状态推断装置和状态推断方法与流程

状态推断装置和状态推断方法
1.相关申请的交叉引用
2.本技术基于在2019年6月18日申请的日本专利申请2019-112954号，在此通过参照而引用其记载内容。
技术领域
3.本公开涉及推断用户的放松的程度的状态推断装置和状态推断方法。


背景技术：

4.开发有使用用户的生物体信息来推断用户的放松的程度的技术。例如，专利文献1公开了测量用户的心率减少至规定的心率为止所需要的时间并基于该时间来判定用户的放松度的放松度判定方法。
5.专利文献1：日本特开平9-70399号公报
6.在专利文献1所记载的放松度判定方法中，仅使用心率减少至规定的心率为止所需要的时间作为指标来判定用户的放松度，因此可能无法细致地推断放松的程度。


技术实现要素：

7.本公开的目的在于提供一种能够详细地推断用户的放松的程度的状态推断装置和状态推断方法。
8.本公开的一个实施方式所涉及的状态推断装置推断表示用户的放松的程度的放松等级，具备：指标值计算部，使用用户的生物体信息来计算多个种类的指标值；以及推断部，使用基于多个种类的指标值和多个种类的指标值的变化倾向规定的多个放松等级来推断用户的放松等级。
9.本公开的一个实施方式所涉及的状态推断方法是由推断表示用户的放松的程度的放松等级的状态推断装置执行的方法，包括：使用用户的生物体信息来计算多个种类的指标值；和使用基于多个种类的指标值和多个种类的指标值的变化倾向规定的多个放松等级来推断用户的放松等级。
10.在本公开的状态推断装置和状态推断方法中，能够使用基于多个种类的指标值及其变化倾向规定的多个放松等级来推断用户的放松等级，因此能够详细地推断用户的放松的程度。
附图说明
11.关于本公开的目的、特征、优点，通过参照了附图的下述详细的说明而变得更明确。在附图中，
12.图1是表示本公开的第1实施方式所涉及的状态推断系统的图，
13.图2是表示根据在1分钟获取到的心电信号和α波计算出的心率、hf积分值以及α波时间含有率的图，
14.图3是表示对指标值和基于该指标值的微分值进行群集的模型的一个例子的图，
15.图4是表示放松等级对应表的一个例子的图，
16.图5是表示由本公开的第1实施方式所涉及的状态推断装置推断出的用户的放松等级的一个例子的图，
17.图6是表示由第1实施方式的状态推断系统执行的处理的流程图，
18.图7是表示由第1实施方式的状态推断系统执行的处理的流程图，
19.图8是表示第2实施方式所涉及的放松等级推断表的一个例子的图，
20.图9是表示对指标值和基于该指标值的微分值进行群集的模型的另一例子的图，
21.图10是表示放松等级对应表的另一例子的图，
22.图11是表示对指标值和基于该指标值的微分值进行群集的模型的其他例子的图，
23.图12是表示放松等级对应表的其他例子的图，
24.图13是表示对指标值和基于该指标值的微分值进行群集的模型的又一例子的图，
25.图14是表示放松等级对应表的又一例子的图。
具体实施方式
26.(第1实施方式)
27.参照附图对本公开的第1实施方式进行说明。如图1所示，第1实施方式所涉及的状态推断系统1包括：状态推断装置10、识别信息获取装置20、心电获取装置30以及脑波获取装置40。
28.状态推断装置10是推断表示用户的放松的程度的放松等级的装置。状态推断装置10具备微控制器、各种电子电路以及通信接口。
29.微控制器是控制状态推断装置10的动作的装置，具备运算装置、易失性存储装置以及非易失性存储装置。运算装置是能够执行各种程序的cpu等运算装置。运算装置通过执行保存于非易失性存储装置的程序来执行本公开的状态推断方法。
30.通信接口是在状态推断装置10与识别信息获取装置20、心电获取装置30、脑波获取装置40及其他的装置(未图示)之间进行各种数据的收发的接口。
31.心电获取装置30是获取表示用户的心肌细胞产生的活动电位的心电信号的装置。作为心电获取装置30的具体例，例如能够举出设置于车辆的扶手的电极、用户能够佩戴的可穿戴设备等。心电获取装置30能够在与用户的身体表面接触的状态下从用户获取心电信号，并将该心电信号向状态推断装置10发送。此外，心电获取装置30也可以在不与用户的身体表面接触的状态下获取心电信号。
