基于刺繡技術(shù)的多模生理傳感織物面罩的制備與性能

摘 要：為了解決生理信號采集中導(dǎo)線繁多、電極設(shè)置復(fù)雜的問題，以及應(yīng)對傳統(tǒng)剛性濕電極貼合不良和長時間信號采集穩(wěn)定性下降等挑戰(zhàn)，設(shè)計了一種基于刺繡技術(shù)的多模態(tài)生理傳感織物面罩。該面罩采用刺繡技術(shù)一體化制作，具備低成本、柔軟和舒適等優(yōu)點，能夠緊密貼合皮膚。研究表明，面罩的刺繡電極與傳統(tǒng)濕電極采集到的信號在時域上的相關(guān)度高于95%。通過睜閉眼靜息實驗、眼電信號測試以及皮膚電反應(yīng)測試，進一步驗證了面罩在采集生物電信號方面的有效性。綜上所述，基于刺繡技術(shù)的多模態(tài)生理傳感織物面罩能夠同時采集多種生物電信號，適用于醫(yī)療監(jiān)測、運動科學、虛擬現(xiàn)實和人機交互等多個領(lǐng)域。

關(guān)鍵詞：刺繡技術(shù)；多模傳感器；腦電圖；眼電圖；皮膚電反應(yīng)

中圖分類號：TS106

文獻標志碼：A

文章編號：1009-265X（2025）03-0126-10

收稿日期：2024-04-12 網(wǎng)絡(luò)出版日期：2024-06-29

基金項目：中國紡織工業(yè)聯(lián)合會科技指導(dǎo)性項目（2021060）

作者簡介：熊帆（1974—），男，四川成都人，講師，博士，主要從事智能可穿戴方面的研究

當前，情緒識別技術(shù)在虛擬現(xiàn)實（VR）應(yīng)用中備受關(guān)注。在虛擬現(xiàn)實環(huán)境中，通過識別用戶的情緒狀態(tài)，系統(tǒng)可以實時調(diào)整虛擬場景和交互方式，從而提供更加個性化和沉浸式的體驗^［1］。然而，傳統(tǒng)的情緒識別技術(shù)往往局限于單一的生理信號，例如腦電信號，這導(dǎo)致了情緒識別的準確性和全面性不足，難以滿足用戶在虛擬現(xiàn)實環(huán)境中對情感交互的需求。因此，利用可穿戴設(shè)備采集多模態(tài)生理信號和人工智能方法識別情緒的研究引起了業(yè)界高度關(guān)注，并成為新的研究熱點^［2］。

然而，當前的可穿戴設(shè)備尚未能夠有效地同時采集多種生理信號，并且傳統(tǒng)的剛性濕電極在智能可穿戴應(yīng)用中存在一定的問題。具體而言，在多種生理信號同時采集的情況下，目前的設(shè)備需要使用大量垂下的導(dǎo)線和手動設(shè)置的單獨電極，這一過程既繁瑣又影響美觀度^［3-4］。傳統(tǒng)濕電極通常采用Ag/AgCl作為電極基底材料，并使用導(dǎo)電凝膠或?qū)щ姼嘧鳛殡姌O與皮膚間的接觸介質(zhì)^［5］。導(dǎo)電膏的使用可能導(dǎo)致電極之間出現(xiàn)短路現(xiàn)象，進而引發(fā)相鄰電極采集的信號混疊或干擾，從而影響測試結(jié)果的準確性^［6］。此外，隨著時間的推移，導(dǎo)電膏容易干燥、蒸發(fā)或滲漏，導(dǎo)致電極-皮膚接觸阻抗逐漸升高，從而降低信號采集的質(zhì)量和穩(wěn)定性，不利于長時間的監(jiān)測。導(dǎo)電膏的成分還可能引起受測者的不適感和過敏反應(yīng)，限制了生理信號記錄的舒適性和安全性^［7-9］。

為提升虛擬環(huán)境下情緒識別的準確性和用戶體驗，并解決多種生理信號采集中導(dǎo)線繁多、電極設(shè)置復(fù)雜以及傳統(tǒng)剛性濕電極貼合不良和長時間信號采集穩(wěn)定性下降等問題，本文擬采用刺繡技術(shù)將電極層和電路層一體化集成到織物中，實現(xiàn)多層電子織物的快速制版；通過利用冷壓端子將刺繡電路與剛性電路板相連，實現(xiàn)異質(zhì)集成，形成即插即用的柔性電子織物面罩。該面罩能夠同時采集多種生物電信號，具有重要實際應(yīng)用價值，適用于醫(yī)療監(jiān)測、運動科學、虛擬現(xiàn)實和人機交互等多個領(lǐng)域。

