手势识别作为人机交互的重要方法，引起了广泛的研究兴趣。柔性应变传感器的发展通过将传感器放在手指上或集成到数据手套上，直接测量手指运动行为的可能性，从而准确、经济、有效地识别手势。本文首先介绍了各种柔性应变传感器设计的工作机制。本文总结了相关材料和设备结构对柔性应变传感器的影响。除了对柔性应变传感器器件的持续性能优化外，系统级算法的发展不仅对识别功能很重要，而且对抑制传感器器件的非理想性都很重要，这在器件和材料水平上难以解决。

介绍

在过去的几十年里，开发了更友好的人机交互(HMI)智能方法不断追求。[1]最重要的进展之一是将触摸传感器与显示器集成，这将有助于广泛使用手指触摸作为我们日常生活的主要进展HMI方法。[2–4]除了简单的手指触摸外，还可以使用完整的静态和动态手势HMI传达更多信息。[5–7]因此，人们开发了各种方法，使用手势识别，以非触摸的方式开发更自然、直观和智能HMIs（图1）。[8–14]基于视觉技术，利用数字相机捕捉手指的运动行为进一步解释，在许多应用场景中得到了广泛的研究和商业化。[8]然而，这些方法并不是在黑暗或意想不到的环境中实现连续实时手势识别和光学噪声的成本和节能方法。基于射频(RF)传感的[11]雷达技术也被用来识别手势的特征，从接收信号中获取距离文件、多普勒或到达角特征。[12]然而，距离分辨率是由射频波带宽决定的。构建硬件产生足够大带宽的射频波，以满足手势识别所需的分辨率。另一种方法是基于超声信号，其硬件可以集成，系统复杂性相对较低。[13]通过计算传播、反射、时间速度和三角分割来识别手势。虽然分辨率很低，但该方法适用于环境中缺乏光、磁性障碍或噪声。
为了最小化意外环境噪声的影响，开发了使用微机电系统加速度计和/或陀螺仪传感器的可穿戴手势识别系统。然而，由于间接测量，可识别的手势非常有限。通过将传感器放在手指上或将其集成到数据手套上，直接测量手指运动行为的可能性。[15–由此产生的手势系统具有精度高、成本低、对环境噪声不敏感等优点。人们在开发基于不同材料和加工技术的柔性应变传感器方面做出了巨大努力。[18–手势识别的一般性能指标包括可拉伸性、响应时间和可靠性。手指弯曲运动可在很短的时间内(几百微秒)产生高达100%的应变。[29]在实际应用中，传感器需要长期运行，传感性能没有明显漂移。在快速拉伸的释放周期中，也应抑制不想要的动态特性，如超调和滞后。各种材料和结构都试图解决这些性能问题。[18–然而，仍然很难获得具有理想特性的传感器件。此外，在同一批次和不同批次制造的设备之间总是存在一定的性能波动。[32]因此，我们开发了各种补偿和识别算法，以减少这些因素对精确手势识别的影响。因此，一些手势识别系统可以基于这些不理想的柔性应变传感器进行开发。[33,34]
之前的评论集中讨论了应变传感器的各种材料技术。[35]与这些评论不同，本文将重点开发基于可穿戴手势识别系统的柔性应变传感器的相关材料、设备结构和系统算法。

设备

光纤布拉格光栅等多种光电转导机制(FBG)、拉曼位移、38、39、摩擦电、40、41已用于实现应变传感器，但需要复杂的测量设备，难以用于可穿戴手势识别系统。许多已开发的柔性应变传感器都是基于可伸缩电阻或电容结构。通过材料和结构工程，可以大大提高应变传感器的拉伸性和灵敏度。拉伸定义了可测量的最大应变，是测量手运动的第一个先决条件。拉伸能力超过100%，以检测手指弯曲。通常测量因子的灵敏度(GF)它被定义为测量电信号的相对变化与应用程序的应变比。本章首先介绍了电阻结构和电容结构应变传感器的机理。然后，总结了提高电阻和电容应变传感器拉伸和灵敏度的材料和结构策略。

应变传感器结构

如图2所示，用于制造可伸缩应变传感器的典型电阻和电容结构。应变传感器由应变敏感层和两个接触电极组成。应变敏感层通常由带导电填料的弹性体膜制成，可以是各种纳米或微结构材料，如碳纳米管(CNTs)、[18–石墨烯、[21、22]纳米颗粒、[23、24]金属纳米线、[25]导电聚合物、[26]或液体金属和离子凝胶。该结构的电阻可以表示为[27，28]…

