作为类似人类触觉感知的关键载体，柔性压力敏感e-skin在运动监测、健康监测和智能医疗领域展现出广阔的应用前景[1],[2],[3],[4]。优异的感知性能（尤其是高灵敏度和宽压力感应范围）以及智能感知能力（能够对复杂信号进行智能分析和识别）尤为重要[5],[6],[7],[8]。为了提升感知性能，研究人员在传感层中设计了多种微纳结构。常见的结构如金字塔[9]、微穹顶[10]和支柱[11]利用应力集中效应来提高灵敏度，但它们的变形限制了宽范围响应[6],[12]。为克服这一限制，研究人员转向了复杂的仿生结构[13]。受人类皮肤分级毛状结构的启发，Wang等人[14]开发了一种MXene e-skin，采用激光刻蚀模板制备了间歇性的绒毛状微结构，模仿了体毛的触觉放大机制。这种间歇性的绒毛状微结构实现了两级放大效果，有效提升了灵敏度和压力感应范围，其中较高的绒毛结构对低压力敏感，而较低的绒毛结构在高压下起到缓冲作用，防止压力过早饱和。类似地，Xue等人[15]受猫舌丝状乳头的启发，利用3D打印和CNTs/PDMS复合材料制备了具有丝状乳头互锁结构的仿生e-skin，实现了高灵敏度和宽范围感知。丝状乳头的动态应力集中优化克服了传统结构（如金字塔）在高压下灵敏度急剧下降的问题。然而，这些复杂微纳结构的制备通常成本较高。因此，探索简单微纳结构制备方法以开发兼顾灵敏度和宽压力感应范围的e-skin仍值得进一步研究。
人类皮肤的卓越感知能力与真皮-表皮交界处的微脊结构密切相关[1],[16],[17],[18]。微脊结构由网状脊和真皮乳头的“锁扣”式互锁形成，不仅增强了皮肤的机械稳定性，还在压力感知中起着关键作用[1],[18],[19]。在外力作用下，微脊通过应力集中效应放大微小变形信号，提高了机械感受器（如梅斯纳小体、帕西尼小体）的灵敏度。在较大载荷下，微脊发生弹性变形，缓冲和分散力量，防止局部损伤并延缓压力饱和，从而扩展了感知范围。“应力集中和缓冲”机制为e-skin的设计提供了重要的仿生灵感。值得注意的是，导电聚合物如聚苯胺（PANI）[20],[21]和聚吡咯（PPy）[22],[23]可以通过调整聚合条件制成多种微纳结构，其优异的导电性也使其在e-skin中得到广泛应用。在我们之前的研究中，基于PANI的e-skin作为人机交互的信号采集单元[20]，而基于PPy的e-skin在运动监测中表现出良好性能[22]。特别是PANI的可逆质子化使其能够在导电的翡翠盐（ES）状态和绝缘的翡翠碱（EB）状态之间切换，从而实现电阻率的梯度控制[24],[25],[26]。尽管Fan等人[27]和Lin等人[28]证明增加传感层中导电填料（MXene、碳纳米管）的比例可以提高导电性并改善e-skin性能，但过高的导电性会降低压力下的电阻变化率（ΔR/R?）或电流变化率（ΔI/I?），从而降低灵敏度。因此，将仿生微脊结构与PANI的电阻率调制相结合，可能实现高灵敏度和宽压力感应范围。
此外，随着仿生e-skin的发展及其应用领域的多样化，在多点多参数监测过程中通常会产生复杂的多维信号[2],[29],[30]。传统的数据处理方法往往需要人工干预，步骤繁琐耗时，并难以挖掘深层信息。因此，快速准确地识别和分析这些复杂信号，充分利用多维数据中的内在关系，并赋予e-skin智能感知能力，是推动其进一步发展的关键任务[5],[8],[31]。当前的前沿研究将e-skin与机器学习/深度学习相结合，在健康监测[32],[33],[34]、语音和手势识别[35],[36],[37]、物体识别[39]等领域取得了显著突破。例如，利用支持向量机（SVM）对e-skin的数据进行分类，实现了对七种步态模式（行走、跑步等）92.18%的识别准确率[40]。将e-skin与卷积神经网络（CNN）结合，形成了智能血压和心脏功能监测系统，自动提取脉波特征（如收缩期上升时间、反射波传播时间和左心室射血时间），显著提高了计算速度和识别准确率[34]。将e-skin与三层前馈人工神经网络（ANN）结合，实现了对盲文字母99.04%的识别率和常见单词97.08%的识别率[41]。ANN受生物神经系统的启发，由相互连接的“神经元”和权重组成，通过前向和后向传播进行学习[42],[43]。深度学习作为ANN的高级形式，通过更深层次的网络架构构建多层非线性映射，不仅显著提高了识别准确率，还能捕捉数据中的隐藏深层关联。正是这种基于多样化网络架构和复杂训练策略的自动特征提取机制，使得深度学习在处理e-skin收集的复杂信号时表现出优于机器学习的性能[8],[43]。因此，我们的工作旨在引入深度学习来提升e-skin的智能感知能力。
受人类皮肤微脊结构的启发，我们开发了一种用于运动和生理信号监测的PANI微脊结构压力敏感e-skin。通过化学氧化聚合方法，将类似微脊的PANI原位生长在水解后的PAN纤维上。利用PANI的可逆质子化机制并结合pH值调节策略，实现了PANI纳米纤维膜的电阻率调制，从而提升了e-skin的性能。PANI微脊结构（应力集中）、纳米纤维微变形效应（应力缓冲）和电阻率调制的协同效应使e-skin表现出高灵敏度（最大1.91 kPa^(-1)）和宽压力感应范围（1–600 kPa）。该e-skin能够可靠地监测发声时的细微喉部振动、呼吸时腹部的轻微起伏以及行走或跑步时的足底压力变化。此外，基于PyTorch框架构建了一维卷积神经网络（1D CNN），实现了对四种典型呼吸状态的快速准确分析。
