Proponemos un enfoque de red neuronal de disparo (SNN) para el reconocimiento de gestos de mano basado en radar (HGR), utilizando radar de onda milimétrica de onda continua modulada en frecuencia (FMCW). Después de preprocesar la señal de radar de rango-Doppler o micro-Doppler, utilizamos un esquema de conversión de señal a disparo que codifica los mapas de Doppler del radar en trenes de disparos. Los trenes de disparos se alimentan en una red neuronal recurrente de disparo, una máquina de estado líquido (LSM). La señal de disparo de salida de la SNN se utiliza como entrada para diferentes clasificadores para la comparación, incluyendo regresión logística, bosque aleatorio y máquina de vectores de soporte (SVM). Utilizando máquinas de estado líquido de menos de 1000 neuronas, logramos mejores resultados que el estado del arte en dos conjuntos de datos de referencia públicos, alcanzando más del 98% de precisión en validación cruzada de 10 pliegues para ambos conjuntos de datos.