穿透障碍物识别人体目标动作在武装反恐、城市巷战、灾害救援、病人监护等领域具有重要的应用价值,可用于判断建筑物内敌方士兵的行为状态,感知废墟内被困人员的生命迹象,辅助判断远程监护病人的状态以及检测老人跌倒等,已成为穿墙雷达领域的研究热点和难点。针对穿墙雷达人体动作识别的研究尚处于起步发展阶段,存在对复杂、精细动作识别准确率低等问题,本文提出基于卷积神经网络的穿墙人体动作识别方法,利用频率步进穿墙雷达进行人体动作检测,通过杂波抑制、时频分析等数据处理,采用卷积神经网络作为分类器,并进行参数优化,最终实现穿墙状态下的人体典型动作和精细动作的识别。主要研究内容如下:1.总结了现有人体动作识别,特别是雷达式人体动作识别的研究进展,阐述了频率步进穿墙雷达的基本原理,介绍了人体动作识别的常用数据处理方法和分类识别算法。2.提出基于卷积神经网络的穿墙雷达人体动作识别方法。利用频率步进穿墙雷达获取人体动作回波数据,经逆傅里叶变换获得时域信号,利用奇异值分解进行杂波抑制,然后采用短时傅里叶变换得到具有运动目标的微多普勒特征的时频图,作为分类器的输入,构建结构简单的卷积神经网络模型,并优化结构参数。3.搭建了基于矢量网络分析仪的频率步进穿墙雷达系统,针对五种人体典型动作和三种精细动作采集了大量实验数据,经数据处理后利用优化后的卷积神经网络进行分类识别。实验结果表明,所提出的方法对典型动作的平均分类准确率为97%,对精细动作的平均分类准确率为82%。与现有的K-邻近值法和支持向量机法进行对比实验。结果表明,本文方法具有更高的分类准确率。