成果简介
石墨烯具有优异的电学性能和良好的柔韧性，被广泛应用于新型传感器中。然而，石墨烯传感器价格昂贵、制造工艺复杂，尤其是缺乏对石墨烯信号的算法分析，限制了其发展。为了克服这些问题。本文，北京化工大学信息与技术学院 李宇涛副教授与清华大学任天令教授等研究人员在《ACS Appl. Electron. Mater》期刊发表名为“Deep Learning Enabled High-Performance Speech Command Recognition on Graphene Flexible Microphones”的论文，研究展示了一种基于新型低成本石墨烯柔性麦克风的高性能音频识别解决方案。石墨烯传感器由激光诱导的石墨烯制成，与传统的化学方法相比，其价格更低，工艺简单。
不仅是石墨烯麦克风的制作，本文还创新性地利用深度学习在石墨烯麦克风上实现语音指令识别。分析了石墨烯柔性麦克风的信号特性，提出了一种适用于石墨烯麦克风的深度学习算法。一维卷积神经网络能够在石墨烯麦克风上实现高性能的音频识别，与传统的模式识别方法相比具有巨大的优势。将10个数字和20个句子的声音收集50次，构建一个总共1500个样本的数据集。对于0到9之间的10个数字，深度学习模型的平均正确率达到了98%，远高于传统方法的84.5%。最后用20个句子来测试这个方案在更多词汇量下的表现，准确率为98.25%。在深度学习的帮助下，该方案已经具备了简单语音识别系统的基本功能。本文展示了石墨烯麦克风从理论研究到实际应用的完整应用，为更多新型传感器的信号分析和算法研究提供了参考。
图文导读
图1. 石墨烯麦克风的原理和信号特性
图2、语音识别算法实现及测试结果
图3. 20个句子的语音识别
图4. 语音控制机械手系统
小结
本文展示了基于石墨烯柔性麦克风的音频识别完整解决方案。激光诱导石墨烯制备了一种新型低成本柔性石墨烯麦克风。不仅具有满足简单音频识别的声音检测能力，而且具有极好的灵活性。因此，可以附着在各种曲面甚至人体皮肤上。与传统的化学气相沉积（CVD）方法制造石墨烯相比，本文制作石墨烯麦克风薄膜仅需几毛钱，比CVD便宜得多。低廉的价格将极大地促进石墨烯麦克风的应用。但这会降低石墨烯薄膜在20 kHz以上频率下检测超声波的能力。幸运的是，20Hz到20kHz的频率范围已经覆盖了人类的听觉范围，完全满足了本文应用场景的需求。
此外，本文分析了石墨烯麦克风的信号特性，并使用一维 CNN 对信号进行处理。借助深度学习，在石墨烯麦克风上实现了高性能语音识别，并将其与传统的模式识别方法进行了比较。最后，对该方案的词汇量较多的语音识别准确率进行了测试，并保持在较高水平。这表明该方案在更多样化的应用中仍然有效，为其他新型传感器的算法研究提供了参考。
文献：https://doi.org/10.1021/acsaelm.2c00125
本文来自材料分析与应用，本文观点不代表石墨烯网立场，转载请联系原作者。
