22、雷达与机器人皮肤触觉识别技术：原理、应用与发展

雷达与机器人皮肤触觉识别技术：原理、应用与发展

1. 雷达基人机交互系统

在雷达基人机交互系统中，涉及到一些关键参数和概念。其中，$S_l$ 为预定义的固定刺激长度，$f_n$ 是包含尖峰的帧编号 $n$，$f_l$ 是特定样本的帧数长度。

在构建液态状态机（LSM）时，目标是实现一个紧凑且易于实现的网络，同时不牺牲准确性。每个像素 $i$ 会产生一个尖峰序列作为 LSM 的输入，每个输入会随机连接到 $C_{inp}$ 个兴奋性神经元，并且所有兴奋性神经元都用于读出。这里使用的神经元单元是基于指数型突触后电流的漏电积分 - 发放神经元模型。

1.1 数据记录与结果

基于监督框架的脉冲神经网络（SNN）方法，首先需要收集用于学习阶段的手势数据集。以下是雷达参数的详细信息：
|参数|详情|
| ---- | ---- |
|Chirp/Frame|配置为每帧 32 个啁啾，但重新缩放到 16 x 16 的距离 - 多普勒图像来组成帧与像素表示，最终作为 LSM 输入的像素通道总数为 256 个|
|范围深度、宽度和分辨率|约为 0.5 米，因此距离 - 多普勒帧仅捕获雷达接收器正前方的反射信号|

本次收集了来自单个人的四种手势数据，每种手势在 30 个单独的会话中收集，每个会话中手势重复 15 次，所以每种手势的学习集包含 450 个样本。将数据集按 90%（1620 个样本）用于学习和 10%（180 个样本）用于测试进行划分，得到的混淆矩阵能反映识别情况。LSM 由 600 个神经元组成，归一化刺激长度 $S_l = 20$。SNN 基于检测器的召回率和精确率统计如下表所示：
|百分比