人体目标的成像及呼吸辨识在反恐救援、用户认证和健康监测等方面有着广泛的需求。目前,对于人体目标的成像主要包含光学成像,红外成像和雷达成像。其中光学成像无法全气候、全天时成像且会产生隐私问题,红外成像易受其他热源干扰从而影响成像效果,而雷达成像在反恐救援中由于无法识别人体目标的身份信息常导致人质目标的救援工作难以展开。因此,设计一个既可以定位人体目标又能对人体目标呼吸进行辨识的系统具有非常重要的现实意义。本文提出了一个基于生命体征SAR成像的人体呼吸辨识系统。该系统首先建立呼吸辨识模型,其次利用生命体征SAR成像算法定位人体目标并获取其呼吸波形,最后将待识别人体目标的呼吸波形输入到呼吸辨识模型中,即可准确辨识场景中的人体目标。其主要工作如下:1、介绍了调频连续波雷达系统并对雷达回波信号进行了详细的理论分析;介绍了基于FMCW系统的两种经典SAR成像算法,并通过仿真比较两种算法的优缺点。2、提出了一种基于生命体征SAR成像的人体目标定位算法,可实现人体目标和非生命体目标的区分,通过距离矫正、相位信号处理等步骤实现从单一距离门内提取人体目标的微多普勒信息,从而确定人体目标在SAR成像图中的准确位置,并通过仿真验证该算法的有效性。3、介绍了基于机器学习的人体呼吸辨识算法,对呼吸信号进行特征提取及特征选择,并研究了K近邻算法、支持向量机算法和决策树算法这三种经典的机器学习算法。4、搭建FMCW雷达系统实验平台,首先进行基于生命体征SAR成像的人体目标定位实验,实验结果表明人体目标定位的最大误差为0.05m;然后进行基于机器学习的人体呼吸辨识实验,实验结果表明线性SVM分类模型对呼吸辨识的正确率最高,20人分类正确率最高可达91.1%;最后进行了基于生命体征SAR成像的人体呼吸辨识实验,实验结果表明系统可准确定位场景中的3个人体目标,最大误差为0.05m,且呼吸辨识正确率分别为84%、92%、82%,实验结果验证了本文系统的有效性。