近年来随着物联网的兴起以及人体感知技术的发展,人机交互研究受到了学术界的广泛关注。不同于传统的开关、控制台指令等方式,使用手臂动作控制设备具有自然、便捷的优点,而基于无线感知的动作识别不需要用户佩戴额外设备,且不受光照声音等环境因素影响,对智能家居、工业生产以及其它特殊领域提供高效服务的意义重大。多普勒雷达作为一种成熟的无线感知设备,以稳定的电磁波频率探测环境中存在的运动信息,让高精度高可靠的人体手臂动作识别成为可能。本文利用双通道多普勒雷达,研究实现了基于多普勒雷达信号的人体手臂动作感知的系统,主要完成了以下三方面工作:（1）提出了基于多普勒雷达的手臂动作种类识别方法。结合多普勒雷达信号的特点,提出了使用双雷达设备垂直摆放来消除检测盲区的布局方式,并基于此提出以双阶段分类法为核心的高准确率手臂动作种类识别方法;（2）提出了基于多普勒雷达的手臂运动角度、幅度和方向等细粒度信息感知方法。针对手势的细粒度感知需求,提出了以频谱分析法为核心的手势细节分析方法,并给出了极值比较法、面积比较法两种实际可行的计算方式,获取手臂运动的角度、幅度或方向等详细信息;（3）针对系统运行的实际场景适应性需求,提出了感知系统多种优化方案,包括双雷达同步优化、多人环境优化、处理效率优化等三个方面,实现降低开销、减少干扰、提升效率、增强系统稳定性等目标,使其能应用于实际环境中。本文在多种场景下采集了多位用户的手臂动作的雷达信号,验证了关于手势种类识别、细粒度手势信息感知、实际系统优化中所提方法的可行性,为智能人机交互服务提供技术支撑。