1 實驗

1.1 實驗材料

以銀/錦綸紗線（細度：31.8 tex；電阻率：1.68×10^-5 Ω·m；成分：18%銀和82%錦綸；生產(chǎn)廠家：深圳市國龍飛貿(mào)易有限公司）作為刺繡的面線和底線，并以厚度為0.26 mm、平滑光潔、質(zhì)地堅牢的中平棉織物作為基底布。選擇熔噴無紡布（成分：聚丙烯；規(guī)格：20 g/m²；生產(chǎn)廠家：鄭州豫力新材料科技有限公司）為絕緣層材料。另外，為增加電極與皮膚的接觸效果，選用了雙面粘導(dǎo)電海綿（成分：鎳和銅；正背面間電阻不超過0.45 Ω；生產(chǎn)廠家：深圳華悅源電子有限公司）作為增壓層。

1.2 實驗儀器

電極制備儀器為Brother自動繡花縫紉一體機（型號：NV180；生產(chǎn)廠家：兄弟（中國）商業(yè)有限公司），此儀器可在制版軟件上自主設(shè)計圖案自動刺繡；電極圖案制版軟件為PE-DESIGN 10（日本Brother公司）；阻抗測試選用IM3533-01 LCR型阻抗測試儀（日本HIOKI公司）；數(shù)據(jù)采集裝置采用基于ADS1299芯片的生理信號采集模塊，腦電信號采樣頻率為500 Hz，眼電、皮膚電信號采樣頻率為100 Hz。

2 面罩設(shè)計與制作

多模生理傳感織物面罩的設(shè)計與制備主要涉及到電極的部署位置、電極和電路的刺繡工藝參數(shù)設(shè)計以及面罩的復(fù)合組裝工藝。

2.1 刺繡電極在面部的部署

腦電圖（EEG）是一種重要的生物電信號，面罩設(shè)計首先考慮了EEG電極的部署。根據(jù)國際10-20腦電電極分布系統(tǒng)，確定了前額區(qū)域Fp1、Fp2和Fpz 3個電極的標準位置^［10］。如圖1（a）所示，展示了面罩結(jié)構(gòu)設(shè)計和電極的相應(yīng)配置。圖1（b）展示了各生理信號檢測電極在面部區(qū)域的部署位置。

2.2 電極和電路的刺繡工藝參數(shù)設(shè)計

使用PE-DESIGN 10刺繡制版軟件，進行刺繡電極和刺繡電路的工藝參數(shù)設(shè)計。刺繡電極采用三角形填充針跡進行區(qū)域繡制；刺繡電路采用曲折針跡進行繡制。具體的電極和電路刺繡工藝參數(shù)詳見表1。

2.3 面罩的復(fù)合組裝與制備

在復(fù)合組裝與制備方面，本文采用分層設(shè)計理念，將電極層、電路層、絕緣層和增壓層等組件精確疊加，確保各層功能的有效實現(xiàn)和協(xié)同作用。圖2展示了各層的疊加位置，其中電極層和電路層選用直徑為0.23 mm、電阻為4 Ω/m的銀/錦綸紗線作為刺繡的面線和底線材料，并將其刺繡到厚度為0.26 mm的中平棉織物基底上。絕緣層采用熔噴無紡布放置在電路層的上下兩側(cè)，用于隔絕電路之間的信號串擾。增壓層采用導(dǎo)電海綿緊貼在電極層下方，用于增加電極與皮膚的接觸壓力，確保電極與皮膚之間保持最佳的物理接觸。

面罩的實物圖如圖3（d）所示。在面罩的制備過程中，首先，利用PE-DESIGN 10制版軟件進行刺繡電極和電路形狀的設(shè)計，并采用銀/錦綸紗線完成電極層和電路層的制備。接著，采用雙面粘導(dǎo)電泡棉實現(xiàn)電極層與電路層的精確連接。隨后，將熔噴無紡布層覆蓋在電路層上。最后，通過冷壓端頭將刺繡電路連接到剛性PCB板，以便與外部設(shè)備建立連接。圖3（b）展示了面罩與外部設(shè)備電氣互連的實際效果圖。

