随着智能人机交互系统的快速发展，能够与人体无缝集成、并同时解析多维生理与物理信号的传感技术，正成为关键支撑。然而，现有多数可穿戴系统仍局限于单模态感知，或仅通过简单叠层实现多传感单元组合，难以建立不同数据流之间的内在关联，从而制约了系统级智能分析与功能拓展。因此，在单一器件平台上实现多模态感知的高效融合，已成为亟待突破的核心问题。

  近期，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)介电层的电容型压力传感器。该器件采用共用电极结构设计，在单一平台上实现了触觉信号与生物电信号的协同感知与一体化集成。研究中，团队通过冷压工艺在P(VDF-HFP)介电层表面构建微结构，并与具有高可压缩性、高导电性及低皮肤接触阻抗的微结构碳布电极进行组装。通过引入可调控空气间隙并增强介电极化效应，有效提升了器件的触觉响应灵敏度，同时实现了高分辨率的生物电信号采集。系统性能测试表明，该传感器兼具宽压力检测范围、高分辨率、优异稳定性以及出色的生物电信噪比。在此基础上构建的传感阵列，能够实现对平面及复杂曲面压力分布的精准识别。进一步地，研究团队将该器件应用于肌电信号驱动的机械手控制系统，并结合支持向量机（SVM）算法，实现了信息的可视化加密与解密识别，展示了其在智能交互与信息安全领域的应用潜力。该研究提出了一种面向多模态感知的器件集成新策略，为柔性电子与智能人机交互系统的发展提供了重要思路和技术支撑。

  2026年4月19日，相关工作以“Flexible Bimodal Sensor With Integrated Tactile and Bioelectrical Signal Perception for Human-Computer Interaction Systems”为题发表在国际权威期刊《Advanced Functional Materials》上。文章第一作者是郑州大学博士生王孜琦和杨文科副教授，通讯作者是刘虎教授。

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）133 kPa压力下不同压缩速率的循环压力响应行为；（b&c）10 mm/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）66.7 kPa下传感器的响应时间；（f）66.7 kPa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