由于人体目标运动状态复杂,散射特性多变,并且探测环境存在强地杂波干扰,所以人体运动状态分类一直是雷达领域的难题之一。本文围绕运动人体目标的探测机理展开,重点研究了步行运动状态下的行人回波模型、运动特征提取方式、运动状态分类、实测数据处理等关键技术。首先根据Boulic模型建立了简化的人体运动模型,将人体的行走过程转换为刚体平移与旋转运动的组合,将身体部件转换为椭圆刚体。建立了LFMCW雷达人体运动回波模型。通过对比模型数据与实测数据的时频图,验证了模型的正确性。其次,对于传统时频分析方式时频聚焦性差的问题,本文结合多重同步压缩算法,通过时频谱的频率维度进行压缩,实现了人体回波微多普勒的“精细刻画”。本文以Rényi熵作为时频谱能量聚焦性的评判准则,并将其作为多重同步压缩门限判定的标准。并且,针对LFMCW雷达距离像存在扩散的问题,设计了基于时频谱的扩散像检测算法,将人体目标的微多普勒信息充分利用。利用图像边缘检测的方式对人体时频谱进行了特征提取处理,并通过SVM分类器实现运动状态分类。最后依托搭建的毫米波实验平台,获取了人体运动的实测数据,验证了算法的可行性。