新突破！郑州大学团队研制柔性双模态传感器，实现触觉与生物电信号一体化集成，助力人机交互迈向新高度
引言：多模态感知——智能交互的关键挑战与机遇
在智能人机交互技术飞速发展的今天，能够与人体无缝集成、实时解析多维生理与物理信号的传感技术，已成为推动人机融合智能化深度发展的核心支撑。然而，当前大多数可穿戴感知系统仍面临显著局限：或仅能实现单一模态（如压力、应变、温度等）的检测，或通过简单的物理堆叠将多个独立传感单元组合，缺乏高效的集成架构与数据关联机制。这种“单打独斗”或“机械拼凑”的方式，难以建立不同数据流（如触觉压力与肌电、心电等生物电信号）之间的内在关联，从而严重制约了系统级的智能分析与复杂功能（如精准运动控制、情绪识别、健康状态综合评估）的拓展。因此，在单一器件平台上实现多模态感知的高效融合与协同，已成为柔性电子与智能交互领域亟待攻克的核心科学问题与技术瓶颈。
近期，来自郑州大学橡塑模具国家工程研究中心的申长雨院士、刘春太教授团队刘虎教授课题组取得了突破性进展。他们创新性地开发了一种基于柔性碳纤维织物电极与冷压P(VDF-HFP)介电层的电容型双模态传感器。该器件采用独特的共用电极结构设计，首次在单一柔性平台上实现了触觉（压力）信号与生物电（如肌电、心电）信号的高灵敏度协同感知与一体化无缝集成。这项研究不仅提出了一种全新的多模态感知器件集成策略，更为下一代智能人机交互、个性化医疗健康监测、可穿戴机器感知等领域的发展提供了关键的技术原型与设计思路。
相关研究成果于2026年4月19日以题为 “Flexible Bimodal Sensor With Integrated Tactile and Bioelectrical Signal Perception for Human-Computer Interaction Systems” 发表在国际材料科学顶级期刊 《Advanced Functional Materials》上。文章的第一作者是郑州大学博士生王孜琦和杨文科副教授，通讯作者为刘虎教授。
一、 核心技术突破：如何实现“二合一”的高性能感知？
传统上，触觉压力传感和生物电信号采集通常需要两种原理、结构和材料体系截然不同的器件。压力传感器多依赖压阻、电容或压电效应，而生物电信号采集则依赖于电极与皮肤之间稳定、低阻抗的接触以捕获微弱的离子电流。将二者融合，面临信号串扰、灵敏度损失、结构复杂化等多重挑战。
刘虎教授团队巧妙地通过材料创新与结构设计解决了这一难题：
核心材料与工艺：
- 电极：采用具有微结构的高导电性、高可压缩性碳布作为共用电极。这种碳布电极不仅导电性好，更重要的是其独特的纤维结构与高可压缩性确保了与皮肤的良好贴合，显著降低了接触阻抗，为采集高质量的生物电信号奠定了基础。
- 介电层：选用P(VDF-HFP) 聚合物，并通过冷压工艺在其表面构建了精密的微结构阵列。这些微结构（如金字塔、柱状阵列）能在外力作用下产生更大的形变，有效增强局域电场，从而极大提升了电容式压力传感的灵敏度。
巧妙的器件结构：
团队设计了 “三明治”型的电容结构：上下两层为相同的微结构碳布电极，中间是带有微结构的P(VDF-HFP)介电层。其精妙之处在于：
- 压力感知模式：当外界压力施加时，上下电极间的距离发生变化，同时介电层微结构被压缩，介电常数改变，二者共同作用引起电容的显著变化（ΔC/C0），实现对压力的高灵敏度检测。
- 生物电感知模式：上下两个碳布电极中的一个作为工作电极与皮肤接触采集生物电位，另一个作为参考/对电极。由于碳布电极优异的皮肤相容性与低阻抗特性，能够稳定捕获来自心脏、肌肉等产生的微弱电信号（如ECG心电、EMG肌电），并通过同一套后端电路进行处理。
性能飞跃：
- 触觉感知方面：该传感器表现出宽压力检测范围（可达百kPa级）、高灵敏度（尤其在低压区）、快响应时间（~100 ms）、优异循环稳定性（>5000次）以及高分辨率（能区分微小压力梯度）。其性能参数全面优于许多已报道的单模态压力传感器。（对应图3）
- 生物电感知方面：传感器采集的心电（ECG）信号波形清晰，特征点（P波、QRS波群、T波）明显，与商用凝胶电极性能相当，并能稳定监测在不同生理状态（静息、呼吸、咳嗽、运动后）下的ECG变化。肌电（EMG）信号的信噪比高，能精确区分抓握、弯举、踮脚等不同动作模式。（对应图5、图6）
二、 创新应用演示：从精准识别到智能控制与信息安全
该研究的价值不仅在于器件本身的高性能，更在于其成功展示了在集成化系统层面强大的应用潜力。
电子皮肤与压力分布识别：将多个传感器单元集成成阵列，可以精准识别放置在传感器上的平面物体（如字母模型）的形状，以及贴合在复杂曲面（如手腕、关节）上的压力分布，展现出作为下一代高空间分辨率、可贴合复杂表面的“电子皮肤” 的潜力。（图4h-j）
人体多维度生理-物理信号同步监测：同一器件可同时或分时监测手指弯曲、膝盖运动产生的压力变化与相关肌肉群产生的肌电信号；也能在监测脉搏搏动（物理压力） 的同时记录心电信号，为心血管健康提供更全面的同步数据。（图4，图5d）
