随着计算机技术的飞速发展，人体探测与活动识别正逐渐成为安防和监控领域的热门研究技术。其中，非接触式的人体探测技术比传统的佩戴式以及视频监测方式更适用于不同的应用环境。非接触式人体活动状态识别，能将人体生物特征识别与传感器检测进行结合，在非携带、远距离等环境下实现人体运动状态的探测、识别以及分类。该技术在自然灾害情况下对受困人员的状况进行实时监测，在安防监测中对异常行为人员进行识别等方面具有重大的意义。

雷达技术作为非接触式探测技术的一种，发明于上世纪30年代，后来广泛应用于电磁波领域中的目标探测和跟踪。如今，基于雷达相关的目标识别与探测技术早已成为了信息学科的研究热点之一。在非接触式人体运动特征探测方面，雷达技术相比计算机视觉技术、光学技术具有不受光线强弱影响的独特优势，能穿透遮挡衣物，且不受天气因素的影响。因此，利用雷达技术进行人体运动状态识别研究引起了国内外学者的广泛关注以及许多国家安防的重视。

目前，针对运动人体识别技术也并发出现了各种反识别技术以及干扰技术，目标探测与识别技术因此受到了严重挑战，并被赋予更高的要求。近年来，人体微动特征已经成为目标识别技术中的重点分析对象，根据美国海军研究室 Chen V.C 提出的微动定义，即将“目标或者目标的构成部分除质心平动以外的振动、转动和加速运动等微小运动”称为微动。微动形式有诸多特征，每个人都有独一无二的特征形式，以此作为运动特征分类以及身份识别的重要依据。人体不同的运动状态和方式会对应的在电磁波信号中产生不同的调制效果，反映在雷达回波信号中为不同的微多普勒特征，通过这种特征能准确判定人体运动规律。因此，在人体运动状态识别技术中引入微多普勒信号分析具有重大意义和应用价值。

Chen V.C提出人体微动定义后，基于雷达技术的人体运动状态识别有着长足的发展。起初，多目标干扰下识别运动人体吸引了学者们的关注，Rohling Hu通过距离三边技术对目标的几何参数进行测算，对人体步行、骑行以及汽车等目标中分离出运动的人体，准确率高达95%。除此之外，现有生物研究表明，人类完全可能根据其行走的姿态判断识别其身份属性，因此，美国佐治亚理工学院利用全相干双通道10.5GHz连续波雷达对人体步态进行分析，并由此提出基于微多普勒信号的非刚体运动识别的思想。随后，国内外众多研究机构开始对人体运动识别展开深入研究。

美国加州州立大学的Kim Y利用连续波雷达对人体目标的跑步、步行、持棍步行、爬行、挥拳前进、站立拳击以及静坐这七种人体运动状态进行分类。基于回波信号短时傅里叶变换后，对频谱进行6项运动特征提取，最后利用基于决策树的支持向量机对目标运动进行识别和分类，识别率高达90%。随后，该团队分别改用物理分析和优化深度学习的方法对目标运动状态进行识别，识别率提高至90.9%。

宾夕法尼亚大学Narayanan的研究团队针对基于希尔伯特-黄变换（Hilbert-Huang Transform,HHT）的雷达人体运动分析展开了深入研究。Lai利用经验模态分解（Empirical ModeDecomposition, EMD）雷达信号后再进行HHT谱分析，结果表明HHT具有较高时频分辨率。随后，Fairchild利用EMD分解步行、起立、弯腰以及挥手这四种雷达回波信号后提取对应本征模试函数（Intrinsic Mode Function,IMF）能量值作为动作识别的特征值，再分别利用S波段雷达信号和毫米波雷达信号进行穿墙和非穿墙的目标探测，准确率分别为75%和90%。但是，HHT算法的应用目前仍受端点效应等问题的限制，除此之外，HHT处理后的人体信号仍缺乏相关特征值的选择。

国内目前有关人体状态的雷达特征研究主要聚集在医学领域的非接触式监测，如患者心率及呼吸速率的测量，但有关不同运动状态下的特征识别研究则很少见。电子科技大学的王宏利用穿墙雷达进行目标识别时，提出了优化的整体平均经验模式分解（EEMD）算法进行时频分析，抑制原始信号噪声，提高信噪比效果明显，能获得更清晰的时频分布。但是，在此情况下HHT算法的筛分停止准则和端点效应这些问题仍严重制约着它的发展。

综上所述，基于雷达技术的人体微多普勒特征分析与研究目前是国内外安防领域的研究热门。虽然研究人员在雷达回波信号时频分析、人体微多普勒特征分析与提取、运动状态识别与分类及相关方面已有显著的研究成果，但其中仍然存在许多需要解决的问题，对应这些问题具有深入研究探索的重要意义和长远价值。

2. 研究的基本内容与方案

本文使用连续波雷达技术进行人体运动状态的识别与分类，研究工作主要包括三个方面。一是研究有效的雷达回波信号的时频分析方法和相应的改进工作；二是通过时频分析结果，进行特征选择和提取，同时对干扰动作引起的信号进行滤除，提取有效的特征值，在简化分类算法的同时提高识别精度；三是利用软件无线电设备完成连续波雷达收发机的设计，并在此基础上实现人体运动状态分类。围绕以上三方面，本文的具体研究内容如下：

1）对现有的人体运动状态识别技术进行归纳总结，重点研究了基于微动雷达技术的人体运动状态识别方法，通过分析对比现有研究成果，提出存在的主要问题以及下一步研究工作。