3 性能測試和評估

3.1 刺繡電極性能測試

通過一系列實驗與傳統(tǒng)濕電極進行對比，可以驗證刺繡電極的有效性。這些實驗包括電極-皮膚接觸阻抗測試和刺繡電極-濕電極時域波形相關(guān)度測試。

3.1.1 電極-皮膚界面接觸阻抗測試

鑒于腦電信號相對于眼電信號和皮膚電信號更為微弱，因此，將以前額頭皮-電極接觸阻抗測試作為電極的評估標準。使用IM 3533-01 LCR阻抗測試儀對電極-皮膚界面接觸阻抗進行了測量。測試頻率范圍設(shè)定為0.1～1000.0 Hz，激勵電壓設(shè)定為50 mV。為確保測試的客觀準確性，在實驗中采用了兩個單獨制作刺繡電極并排間隔4 cm貼放在前額Fp1（或Fp2）位置。電極施加的壓力對接觸阻抗可能產(chǎn)生影響^［11］，為確保實驗結(jié)果更加客觀準確，采用了一條可調(diào)節(jié)的彈力帶來固定電極位置。實驗設(shè)置如圖4所示。濕電極（金盤電極搭配T20導(dǎo)電膏，直徑為10 mm）作為對照組也進行了電極-皮膚接觸阻抗測試實驗，其他所有設(shè)置與刺繡電極條件均保持一致。

在3位受試者上使用每種電極重復(fù)3次的測量后，根據(jù)這些數(shù)據(jù)繪制出相應(yīng)的頻率-阻抗曲線，結(jié)果如圖5（a）所示?？紤]到受試者間的差異以及多次測量帶來的變異性，因此采用誤差棒來反映數(shù)據(jù)的波動性。對于腦電研究而言，頭皮-電極接觸阻抗是衡量電極性能的一個重要指標。由于EEG信號通常在0.5～30 Hz的頻率范圍內(nèi)具有有用的頻率成分，因此通常選擇10 Hz作為評估標準的基準頻率。在理想情況下，電極與皮膚接觸阻抗在10 Hz處應(yīng)低于40 kΩ，以確保最小化噪聲干擾并保證信號質(zhì)量^［12］。根據(jù)測量的數(shù)據(jù)，圓形刺繡型電極的接觸阻抗值為（34.49±1.43） kΩ（@10 Hz）、矩形刺繡電極的接觸阻抗值為（31.99±1.2） kΩ（@10 Hz），而濕電極的平均阻抗值為（5.97±0.93） kΩ（@10 Hz）。

盡管刺繡型電極的平均阻抗值比濕電極高，但仍在合適的范圍內(nèi)。

觀察圖5（a）可以發(fā)現(xiàn)，在低頻（0.1～10 Hz）范圍內(nèi)，金盤電極的阻抗隨著頻率的增加而下降，且下降速度較刺繡電極快。這一現(xiàn)象主要是由于金盤電極相對于刺繡電極更容易受到極化現(xiàn)象的影響。極化效應(yīng)是電極表面與生物組織接觸時產(chǎn)生的一種電化學現(xiàn)象，它可能導(dǎo)致電極表面的電荷積累或漂移，從而引起信號失真。在低頻率下，極化效應(yīng)更為顯著，因為電極表面的電荷需要更長的時間來響應(yīng)頻率較低的電流變化^［13］。因此，金盤電極在低頻范圍內(nèi)可能表現(xiàn)出較高的阻抗，但隨著頻率的增加，極化效應(yīng)逐漸減弱，導(dǎo)致阻抗下降。相比之下，刺繡電極由于其本身導(dǎo)電性能較差，相對不太容易形成電荷極化層，因此不太容易受到極化現(xiàn)象的影響^［14］。因此，相較于金盤電極，刺繡電極在低頻范圍內(nèi)表現(xiàn)出更為穩(wěn)定的阻抗特性，其采集的信號不易發(fā)生漂移和失真，具有更好的穩(wěn)定性^［15］。

