基于混合脉冲神经网络的时空雷达手势识别：在精度与效率之间取得平衡
神经与进化计算
2025-09-30 v1
摘要
雷达-based 人类活动识别 (HAR) 相较于基于摄像头的方法，具有隐私保护和鲁棒性优势，但在边缘部署时仍面临计算密集的挑战。我们首次将脉冲神经网络 (SNN) 应用于雷达-based HAR 的飞机吊装信号分类任务。该 novel 混合架构结合卷积模块进行空间特征提取，以及发泄积分-放电 (LIF) 神经元进行时序处理，能够自然捕获手势动力学。该模型在不损失超过 1% 精度的前提下，将可训练参数减少 88%，并在 Soli 手势数据集上表现出良好的泛化能力。通过与人工神经网络的系统性比较，我们展示了脉冲计算在精度、延迟、内存和能耗方面的权衡，确立了 SNN 作为雷达-based HAR 高效且具竞争力的解决方案。
引用
@article{arxiv.2509.23303,
title = {Spatiotemporal Radar Gesture Recognition with Hybrid Spiking Neural Networks: Balancing Accuracy and Efficiency},
author = {Riccardo Mazzieri and Eleonora Cicciarella and Jacopo Pegoraro and Federico Corradi and Michele Rossi},
journal= {arXiv preprint arXiv:2509.23303},
year = {2025}
}