التعرف على الأنشطة البشرية المشبوهة يعد من المتطلبات الأساسية في سياق الأمن القومي. في الوقت الراهن، يشهد تصميم نماذج الشبكات العصبية العميقة ذات التباين التفاضلي (DCNN) المناسبة لتصنيف أنشطة الإنسان القائمة على توقيعات الميكرودوبلر (m-D) نموًا سريعًا. ومع ذلك، فإن التكلفة الحسابية العالية وعدد كبير جدًا من المعاملات تحد من استخدامها المباشر والفعال في التطبيقات الميدانية. تقدم هذه الورقة مجموعة بيانات تُعرف بـ "DIAT- μ RadHAR"، التي تغطي أنشطة عسكرية مثل الزحف، الملاكمة، القفز مع حمل بندقية، الجري العسكري، التمشي العسكري، ورمي الحجارة أو القنابل اليدوية، وقد تم إنشاؤها باستخدام رادار موجة مستمرة بحزمة X. كما تقدم هذه الورقة نموذجًا خفيف الوزن من الشبكة العصبية العميقة (DCNN)، يُسمى "DIAT-RadHARNet"، مصمم خصيصًا لتصنيف أنشطة بشرية مشبوهة. ولتقليل التكلفة الحسابية وتحسين قدرة التعميم، تم تصميم DIAT-RadHARNet وفقًا لأربعة مبادئ تصميمية: التحويلات التفاضلية العميقة (depthwise separable convolutions)، ووزن القنوات (CHW) بناءً على أهمية كل قناة، واستخدام مرشحات بمقاسات مختلفة في الجزء العميقي، وتشغيل كيرنل (kernel) بمقاسات مختلفة على نفس المتجه المدخل. يحتوي النموذج على 213,793 معاملًا وعدد إجمالي يبلغ 55 طبقة. تُظهر التحليلات التجريبية الواسعة أن نموذج DIAT-RadHARNet يصنف الأنشطة بكفاءة بنسبة دقة تبلغ 99.22%، مع تحقيق أقل عدد ممكن من النتائج الخاطئة الإيجابية والسلبية. وتم ملاحظة تعقيد زمني للنموذج المقترح أثناء مرحلة الاختبار يبلغ 0.35 ثانية، مع الحفاظ على نفس الدقة والتعقيد الزمني حتى في الظروف الجوية السيئة، وبيئات الإضاءة المنخفضة، والعمليات على مسافات طويلة.