陶璐琪

该系统通过使用PSTG水凝胶应变传感器和机器学习算法收集和处理患者的手指运动数据，从而提高患者的康复结果。此外，医疗专业人员可以更准确地了解患者手指的康复状态。

基于机器学习，作者设计了多维语音识别和智能通信系统。在语义识别方面，CNN上的训练数据集和测试数据集上的识别准确率分别高达99.66%和96.63%。另外，GHRI提取语音内容、情感和身份特征，进行智能交流和回复，实现无障碍聊天。此外，经济上可行的材料和简单的制造工艺使GHRI适合大规模生产，在机器人智能领域具有广阔的发展前景。

总之，研究了基于石墨烯的机器学习辅助HRI双功能声学换能器。它通过柔性材料（麦克风和扬声器）表现出出色的双重功能，并作为耳朵和嘴巴应用于机器人。于机器学习，设计了多维语音识别和智能通信HRI，在训练数据集和测试数据集中的准确率分别高达99.66%和96.63%。GHRI提取语音内容、情感、身份特征，实现智能沟通和回复，实现无障碍聊天。此外，经济可行的材料和简单的制造程序使GHRI适合大规模生产，在机器人智能领域具有广阔的发展前景。

首先对低频声音信号进行频谱搬移，调制成携带信息的超声波信号。随后，超声波作为电信号输入到GUS并进行声音发射，对声音信号进行加密传输。最后，利用麦克风采集超声信号，解调到低频以实现信息解密。值得注意的是，在超声信号特征提取过程中，采用了基于机器学习的卷积神经网络来提高超声语音识别的准确率。这项工作不仅解决了超声源在可穿戴领域的障碍，也进一步拓展了超声在信息加密领域的应用。

通过简单地组装三层双面激光定制的Nomex纸来实现接收指令（压力感应能力）和提供反馈（发声能力）的功能集成。该集成器件不仅对类似于轻柔手指按压（约10kPa）的压力具有灵敏的响应（约50ms响应时间），而且可以发出具有更大声音的高质量声音信号压力水平（约70分贝在1W/cm2功率密度）。此外，还展示了两个概念验证演示，即按音频垫和响应命令的耳机，以证实信息交换活动的可行性。

重庆大学陶璐琪研究员团队研究提出了一种集成的发光 IEDAC 芯片，提供了一种基于激光雕刻模板和薄膜加热器的预先图案化的发光信息方便的方法来存储和解密。发光加密芯片包含由基于 SrCaGa4O8的长余辉荧光粉构成的双层结构主机和激光诱导石墨烯加热器，这使得在单个芯片上解密信息成为可能。该设计实现了双模（光致发光/长持续发光）、双色（蓝/黄-绿）和多级IEDAC功能，为实现先进的 IEDAC技术提供了全新的见解和集成策略。

当把很薄的石墨烯薄膜放在喉咙上，薄膜就能检测喉咙处微弱的震动，且能把这种震动对应成各种声音。基于这一特性，他们提出了石墨烯人工喉概念，并成功制备出相关实验室产品。

这种集成声学器件，利用石墨烯的热声效应来发射声音，其多孔结构对压力也极为敏感，能够感知发声时喉咙处的微弱振动，可以通过石墨烯的压阻效应接收声音信号。因此，这种器件能够准确感知聋哑人低吟、尖叫等特殊声音，同时将这些“无含义声音”转换为频率、强度可控的声音，并有望在将来转换为预先录制的语言。