分離した構成としてもよい。例えば、振動データ検出装置１で検出された振動データＳの時系列データを何らかの記憶媒体に保存しておき、演算処理が必要となった時点でそれらの時系列データを第一データ処理部９へ入力することが考えられる。この場合、それらの時系列データを振動データ記憶部１１へ入力してもよいが、振動データ記憶部１１を介さずに振幅エネルギ変換部６及び特徴データ点抽出部５の各々へ入力してもよい。

また、上述の実施形態では、基本振動データ生成部２においてローパスフィルタ,位相フィルタ及びハイパスフィルタの三種のフィルタ処理が施されているが、バンドパスフィルタやノッチフィルタを併用してもよい。なお、基本振動データ生成部２における前処理とは、パラメータの変動を見つけやすくするための不可逆的な（非可逆変化を伴う）演算処理全般のことを指している。つまり、パラメータの変動を見つけやすくするための演算処理であれば、具体的な処理内容がフィルタ処理でなくてもよい。例えば、ヒルベルト変換処理，エンベロープ処理，フーリエ変換処理，加算平均の手法を用いた信号処理，ウェーブレット解析処理，フラクタル解析処理等を用いることが考えられる。また、任意の信号加算や減算，比例処理，積分処理，微分処理等も含まれる。

なお、デジタル回路やアナログ回路といった電子回路を使って第一データ処理部９及び第二データ処理部１０を構成する場合には、上述の実施形態に記載されたようなデジタルフィルタの代わりに、アナログフィルタを適用すればよい。すなわち、第一データ処理部９において実施されるデータ処理は、アナログ信号処理であってもよい。
また、上述の実施形態では、基本データ抽出部３において、基本振動データＳ_Bの０点に対応する振動データＳが抽出されるようになっているが、このような抽出対象は、本データ処理装置における演算対象に応じて適宜設定することができる。抽出範囲設定部４における抽出範囲Ａの位置や幅、及び、特徴データ点抽出部５において特徴データ点Ｄ_Cを取り出す位置についても同様である。

また、上述の実施形態では、解析部７においてデトレンド変動解析の手法が用いられているが、解析方法はこれに限定されない。なお、前処理が解析結果に与える一般的な影響の大きさを考慮すると、解析部７における解析手法が非線形解析手法である場合には、線形解析手法の場合と比較してより正確な解析結果が期待できるものと考えられる。
なお、上述の実施形態では、牛の歩行運動時における歩行リズムが解析対象となっているが、馬や羊，豚といった任意の四足動物の歩行リズムを解析するものとすることが考えられる。

本発明の一実施形態に係るデータ処理装置の全体構成を示すブロック図である。 本データ処理装置におけるデータ処理内容を説明するためのグラフであり、（ａ）は振幅エネルギ変換部，基本振動データ生成部及び基本データ抽出部におけるデータ処理に係る振動データの時系列グラフ、（ｂ）は特徴データ点抽出部におけるデータ処理に係る振動データの時系列グラフである。 本データ処理装置における制御内容を示すフローチャートである。 コンピュータを利用した本データ処理装置の構成例を示す模式図である。 比較例としての振動データの解析過程を示す時系列グラフである。

符号の説明

１ 振動データ検出装置（振動データ検出手段）
２ 基本振動データ生成部（基本振動データ生成手段，線形信号処理手段，フィルタ処理手段）
３ 基本データ点抽出部（基本データ点抽出手段）
４ 抽出範囲設定部（抽出範囲設定手段）
５ 特徴データ点抽出部（特徴データ点抽出手段）
６ 振幅エネルギ変換部（振幅エネルギ変換手段）
７ 解析部
８ 判定部
９ 第一データ処理部
１０ 第二データ処理部（非線形解析演算処理手段）
１１ 振動データ記憶部
１２ コンピュータ
１３ 記憶装置
１４ 中央処理装置（ＣＰＵ）
１５ モニタ

Claims (17)

