呼吸、脉搏、语音等运动均会在人体表层产生或大或小的压力信号,蕴含大量信息,拥有潜在应用价值。因此,制备一种可有效将其获取的可穿戴设备,采集并通过合理分析发掘其应用价值以及应用手段是十分必要的。本文构建并制备了一种PVDF（聚偏二氟乙烯）柔性压电传感器,采集人体手部压力信号（脉搏、手指以及手腕压力信号）、呼吸吹气压力信号以及语音振动信号（发声时人体颈部皮肤振动信号）,结合数据转换以及机器学习等数据处理方法,发掘其应用价值。本文主要工作内容如下:1、以PVDF为敏感材料,PDMS（聚二甲基硅氧烷）为柔性衬底材料,制备一种三明治结构PVDF柔性压电传感器。该传感器拥有安全的人体皮肤贴合性,高柔软度,良好响应重复性,在0.2-0.72N压力区间内良好的线性敏感度,往复弯折10000次,输出电压未见明显漂移的长久耐用性。2、针对于来自脉搏、手指和腕部的手部压力信号,以及来自呼吸和吹气的气体压力信号进行探究。提取脉搏信号中包含心脏心室收缩压与其遇到手掌所产生反射压的叠加,收缩压碰撞手以下身体部位产生的反射压以及心室舒张压的生命体征信息。检测基于受试者主观评价指标弯曲手指的压力信号,选取出其鲜明的特征值。检测源于动态手势的规律性腕部压力信号。检测受试者的呼吸信号,实现人体呼吸频率的实时监测。采集基于摩尔斯电码的吹气压力信号,编译译码器,实现人机交流。3、使用PVDF柔性压电传感器采集6名受试者的26种英文字母的语音振动信号。分析字母语音振动信号的波形特征。对语音振动信号进行降噪,提取语音振动信号的时-频域特征以及非线性特征,使用网格搜索法支持向量机（GS-SVM）对26种字母语音振动信号的特征值进行模式识别。在训练集:检测集=50:100的情况下进行分类识别,6名受试者的准确率分别为94.62%、89.23%、89.50%、90.12%、89.65%、90.19%。为实现基于字母语音振动信号的更多信息识别,将字母语音振动信号排列组合成单词语音振动信号,引入主成分分析法（PCA）进行特征挖掘。6位受试者的单词语音振动信号分类识别准确率分别为:100%、99.75%、100%、100%、100%、99.75%。将6位受试者的全部英文字母和单词语音振动信号分别聚类,分类识别,准确率分别为87.26%和100%。