電極的長期穩(wěn)定性是評估其性能的關(guān)鍵指標之一。濕電極或半干電極由于使用了導(dǎo)電膏或?qū)щ娔z而存在一定挑戰(zhàn)，這些介質(zhì)隨著時間推移容易變干、蒸發(fā)或滲漏，導(dǎo)致電極-皮膚接觸阻抗逐漸升高，進而降低信號采集的質(zhì)量和穩(wěn)定性，因此它們并不適合長時間的監(jiān)測應(yīng)用。本文對矩形刺繡電極進行了連續(xù)5 h的接觸阻抗監(jiān)測。在此過程中，5位受試者每隔30 min收集1次10 Hz頻率處的阻抗值，5 h內(nèi)阻抗變化曲線如圖5（b）所示，可見，隨著時間的推移，矩形刺繡電極的阻抗逐漸下降并趨于穩(wěn)定。這可能是由于長時間佩戴導(dǎo)致皮膚出汗，汗液浸潤了刺繡電極，使得汗液起到了導(dǎo)電膏的作用，從而導(dǎo)致接觸阻抗降低。相反，根據(jù)Lin等^［16］的研究結(jié)果，濕電極的接觸阻抗在5 h內(nèi)上升了10 kΩ。因此，刺繡電極相較于濕電極在長期穩(wěn)定性方面具有一定優(yōu)勢。

3.1.2 刺繡電極-濕電極對比實驗

鑒于腦電信號相對于眼電信號和皮膚電信號更為微弱，因此，將以腦電信號的采集質(zhì)量作為電極的評估標準。腦電信號的時域相關(guān)度分析是驗證刺繡電極相對于濕電極采集效果的關(guān)鍵方法^［17］。本文選擇將濕電極作為對照條件，將其采集到的信號作為標準腦電信號。具體而言，濕電極與矩形刺繡電極被安排在前額的Fp1位置，兩個電極之間緊密相鄰，以確保在相同腦區(qū)域采集信號。在日常腦電監(jiān)測的應(yīng)用中，特別是在運動時，干電極由于與頭皮貼合不緊密，容易引起運動偽跡和噪聲干擾。這些干擾主要源于眼動、肌動，以及電極與皮膚貼合不緊密導(dǎo)致接觸面移位和運動引起的測量線擺動。為了全面評估刺繡電極在不同狀態(tài)下的性能，實驗設(shè)計了4組測試狀態(tài)，包括靜態(tài)條件：睜眼30 s、閉眼30 s、眨眼30 s（每5 s眨眼一次），以及動態(tài)條件下的慢走30 s。這一設(shè)計旨在模擬不同狀態(tài)下刺繡電極采集腦電信號，特別是在運動中的情景，以更全面地了解刺繡電極在實際應(yīng)用中的表現(xiàn)。

為了更準確地評估刺繡電極在腦電信號采集方面相較于濕電極的準確度，本文對8位受試者使用濕電極與矩形刺繡電極進行了4組不同狀態(tài)的腦電信號采集，并對所獲數(shù)據(jù)進行時域相關(guān)性計算。實驗結(jié)果見圖7。為了直觀的展示刺繡電極和濕電極采集腦電信號的時域波形相關(guān)度，本文抽取了一名受試者在4種測試狀態(tài)下的3 s腦電信號數(shù)據(jù)，如圖6所示。

根據(jù)圖6中眨眼狀態(tài)下的信號波形對比結(jié)果可見，眨眼引起的眼電干擾在圖中表現(xiàn)為尖峰狀的波形。這些波形主要是由眨眼引起的眼動信號所產(chǎn)生的。值得注意的是，眼動引起的波形波動在圖中與濕電極記錄的信號基本相當。另一方面，從圖6中慢走狀態(tài)下的信號波形對比結(jié)果來看，觀察到在進行慢跑狀態(tài)下的腦電監(jiān)測時，受試者由于運動偽跡的干擾，導(dǎo)致濕電極和刺繡電極所采集的信號均出現(xiàn)了波形尖峰。這種現(xiàn)象可能是由頭部運動引起的，因為在運動過程中，頭部的姿勢變化可能導(dǎo)致電極接觸皮膚的位置發(fā)生變化，從而影響到腦電信號的捕捉。然而，這些偽跡的幅度低于80 μV，處于可接受的范圍內(nèi)。從圖7的結(jié)果可見，在4種不同動作狀態(tài)下，矩形刺繡電極采集到的腦電信號與濕電極相比的相關(guān)性均高于95%。這表明矩形刺繡電極在捕捉不同動作狀態(tài)下的腦電活動方面表現(xiàn)出色，顯示了其在腦電監(jiān)測領(lǐng)域具有良好的性能和準確性。

