超宽带穿墙雷达能够实现对建筑物或障碍物后面目标的探测、定位、成像和跟踪,在军事装备、城市安全、火灾及地震等自然灾害搜救方面有着广泛的应用前景。要实现穿墙雷达探测的良好性能,除了系统设计时考虑好雷达的各种参数,设计出性能良好的雷达系统外,信号处理也是一个非常重要的方面。因此,本论文对穿墙雷达信号处理的四个重要方面:目标定位、成像、多普勒频率特性分析和运动模式识别,进行了深入而细致的研究。本论文的主要创新之处在于:1、对于有墙体情况,提出了采用牛顿法求解非线性定位方程组和二维空间搜索法两种目标定位方法,给出了单发双收模式下穿墙雷达目标定位的仿真结果。分析了噪声对定位精度的影响,研究了两个墙参数(墙的介电常数和厚度)都未知情况下的墙参数估计和目标定位问题,给出了目标定位的仿真结果。2、针对有桌椅、柜子等家具的复杂背景房间中,采用后向投影(Back Projection,简称BP)成像,人等运动目标无法与背景区分开来的问题,提出一种动目标BP成像算法。对于超宽带脉冲穿墙雷达,将连续两帧对应接收天线的回波信号相减再BP成像,能够有效消除收发天线间的直耦、墙及墙后家具等静止背景杂波图像,保留人等动目标的像;对于超宽带噪声穿墙雷达,将连续两帧对应接收天线回波与发射噪声信号的互相关信号相减,也能够有效消除收发天线间的直耦、墙及墙后家具等静止背景杂波,保留人等动目标的回波信息。将相减后的信号(对脉冲雷达是回波信号之差,对噪声雷达是互相关信号之差)利用BP算法进行时域相干叠加,从而获得动目标人的像,有效提高了图像信杂比。对上述两种穿墙雷达体制,将生成的动目标图像相叠加,均可得到动目标的运动轨迹图。利用时域有限差分方法(Finite Difference of Time Domain,简称FDTD)模拟了多种穿墙成像场景,仿真结果表明,该方法行之有效,能够对人等动目标进行检测、定位、成像和跟踪。3、由于经验模式分解(Empirical Mode Decomposition,简称EMD)可能存在模式混合问题,并且整体平均经验模式分解(Ensemble Empirical Mode Decomposition,简称EEMD)对信号中的噪声抑制作用不明显,提出了一种改进的EEMD方法。将该方法应用到穿墙雷达人的运动多普勒特性分析中,并通过希尔伯特-黄变换(Hilbert-Huang Transform,简称HHT)得到多普勒信号的时间-频率-能量谱。仿真实例和实验结果分析均表明,改进的EEMD方法不仅能够有效地消除模式混合问题,将被测信号中体现不同运动细节的多普勒频移成分独立分解在不同的本征模式函数(Intrinsic Mode Function,简称IMF)中,而且还能够有效抑制原信号中的噪声,得到更清晰的时频分布。4、利用经验模式分解和支持向量机(Support Vector Machine,简称SVM)相结合的方法对穿墙雷达墙后人的多种运动进行模式识别。分别采用EMD、EEMD和改进的EEMD将穿墙雷达多普勒探测中人的静止站立、静止手臂摆动、前进后退一步、行走、跑步共5种运动的多普勒信号进行分解,选取各IMF能量占总IMF能量的百分比作为特征向量,对实验采集的564组数据采用支持向量机学习算法进行训练和识别,最大正确识别率达到94%以上。