美國手語（ASL）由于其廣泛的應用潛力而受到了越來越多的關注。本文介紹了一種專為智能邊緣設備設計的超低功耗、實時高精度的ASL識別系統（LRASL）。該系統通過六階段先進的手部區域分割引擎（AHRSE）和硬件共享的層次化自相似二值化神經網絡引擎（HSBNNE）在準確性和功耗之間取得了平衡。AHRSE將640×480 RGB565格式的輸入數據經過六階段處理后壓縮為32×32的二值化手勢數據，實現了98.7%的尺寸縮減，并將HSBNNE的識別準確率提高了1.3%。值得注意的是，提取后的二值化ASL手勢中仍存在相似的手勢，這增加了識別難度并提高了硬件的功耗/資源需求。為了解決這一問題，本文提出了一種新型的微型層次化自相似二值化神經網絡（HSBNN）模型，該模型具有共享層和雙自相似專家分支結構�；�于HSBNN模型構建的HSBNNN能夠從粗略到詳細地識別ASL手勢（無論是相似的還是不同的手勢），其識別準確率為95.8%，同時僅消耗3.96百萬操作（MOPs）和2.86 KB的參數。自相似專家分支結構實現了硬件資源的最大化重用，降低了硬件開銷和功耗。該系統采用TSMC 28納米CMOS工藝實現，當工作在800 kHz時鐘頻率和0.6 V供電電壓下時，功耗僅為45.2 μW，延遲為33.3毫秒。