发展远程健康监护系统可以有效地缓解人口老龄化的压力。人体定位、运动状态估计和身份识别是远程健康监护的三个关键要素。在现有的日常活动监测技术中,雷达作为无线感知的设备与其他设备相比,具有无接触、不泄露隐私、不受光线影响、远距离、精度和分辨率更高的特点。本文主要研究和实现一个基于调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达的人体定位、运动状态估计和身份识别的系统。人体定位和运动状态估计的挑战来源于环境中噪声的干扰,包括静态物体和动态物体的干扰。本文对FMCW雷达的中频信号通过傅里叶变换得到距离-速度频谱图、距离-角度频谱图,通过静态消除算法消除静态物体的干扰,利用目标检测算法和多目标追踪获取多个物体的轨迹和相应的速度。根据机械振动的物体速度较大但位置不变的特点消除像空调、风扇、摆动的树叶的干扰。根据人的位置信息蕴含着运动状态这一特点进行简单的无人、运动、静止三种运动状态估计,准确率达到82.7%。身份识别利用短时傅里叶变换对中频信号处理得到了能够反应人的步态特征的微多普勒频谱图。本文对人的步态特征进行了分析,并且使用了人工提取特征和利用卷积神经网络自动提取特征两种方法进行分类。本文在使用雷达进行身份识别方向上引入了开放环境下的识别问题,即模型能够拒绝在训练集中未出现的人,并利用孪生网络解决这一问题。实验结果显示使用对比损失函数训练的模型分类的准确率为98.47%,高于用相对熵损失训练的模型,并且使用对比损失函数训练的模型进行身份认证的AUC(Area Under Curve)高于0.93。