肌电信号驱动的智能人机交互：研究人员将传感器采集的前臂肌电信号作为控制信号，成功实现了对机械手的实时、精准控制。机械手可以复现人手的“伸展”、“数字一”、“点赞”、“握拳”等多种复杂手势，展示了在康复辅助、远程操控、虚拟现实交互等方面的应用前景。（图6i-j）
机器学习赋能的加密交互系统：这是本研究最富想象力的应用之一。团队构建了一套基于支持向量机（SVM）算法的可视化摩斯密码识别与通信系统。用户可以通过特定节奏的触压（如长按、短按）传感器来输入加密的摩斯密码，传感器同步采集该触压信号及操作者因意图产生的细微肌电信号。SVM模型能实时解码这些混合信号，准确识别出不同的“点”、“划”及间隔标识符，最终将密码翻译成预设的视觉信息（如字母、指令）进行显示或执行。这套系统将物理交互、生物电信号与机器学习相结合，为实现安全、隐秘的人机交互（如身份验证、加密指令传输）开辟了新路径。（图7）
三、 研究意义与未来展望
郑州大学申长雨院士、刘春太教授团队刘虎教授课题组的这项工作，其核心贡献在于：
- 提出了“共用电极”的一体化双模态传感器设计新范式，以简洁高效的结构同时解决了高灵敏度压力传感和高信噪比生物电采集的难题，避免了多器件集成的冗余与复杂性。
- 实现了物理信号与生理电信号在源头端的自然关联与同步获取，为构建更智能、更理解用户上下文的人机交互系统提供了高质量的多维数据基础。
- 通过从基础器件到系统集成（阵列、机械手控制）再到高级应用（加密通信）的完整链条演示，全面验证了该技术的实用性与前沿性。
这项研究标志着柔性传感技术从单一功能向多功能集成、从被动感知向主动智能交互迈出了关键一步。展望未来，此类双模态甚至多模态集成传感器有望成为下一代可穿戴计算的核心入口，深度融合到智能假肢、神经工程康复设备、沉浸式元宇宙交互、个性化健康监护平台以及高安全性的军事或民用控制系统中。
可以预见，随着材料科学、微纳加工、人工智能算法的持续进步，这种能“感知冷暖、读懂心意”的柔性智能感知系统，将使人机交互的边界变得模糊，最终朝着“人机共生” 的愿景不断演进。而此次中国科研团队的前沿探索，无疑为这一未来图景增添了浓墨重彩的一笔。
图1 柔性双模态传感器的双信号监测和人机交互应用
图2 （a）不同结构传感器的原理示意图和等效电路图；（b）有限元应力分布模拟结果示意图；传感器在不同压力下的（c）模拟ΔC/C0与（d）实验ΔC/C0变化曲线
图3双模态传感器的压力传感性能：（a）133kPa压力下不同压缩速率的循环压力响应行为；（b&c）10mm/min压缩速率下不同压力等级的循环响应行为；（d）不同压力下的压力分辨力；（e）66.7kPa下传感器的响应时间；（f）66.7kPa下5000次循环的长期稳定性测试和（g）与此前工作响应范围与灵敏度的对比
图4双模态传感器人体运动监测和压力分布识别应用，实时物理信号输出包括（a&b）肩膀抬起，（c）手指弯曲，（d）膝盖弯曲，（e）说话，（f）吞咽和（g）脉搏，（h&i）用于平面物体形状识别和（j）曲面压力分布识别的电子皮肤应用
图5双模态传感器的心电信号采集性能：（a）双模态传感器与商用电极采集的心电图（ECG）信号对比；（b）图（a）中局部信号的放大视图；（c）所采集ECG信号的时频图；（d）脉搏与ECG信号同步测试结果；（e）对应图（d）的快速傅里叶变换（FFT）频域图；（f–j）不同生理状态下的ECG测试结果：（f, g）呼吸状态；（h）咳嗽状态；（i, j）运动状态
图6双模态传感器的肌电信号采集性能及人机交互应用：（a–c）双模态传感器与商用电极在（a）抓握和（b）弯举动作中的肌电信号对比，以及（c）相应的信噪比结果；（d–f）不同动作状态下的实时肌电信号采集图：（d）抓握，（e）弯举，（f）踮脚；（g）长时间持续踮脚动作的肌电信号记录结果；（h）对应（g）的均方根（RMS）与平均功率频率（MPF）分析结果；（i）肌电信号控制机械手及对应人手控制的原理示意图；（j）实时控制不同手势（伸展、数字一、点赞、握拳）的效果图
图7机器学习辅助的可视化摩斯密码识别人机交互系统：（a）机器学习辅助的摩斯密码实时输入、解码与可视化示意图；（b）摩斯密码输入的两种模式；（c）原理示意图，包括：（i）支持向量机（SVM）机理；（ii–iv）加密摩斯密码的解码流程；（d）数据标准化过程；（e）四个关键标识符的识别混淆矩阵；（f）信号实时可视化的流程图。
原文链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/adfm.75491
免责声明：本文内容基于所发布的论文进行深度解读与通俗化演绎。具体技术细节、实验数据与应用前景，请务必查阅作者团队官方发表的原文。未经许可，请勿将本文用于商业用途或作为投资决策依据。
部分资料可能来源于网络和个人及机构投递,转载的目的在于传递更多信息及分享,是否准确请自行查阅判断，并不意味着赞同其观点或证实其真实性,也不构成其他建议。仅提供交流平台,不为其版权负责。如涉及侵权,请联系我们及时修改或删除。原创文章欢迎个人转发和分享,刊物或媒体如需转载请联系。联系邮箱:wangjun@chinapolymer.org.cn- 如果您已经阅读到这请点击关注➕在看➕留言➕转发朋友圈 课题组 万分感谢支持 我们的动力来自您的关注
