IntelliLining：通过使用TENG的纺织衬里传感器进行活动感应

研究背景与问题

• 发现的问题或挑战： 传统传感器多作为后期附加部件集成到服装中，这种方式虽然功能性较好，但往往不具美观性和舒适性，且难以无缝融入服装制作工艺。近年来，嵌入式传感技术逐渐进入服装设计，但主要集中于硬质部件（如纽扣、拉链）和一些局部区域（如抽绳、接缝）。然而，这些方案在传感范围和潜在功能场景上仍有局限。

• 重要性： 利用服装作为日常生活中活动感知的智能平台，能够为健康监测、技能评估及生活方式追踪提供新方法。尤其是用服装传感器捕捉手部、嘴部和身体的多种活动，为这些领域提供了广泛的潜在应用。

• 研究动机与相关工作： 现有的相关工作在"后市场"传感器或智能服装部件上已经有所探讨，但大多集中于单一活动的识别或特定类型的衣物部件。本文首次提出将服装中的"衬里"部件转化为智能传感器，其通过大面积提供多点感知能力，可用于捕捉更广范围的活动数据。

解决方案

• 提出的解决方案： 作者提出了基于摩擦纳米发电机 (TENG) 的智能衬里系统 (IntelliLining)，利用这种传感器对振动和活动进行检测。与传统传感组件不同，智能衬里提供了更加分布式和集成的感知布局，可从衬衣的多个部位感知用户活动。

• 创新点：

  1. 提出了在服装衬里这一未被充分探索的部件中嵌入传感器的概念。
  2. 与既有方案相比，智能衬里通过二维表面布局覆盖了更大的感知区域。
  3. 智能衬里能捕获空气传播和表面振动信号，探索了传感信号随位置、尺寸和振动源变化的影响。
  4. 可感知多样化的活动类型（口、手、全身活动的组合），扩展了智能穿戴设备感知种类的边界。

• 实施步骤和关键技术：

  1. 传感器制造： TENG传感器由涂聚四氟乙烯 (PTFE) 薄膜和两层导电织物构成，这些层之间的摩擦生电实现了振动检测。
  2. 集成到服装： 传感器通过熨贴技术嵌入进衬里的位置，如袖口、衣领、胸袋等，保持服装的外形与舒适性。
  3. 信号采集与分析： 振动信号通过数据采集卡采集，并通过机器学习方法（包括基于特征提取的方法和深度学习网络）进行分类，以识别活动类型。
  4. 实验设计与数据采集： 考察面积大小、变形程度、振动源位置和振动传递方式（空气传播、表面传播混合）对传感性能的影响。

研究成果

• 具体成果：

  1. 智能衬里的传感器可以稳定捕捉各种日常活动的振动信号，包括空气传播（如说话声）和表面振动（如物理接触）。
  2. 智能衬里能够识别12种常见活动（如写作、吃饭、行走、打喷嚏等），在使用深度学习模型时，分类精度超过93%。
  3. 作者验证了传感器在不同大小、形状、信号传播介质和变形情境下的稳定性。

• 与现有解决方案的优势： 相较于以往基于单点或小型区域的传感器，智能衬里最大优势在于广泛覆盖的感知范围，能够并行捕捉多点振动数据。此外，其二维布局更适合多模态活动的捕捉，同时保留了服装的柔韧性和穿着舒适性。

• 实验与评估：

  • 实验结果表明，传感器对不同大小和覆盖位置的活动有较强的鲁棒性。
  • 信号特性因振动源位置略有差异，但通过机器学习能有效解决这些变化。
  • 在用户实验中，不同用户之间的交叉验证表明识别精度达约 85.5%，通过更多数据集扩充潜力更大。

• 局限性与未来方向：

  1. 均匀噪声处理： 当前系统对高噪音环境如交通声的应对仍较弱，未来将引入自适应降噪技术。
  2. 材料与耐久性： 使用更具耐久性的织物性摩擦材料代替 PTFE，从而提升传感器的使用寿命。
  3. 用户体验与集成： 现阶段系统设备较为笨重，后续需改进为轻量化的嵌入式解决方案以提高可穿戴性。
  4. 未定义活动处理： 利用异常检测技术以更好处理未训练活动。

总结

本文提出了一种新型基于TENG传感器的智能衬里技术，通过对多位置和多活动的精确感知，扩展了智能穿戴设备的界限。这项研究的初步成果具有较高的技术可行性，为智能服装的创新设计打开了新的可能性。未来改进的方向包括耐用性、噪声处理、和嵌入式设计的优化，从而使其更接近商业化应用。