32.脑波获取装置40是获取用户的脑的神经细胞产生的脑波的电信号(以下，简称为“脑波信号”。)的装置。作为心电获取装置30的具体例，例如能够举出设置于用户乘车的车辆的座椅的头枕的电极、头盔式的脑波测定器等。脑波获取装置40能够在与用户的头皮接触的状态下获取脑波信号并向状态推断装置10提供。此外，脑波获取装置40也可以在不与用户的头皮接触的状态下获取脑波信号。
33.识别信息获取装置20是获取用户的识别信息的装置。作为识别信息获取装置20的具体例，能够举出触摸面板式的输入装置等。识别信息获取装置20若获取用户的识别信息，则将该识别信息提供给状态推断装置10。
34.如图1所示，状态推断装置10具有：系统控制部100、α波检测部101、指标值计算部102、标准化处理部103、标准化数据库(db)104、微分值计算部105、离散化处理部106、群集处理部107、放松等级对应表数据库(db)108、推断部109、通知部110以及放松引导处理部111。
35.系统控制部100是控制状态推断系统1的启动和结束的功能部。α波检测部101是从脑波获取装置40提供的脑波信号中检测α波的半导体电路。
36.指标值计算部102是根据用户的心电信号和α波计算指标值的功能部。指标值有：(1)用户的心率、(2)对用户的心跳变动进行频率解析而获得的高频成分的积分值(以下，称为“hf积分值”。)(msec2)、以及(3)表示α波的产生时间相对于单位时间的比例的α波时间含有率。
37.指标值计算部102能够通过对单位时间(例如10秒等)的心电信号所包括的心电波形进行计数并换算为每1分钟的心率，来计算心率(bpm)。
38.另外，指标值计算部102对单位时间(例如10秒等)所包括的多个心电波形的r波的时间间隔实施高速傅立叶变换。而且，指标值计算部102对通过高速傅立叶变换获得的频率数据的高频成分(例如0.15hz～0.4hz等)进行积分，由此能够计算hf积分值。
39.并且，指标值计算部102能够通过测量单位时间(例如10秒等)内的α波的产生时间并计算α波的产生时间相对于该单位时间的比例，来计算α波时间含有率。
40.标准化处理部103是使用下述公式1来将作为指标值的心率、hf积分值以及α波时间含有率标准化的功能部。
41.[公式1]
[0042][0043]
其中，x表示各指标值，a表示各指标值的平均值。另外，σ表示各指标值的标准偏差。
[0044]
在将预先计算出的用户的各指标值的平均值和标准偏差保存于标准化db104的情况下，标准化处理部103使用该平均值和标准偏差来将心率、hf积分值以及α波时间含有率标准化。在未将用户的各指标值的平均值和标准偏差保存于标准化db104的情况下，标准化处理部103使用通用的各指标值的平均值和标准偏差来将心率、hf积分值以及α波时间含有率标准化。
[0045]
微分值计算部105是计算表示各指标值的变化倾向的微分值的功能部。在图2中示出了根据在1分钟获取到的心电信号和α波计算出的心率、hf积分值以及α波时间含有率。在该例子中，将单位时间设为10秒来计算心率、hf积分值以及α波时间含有率。微分值计算部105能够通过对表示由在时间上连续的两个指标值规定的直线的公式进行微分，来计算该指标值的微分值。
[0046]
离散化处理部106是将标准化后的各指标值和基于该指标值的微分值离散化的功能部。离散化处理部106能够使用基于贝叶斯分层语言模型的无监督形态学解析来将各指标值和基于该指标值的微分值离散化。
[0047]
例如，在图2所示的例子中，根据在0秒～30秒的期间获取到的心电信号计算出的心率是恒定的。根据在31秒～60秒的期间获取到的心电信号计算出的心率减少。在图2所示
的例子的情况下，根据在31秒～40秒的期间获取到的心电信号计算出的心率相当于变化点。变化点是至少1种指标值的标准化值或者微分值变化的点。
[0048]
更详细而言，能够比较在时间上连续的两个微分值，并将这些微分值的差值为既定的阈值以上的点视为变化点。该阈值能够按照指标值的每个种类而设定。另外，能够比较在时间上连续的3个标准化值中的、最先的标准化值和中间的标准化值的差值、中间的标准化值和最后的标准化值的差值，在这些差值不同的情况下，将该最后的标准化值视为变化点。此外，即使在这些差值稍微不同的情况下，即，即使在产生了接近单调的标准化值的增加或者减少的情况下，该最后的标准化值也能够成为变化点。
