非接触式生命体征探测雷达通过提取人体目标的生命体征信号以准确识别人体目标的位置、生理状态等参数。相比传统的非接触式视频、音频传感器,非接触式生命体征探测雷达因具有环境适应性好、穿透性强、无隐私问题等优势而成为现代雷达领域与生物医学传感领域的交叉研究热点。研究非接触式生命体征探测雷达对于居家健康监护及反恐救援等应用具有重要现实意义。然而,基于非接触式生命体征探测雷达的人体目标识别领域仍存在许多可改进的问题,如穿墙多人体目标检测、人体目标二维（2-D）成像、人体目标间身份辨识等。本文围绕上述热点问题展开基于非接触式生命体征探测雷达的人体目标识别理论及技术的研究。本文主要研究工作及创新点包括:（1）针对穿墙雷达多目标生命体征探测中存在的相互干扰、信号混叠等问题,本文对穿墙多目标生命体征分离技术进行研究,并提出一种基于变分模态分解（VMD）的穿墙多目标时变生命体征分离算法。本算法充分考虑墙后人体目标的位置及呼吸状况,通过对回波信号进行模态分解与时频分析,不仅可对墙后多目标进行准确定位,并且可对同距离门内多目标的时变呼吸信号进行有效分离。实验结果表明,对比传统生命体征检测算法,本算法可在穿墙的情况下有效分离出三个人体目标的生命体征信号,表现出在处理穿墙多目标时变生命体征信号的混叠问题时的良好性能和适用性。（2）针对移动雷达平台下的人体目标识别问题,本文对SAR成像中的人体目标识别技术进行研究,并提出一种基于移动双模式雷达的人体目标识别算法。通过使用无人机载双模式调频连续波（FMCW）雷达,本算法在FMCW模式获取全场景SAR成像的基础上,使用单频CW模式对移动场景中存在的呼吸信号进行时频分析,以此识别场景中人体目标的2-D定位。实验结果表明,对照传统SAR成像结果,本算法不仅可对大范围场景进行拼接SAR成像,同时也可实现单个人体目标的2-D成像及其呼吸信号的有效检测。（3）针对双模式雷达人体目标识别算法中存在的检测复杂度高、多目标识别困难的问题,本文接着提出一种基于移动单模式雷达的人体目标自动识别算法。本算法使用单模式FMCW雷达,简化了硬件和信号处理的步骤,并创新性的通过对人体目标呼吸循环的提取与分析,达到对人体目标进行自动识别的目的。实验结果表明,对照基于移动双模式雷达的人体目标识别算法,本算法不仅可在FMCW SAR成像中实现多个人体目标的检测、方位向二目标中的人体目标识别以及复杂室外场景中的人体目标识别,并且可获取其完整的呼吸波形。显示应用于城市救援中的巨大潜力。（4）针对人体目标间的身份辨识问题,本文对不同人体目标的呼吸特征进行研究,并提出一种基于呼吸特征的人体目标间身份辨识算法。通过充分考虑人体目标间呼吸信号存在的差异,本算法通过获取训练集中多目标的持续呼吸信号,并从呼吸的病理特征中提取16种有效呼吸特征,最后建立训练模型进行人体目标间的身份辨识。实验结果表明,本算法在有监督学习的情况下,可仅通过呼吸信号的提取与分析,对多个人体目标的身份信息进行辨识,高达93.3%的准确率进一步说明本算法的稳定性与有效性。