3.2 面罩整體信號采集測試

上節(jié)通過對刺繡電極與濕電極在不同頻率下接觸阻抗測試、長期穩(wěn)定性測試以及時域波形相關(guān)度的綜合分析，以論證刺繡電極的可用性。而本節(jié)則通過一系列標準的實驗范式，旨在驗證集成了多個刺繡電極的多模生理傳感織物面罩在采集多種生理信號時的有效性。實驗包括睜閉眼靜息實驗、眼電信號測試和皮膚電反應(yīng)測試。

3.2.1 睜閉眼靜息實驗

先前的研究表明，人在處于清醒放松狀態(tài)下閉眼時，通常能夠在腦電圖（EEG）信號中觀察到明顯的Alpha節(jié)律。然而，一旦眼睛睜開，Alpha波節(jié)律就會減弱或消失^［18］。因此，可以通過睜閉眼Alpha節(jié)律實驗來驗證多模生理傳感織物面罩是否可以正確采集EEG信號。在實驗過程中，受試者舒適地躺在光線昏暗、聲音干擾較小的房間中，要求被試者調(diào)整姿態(tài)讓面罩緊密貼合面部，然后靜息5 min。使用面罩連續(xù)采集受試者30 s靜息態(tài)閉眼和30 s靜息態(tài)睜眼時的EEG信號。排除實驗過程中某些因素導(dǎo)致眨眼的影響，分別選取閉眼15 s和睜眼15 s的EEG信號。面罩佩戴效果如圖8（b）所示。圖8（a）顯示了在單次實驗中上位機的顯示情況。圖8（c）展示了在閉眼和睜眼狀態(tài)下采集的EEG信號的功率譜密度（PSD），從圖中可以觀察到，在8～13 Hz的頻率范圍內(nèi)，閉眼狀態(tài)下的PSD表現(xiàn)出較高的能量。具體而言，受試者閉眼時，Alpha節(jié)律信號的強度顯著高于睜眼狀態(tài)下的強度。因此，睜閉眼靜息實驗的結(jié)果表明，所設(shè)計的面罩能夠有效地記錄EEG信號。

3.2.2 眼電信號測試

在眼電信號測量實驗中，被試者佩戴面罩，并坐于舒適位置，被要求穩(wěn)定頭部，保持眼睛睜開，聚焦于一個固定的點。實驗中，被試者被指示在15 s內(nèi)持續(xù)進行眨眼動作（每3 s眨一次）。根據(jù)圖9所示的實驗結(jié)果，在垂直眼電圖（VEOG）通道中觀察到每次眨眼時信號振幅顯著增加。所采集到的被試眨眼波形呈現(xiàn)出特殊的尖峰脈沖形態(tài)，與相關(guān)理論相符^［19］，說明多模生理傳感織物面罩能夠有效地檢測到眼動電位信號的存在。

3.2.3 皮膚電反應(yīng)

皮膚電反應(yīng)（Galvanic skin response， GSR）是指皮膚電阻的動態(tài)變化。而皮膚電導(dǎo)反應(yīng)（Skin conductance response， SCR）則是在GSR信號中的一個特征信號，指的是皮膚電阻快速變化的部分，代表了人體對外界刺激的內(nèi)在生理反應(yīng)^［20］。一般來說，SCR波形包括基線水平、刺激出現(xiàn)、SCR峰值、SCR上升時間以及恢復(fù)時間幾個關(guān)鍵特征（見圖10）^［21-22］。首先，基線水平反映了個體在無刺激情況下的皮膚電活動狀態(tài)。當外部刺激出現(xiàn)時，波形會出現(xiàn)瞬時的變化，形成SCR峰值，這是皮膚電導(dǎo)率突然增加或減少的顯著變化，通常反映了個體對刺激的生理敏感性。SCR的上升時間是指從刺激呈現(xiàn)到皮膚電活動上升到峰值幅度的持續(xù)時間。恢復(fù)時間是指從峰值恢復(fù)到基線水平的持續(xù)時間。波形逐漸恢復(fù)至基線水平，表明生理反應(yīng)的結(jié)束。

