人体姿态识别由于在公共监控、搜索救援、智能交互、老年人监护等领域的巨大应用前景成为近年来生物医学传感与现代信号处理交叉领域的研究热点之一。相对于传统的接触式传感器,基于雷达传感器的人体姿态识别技术具有非接触式测量的特点,适用于长时间监测;与其他非接触式传感器（如视频传感器和音频传感器等）相比,该技术又具有适应性好、穿透性好、无隐私问题等优点。然而,现阶段基于雷达传感器的人体姿态识别研究仍存在许多亟待解决的问题:首先,研究的人体姿态种类较少,且多为具有很强稳定性和周期性的节律性姿态或仅区分摔倒和非摔倒姿态,这限制了该技术的应用场景;其次,现有的适用于基于雷达传感器的人体姿态特征提取算法中,基于谱图的包络检测算法过于依赖经验阈值、容易受到噪声干扰。而基于数据降维压缩的算法所提取出的特征向量较为抽象,与人体姿态的物理特征很难有显著的联系;最后,现有工作都是单独人体姿态识别研究,而能否实现连续人体姿态的检测和识别,是该技术走向实际应用的关键。因此,本文基于超宽带冲激（Ultra Wide Band-Impulse Radar,UWB-IR）雷达和调频连续波（Frequency Modulated Continuous Wave,FMCW）雷达系统,围绕大量非节律性姿态识别、人体姿态多维特征提取算法和连续人体姿态识别的问题,提出了基于加权距离时频变换（Weighted RangeTime-Frequency Transform,WRTFT）、稀疏表示（Sparse Representation）和动态距离多普勒轨迹（Dynamic Range Doppler Trajectory,DRDT）的人体姿态识别算法,引入了距离、雷达反射截面积（Radar Cross-Section,RCS）等多维特征融合的讨论,分析并解决了实际应用中遇到的一些问题。本文主要研究工作及创新点包括:1.针对大量日常的非节律性人体姿态识别,利用UWB-IR雷达平台,提出了一种基于加权距离时频变换算法的人体姿态识别方法。首先,利用二值化算法从人体姿态回波信号的时间距离图中提取出距离和速度信息,并以此为标准将人体姿态预筛选为原地姿态和非原地姿态。接着,利用加权距离时频变换算法,针对原地姿态和非原地姿态分别采用不同加权策略,得到融合了距离和RCS信息的高分辨时频谱。在此基础上,对原地姿态提取物理经验特征,对非原地姿态利用主成分分析法（Principal Component Analysis,PCA）算法提取特征。然后,分析比较了各个机器学习分类算法的性能,并最终实现了十二种非节律性人体姿态的识别。2.针对现有基于雷达传感器的人体姿态识别方法中基于时频谱的特征提取算法过于依赖经验阈值、容易受噪声干扰等方面的问题,利用FMCW雷达平台,提出了一种基于时频谱和距离多普勒谱的稀疏表示特征提取算法。首先,利用稀疏字典将人体姿态回波信号投影到对应的稀疏域中。接着,通过正交匹配追踪算法（Orthogonal Matching Pursuit,OMP）和改进的二维OMP算法求得对应的稀疏解。将稀疏解中的非零元素项作为包含了人体姿态时间、距离、多普勒和RCS信息的特征,并以此绘制出对应的时频轨迹图和距离多普勒轨迹图。同时,将稀疏重构信号的谱图与原始回波信号的谱图进行对比,验证了稀疏解能够以少数非零元素项将绝大部分时频信息和距离多普勒信息保留下来。最后的实验结果验证了基于稀疏表示的特征提取算法能够有效地表征人体姿态特点,并且姿态识别准确率很高。3.针对目前基于雷达传感器的人体姿态识别方法的主要研究对象为单独人体姿态的现状,提出了一种基于动态距离多普勒轨迹算法的连续人体姿态识别方法。首先,通过对回波信号中每一个距离单元内的信号进行沿慢时轴的滑窗快速傅里叶变换,得到距离多普勒图像的时间序列,称为距离多普勒帧（Range Doppler Frame）。接着,从每一个距离多普勒帧中提取出包含距离、多普勒、RCS等信息的距离多普勒轨迹点,并将其绘制在时间、距离、多普勒三维空间中,构成人体姿态对应的动态距离多普勒轨迹图,实现多维特征的融合。然后,根据动态距离多普勒轨迹点的变化规律,通过峰值检测和投票算法从一连串连续的人体姿态的动态距离多普勒轨迹图中将每一个单独的人体姿态进行准确的定位和分割。在获取单独的人体姿态的动态距离多普勒轨迹图后,将其中轨迹点所代表的多维特征输入到机器学习分类器中。最后,将单独人体姿态的分类结果按时序组合在一起,就实现了对连续人体姿态的识别。实验结果不仅验证了所提算法对于连续两个乃至更多人体姿态的识别性能,还探讨了不同探测距离、探测角度、运动方向和个体差异对算法的影响。