材料工程

测量大应变的拉伸传感器对检测手指弯曲非常重要。对于电阻电容结构传感器和电容结构传感器，如图2所示，导电材料在弹性敏感膜或电极中的分布对于保持大应变下的灵敏度至关重要。[44]
一种有效的方法是利用纳米复合材料形成导电网结构，在大应变中保持弹性复合材料的导电路径。[15,25,45-59]Huang热塑性聚氨酯静电纺丝膜采用碳纳米管网作为网状结构(TPUEM)中桥分散的银纳米颗粒(AgNPs)(图3a)。与不含碳纳米管的传感器设备相比，具有可拉伸性的传感器增加到550%，在500%的应变下，高GF为7066(图3b)。该传感器在高达400%的应变下也显示出良好的耐久性(图3c)，因此，适用于测量细微大规模的人体运动。类似地，Liu其他人报告了一种可拉伸的应变传感器，即还原氧化石墨烯(RGO)聚苯乙烯微球涂层(PS@RGO)和银纳米线(AgNWs)弹性聚二甲基硅氧烷夹(PDMS)基体中。采用[46]高纵横比AgNWs连接相邻的PS@RGO防止传感器在大应变下的电气故障。通过调整AgNW060%的传感器浓度为11%和100230%GF，100230%的应变为47。然而，在50%的应变下，在1000个拉伸/释放周期中观察到一定的信号漂移可能是因为AgNWs与导电微球相对位置的变化。Duan等待高度连续的金纳米线(AuNWs)网络作为网络结构的骨干，不仅得到了改善
网格结构除了使用纳米复合材料外，还可以由排列的纳米管或导电纤维形成。Yamada等人开发了一种利用排列的单壁CNT(SWCNT)网络作为敏感膜的应变传感器。当排列的纳米管膜被拉伸时，膜可以断裂成间隙、岛屿和束，束桥接缝。这使得应变传感器能够测量200%以上的应变，并具有良好的长期稳定性。[15]Wang等人通过将碳化丝织物(脑脊液)片封装Ecoflex应变传感器在薄膜中制造(图4)a)。[47]形成的织物结构网络有助于在巨大的应变下维持导电路径(图44)b)。传感器在0250%应变时可拉伸到500%，GF当250500%应变时，传感器可以拉伸到37.5(图4c)。虽然在40%s在1的拉伸速率下，当其拉伸到100%、200%和300%时，发现超冲(图4d)，但在300%的应变下，100 000 二次循环拉伸释放循环后，该装置稳定性好(图4e)。基于类似的机制，Zhang等人用碳化棉f

机械结构设计

除采用各种材料复合材料外，还采用了褶皱、螺旋、多孔等机械结构实现以提高应变传感器的拉伸性。表1总结了最近报道的高度可拉伸和敏感的应变传感器。

系统实现

为了识别手势，系统需要集成几个应变传感器来检测不同位置的运动行为。由于传感器有一些不理想的特性，通常需要补偿。为了将感知信号转换为手势识别结果，还需要在系统中实现识别算法。

多传感器集成

一般来说，手部不同关节的运动行为结合更多的传感器，有助于提高手势识别能力或准确性。为实现高分辨率传感器矩阵，应开发带应变传感器的可伸缩膜晶体管(TFT)为了减少信号串扰和电气互连布局的复杂性，寻找像素阵列矩阵。然而，集成更多的传感器会增加制造过程的复杂性和要收集的数据。因此，在识别能力或准确性以及需要考虑的部署成本之间存在权衡。
Shiang人们开发了一种数据手套，它有五个应变传感器，但在电容器结构中测量每个手指的弯曲。[66]采用电容结构，两个电极互连分布在不同层中，使互连布线更容易实现，但系统检测精度相对较高Yamada等人在手套上集成了10个SWCNT用于手势识别的应变传感器分别检测5个手指的行为(图10a)。[15]Chen等人开发了一个数据手套系统(MCP)放置在指间(IP)近端关节显示了识别不同手势的能力(图10b)。[17]Atalay10个电容式结构应变传感器和微同轴电缆集成在织物手套上，实现强电气连接，设计局部机械应力管理结构，最大限度地提高传感器的应变诱导信号变化（图10c)。[16]Gu等人开发了一种电子皮肤系统，将10个应变传感器集成到手形中PDMS用于识别各种手势，用蛇形铜线形成可伸缩、可靠的电互连。[67]Suh等人。手指运动检测手套采用电流源方法转换信号调节电路中的电阻-电压，实现更快的捕获速度。[92]

非理想补偿

电阻结构弹性应变传感器的滞后和信号漂移仍然是电阻结构柔性应变传感器的两个非理想特性，特别是在大应变和快速拉伸/释放速率下，尽管在材料和结构上努力提高传感性能。提出了一种补偿方法，以抑制这些设备对系统性能的非理想影响。Sunny等人通过经典Preisach在模型中添加动态算子和修改迟滞算法，实现与速率相关的动态迟滞补偿。然而，由于该模型是基于复杂的数据分析，在实践中可能很难获得。Oliveri等人提出了一种基于非对称幂律(APL)模型的补偿方法(图11a)，适用于补偿随拉伸速率增加而在左下角旋转的电路的滞后性。[34]与改进的预制件模型相比，该模型的补偿性能有改善，但仅适用于一定的迟滞特性。
Kim其他人使用最佳传输理论来补偿应变传感器长期运行引起的信号漂移。[32]使用初始传感器数据（源域）训练神经网络，然后通过最佳传输理论将漂移数据（目标域）映射到源域，如图11所示b所示。这种映射关系可以根据上一时期的漂移数据实时更新。该方法也是如此用于大批量生产的传感器的校准(图11c)。首先，利用神经网络从应变传感器的数据集（源域）中提取特征。然后，有少量的数据来自其他公司