本次實驗旨在通過要求被試者進行連續(xù)急促的深呼吸來模擬刺激事件，并通過從皮膚電反應(yīng)（GSR）信號中提取的皮膚電導(dǎo)反應(yīng)（SCR）信號，驗證多模生理傳感織物面罩采集皮膚電反應(yīng)信號的性能。連續(xù)急促的深呼吸會引起皮膚內(nèi)血管的收縮和舒張，同時可能導(dǎo)致汗腺分泌的變化，這些生理變化可引發(fā)皮膚電阻的變化，從而形成皮膚電反應(yīng)^［23］。在實驗過程中，受試者在溫度為25℃的安靜房間內(nèi)佩戴面罩，并被要求保持情緒穩(wěn)定、呼吸均勻。首先要求被試閉眼靜息5 min，以使皮膚電反應(yīng)（GSR）信號趨于穩(wěn)定。然后記錄受試者30 s基線GSR信號，接著記錄受試者連續(xù)急促的深呼吸時50 s的GSR信號。最后要求被試穩(wěn)定呼吸，保持靜息，并記錄100 s恢復(fù)時間，實驗記錄到180 s 的GSR信號如圖11（a）所示。

本文采用Kim等^［24］的方法從GSR信號中提取SCR信號，首先將GSR原始信號降采樣到20 Hz，接著對降采樣后的GSR信號進行微分，最后將微分后的信號與20點Barlett窗口進行卷積得到SCR信號。從GSR信號中提取的SCR信號如圖11（b）所示，綠色虛線表示急促深呼吸刺激事件發(fā)生時刻。通過觀察SCR信號波形，可以發(fā)現(xiàn)每次事件后都會出現(xiàn)一個SCR峰值、SCR上升時間以及恢復(fù)時間等關(guān)鍵特征，這與圖10所示的典型皮膚電導(dǎo)反應(yīng)波形一致。實驗結(jié)果表明面罩能夠正確采集GSR信號，并能從中提取出與刺激響應(yīng)相關(guān)的SCR信號，證實了面罩在采集皮膚電反應(yīng)方面的可靠性和準確性。

4 結(jié)論

本文針對傳統(tǒng)多生理信號采集過程中遇到的問題，研發(fā)了一種可重復(fù)使用的多模生理傳感織物面罩。該面罩利用刺繡技術(shù)，將電極層和電路層一體化集成到織物中，實現(xiàn)了多層電子織物的快速制版。面罩內(nèi)嵌多個柔性刺繡電極，可同時采集腦電、眼電和皮膚電信號。通過使用冷壓端子將刺繡電路與剛性電路板相連，成功實現(xiàn)了異質(zhì)集成，形成即插即用的可穿戴電子織物系統(tǒng)。主要結(jié)論如下：

a）所制備的矩形刺繡電極與頭皮的接觸阻抗約為（31.99±1.2）kΩ（@10 Hz），能夠保證高質(zhì)量的信號采集。

b）經(jīng)過5 h的接觸阻抗測試，刺繡電極的阻抗逐漸下降并趨于穩(wěn)定，相較于濕電極具有更好的長期穩(wěn)定性。

c）刺繡電極采集的腦電信號與濕電極的時域波形相關(guān)度均高于95%，證明其性能與濕電極相當。

d）通過睜閉眼靜息、眼電信號測試和皮膚電反應(yīng)測試等標準實驗范式，進一步驗證了集成多個刺繡電極的多模生理傳感織物面罩在多種生理信號采集中的有效性和可靠性。

基于刺繡技術(shù)的多模生理傳感織物面罩不僅可以用于臨床診療中的生理信號監(jiān)測，還適用于虛擬現(xiàn)實（VR）環(huán)境中的情緒識別。相較于傳統(tǒng)的單一信號情緒識別方法，該面罩提供了更全面的情緒識別能力，滿足了用戶在VR環(huán)境中對情感交互的需求。針對該面罩的重復(fù)使用、清潔維護以及長期佩戴的舒適性和耐用性等問題，目前尚未進行系統(tǒng)研究，有待在未來的研究中進一步探討。

參考文獻：

［1］NAM J， CHUNG H， LEE H， et al. A new terrain in HCI：Emotion recognition interface using biometric data for an immersive VR experience［EB/OL］. 2019：1912.01177. http：//arxiv.org/abs/1912.01177.

［2］BERNAL G， YANG T， JAIN A， et al. PhysioHMD：A conformable， modular toolkit for collecting physiological data from head-mounted displays［C］//Proceedings of the 2018 ACM International Symposium on Wearable Computers. ACM， 2018：160-167.

［3］CARNEIRO M R， DE ALMEIDA A T， TAVAKOLI M. Wearable and comfortable e-textile headband for long-term acquisition of forehead EEG signals［J］. IEEE Sensors Journal， 2020， 20（24）：15107-15116.

