基于自驱动传感器与深度学习相结合的人工智能应用进展
信号处理
2024-03-13 v3 人工智能
摘要
在物联网时代，如何开发一种具有可持续供电、易于部署和灵活使用的智能传感器系统已成为亟待解决的难题。传统电源在使用中存在频繁更换或充电等问题，限制了可穿戴设备的发展。利用聚四氟乙烯（PTFE）和铝（Al）箔制备了接触-分离式摩擦纳米发电机（TENG）。通过人体布置收集人体运动能量，并根据输出电信号的变化监测人体运动姿态。2012年，王中林院士团队发明了摩擦纳米发电机（TENG），它利用麦克斯韦位移电流作为驱动力，直接将机械刺激转换为电信号，因此可用作自驱动传感器。基于TENG的传感器具有结构简单、瞬时功率密度高等优点，为构建智能传感器系统提供了重要手段。同时，机器学习作为一种成本低、开发周期短、数据处理能力和预测能力强的技术，对处理TENG产生的大量电信号具有显著效果，与TENG传感器的结合将推动未来智能传感器网络的快速发展。因此，本文基于TENG的智能声音监测与识别系统，该系统具有良好的声音识别能力，旨在评估声音感知模块架构在泛在传感器网络中的可行性。
引用
@article{arxiv.2402.09442,
title = {Progress in artificial intelligence applications based on the combination of self-driven sensors and deep learning},
author = {Weixiang Wan and Wenjian Sun and Qiang Zeng and Linying Pan and Jingyu Xu and Bo Liu},
journal= {arXiv preprint arXiv:2402.09442},
year = {2024}
}
备注
This aticle was accepted by ieee conference