基于时空雷达的手势识别与混合脉冲神经网络：平衡准确性与效率

摘要 基于雷达的人类活动识别（HAR）提供了隐私和稳健性，相较于基于摄像头的方法，但对边缘部署来说仍然计算要求高。我们首次将脉冲神经网络（SNNs）应用于基于雷达的HAR，以进行飞机引导信号分类。我们新颖的混合架构结合了预训练的卷积骨架用于空间特征提取和漏积分火神经元用于时间处理，固有地捕捉手势动力学。该模型在可训练参数上减少了88%，与现有的最先进方法相比精度损失不足1%，并且在Soli手势数据集中具有良好的泛化能力。通过与其他三种人工神经网络架构的系统比较，我们展示了脉冲计算在准确性、延迟、内存和能量方面的权衡，确立了SNNs作为基于雷达的HAR高效且具有竞争力的解决方案。