呼吸是人体的基本生命体征信息参数之一,它的变化直接反映了人体的健康程度,在生物医学等领域起着至关重要的作用。基于雷达的非接触式生命信号检测技术使用便捷且限制少,相比其他非接触式检测技术具有更强的穿透能力和抗干扰能力,且不易受环境因素影响。毫米波雷达对微动信息特别敏感,非常适用于呼吸检测。除此之外,毫米波雷达在目标检测与跟踪领域不需要通过成像就能完成检测,解决了隐私问题,并且具有超高的位置分辨率。在毫米波雷达检测生命体征信息相关研究领域,目前的研究大多只能完成一定限制条件下的单目标呼吸检测,有关多目标的研究大多停留在理论方案研究层面。此外,目前也没有将生命体征检测与多目标跟踪相结合的一体化系统。本文针对现有研究的不足,将呼吸检测算法和多目标跟踪算法进行融合,提出一种基于毫米波雷达的多目标跟踪与呼吸检测方法并最终集成到一个系统上,本文的具体研究工作和贡献如下:1.利用相关算法准确地从雷达信号中获得相应的距离、速度、角度以及相位等基本信息。利用Capon波束形成以及CASO-CFAR算法结合距离域和角度域的信息进行目标点云检测。提出了一种改进快速DBSCAN聚类算法,可以较快且更好地筛选并匹配目标及其对应点云。2.提出一套以改进快速DBSCAN聚类、EKF与JPDA数据关联为主的完整多目标跟踪算法。该套算法在成功完成多目标检测和跟踪任务的同时利用聚类和数据关联获取各目标匹配的点云,并结合设计的轨迹管理模块存储它们的相位等相关信息。3.提出了一种基于二次聚类和统计信息的目标相位信息提取算法,并在此基础上提出一套呼吸信息提取算法,可以获取多个目标高质量的呼吸信息。4.设计了一套基于毫米波雷达的多目标跟踪与呼吸检测系统,通过软件架构的设计和算法优化,最终成功集成在端上完成多目标跟踪与呼吸检测功能。