近日，我校柔性电子全国重点实验室黄维院士团队凌海峰教授课题组提出了一种基于梯度分布金属卤化物动态忆阻器的自适应抗噪声纹识别新策略。相关研究成果以“Gradient-distributed metal-halide dynamic memristors for adaptive and robust voiceprint recognition”为题发表在国际知名学术期刊《Nature Communications》上。邵赫博士和明建宇博士为论文共同第一作者，凌海峰教授、黄维院士以及香港城市大学Johnny C. Ho教授为共同通讯作者。
声纹识别作为生物特征识别的重要分支，在身份认证与安全领域具有广阔的应用前景。然而，真实环境中的背景噪声会严重掩盖语音特征，导致识别准确率急剧下降。当前硬件平台受限于信号采集与处理单元分离的传统架构，缺乏在传感界面的自适应信号预处理能力，难以在噪声环境中实现高保真特征提取。因此，在硬件层面实现具备原生噪声抑制能力的声纹识别系统，是该领域面临的重要科学挑战。
针对上述问题，研究团队开发了一种具有梯度分布工程化结构、晶圆级尺寸混合金属卤化物动态忆阻器。通过一步热蒸发工艺，金属卤化物前驱体在薄膜厚度方向上自发形成组分梯度，该梯度功能层能够精确调制肖特基势垒并重新分布界面电荷，实现了对动态信号响应特性的定制化设计。实验表明，该器件实现了微秒级响应速度，其独有的自滤波能力在硬件底层实现了抗噪功能。基于该器件优异的动态响应与噪声鲁棒性，研究团队进一步构建了抗噪声声纹识别原型系统。利用阵列化器件对高频语音信号的本征响应特性及其自适应电导调制能力，可在边缘端实现低延迟、低功耗的实时身份认证，在多样化多说话人语料库评估中达到99.3%的声纹识别准确率，即使在真实背景噪声条件下仍保持93.2%的识别性能，展示了该类器件在安全识别、边缘计算和智能终端等领域的重要应用潜力。
该体系能够通过自发形成的组分梯度协同耦合离子迁移动力学与电荷传输机制，形成对肖特基势垒特性和界面电荷分布的自适应调制，最终实现兼具高灵敏度和高噪声容忍度的声纹识别硬件。该研究为神经形态感知器件的材料设计与器件物理调控提供了新的研究思路，有望推动高性能抗噪声声纹识别技术的发展与应用。
该研究得到了科技部国家重点研发计划、国家自然科学基金、江苏省基础研究计划等项目的资助。
图1. 动态忆阻器用于抗噪声纹识别的工作原理。
原文链接：https://www.nature.com/articles/s41467-026-74047-3
（撰稿：邵赫 编辑：陈宁娜 审核：谢燕楠）