近年来,随着硬件设施的不断完善、制作工艺更加的精良、成本越来越低、尺寸越来越小,雷达不仅在军用领域还是民用领域都体现了很好的应用价值。毫米波雷达人体动作识别系统的主要优势在于具有较大的带宽、波束宽度较窄以及具有较高的多普勒频率,因此基于毫米波雷达人体动作识别不仅具有较好的抗干扰能力,而且对于目标动作的细微信息也具有很好的探测能力。本文基于毫米波雷达采集人体动作的回波信号,通过信号处理和时频分析技术对人体动作的回波数据进行处理与分析,从而提取动作的微多普勒特征并进行识别与分类,本文展开的主要工作如下所示:1.针对基于小样本场景下人体动作识别出现训练效果差、过拟合现象以及传统对抗生成网络收敛速度慢、对计算机性能要求高等问题,本文从数据增强及超参数优化方面提出了解决方案。首先,搭建AWR1243雷达数据采集平台,对采集的回波信号进行预处理。其次,利用STFT进行时频分析以及新提出的FT＿SSIM算法进行数据增强。再者,利用提出的ICAGA＿CNN进行分类识别,并与传统的数据增强算法、最优化算法进行实验验证等。为了体现本文搭建的网络模型具有普遍适用性,分别使用了公开的KTH数据集以及实测数据集进行验证。实验结果表明,一方面,本文提出的算法有效避免了小样本场景下过拟合的发生、降低了传统数据增强对计算机性能的要求、加快了收敛的速度;另一方面,本文提出的算法在识别的精确度上具有很好地识别效果,平均识别率达到98.5%。这也说明了提出的算法在小样本场景下雷达动作识别具有很好的表现。2.针对基于毫米波雷达的多个组合动作识别需要考虑到组合动作的实时性、连续性以及整体性等问题,本文从组合动作的时频分析以及目标检测与计数提出了解决方案。首先,搭建AWR1843雷达数据采集平台,对采集的回波信号进行预处理;其次,利用投影方式对于人体的组合动作进行时频分析,并利用FT-SSIM算法对数据进行增强处理;再者,利用所提出的YOLO v5与Deep SORT相结合的方式对人体的多个组合动作进行动作识别与计数。实验结果表明,一方面,本文提出的基于投影方式对于人体多个组合动作的时频分析具有较好的效果;另一方面,本文提出的目标检测与计数算法可以对组合动作具有很好的识别效果,经过迭代300次平均的识别准确率达到了97.5%,说明本文提出的算法在基于毫米波雷达人体组合动作的识别与计数场景下具有很好的表现。