汽车已经成为人们的主要代步工具之一,驾驶是现代社会的重要组成部分。每年因道路交通事故造成的损失不计其数,而驾驶者的不当操作一直是车祸的主要原因之一,因此驾驶检测对保障人们的生命财产安全有着至关重要的作用。关于驾驶检测的研究,目前已有的处理方法是基于对驾驶者生理信息、车辆的状态信息以及驾驶者的头部视觉信息,实现对驾驶者状态的检测。不过这些方法存在着对驾驶者侵犯性较强、易受环境影响和涉及个人隐私等不足,针对这些不足和缺陷,本文将采用一种雷达系统对驾驶过程中的驾驶行为进行分析和识别。在本文中,使用线性调频连续波雷达系统对驾驶者进行行为动作的数据采集,并对雷达数据进行分析处理,实现对驾驶过程中可能出现的7种常见驾驶行为的分类和识别,本文的主要工作如下:1、介绍本文所选用的线性调频连续波雷达系统,阐述系统构成以及工作原理,对驾驶行为的雷达回波信号进行理论分析,并给出雷达回波信号的预处理过程。2、基于驾驶者的运动相对雷达传感器产生的多普勒信息,分别从时间域和距离域对雷达回波信号分析处理,提取驾驶行为的时间多普勒特征和距离多普勒特征,最后利用分类器实现对驾驶行为的识别分类。3、针对多普勒特征处理过程中出现的阈值选取困难以及特征提取的冗繁,提出基于卷积神经网络的驾驶行为识别方法。首先建立驾驶行为的时频图数据集,然后构建最佳的网络结构,并利用数据集对网络进行训练及调参优化,最后引入卷积自编码器,对网络的卷积层进行初始化预训练,解决了因数据集较小而产生的无法收敛到最佳值的问题,提高了驾驶行为识别的准确率。4、设计驾驶行为的数据采集实验,对七种驾驶行为进行雷达数据采集并分析处理。实验结果表明,时间多普勒和距离多普勒处理结果分别达到了93.7%和91.3%,改进后的卷积神经网络的分类准确率达到了98.9%,有效论证了本系统方案的实施可行性。