华中科大王云明教授AFM：新型压电纳米纤维气凝胶实现高精度声纹识别

近年来，语音通信作为最直接的信息交流方式，广泛应用于无线通信领域，但也面临语音合成、录音回放和语音模仿等欺骗性攻击的威胁。与指纹、面部虹膜、DNA等生物识别技术相比，声纹识别具有动态、非接触和远程实施的优势，尤其适用于电信防诈骗等场景。然而，现有声学传感器在声电转换性能、信号提取能力和复杂环境下的识别效果方面仍存在显著不足，尤其是传统传感器在灵敏度、带宽和功耗方面的局限，制约了声纹识别技术的发展。

针对上述挑战，华中科技大学王云明教授、李贵刚教授和国防科技大学Xu Lingjuan合作成功研制出一种基于L-聚乳酸/丝素蛋白（PLLA/SF）的声学驱动纳米纤维气凝胶（ANA），该材料具备三维多孔结构，能够在声波激励下产生显著的结构形变，从而提升声电转换性能。该器件在90–1000 Hz范围内实现宽频响应，灵敏度高达16 V·Pa⁻¹，最大输出电压和电流分别达到65.6 V和10.59 μA，频率分辨率优于1 Hz。通过对其电响应信号进行特征频谱分析，该传感器可有效识别说话人身份与情绪状态，为未来自供电人机语音交互系统提供了新思路。相关论文以“Piezoelectric Voiceprint Recognition Based on 3D Nanofiber Aerogel”为题，发表在

Advanced Functional Materials

在研究过程中，团队通过湿法静电纺丝与水基聚氨酯复合交联的策略，构建出结构稳定的三维纳米纤维网络。图1a展示了PLLA/SF ANA用于声纹识别的示意图。随后，图1b显示不同纳米分散浓度（1%、3%和5%）下材料在90–1000 Hz频带内的输出电压表现，其中3%浓度下性能最优。图1c进一步表明，该传感器能准确识别包含100、110和120 Hz的复合音频信号，经快速傅里叶变换（FFT）分析后，频谱峰值与原始信号高度一致。此外，当带有“悲伤”情绪说出“Good luck”时，传感器不仅能提取时间域上的振幅起伏、间隔停顿等特征，还能在频域上识别出140 Hz和284 Hz等情绪相关频段（图1d），显示出其在多维度声纹分析中的潜力。

图1 a) 基于PLLA/SF纳米纤维气凝胶的声纹识别原理示意图。 b) 不同纳米分散浓度（1%、3%、5%）PLLA/SF ANA在90–1000 Hz频带内的输出电压。 c) ANA对100、110、120 Hz三频混合声的电压时域信号与FFT谱图。 d) 受试者以悲伤情绪说出“Good luck”时的电压波形及FFT谱。

图2a比较了不同纺丝浓度下材料的输出电压，发现18%浓度下性能最佳。在120 dB声压级、90–1000 Hz频率范围内，器件的开路电压和短路电流在150 Hz处达到峰值，分别为65.6 V和10.59 μA（图2b–c）。随后，研究人员让不同受试者向传感器说出“Hi Nanoscience”，并记录其时域电压信号（图2d）。通过FFT和短时傅里叶变换（STFT）分析，男性和女性的基频分布差异显著（图2e），男性集中于200 Hz以下，女性则大约在240 Hz，体现出其在天生生理结构差异上的敏感性。

图2 a) 不同纳米纤维分散浓度下ANA的输出电压对比。 b) 最优参数ANA在90–1000 Hz范围内的开路电压。 c) 对应短路电流。 d) 四位受试者朗读“Hi Nanoscience”的时域电压信号。 e) 相应FFT与STFT谱，显示性别与节奏差异。

图3进一步评估了器件在不同声压、距离和角度下的性能。随着声压级从87 dB升至120 dB，输出电压从7.2 V提高至65.6 V（图3a）。声源距离越近，声压衰减越明显，电压响应也随之变化（图3b）。器件的声学灵敏度在低SPL下最高可达16 V·Pa⁻¹（图3c）。经FFT带通滤波处理后，信号在150 Hz处保持高度纯净，信噪比达58 dB（图3d–e）。此外，传感器表现出明显的“8字形”方向响应特性（图3f），说明其具备声源定向感知能力。在经过5万次强声循环和9个月存储后，器件仍保持稳定的电输出（图3g–h），显示出优异的耐久性。

图3 a) 输出电压随声压级（87–120 dB）的变化。 b) 2 cm与25 cm声源距离下的电压波形对比。 c) 灵敏度随声压级变化曲线，最高16 V·Pa⁻¹。 d) 经140–160 Hz带通滤波前后150 Hz信号对比。 e) 150 Hz主频信噪比达58 dB。 f) 不同入射角度的“8”字形指向响应。 g) 5万次120 dB循环冲击后的电压稳定性。 h) 九个月老化后性能保持率超过90%。

为验证其高精度频率分辨能力，团队生成了多组双频信号（100/200 Hz、130/131 Hz、150/150.01 Hz），PLLA/SF ANA均能清晰分辨出频率间隔小至0.01 Hz的峰值（图4a–b、d–e、g–h）。此外，该传感器还能准确识别狗、猪、豹等动物叫声（图4c、f、i），并成功模拟了对诈骗电话音频的响应，显示出其在多种实际场景中良好的声纹识别能力。

图4 a、b) 对100/200 Hz双频信号的时域与FFT分辨。 d、e) 对130/131 Hz双频信号的分辨。 g、h) 对150/150.01 Hz双频信号的分辨。 c、f、i) 记录并识别狗、猪、豹叫声的电压波形与频谱。

综上所述，该研究开发的PLLA/SF声驱动纳米纤维气凝胶在宽频响应、高灵敏度、高分辨率和稳定性方面表现出色，能够通过声电响应频谱有效识别说话人身份与情绪。这一技术有望推动个性化AI语音交互服务的发展，并在可穿戴/植入式语音识别设备中发挥长远作用，为人机交互领域带来新的技术突破。

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！