*本文只做阅读笔记分享*
一、智能鞋垫“新势力”：解决啥难题？
如今不少人都被各种健康问题困扰，像帕金森病、糖尿病引发的足部溃疡等。这些病症会改变人的步态，要是能持续监测足底压力和步态，就能早点预防、诊断和治疗这些疾病。
传统的压力感应平台有时间和空间限制，不太方便。把传感器集成到鞋子里做可穿戴设备，成了解决问题的新方向。但现有的鞋内传感器，有的只能测动态压力，有的抗干扰能力差，还有的稳定性不足，而且供电也是个大难题。
今天一起来了解一款无线、自供电智能鞋垫！
二、智能鞋垫大揭秘：怎么做到的？
这款智能鞋垫可不简单，它由上下聚酰亚胺封装层、上下电极、碳纳米管/乙炔黑/聚二甲基硅氧烷（CNT/ACET/PDMS）以及PDMS层组成。里面集成了22个CNT/ACET/PDMS传感器，能把压力信号变成电信号。
它用了非线性协同策略，让传感器输出变得线性，稳定性也超高。通过这种策略，传感器在0到225千帕的压力范围内，线性度系数R2>0.999，经过180,000次压缩循环后性能都不下降。
而且，它靠柔性钙钛矿太阳能模块（FPSMs）供电，把太阳能转化成电能存进锂电池，实现自供电。
数据还能通过蓝牙低功耗模块实时传到手机上，在APP里能多模式可视化足底压力分布，再结合支持向量机（SVM）模型，能精准识别8种运动状态呢！
三、关键部件大起底：都有啥亮点？
先说说CNT/ACET/PDMS传感器，它的制作过程很有趣，用糖块做模板，形成多孔结构，再把碳纳米管和乙炔黑附着上去。
从SEM图像能看到它的微观结构，压缩前后孔隙会变化。它的灵敏度能达到0.36kPa−1，线性度R2=0.999，在不同频率下响应都很稳定，经过180,000次循环压缩也不会出问题，比其他线性压力传感器厉害多啦！
再看看FPSCs，它是智能鞋垫的“能量心脏”。从结构和截面SEM图像能看到，它有很多层，各层分工明确。它的光电转换效率平均能到16.2%，最高16.95%，还很灵活，弯曲测试后效率也能保持很高。不过它在环境稳定性上有点小缺点，遇水和氧气性能会下降，所以实际使用得加个封装层。
最后是智能鞋垫的压力映射设计。鞋垫上22个传感器分布很讲究，脚趾和脚跟区域多，足弓区域少，这样能有效采集关键压力信息。在APP上有三种可视化模式，能帮我们清楚了解足底压力分布。静态时能评估站姿，动态时能捕捉不同运动的压力变化，走路和跑步时的压力分布，差异一目了然，而且鞋垫稳定性超棒，高强度运动也不怕！
四、机器学习来助力：运动状态咋识别？
智能鞋垫集成了SVM模型来识别运动状态。它的工作流程，先收集8种运动状态下的足底压力数据，像坐着、站着、走路、跑步等，然后用这些数据训练模型。训练好的模型识别精度能达到100%，比随机森林和卷积神经网络模型表现还好。因为SVM模型训练速度快，不依赖大量数据，在高维特征空间分类很精准。结合智能鞋垫高时空分辨率的数据采集能力，不同运动状态的数据特征明显，通过主成分分析能看出数据点聚类清晰，分类难度大大降低！
五、智能鞋垫前景展望：未来能干啥？
这款智能鞋垫潜力无限！在医疗保健领域，能辅助步态分析，提前发现和足底压力相关的疾病，像腰椎退行性疾病、糖尿病足溃疡等，还能用于个性化健康管理，实时纠正姿势、预防受伤、监测康复情况。在体育科学和人体工程学方面，能预测疲劳、优化运动、定制健身训练。而且它还能兼容其他生物信号检测，以后要是集成温度、湿度、肌电图等多模态传感器，能挖掘更多足部生理数据，给我们的健康和生活带来更多便利！
六、一起来做做题吧
1、连续监测足底压力和步态对以下哪种疾病的预防、诊断和治疗没有帮助？（ ）
A. 帕金森病
B. 感冒
C. 糖尿病足
D. 腰椎间盘退变
2、智能鞋垫中用于将压力信号转换为电信号的是以下哪种材料？（ ）
A. 聚酰亚胺（PI）
B. 碳纳米管 / 乙炔黑 / 聚二甲基硅氧烷（CNT/ACET/PDMS）
C. 聚乙烯萘二甲酸乙二醇酯（PEN）
D. 2,2′,7,7′ - 四（N,N - 二对甲氧基苯胺） - 9,9′ - 螺二芴（Spiro - OMeTAD）
3、CNT/ACET/PDMS 传感器在压力检测中，实现线性响应的关键是（ ）。
A. 采用高精度的检测仪器
B. 基于非线性协同策略
C. 增加传感器的数量
D. 提高材料的纯度
4、智能鞋垫的能量供应主要依靠（ ）。
A. 传统干电池
B. 柔性钙钛矿太阳能模块（FPSMs）
C. 有线充电
D. 人体动能转化
5、智能鞋垫集成的 SVM 模型主要用于（ ）。
A. 分析足底压力分布的趋势
B. 识别不同的人体运动状态
C. 优化传感器的数据采集频率
D. 提高太阳能转化效率
参考文献：
Qi Wang et al. A wireless, self-powered smart insole for gait monitoring and recognition via nonlinear synergistic pressure sensing. Sci. Adv.11, eadu1598(2025).
