一种用于雷达手势识别的 2-μJ、12 类、91% 准确率的脉冲神经网络方法
信号处理
2021-08-25 v2
摘要
通过脉冲神经网络（SNNs）进行雷达处理最近已成为超低功耗无线人机交互领域的一种解决方案。与传统的耗能且占面积大的深度学习方法相比，SNNs 显著更节能，并且可部署于日益增多的紧凑型 SNN 加速器芯片中，使其成为普适物联网应用的更优解。我们提出了一种用于雷达手势识别的新型 SNN 策略，在两个不同的雷达数据集上取得了超过 91% 的准确率。我们的工作与以往方法显著不同之处在于：1）我们使用了一种新颖的雷达-SNN 训练策略；2）我们使用了量化权重，从而能够在真实世界的 SNN 硬件中实现节能部署；3）我们报告了每次分类的 SNN 能耗，清晰展示了基于 SNN 的雷达处理在真实世界中的可行性与节能效果。我们发布了评估代码以帮助未来研究。
引用
@article{arxiv.2108.02669,
title = {A 2-$\mu$J, 12-class, 91% Accuracy Spiking Neural Network Approach For Radar Gesture Recognition},
author = {Ali Safa and André Bourdoux and Ilja Ocket and Francky Catthoor and Georges G. E. Gielen},
journal= {arXiv preprint arXiv:2108.02669},
year = {2021}
}