@article{oai:ipsj.ixsq.nii.ac.jp:00068728,
 author = {村尾, 和哉 and クリストフファンラールホーフェン and 寺田, 努 and 西尾, 章治郎 and Kazuya, Murao and Kristof, VanLaerhoven and Tsutomu, Terada and Shojiro, Nishio},
 issue = {3},
 journal = {情報処理学会論文誌},
 month = {Mar},
 note = {ウェアラブルコンピューティング環境では小型の装着型センサを用いて取得した行動や状況（コンテキスト）を利用するさまざまなアプリケーションが提案されている．装着者のコンテキストを取得する際に，センサの値に対して特徴量抽出と呼ばれる前処理が行われる．この特徴量抽出ではこれまで，判別性能の高さから平均や分散，FFT係数などが多くの研究で採用されてきたが，これらはデータサイズが元のデータよりも大きくなるため，センサは生データの状態でコンピュータに送信し，その後特徴量抽出と認識が行われる．しかし，生データの通信やセンサ内のメモリへの書き込みによって消費する電力は大きく，低消費電力ハードウェアにとって負担となるものであった．本論文では，従来の特徴量と同等の性能を示しつつデータサイズは小さい新たな特徴量として，加速度波形のピークの高さと幅を提案する．提案する特徴量を用いることでセンサ内で特徴量変換を行いデータサイズを削減したうえでメインコンピュータに送信するため，消費電力の削減につながる．, In wearable computing environments, various applications are assumed to get a richer sense of context via a set of wearable sensors. When obtaining the wearer's context, raw sensor values typically have to be pre-processed before recognition can take place. This process of feature-extraction in wearable sensing has thus far favored combinations of mean, variance, and Fourier coefficients over a sliding window as highly-discriminative features and have been used extensively so far in the literature. Since the size of the features tends to become larger than that of the raw data itself, sensors send raw data to a main computer, then feature-extraction and recognition take place. However, raw data consume large power for wireless communication and writing to their memories, conflicting with the often low-power hardware in wearable computing. In this research, we suggest width and height of peaks as features that perform in the range of conventional features but that have smaller data size. By using our proposal, sensors shrink data and send these to the main computer after feature-extraction, which would conserve power.},
 pages = {1068--1077},
 title = {センサのピーク値を用いた状況認識手法},
 volume = {51},
 year = {2010}
}