[0049]
因此，离散化处理部106能够以该心率的变化点为基准，将这些指标值和基于该指标值的微分值离散化，并分为两个离散化组。即，以变化点为基准的离散化是将变化点的前后分为各自的组。在同一离散化组中，心率、hf积分值以及α波时间含有率的变化倾向分别相同。此外，在不存在变化点的情况下，不将指标值离散化。
[0050]
群集处理部107是对标准化后的各指标值和各指标值的微分值进行群集并将表示对这些数据分类后的群集的值作为群集结果来输出的功能部。离散化处理部106能够使用隐马尔可夫模型来将这些数据分类。
[0051]
图3示出了将标准化后的各指标值和各指标值的微分值分类为7个群集的模型。这些群集与用户的放松等级0～5对应。对于放松等级0～5而言，其值越高，则表示放松的程度越强。
[0052]
具体而言，放松等级0表示用户是觉醒状态。放松等级1～3表示用户是较浅的放松状态。此外，放松等级3(多数派)的指标值和微分值表示通过多数的受检者观察到的结果。放松等级3(少数派)的指标值和微分值表示通过少数的受检者观察到的结果。放松等级4表示用户是较深的放松状态(即瞌睡状态)。放松等级5表示用户是进入睡眠的状态。
[0053]
例如，假定将值较高的心率、值较低的α波时间含有率及hf积分值、和表示没有这些指标值的变化倾向这一主旨的微分值输入至群集处理部107的情况。在该情况下，群集处理部107将这些数据分类至与放松等级0对应的群集，并将表示该群集的值作为群集结果来输出。
[0054]
推断部109是推断用户的放松等级的功能部。具体而言，推断部109参照图4所示的那样的放松等级对应表，使用群集处理部107输出的群集结果来推断用户的放松等级。在放松等级对应表中，将群集结果与放松等级建立关联来登记。例如，在群集结果是表示与放松等级0对应的群集的值的情况下，推断部109推断为用户的放松等级是0。
[0055]
图5表示推断部109基于群集的结果推断出的用户的放松等级。在图5所示的例子中，用户的状态最初是放松等级0(rl0)，其后，依次转移为放松等级1(rl1)～放松等级5(rl5)。
[0056]
在放松等级1(rl1)中，心率从高区域减少，α波时间含有率从低区域微增。在放松等级2(rl2)中，心率在中间区域减少，α波时间含有率从低区域向中间区域微增。在放松等级3(rl3)中，心率在低区域微减，α波时间含有率在中间区域微增，hf积分值在低区域微增。在放松等级4(rl4)中，心率在低区域微减，α波时间含有率在中间区域急增，hf积分值在低区域微增。在放松等级5(rl5)中，心率在低区域微减，α波时间含有率从高区域向中间区域急减，hf积分值从中间区域向高区域急增。这样，通过采用3个种类的指标值，能够详细地分
类并推断用户的放松等级。
[0057]
此外，用户的状态并不一定局限于以该顺序转移。例如，也存在以放松等级0、放松等级2、放松等级3(多数派)、放松等级4、放松等级5(rl5)的顺序转移的情况。另外，也存在以放松等级0、放松等级1、放松等级3(少数派)、放松等级4、放松等级5(rl5)的顺序转移的情况。
[0058]
通知部110是通知推断出的用户的放松等级的功能部。例如，通知部110能够通过使表示用户的放松等级的图像显示于显示装置，来通知用户的放松等级。另外，通知部110能够通过使声音再现装置再现表示用户的放松等级的声音，来通知用户的放松等级。并且，通知部110能够通过使照明装置的照度变为与用户的放松等级对应的照度，来通知用户的放松等级。
[0059]
放松引导处理部111是使其他的装置执行提高用户的放松等级的处理(以下，称为“放松引导处理”。)的功能部。放松引导处理部111包括控制部112和目标等级决定部113。
[0060]
控制部112是控制其他的装置来使其执行放松引导处理的功能部。具体而言，控制部112能够控制空调设备、照明装置并调整室内温度、气流、照度，使得用户的放松等级提高。控制部112能够控制遮光帘、窗帘的开闭并调整室内的照度，使得用户的放松等级提高。
[0061]
并且，控制部112能够控制显示装置、声音再现装置并再现使用户的放松等级提高那样的影像、音乐。例如，控制部112能够再现具有放松效果的影像、音乐，或者再现促进呼吸法、正念减压法的影像、声音。并且，控制部112能够控制声音再现装置并调整声音再现装置输出的音量，使得用户的放松等级提高。
