聲學檢測與識別在醫療監護、環境感知及人機交互（HRI）等領域至關重要，但傳統聲學傳感器因體積大、靈敏度低、動態范圍有限和缺乏柔性，難以集成到新一代可穿戴設備中。現有柔性傳感器在彎曲時性能顯著下降，嚴重制約其在動態環境中的應用。

該傳感器由振動膜、間隔層和氟化乙烯丙烯（FEP）駐極體層組成，利用電暈極化使氣隙充分帶電，通過解耦振動膜與駐極體層顯著提升帶寬與靈敏度。實驗表明，PETAS在0–830 Hz頻段輸出穩定，靈敏度達2.744 pC/Pa（500 Hz），耐久性超10萬次工作循環和1000次彎曲循環，人機交互指令識別準確率超96%，抗環境噪聲能力遠超商用麥克風。

核心設計與工作機制

PETAS采用多層堆疊結構（圖1）：8 μm厚聚酰亞胺（Kapton）振動膜覆蓋鉻/銅電極，50 μm聚對苯二甲酸乙二醇酯（PET）間隔層防止高壓塌陷，雙層FEP駐極體通過激光切割形成交叉溝槽陣列，熱壓封裝后實現15/16孔隙率（圖1c）。氣隙壁捕獲電荷形成電偶極子，聲壓引發振動膜與駐極體層間距變化，破壞電場平衡并驅動電荷重新分布，產生壓電響應（圖1d-e）。仿真優化顯示，15 mm邊長振動膜可平衡靈敏度與帶寬，一階諧振頻率1001 Hz覆蓋生理聲信號頻段（圖1f-h）。

圖1 壓電駐極體薄膜聲學傳感器（PETAS）整體設計 a) PETAS應用于人機交互的場景示意圖。 b) PETAS結構示意圖。 c) (i) 雙層FEP薄膜頂視圖；(ii) 圖(i)虛線框區域放大圖；(iii) 截面SEM顯微圖（A-A平面），顯示精密溝槽封裝形成的氣隙通道。比例尺：500 μm。 d) 含雙層FEP儲電膜與Kapton振動膜的組件截面圖。 e) PETAS工作原理示意圖。 f) PETAS中Kapton振動膜的一階（1001 Hz）和二階（2051 Hz）振動模態仿真結果。 g) 一階諧振頻率隨振動膜邊長變化呈平方反比趨勢。 h) 表面最大位移隨振動膜邊長呈四次方趨勢。

制備工藝與器件特性

制備流程（圖2a）包括激光刻蝕FEP溝槽、正交堆疊熱壓、銅電極貼合、聲學孔加工及電暈極化（-20 kV/8分鐘）。成品厚度僅146 μm，重量0.32 g（圖2b），可貼合高曲率表面（半徑30 mm）及人體皮膚。性能測試（圖3）證實其頻響覆蓋0–830 Hz（94 dB聲壓），靈敏度線性范圍達20 Pa，信噪比超48 dB，動態范圍70–120 dB。經1000次彎曲循環（圖3g）及不同曲率測試（圖3h），電荷輸出保持穩定，方向性呈"8"字形分布。

圖2 PETAS制備流程與特性 a) 激光切割與多層組裝工藝示意圖。 b) PETAS實物圖：(i) 總厚度146 μm；(ii) 總重0.32 g；(iii) 貼合高曲率表面；(iv) 貼合人體皮膚。

圖3 PETAS性能表征 a) 94 dB聲壓級（1 Pa）下電荷傳輸的頻率響應曲線。 b) 500 Hz輸入時不同聲壓級下的電荷變化，插圖為20 Pa內線性響應及2.744 pC/Pa靈敏度。 c) 500 Hz/94 dB輸入下的等效噪聲測試，信噪比超48 dB。 d) 頻率分辨率測試：1 Hz差異混合聲的時/頻域電荷響應。 e) 260秒（>10?周期）連續聲壓下的電荷輸出穩定性，插圖為始末階段波形對比。 f) 方向性測試結果。 g) 柔性性能測試：(i) 彎曲循環流程；(ii) 1000次彎曲中四種狀態的電荷輸出。 h) 不同曲率下的電荷輸出。

多源聲學信號檢測

PETAS在鋼琴音階檢測中頻率相對誤差低于0.1%（表1），精準分離復合音（圖4a-c）；錄制英文" sensor"及中文"傳感器"時，輸出電壓比商用麥克風高近一個量級，諧波成分更清晰（圖4d）。志愿者元音測試（圖4e）顯示其可提取基頻（F0）、抖動度等語音健康參數（表2）。此外，成功捕捉人體拍手聲（圖4f-i）、心音S1/S2成分（圖4f-iii）及狗吠等復雜聲源。

圖4 多聲源測量與分析 a) 鋼琴單音/復合音對應的時間序列（上）與短時傅里葉變換（STFT）譜圖（下）。 b) 圖a中0–7.5秒段的FFT結果。 c) 圖a中7.5–10.5秒段的FFT結果。 d) PETAS與參考麥克風對中英文"傳感器"的響應對比：時間序列（上）及STFT譜圖（下）。 e) 志愿者發元音/a:/時PETAS與參考麥克風響應對比，展示語音健康評估潛力。 f) 其他應用場景：(i) 人體彈指聲；(ii) 拍手聲；(iii) 心音信號；(iv) 狗吠聲。

噪聲環境下的語音識別

基于梅爾頻率倒譜系數（MFCC）模板匹配算法（圖5a），PETAS在96.5 dB高噪聲下仍保持92%指令識別率（圖5c）。不同彎曲半徑（30–80 mm）、中英文指令及志愿者差異測試中，識別準確率均超96%（圖5d）。空間定位測試（圖5e）表明，在10–20 cm距離與±30°角度范圍內，各曲率下識別率超90%。

圖5 不同測試條件下的語音識別準確率 a) 基于MFCC特征提取的PETAS人機交互系統框架。 b) 八種指令的混淆矩陣。 c) 背景噪聲對識別率的影響。 d) 三位志愿者的中英文指令在不同彎曲半徑下的識別率。 e) 不同曲率下說話角度/距離對識別率的影響。

人機交互驗證

頸戴式PETAS在家庭陪護（安靜環境）和工業機器人（噪聲環境）場景中均表現卓越（圖6）。工業場景中，其輸出指令信號純凈，而商用麥克風受環境噪聲嚴重干擾（圖6d），凸顯其抗噪優勢。該技術有望推動語音安防、無人機控制及AI通信等領域發展。

圖6 頸戴式PETAS人機交互實驗 a) 實驗流程示意圖。 b) 機器人兩種工作環境設計。 c) 安靜環境下的指令與機械手響應。 d) 噪聲干擾下的指令與機械臂動作。

總結與展望

PETAS以解耦設計和微結構優化實現高柔性、高靈敏度與強噪聲免疫，為人機交互系統提供可靠平臺。未來研究將聚焦熱穩定性提升（超100℃）、FEP孔隙率優化及高頻超聲檢測（5–50 kHz）拓展，進一步釋放其在可穿戴電子與先進HRI系統中的潛力。

來源：高分子科學前沿