［4］ZHENG W L， LU B L. A multimodal approach to estimating vigilance using EEG and forehead EOG［J］. Journal of Neural Engineering， 2017， 14（2）：026017.

［5］HINRICHS H， SCHOLZ M， BAUM A K， et al. Comparison between a wireless dry electrode EEG system with a conventional wired wet electrode EEG system for clinical applications［J］. Scientific Reports， 2020， 10（1）：5218.

［6］SEARLE A， KIRKUP L. A direct comparison of wet， dry and insulating bioelectric recording electrodes［J］. Physiol-ogical Measurement， 2000， 21（2）：271.

［7］LI G L， WU J T， XIA Y H， et al. Review of semi-dry electrodes for EEG recording［J］. Journal of Neural Engineering， 2020， 17（5）：051004.

［8］PETROSSIAN G， KATEB P， MIQUET-WESTPHAL F， et al. Advances in electrode materials for scalp， forehead， and ear EEG：A mini-review［J］. ACS Applied Bio Materials， 2023， 6（8）：3019-3032.

［9］LIU Q， YANG L， ZHANG Z， et al. The feature， performance， and prospect of advanced electrodes for electroencephalogram［J］. Biosensors， 2023， 13（1）：101.

［10］TEPLAN M. Fundamentals of EEG measurement［J］. Measurement science review， 2002， 2：1-11.

［11］HUANG Y J， WU C Y， WONG A M K， et al. Novel active comb-shaped dry electrode for EEG measurement in hairy site［J］. IEEE Transactions on Biomedical Enginee-ring， 2015， 62（1）：256-263.

［12］FERREE T C， LUU P， RUSSELL G S， et al. Scalp electrode impedance， infection risk， and EEG data quality［J］. Clinical Neurophysiology， 2001， 112（3）：536-544.

［13］AMIT J N， JOHN G W. Medical instrumentation：Application and design［M］. Singapore：John Wiley amp; Sons， 2009.

［14］馮源.織物電極的制備及動態(tài)電-力學穩(wěn)定性研究［D］. 鄭州：中原工學院， 2023：38-49.

FENG Yuan. Study on Preparation and Dynamic Electro-mechanical Stability of Fabric Electrode［D］. Zhengzhou：Zhongyuan University of Technology， 2023：38-49.

［15］熊帆.基于織物心電傳感的“運動偽跡”機理及抑制算法研究［D］. 成都：電子科技大學，2019：15-25.

XIONG Fan. Research on Mechanism and Suppression Algorithm of \"Motion Artifact\" Based on Fabric ECG Sensing［D］. Chengdu：University Of Electronic Science and Technology of China， 2019：15-25.

［16］LIN C T， LIAO L D， LIU Y H， et al. Novel dry polymer foam electrodes for long-term EEG measurement［J］. IEEE Transactions on Bio-medical Engineering， 2011， 58（5）：1200-1207.

［17］徐天源.基于柔性織物腦電電極的虛擬現(xiàn)實情緒分類系統(tǒng)［D］. 廣州：華南理工大學，2020：30-33.

XU Tianyuan. Virtual Reality Emotion Classification System Based on Flexible Fabric EEG Electrode［D］. Guangzhou：

South China University of Technology， 2020：30-33.

［18］CHEN C， WANG Z， LI W， et al. Novel flexible material-based unobtrusive and wearable body sensor networks for vital sign monitoring［J］. IEEE Sensors Journal， 2019， 19（19）：8502-8513.

［19］CAFFIER P P， ERDMANN U， ULLSPERGER P. Experimental evaluation of eye-blink parameters as a drowsiness measure［J］. European Journal of Applied Physiology， 2003， 89（3/4）：319-325.

［20］陳恬，狄海波.皮膚電在情緒識別研究中的應(yīng)用進展［J］.健康研究，2019，39（1）：47-49.

CHEN Tian， DI Haibo. Advances in the application of skin conductance in emotion recognition［J］. Health Research， 2019， 39（1）：47-49.

［21］劉宏偉.虛擬現(xiàn)實環(huán)境下的情緒生理感知頭盔交互界面［D］. 成都：電子科技大學，2022：86-87.

LIU Hongwei. Interactive Interface of Emotional Physiology Perception Helmet in Virtual Reality Environment［D］. Chengdu：University of Electronic Science and Technology of China，2022：86-87.

［22］蔡菁.皮膚電反應(yīng)信號在情感狀態(tài)識別中的研究［D］. 重慶：西南大學，2010：8-11.

