仿生鼓膜结构的无铅多微通道压电声学传感器：深度学习辅助的智能语音识别新策略

为解决传统声学传感器脆性大、灵活性差的问题，研究人员开发了一种仿生鼓膜结构的无铅多微通道压电声学传感器（MPAS）。该器件采用KNNS-BNZ钙钛矿材料，通过形态相界（MPB）设计实现高灵敏度（3,650 mV/Pa）和宽频响应（20 Hz–12 kHz），结合机器学习实现97%的语音分类准确率，为人机交互和可穿戴生物电子提供了新范式。

　　

这项突破性研究受人类鼓膜（tympanic membrane）启发，开发出柔性多微通道压电声学传感器（MPAS）。采用环保无铅的铌酸钾钠（KNN）基钙钛矿棒状材料，通过构建形态相界（MPB）显著提升压电性能——灵敏度达3,650 mV/Pa，品质因数（FOM_sens）高达1,825 mV·Pa^?1·cm^?2，可检测0.1帕斯卡的微弱声压。

传感器模仿鼓膜的径向微通道结构，将声能高效转化为电信号，频响范围覆盖20赫兹至12千赫兹。结合深度学习算法，在300段语音的10类测试中实现97%的分类准确率，媲美人耳听觉精度。这种仿生设计克服了传统压电器件（如PZT）的脆性问题，为可穿戴医疗监测（如智能助听器）和人机语音交互提供了自供电解决方案。

研究亮点包括：

1. 首创一维无铅KNNS-BNZ多组元钙钛矿材料体系
2. 微通道结构使声压-电信号转换效率提升3.8倍
3. 机器学习模型（CNN+LSTM）实现毫秒级实时语音识别
   该技术有望推动新一代生物电子器件向柔性化、智能化、环保化方向发展。