随着生活节奏的不断加快,突发性心脏疾病引起的猝死事件屡见不鲜,最佳救治时间往往只有短短的几分钟。应对这类突发性疾病,最好的解决办法就是对心跳呼吸等体征信息进行监测,有针对性的提前预警。目前市面上有很多监测仪器,但大多不适合长时间监测,接触式测量还会影响生活质量。本文设计了一种用于家庭的多普勒雷达生命体征监测系统,实现对人体心跳、呼吸以及睡眠状态的监测。针对雷达信号中噪声和杂波干扰的问题,分析人体轻微体动对呼吸心跳信号的影响,判断在选定的时间窗内是否发生人体体动;通过自相关检测提高信号在低信噪比下的准确性,提高系统的抗噪能力;设计数字滤波器结合短时傅里叶变换对信号进行时频分析提取心跳呼吸频率信息。为了实现人体睡眠状态准确分期,针对非接触方式提取HRV特征参数精度低的问题,提出了基于BPFP的HRV分析算法。在心跳频率估计的基础上,通过窄带滤波器组输出信号的过零点检测提取IBI信息计算HRV特征,结合心率呼吸体动等特征参数,选择基于支持向量机的方法进行睡眠分期。在对支持向量机进行性能优化方面,针对传统粒子群算法精度不足,陷入局部最优等缺点,根据候选解空间适应度情况,动态选择惯性权值,加入自适应变异算子提高多样性,保证粒子群算法的全面寻优能力。实验数据表明,改进算法下的SVM模型相比于GA、PSO、BP算法分类精度更高,可达到91.24%的分期准确率。最后建立基于IWR1642毫米波多普勒雷达的生命体征监测系统,通过雷达前端和信号处理模块完成心跳呼吸信息检测,通过实验对比,验证了系统监测的准确性,能够为个人健康状态评估提供有效的数据参考。