CAI Jing. Study on Skin Electrical Response Signal in Emotional State Recognition［D］. Chongqing：Southwest University， 2010：8-11.

［23］李豪，劉杰.人體皮膚電阻與呼吸、情緒關(guān)系的測量及分析［J］.科學技術(shù)與工程，2012，12（3）：662-665.

LI Hao， LIU Jie. Measurement and analysis of the relationship between human skin resistance and breath and emotion［J］.Science Technology and Engineering， 2012，12（3）：662-665.

［24］KIM K H， BANG S W， KIM S R. Emotion recognition system using short-term monitoring of physiological signals［J］. Medical amp; biological engineering amp; computing， 2004， 42（3）：419-427.

Preparation and properties of multi-modal physiological sensing fabric masks

based on embroidery technology

XIONG Fan， FAN Mengzhao， YANG Chaoran， LI Yunfei， ZHENG Junjie，

ZHOU Jinli， WANG Chenxiao

（College of Textiles， Zhongyuan University of Technology， Zhengzhou 450007， China）

Abstract： Currently， emotion recognition technology is gaining significant attention in virtual reality （VR） applications. By recognizing the emotional state of users in a VR environment， systems can adjust virtual scenes and interaction modes in real-time， providing a more personalized and immersive experience. However， traditional emotion recognition technologies often rely on a single physiological signal， such as an EEG （electroencephalogram）， leading to insufficient accuracy and comprehensiveness in emotion recognition. This poses challenges for meeting the demands of emotional interaction of users in VR environments. Consequently， research on utilizing wearable devices to collect multimodal physiological signals and using AI methods for emotion recognition has attracted considerable interest in the industry， becoming a new research hotspot.

However， current wearable devices have not yet effectively achieved simultaneous acquisition of multiple physiological signals. Traditional rigid wet electrodes pose certain issues in smart wearable applications. Specifically， for the simultaneous collection of multiple physiological signals， current devices require a plethora of dangling wires and individually set electrodes， a process that is not only cumbersome but also detracts from the overall aesthetics. Furthermore， wet electrodes typically utilize Ag/AgCl as the base electrode material and employ conductive gel or paste as the medium for contact between the electrode and skin. The use of conductive paste may lead to short circuits between electrodes， causing signal overlap or interference from adjacent electrodes， thereby affecting the accuracy of the test results. Over time， conductive paste tends to dry out， evaporate， or leak， increasing the electrode-skin contact impedance and reducing the quality and stability of signal acquisition， which is unfavorable for long-term monitoring. Additionally， the components of conductive paste may cause discomfort and allergic reactions in subjects， limiting the comfort and safety of physiological signal recording. Therefore， developing a flexible wearable electronic fabric capable of simultaneously collecting multiple physiological signals has significant practical application value for long-term physiological signal monitoring.

This study integrates electrode and circuit layers into fabric using embroidery technology， achieving rapid prototyping of multi-layer electronic textiles. By using cold-press terminals to connect the embroidered circuit with the rigid circuit board， successful heterogeneous integration was achieved， forming a plug-and-play wearable electronic textile system. This system incorporates multiple flexible embroidered electrodes， enabling the simultaneous acquisition of EEG， EOG （electrooculogram）， and GSR （galvanic skin response） signals. Experimental results indicated that the contact impedance of rectangular embroidered electrodes with the scalp was approximately 31.99±1.2 kΩ （@10 Hz）， within an acceptable range， ensuring high-quality physiological signal acquisition. A 5-hour contact impedance test showed that the impedance of the embroidered electrodes gradually decreased and stabilized， demonstrating better long-term stability compared to wet electrodes. Comparative experiments between embroidered and wet electrodes showed that the time-domain waveform correlation of EEG signals collected by both was higher than 95%， verifying the effectiveness of embroidered electrodes in bioelectrical signal acquisition. Additionally， a series of standard experimental paradigms confirmed the reliability of this system. The 10 Hz α rhythm peaks observed in the eyes-open and eyes-closed resting experiments， the distinct blink peaks in the EOG tests， and the correct extraction of SCR waveforms in the GSR tests further validated the effectiveness and reliability of the multimodal physiological sensing fabric mask integrated with multiple embroidered electrodes in collecting various physiological signals.

Keywords：embroidery technology; multi-modal sensors; electroencephalogram （EEG）; electro-oculogram （EOG）; galvanic skin response （GSR）