[0062]
并且，控制部112能够控制设置于用户就座的座椅的振动装置，使其产生使用户的放松等级提高那样的振动、例如有按摩效果的振动等。并且，控制部112能够控制用户就座的座椅并变更为使用户的放松等级提高那样的角度。并且，控制部112能够控制香薰机并释放使用户的放松等级提高那样的香味。
[0063]
目标等级决定部113是计算作为放松引导处理的结束条件的用户的放松等级(以下，称为“目标等级”。)的功能部。目标等级决定部113能够基于用户的时间表来计算目标等级。
[0064]
例如，在用户的下一个预定是工作、学习的情况下，能够使目标等级为放松等级1～放松等级3中的任意一个。在没有用户的下一个预定的情况下，能够使目标等级为放松等级1～放松等级5中的任意一个。目标等级决定部113能够获取在用户的智能手机、外部的数据服务器等保存的用户的时间表来决定目标等级。
[0065]
接下来，参照图6和图7，对由状态推断系统1执行的处理进行说明。在s101中，状态推断装置10的系统控制部100启动状态推断系统1。在s102中，识别信息获取装置20获取要被推断放松等级的用户的识别信息，并将该用户的识别信息提供给状态推断装置10。在s103中，状态推断装置10的放松引导处理部111决定目标等级。
[0066]
在s104中，指标值计算部102获取规定的期间(例如1分钟等)的用户的心电信号和α波。在s105中，指标值计算部102使用获取到的心电信号来计算心率和hf积分值。另外，指标值计算部102使用获取到的α波来计算α波时间含有率。
[0067]
在s106中，标准化处理部103判断对用户的识别信息表示的用户预先计算出的各指标值的平均值和标准偏差是否保存于标准化数据库104。在保存有用户的各指标值的平
均值和标准偏差的情况下(是)，处理分支为s107。在s107中，标准化处理部103从标准化数据库104获取用户的各指标值的平均值和标准偏差。
[0068]
在未保存有用户的各指标值的平均值和标准偏差的情况下(否)，处理分支为s108。在s108中，标准化处理部103从标准化数据库104获取通用的各指标值的平均值和标准偏差。
[0069]
在s109中，标准化处理部103使用在s107或者s108中获取到的各指标值的平均值和标准偏差来将心率、hf积分值以及α波时间含有率标准化。在s110中，微分值计算部105使用心率、hf积分值以及α波时间含有率来计算各自的微分值。在s111中，离散化处理部106将标准化后的心率、hf积分值以及α波时间含有率、和它们的微分值离散化。此外，当指标值不包含变化点的情况下，不将这些指标值离散化。
[0070]
在s112中，群集处理部107对指标值和该指标值的微分值进行群集，并输出群集结果。此外，当在s110中将指标值和该指标值的微分值离散化的情况下，群集处理部107按照每个离散化组来对指标值和该指标值的微分值进行群集，并输出群集结果。
[0071]
在s113中，推断部109从放松等级对应表db108读出放松等级对应表。在s114中，推断部109判断在放松等级对应表中是否有群集结果。当在放松等级对应表中没有群集结果的情况下(否)，处理分支为s116。当在放松等级对应表中有群集结果的情况下(是)，处理分支为s115。
[0072]
在s115中，推断部109基于表示异常的状态转移的信息来判断用户的状态转移是否异常。例如，在上次的群集结果是放松等级0(觉醒状态)的情况下，当这次的群集结果是放松等级5(入眠状态)时，推断部109能够判断为用户的状态转移异常。
[0073]
在用户的状态转移异常的情况下(是)，处理分支为s116。在s116中，推断部109输出表示用户的状态推断是错误的这一主旨的结果。在用户的状态转移正常的情况下(否)，处理分支为s117。
[0074]
在s117中，推断部109参照放松等级对应表，按照每个离散化组特定与群集结果建立关联的放松等级，由此推断用户的放松等级。在s118中，通知部110通知所推断出的用户的放松等级。
[0075]
