Fiber Materials and Musical Perception: Exploring Tactile Transmission of Sound
Notice bibliographique
Résumé
Objective: This study aims to systematically evaluate the performance of functional textile materials as vibrotactile feedback media. By characterizing the vibration transmission properties of various fabrics, we provide a materials science basis for developing novel wearable devices for music perception among hearing-impaired individuals. Methods: The experiment utilized three representative engineering textiles: polyester, nylon, and carbon fiber woven fabrics. Piezoelectric sensing technology was employed to convert audio signals into mechanical vibrations. Accelerometers were used to precisely measure the vibration conduction efficiency of each fabric, while 240 participants were recruited to assess tactile recognition rates. The research focused on the influence of different fiber raw materials and fabric structures (e.g., plain, twill) on vibration transmission performance. Results: The results demonstrate that the carbon fiber plain weave fabric exhibited optimal vibration conduction efficiency (4.85 m/s² in the low-frequency range <250 Hz), significantly outperforming the nylon and polyester fabrics. Tactile feedback based on this high-performance textile yielded a recognition rate of 92% for low-frequency music. Furthermore, the rhythm perception accuracy of the hearing-impaired group improved to 85%, proving the distinct advantage of advanced textile materials in the high-fidelity transmission of low-frequency vibrations. Conclusion: This research validates that textile-based substrates can serve as effective media for tactile music transmission. By virtue of its superior mechanical vibration transmission, carbon fiber fabric provides critical material science data and design parameters for the development of “smart textiles” and wearable sensing devices tailored for specific populations. This work shows broad application prospects in the interdisciplinary field of “textile engineering” and assistive rehabilitation technology.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».