呼吸和心跳作为人体重要的生命体征,其数值可以反应人体的健康状态。现有的接触式生命体征检测往往给使用者带来诸多不便,而调频连续波雷达具有体积小、分辨率高等优点,可通过探测呼吸心跳引起的胸腔微动,实现非接触式的生命体征检测,具有广阔的应用前景。但由于人体心跳信号较为微弱,采用现有的生命体征检测算法进行心率估计时,易受到来自呼吸谐波的干扰,从而影响心率估计的准确性。因此,本文采用77GHz的AWR1642调频连续波雷达进行了生命体征检测算法的研究,具体内容如下:在理论基础方面,从调频连续波雷达发射信号、接收信号和中频信号出发,详细推导了雷达进行生命体征检测和目标探测的理论公式,论证了以相位提取为原理进行生命体征检测的可行性。在呼吸谐波干扰问题的处理方面,本文提出了基于由粗到精（Coarse-toFine）的呼吸心跳估计算法,将前人提出的心率检测公式用于波峰判定。在心跳信号时域中进行心率粗估计,设定相邻波峰间隔阈值,将间隔小于阈值的波峰判定为呼吸谐波引起的虚假波峰。通过计算剩余真实波峰间隔的平均值,得到心跳频率的粗估计值。然后在心跳信号频域中进行心率精估计,通过谱峰搜索,将最接近时域粗估计值的频谱峰值作为人体的心跳频率。在生命体征检测算法方面,本文采用了经验模态分解（EMD）和改进的集合经验模态分解（MEEMD）这两种传统的生命体征检测算法,与Coarse-toFine算法进行对比。为了比较三种生命体征检测算法的性能,进行了多人次实验。在实验前,搭建实验场地,模拟人体在现实场景下进行生命体征检测可能出现的距离和方位情况。通过实验比较了EMD,MEEMD和Coarse-to-Fine这三种算法,在人体与雷达呈不同距离和角度情况下的心跳检测平均误差率,其结果分别为4.18%,3.03%和2.34%。实验结果表明,Coarse-to-Fine估计算法的心跳检测误差率最低,并且其数据平均处理时长最短,为0.71s,性能最优。此外,还研究了人体与雷达在不同距离和不同角度下,对于Coarse-to-Fine算法心率估计的影响。对结果进行分析可以得出,在1.5m范围内,随着人体与雷达距离的增加,Coarse-to-Fine估计算法的检测误差率出现了一定幅度的上升。在45°范围内,该算法检测误差率随着人体与雷达角度的增大并无明显变化趋势。最后,本文进行了生命体征检测系统的上位机界面设计,并与调频连续波雷达连接,在人体正常心率和高心率状况下,进行了生命体征检测系统的测试。测试结果表明,该系统可稳定运行,且检测误差率在5%以内。