在s119中，放松引导处理部111判断所推断出的放松等级与目标等级是否相同。在所推断出的放松等级与目标等级不同的情况下(否)，处理分支为s120。在s120中，放松引导处理部111使用其他的装置执行放松引导处理。此外，在已经执行放松引导处理的情况下，放松引导处理部111继续放松引导处理。
[0076]
在所推断出的放松等级与目标等级相同的情况下(是)，处理分支为s121。在s121中，放松引导处理部111结束放松引导处理。此外，在未开始放松引导处理的情况下，不执行s121的处理。
[0077]
在s122中，系统控制部100判断是否应结束状态推断系统1。例如，在设置有状态推断系统1的车辆到达目的地的情况下，系统控制部100能够判断为应结束状态推断系统1。
[0078]
在不应结束状态推断系统1的情况下(否)，处理返回至s104。在应结束状态推断系统1的情况下(是)，处理分支为s123。在s123中，系统控制部100使状态推断系统1结束。
[0079]
在本实施方式中，状态推断装置10使用作为用户的生物体信息的心电信号和α波来计算心率、hf积分值以及α波时间含有率作为指标值(s105)。而且，状态推断装置10使用
基于心率、hf积分值、α波时间含有率以及它们的变化倾向规定的多个放松等级来推断用户的放松等级(s117)。
[0080]
由此，状态推断装置10能够使用图3所示的那样的被细分化后的放松等级来推断用户的放松等级，能够详细地推断用户的放松的程度。
[0081]
另外，通过实验确认了心率、hf积分值以及α波时间含有率的变化倾向的个体差异较少。在本实施方式中，通过将这样的变化倾向用于用户的放松等级的推断，从而能够进行个体差异的影响较少的放松等级的推断。
[0082]
并且，状态推断装置10的微分值计算部105计算表示心率、hf积分值以及α波时间含有率的变化倾向的微分值(s110)。接着，离散化处理部106以心率、hf积分值以及α波时间含有率的变化点为基准来将心率、hf积分值以及α波时间含有率、和它们的微分值离散化(s111)。然后，群集处理部107按照每个离散化组对离散化后的心率、hf积分值以及α波时间含有率、和它们的微分值进行群集(s112)。
[0083]
在同一离散化组中，同一种类的指标值的变化倾向相同。例如，在图2所示的前头的离散化组中，心率、hf积分值以及α波时间含有率是恒定的。因此，它们的变化倾向分别为无。在后续的离散化组中，心率减少，hf积分值和α波时间含有率是恒定的。因此，心率的变化倾向为减少，hf积分值和α波时间含有率的变化倾向分别为无。
[0084]
群集处理部107按照这样的每个离散化组来执行群集处理。例如，在图2所示的例子中，群集处理部107对前头的离散化组和后续的离散化组分别进行群集。假如在将前头的离散化组和后续的离散化组集中进行群集的情况下，使用变化倾向是无的心率的标准化值、和变化倾向是减少的心率的标准化值。即，针对同一种类的指标值使用表示不同的变化倾向的标准化值来进行群集。因此，存在应被分类为不同的群集的标准化值被分类为相同的群集的可能性，群集结果的可靠性可能变低。
[0085]
在本实施方式中，针对同一种类的指标值使用表示相同的变化倾向的标准化值来进行群集，因此不会将应分类为不同的群集的标准化值分类为相同的群集。因此，能够提高群集结果的可靠性，能够使用户的放松等级的推断精度提高。
[0086]
并且，当在标准化数据库104保存有用户的各指标值的平均值和标准偏差的情况下，标准化处理部103使用用户的各指标值的平均值和标准偏差来将心率、hf积分值以及α波时间含有率标准化(s109)。由此，能够提高标准化后的心率、hf积分值以及α波时间含有率的可靠性。而且，群集处理部107对这些心率、hf积分值以及α波时间含有率、和它们的微分值进行群集。其结果是，能够提高群集结果的可靠性，能够使用户的放松等级的推断精度提高。
[0087]
并且，放松引导处理部111使其他的装置执行提高用户的放松等级的放松引导处理(s120)。由此，能够提高用户的放松的程度。
[0088]
并且，通知部110通知推断部109推断出的用户的放松等级(s118)。由此，能够掌握推断对象的用户的放松等级。
[0089]
(第2实施方式)
[0090]
接下来，以与第1实施方式的不同点为中心对本公开的第2实施方式进行说明。在第2实施方式中，推断部109参照放松等级推断表，使用标准化后的指标值和基于该指标值的微分值来推断用户的放松等级。
