随着社会的发展和科技的进步,人们对于身份识别的需求不再仅仅局限于识别的安全性,也在一定程度上呈现了追求便利和保护个人隐私的特点。基于雷达微多普勒的步态身份识别作为一种新兴的生物识别技术,不受天气、光线的影响,不仅不需要用户的主动配合,还可以在远距离以及佩戴口罩、面具甚至卧室等场景下工作,在提高便利性的同时也兼顾了用户的隐私。因此,基于雷达微多普勒的步态身份识别在安全监控、门禁系统、人机交互、智能家居等领域都具有广泛的应用前景和经济价值。本文针对基于雷达微多普勒的步态身份识别,对单一步态模式、多种步态模式以及多个行人目标等关键问题进行了深入研究,主要工作如下:（1）提出了一种新的双通道网络结构（CNN+RNN）用于步态特征的提取和识别。本文研究了神经网络的相关理论,并在通常用于识别的卷积神经网络结构中加入了可以提取时间信息的网络分支（循环神经网络结构）,通过提取不同维度的特征并融合来实现身份的稳定识别。（2）研究了单一步态模式下的步态身份识别并通过所提出的CNN+RNN网络结构实现了识别方法的长时间稳定性。人体的微多普勒会根据观测对象的变化（例如服饰的不同和步行姿势的轻微不同）产生变化,因此探讨识别方法关于时间的稳定性是有必要的。本文通过短时傅立叶变换处理雷达数据,得到相应的微多普勒特征,采用CNN+RNN的网络结构,探讨了所提出的步态识别方法在不同时间段内的稳定性,结果表明识别准确度均可以达到90%以上。（3）研究了多种步态模式下的步态身份识别。现实生活中行人目标会存在多种步态模式,本文将单一的步态模式扩展到生活中三种常见的步态模式（步行、慢跑和带书走路）,探索了基于77 GHz毫米波雷达在多步态模式下进行身份识别的可行性。在本文中雷达采集到的原始信号经过处理后以微多普勒谱图的方式呈现,然后采用CNN+RNN进行谱图的分类和识别。在三种步态模式的情况下,网络的识别准确度可以达到95%以上。另外,即使受试者以训练集中未包括的其他步态模式行走,该方法也可以识别其身份。（4）提出了多个行人目标场景下的多用户身份识别方法。由于回波信号的叠加,同时识别在雷达视场中移动的多个行人目标（尤其是并排行走的多人目标）是一项具有挑战性的任务。本文首先采用基于密度的聚类算法分离不同目标的散射点群组,然后基于卡尔曼滤波进行轨迹跟踪并提取出各目标的微多普勒特征,最后利用CNN+RNN实现步态识别。实验结果表明,该方法在两人、三人并行的情况下分别可以达到90.3%、89.9%的识别准确度。综上,本文对各种复杂场景下的步态身份识别方法进行了研究,所提出的网络结构可以实现单一步态模式以及多种步态模式下的身份识别且具有一定的时间稳定性,并针对多个行人目标并行的场景提出了多用户识别方法。研究结果表明,本文提出的识别方法在各种场景下均可达到较高的准确度。