1. 四足動物の歩行運動に伴って生じる振動を時系列の振動データとして検出する振動データ検出ステップと、
   該振動データ検出ステップで検出された該振動データにおける振幅エネルギの大きさを抽出すべくデータ変換を行う振幅エネルギ変換ステップと、
   該振幅エネルギ変換ステップで得られたデータに対し、該振動の特徴を把握するための前処理としての信号処理を施して、時系列の基本振動データを生成する基本振動データ生成ステップと、
   該基本振動データ生成ステップで生成された該基本振動データに基づいて、該振動データの変動を特徴付ける基本データ点を抽出する基本データ点抽出ステップと、
   該基本データ点抽出ステップで抽出された該基本データ点の検出時刻を基準とした所定の時間の範囲を該振動データの抽出範囲として設定する抽出範囲設定ステップと、
   該振動データ検出ステップで検出された該振動データのうち、該抽出範囲設定ステップで設定された該抽出範囲に含まれる振動データの中から、該振動を特徴付ける振動データを特徴データ点として抽出する特徴データ点抽出ステップと
   を備えたことを特徴とする、データ処理方法。
2. 該振幅エネルギ変換ステップにおいて、該振動データ検出ステップで得られた該振動データをその絶対値からなる絶対値振動データへと変換し、該絶対値振動データにさらにエンベロープ処理を施して、該絶対値振動データをエンベロープ振動データへと変換する
   ことを特徴とする、請求項１記載のデータ処理方法。
3. 該基本振動データ生成ステップにおいて、該振幅エネルギ変換ステップで変換された該データに対し、線形解析手法を用いて該信号処理を施して、該基本振動データを生成する
   ことを特徴とする、請求項１又は２記載のデータ処理方法。
4. 該基本振動データ生成ステップにおいて、該振幅エネルギ変換ステップで変換された該データから、予め設定された所定の周波数成分を濾波する
   ことを特徴とする、請求項１〜３の何れか１項に記載のデータ処理方法。
5. 該基本振動データ生成ステップにおいて、該振幅エネルギ変換手段で変換された該データを平滑化した波動データを該基本振動データとして生成するとともに、
   該基本データ点抽出ステップにおいて、該基本振動データの波長に相関する該基本振動データ上の点を該基本データ点として抽出する
   ことを特徴とする、請求項１〜４の何れか１項に記載のデータ処理方法。
6. 該抽出範囲設定ステップにおいて、該基本データ点の検出時刻の近傍時刻を該抽出範囲として設定する
   ことを特徴とする、請求項５記載のデータ処理方法。
7. 該特徴データ点抽出ステップにおいて、該抽出範囲に含まれる振動データにおける振動ピークの検出時刻を該特徴データ点として抽出する
   ことを特徴とする、請求項６記載のデータ処理方法。
8. 該特徴データ点抽出ステップで検出された該特徴データ点に基づき、該振動データ中の非線形構造を抽出する非線形解析演算処理ステップ
   をさらに備えたことを特徴とする、請求項１〜７の何れか１項に記載のデータ処理方法。
9. 四足動物の歩行運動に伴って生じる振動を時系列の振動データとして検出する振動データ検出手段と、
   該振動データ検出手段で検出された該振動データにおける振幅エネルギの大きさを抽出すべくデータ変換を行う振幅エネルギ変換手段と、
   該振幅エネルギ変換手段で得られたデータに対し、該振動の特徴を把握するための前処理としての信号処理を施して、時系列の基本振動データを生成する基本振動データ生成手段と、
   該基本振動データ生成手段で生成された該基本振動データに基づいて、該振動データの変動を特徴付ける基本データ点を抽出する基本データ点抽出手段と、
   該基本データ点抽出手段で抽出された該基本データ点の検出時刻を基準とした所定の時間の範囲を該振動データの抽出範囲として設定する抽出範囲設定手段と、
   該振動データ検出手段で検出された該振動データのうち、該抽出範囲設定手段で設定された該抽出範囲に含まれる振動データの中から、該振動を特徴付ける振動データを特徴データ点として抽出する特徴データ点抽出手段と
   を備えたことを特徴とする、データ処理装置。
10. 該振幅エネルギ変換手段が、該振動データ検出手段で得られた該振動データをその絶対値からなる絶対値振動データへと変換し、該絶対値振動データにさらにエンベロープ処理を施して、該絶対値振動データをエンベロープ振動データへと変換する
    ことを特徴とする、請求項９記載のデータ処理装置。
11. 該基本振動データ生成手段が、該振幅エネルギ変換手段で変換された該エンベロープ振動データに対し、線形解析手法を用いて該信号処理を施して、該基本振動データを生成する線形信号処理手段を有してなる
    ことを特徴とする、請求項９又は１０記載のデータ処理装置。
12. 該基本振動データ生成手段が、該振幅エネルギ変換手段で変換された該エンベロープ振動データから、予め設定された所定の周波数成分を濾波するフィルタ処理手段を有してなる
    ことを特徴とする、請求項９〜１１の何れか１項に記載のデータ処理装置。
13. 該基本振動データ生成手段が、該振幅エネルギ変換手段で変換された該データを平滑化した波動データを該基本振動データとして生成するとともに、
    該基本データ点抽出手段が、該基本振動データの波長に相関する該基本振動データ上の点を該基本データ点として抽出する
    ことを特徴とする、請求項９〜１２の何れか１項に記載のデータ処理装置。
14. 該抽出範囲設定手段が、該基本データ点の検出時刻の近傍時刻を該抽出範囲として設定する
    ことを特徴とする、請求項１３記載のデータ処理装置。
15. 該特徴データ点抽出手段が、該抽出範囲に含まれる振動データにおける振動ピークの検出時刻を該特徴データ点として抽出する
    ことを特徴とする、請求項１４記載のデータ処理装置。
16. 該特徴データ点抽出手段で検出された該特徴データ点に基づき、該振動データ中の非線形構造を抽出する非線形解析演算処理手段をさらに備えた
    ことを特徴とする、請求項９〜１５の何れか１項に記載のデータ処理装置。
17. コンピュータを、振幅エネルギ変換手段，基本振動データ生成手段，基本データ点抽出手段，抽出範囲設定手段及び特徴データ点抽出手段として機能させるためのデータ処理プログラムであって、
    該振幅エネルギ変換手段が、振動データとして検出された、四足動物の歩行運動に伴って生じる振動における振幅エネルギの大きさを抽出すべくデータ変換をし、
    該基本振動データ生成手段が、該振幅エネルギ変換手段で変換されたデータに対し、該振動の特徴を把握するための前処理としての信号処理を施すことで時系列の基本振動データを生成し、
    該基本データ点抽出手段が、該基本振動データ生成手段で生成された該基本振動データに基づいて、該振動データの変動を特徴付ける基本データ点を抽出し、
    該抽出範囲設定手段が、該基本データ点抽出手段で抽出された該基本データ点の検出時刻を基準とした所定の時間の範囲を該振動データの抽出範囲として設定し、
    該特徴データ点抽出手段が、該振動データ検出手段で検出された該振動データのうち、該抽出範囲設定手段で設定された該抽出範囲に含まれる振動データの中から、該振動を特徴付ける振動データを特徴データ点として抽出する
    ことを特徴とする、データ処理プログラム。

Images