[0091]
如图8所示，在放松等级推断表中，将标准化后的各指标值和基于该指标值的微分值与放松等级建立关联来登记。例如，在用户的心率较高、α波时间含有率和hf积分值较低、并且它们的微分值是表示没有变化倾向这一主旨的值的情况下，推断部109推断为用户的放松等级是0。
[0092]
在第2实施方式中，使用放松等级推断表来推断用户的放松等级。因此，能够不执行基于机械学习的指标值的离散化处理、群集处理，就推断用户的放松等级。
[0093]
(其他的实施方式)
[0094]
本公开并不限定于上述的实施方式，能够进行各种变更来实施。例如，在上述的实施方式中，使用心率、α波时间含有率以及hf积分值这3种指标值来推断用户的放松等级，但在其他的实施方式中，也可以使用这些指标值中的两个来推断放松等级。
[0095]
例如，在使用心率和α波时间含有率作为指标值的情况下，群集处理部107基于图9所示的模型，对心率及基于该心率的微分值、和α波时间含有率及基于该α波时间含有率的微分值进行群集。接着，群集处理部107将表示将这些数据分类后的群集的值作为群集结果来输出。然后，推断部109参照图10所示的放松等级对应表，使用群集处理部107输出的群集结果来推断用户的放松等级。
[0096]
在使用心率和hf积分值作为指标值的情况下，群集处理部107基于图11所示的模型，对心率及基于该心率的微分值、和hf积分值及基于该hf积分值的微分值进行群集。接着，群集处理部107将表示将这些数据分类后的群集的值作为群集结果来输出。然后，推断部109参照图12所示的放松等级对应表，使用群集处理部107输出的群集结果来推断用户的放松等级。
[0097]
在使用α波时间含有率和hf积分值作为指标值的情况下，群集处理部107基于图13所示的模型，对α波时间含有率及基于该α波时间含有率的微分值、和hf积分值及基于该hf积分值的微分值进行群集。接着，群集处理部107将表示将这些数据分类后的群集的值作为群集结果来输出。然后，推断部109参照图14所示的放松等级对应表，使用群集处理部107输出的群集结果来推断用户的放松等级。
[0098]
另外，在上述的实施方式中，当在标准化数据库104未保存用户的各指标值的平均值和标准偏差的情况下，标准化处理部103使用通用的指标值的平均值和标准偏差来将用户的各指标值标准化。在其他实施方式中，标准化处理部103也可以根据指标值计算部102计算出的用户的心率、hf积分值以及α波来计算平均值和标准偏差，并使用该平均值和标准偏差来将用户的各指标值标准化。
[0099]
并且，在上述的实施方式中，在判断为所推断出的放松等级与目标等级相同的情况下，放松引导处理部111结束放松引导处理。在其他实施方式中，在所推断出的放松等级与目标等级相同的情况下，放松引导处理部111也可以使其他的装置执行用于维持用户的放松等级的处理。
[0100]
并且，在其他实施方式中，除了心率、α波时间含有率以及hf积分值之外，也可以使用脑血流量、呼吸次数、皮电反应、脸部肌肉的活动电位以及末梢血流量等其他的生物体信息作为指标值。
[0101]
本公开所记载的控制部和方法能够由专用计算机实现，该专用计算机通过构成被编程为执行安装于计算机程序的1个以上的特定的功能的处理器而制造。另外，本公开所记
载的装置和方法也可以由专用的硬件逻辑电路实现。并且，本公开所记载的装置和方法也可以由通过构成执行计算机程序的处理器而制造的1个以上的专用计算机、与1个以上的硬件逻辑电路的组合来实现。计算机程序能够作为由计算机执行的命令保存于计算机能够读取的非转移有形记录介质。
[0102]
这里本技术所记载的流程图或者流程图的处理由多个步骤(或者提及为部分)构成，将各步骤例如表达为s101。并且，各步骤能够分割为多个子步骤，另一方面，也能够合并多个步骤而成为一个步骤。
[0103]
以上，例示了本公开的一方式所涉及的状态推断装置、状态推断方法的实施方式、结构、形态，但本公开所涉及的实施方式、结构、形态并不限定于上述的各实施方式、各结构、各形态。例如，适当地组合在不同的实施方式、结构、形态中分别公开的技术部分而得到的实施方式、结构、形态也包括在本公开所涉及的实施方式、结构、形态的范围内。