无线感知论文速览 | SenSys 2023, NeuroRadar: A Neuromorphic Radar Sensor for Low-Power IoT Systems

注1：本文属于“最新论文速览”系列文章之一，在本系列中我们将系统地梳理和解读近期发表在顶级会议或期刊上的创新性研究成果。本次推送重点解读了题为《NeuroRadar:一种低功耗物联网用神经流形雷达传感器》的论文。

Wireless Sensing Paper Overview | SensYS Conference 2023, NeuroRadar: A Neuromorphic Radar Sensor for Low-Power IoT Applications —— A radar sensor optimized for energy-efficient IoT applications

该研究团队已在《神经系统雷达》（NeuroRadar）一文中详细阐述了其创新成果。
在第 SenSys 会议上举行于2023年的一次重要会议上进行了展示。

论文概述

• 主题 ：本研究团队开发了高效低能耗智能雷达传感器系统——NEURORADAR，在物联网（IoT）领域中得到了广泛应用。
  • 关键特点 ：该系统通过模仿生物体感知机制实现了显著提升的能量采集效率。

研究背景

• 雷达传感器在物联网中的应用： radar sensors in the field of IoT have wide-ranging applications, spanning medical, smart homes, industrial automation, and intelligent transportation systems.
  • 挑战：the high power consumption of traditional radar hardware poses a significant challenge for battery-powered IoT devices and wearable devices.

NEURORADAR的创新点

简化的雷达前端 ：

• 基于自注入锁定（SIL）原理，在环境中物体的运动变化能够调节振荡器的频率进而实现对环境变化的感知。
• 通过构建多通道尖峰信号的SIL传感器阵列可以间接地表征空间信息。

模拟尖峰编码和完整的SNN处理 ：

• 将环境中的运动信号转换为尖峰序列后，在神经形态计算系统上直接处理而无需非尖峰计算单元。
• SNN具备针对多种任务领域（如手势识别和定位）进行训练的能力。

系统概述

• 传感器前端 ：发射弱的、连续波的单音信号，频率由周围目标的运动调制。

• 尖峰编码器 ：将前端产生的基带信号转换为遵循LIF模型的尖峰列。

实验验证

• 原型和模拟：构建离散型射频（RF）电路原型的同时对集成电路版本进行仿真实验。
• 性能：单射频链路NEURORADAR系统在感知运动场景时的功耗最低为780微瓦特（μW），其能耗水平低于现有同类雷达系统的1至2个数量级单位。
• 应用案例：该系统实现了手部动作识别的准确率达到94.6%，并达到了移动目标自动跟踪的均值误差控制在0.98米范围内。

论文贡献

1. 开发出了NEURORADAR系统：概念性地实现了神经形态雷达感知技术。
2. 该雷达前端设备基于Silicon Intelligence Layer（SIL）理论框架设计。
3. 构建了神经形态雷达系统的原型：通过PCB搭建了系统的原型电路板，并对其硬件级开发进行了仿真验证。

结论

NEURORADAR作为一种新型低功耗雷达传感器，在物联网应用领域展现出显著的应用潜力，特别适用于那些对低功耗和高效能量感知要求较高的场景。