随着可穿戴技术的发展，声学传感器因其在语音识别和人机交互中的潜力而成为研究热点。然而，现有的固体声学传感器在皮肤贴合性、灵敏度和对运动伪影的抗干扰能力方面存在诸多问题。这些挑战限制了其在实际应用中的广泛使用。

　　Kuldeep Mahato，Joseph Wang等科学家们提出了一种新型的自过滤液体声学传感器，基于永久流体磁体（PFM）构建。该传感器利用非布朗尼的钕铁硼磁性纳米颗粒，在载液中形成三维有序的磁网络，显著提升了声学性能。研究表明，该传感器能够检测到低至0.9 Pa的微小压力，具有69.1 dB的高信噪比，并通过自过滤能力有效减少低频运动伪影。此外，结合机器学习算法，开发的可穿戴语音识别系统在嘈杂环境中实现了

　　的识别准确率。这一创新不仅为声学传感器的应用拓展提供了新的思路，还为声音健康监测和语音障碍患者提供了潜在的替代沟通方式。

　　）和透射电子显微镜（TEM）对NdFeB磁性纳米颗粒的形态进行观察，从而揭示了其在液体声学传感器中重要的磁性特性。针对液体声学传感器在语音识别中的表现，作者通过超导量子干涉设备磁强计测试了磁滞回线，得到了PFM的矫顽磁场和剩余磁化强度，进而挖掘了其在声学信号捕获中的优越性能。在此基础上，使用流变仪对

　　的流变特性进行表征，发现其流变性质可通过动态链断裂—重联机制和添加剂调节，实现剪切稀化与剪切增稠的动态转变。这一发现使得传感器的频率响应范围可以适应人声的动态声波，从而显著提升了其对微小声压的辨识能力。具体来说，液体声学传感器的声阻抗为1.61MRayl，远低于传统固体传感器的40MRayl，展现了更好的声学耦合性能。通过这些表征手段，最终得到了

　　的信噪比和低至0.9 Pa的压力辨识能力，表明该传感器在复杂环境下的应用潜力。这些研究结果强调了液体声学传感器在减轻运动伪影和提高语音识别准确率（达99%）方面的重要性，为未来可穿戴设备的开发提供了新的思路。【图文

　　贴合性和对运动伪影的敏感性，而本研究开发的永久流体磁体（PFM）克服了这些挑战，展示了优越的声阻抗和自过滤能力。这一新型传感器不仅提高了声压识别精度，还通过流变特性调节，使其能够适应人声的动态变化，具有更广泛的应用潜力。此外，结合机器学习算法构建的可穿戴语音识别系统，实现了在嘈杂环境中99%的识别准确率，这为智能轮椅等设备的控制提供了可行性。更重要的是，液体声学传感器的开发为监测声带健康和识别声带疾病开辟了新的研究方向，尤其对有声障碍的人群来说，提供了替代沟通方式的希望。这一研究不仅推动了声学传感器技术的进步，也为人机交互和健康监测领域的创新应用提供了新的思路和基础。