用于机器学习生物识别的具有多谐振超薄结构的仿生和柔性压电移动声学传感器

标题：Biomimetic and flexible piezoelectric mobile acoustic sensors with multi-resonant ultrathin structures for machine learning biometrics (2021)

文章链接：https://www.science.org/doi/full/10.1126/sciadv.abe5683

主要内容及创新点：本文通过利用超薄膜进行仿生频带控制来展示高灵敏度压电移动声学传感器（PMAS）。仿真结果表明，通过在超薄聚合物上采用锆钛酸铅（PZT）薄膜，可以拓宽压电薄膜的谐振带宽，以覆盖整个语音频谱。基于机器学习的生物特征认证由带有算法处理器和定制Android应用程序的集成声学传感器模块演示。与传统微机电系统麦克风相比，具有少量训练数据的PMAS模块可以显著降低说话人识别的错误率。 

图1 仿生PMAS和移动生物识别的总体概念。A 小型化PMAS的仿生多频带控制和移动生物认证的示意图：(i)仿生超薄PMAS模仿人类耳蜗基底膜，将多谐振频率定位到100Hz到4kHz的语音范围内；(ii)通过使用低Q因子超薄聚合物、应力控制压电膜和多通道电极，PMAS对全覆盖语音频谱的高灵敏度频率响应；(iii)使用由迷你PMAS、机器学习处理器和无线发射器组成的集成声学模块的移动应用程序生物特征认证；B 漂浮在易碎的气泡上的超薄多通道PMAS膜的照片；C 高灵敏度小型化PMAS与先前报道的共振压电声传感器之间的灵敏度FOM比较。 ​​​​​​​图2 全覆盖语音频谱的频带控制和灵敏度改进。A 根据40um厚度的PMAS微型化尺寸，对共振频率的二次行为进行FEM计算；B 130mm2有源区域中的共振频率分布作为通过FEP模拟计算的PMAS厚度的函数；C 仅PZT薄膜与超薄聚合物上的PZT谐振带宽比较。模拟结果显示超薄聚合物上的PZT具有较宽的带宽，与仅PZT薄膜的尖锐和离散谐振光谱相比，语音频率范围内具有低Q因数；D IDE结构中残余应力（拉伸和压缩）下偶极子对准和面内压电势的示意图和FEM计算；E 通过峰值处Psi方向的d间距变化计算的每个压电厚度的压应力比较；F 通过测量PE磁滞回线，饱和度和剩余极化值作为PZT膜厚度的函数。  ​​​​​​​

图3 PMAS的机械和电气特性。A 超薄PMAS膜的多共振位移由LDV在100Hz至4kHz的频率扫描下测量；B 通过在多个通道中选择最高灵敏度绘制的PMAS频率响应（fR2=2.1fR1, fR3=3.2fR1）；C 第一、第二和第三共振和低频时最敏感通道的压电电压输出；D 单频声波下各共振频率换算成dBV单位的灵敏度；E 通过减去每个共振频率和噪声基线的灵敏度计算的SNR；F 通道2电压在第一次共振时的线性行为作为压力的函数。 ​​​​​​​图4 基于机器学习的PMAS移动模块生物特征认证。A 使用PMAS模块的基于机器学习ML的移动生物特征认证的示意图。PMAS的多通道信号被无线传输到算法数据库，用于智能手机的访问控制；B 原声与PMAS模块信号语音特征对比。这些图包括时域压电信号、FFT响应和STFT频谱图；C 由信号平均、特征提取和层形成组成的说话人训练和测试程序的GMM算法流程图。通过将输入语音信息与预训练数据集进行比较来执行说话人决策；D 在150次数据训练、150次数据测试和七种混合条件下，PMAS模块的说话人识别错误率优于商用MEMS麦克风；E PMAS模块和定制的智能手机应用程序在五个训练和一个测试词的情况下演示访问许可和禁止的实时移动生物识别身份认证。