室内人体感知技术是人类社会、信息空间和物理世界紧密联系与互动的重要桥梁。通过获取室内空间中人-物-环境全面和精确的感知信息,室内人体感知技术为智能家居、健康监测、智慧养老、人机交互等应用提供数字化和智能化服务。由于毫米波雷达具有被动感知、空间分辨率高、隐私保护性强、不受天气和光线影响等优势,逐渐成为室内人体感知的研究热点。本文围绕毫米波雷达的室内人体感知技术,深入分析了毫米波雷达在室内人体感知中的感知机理,针对毫米波雷达人体感知信号特性,开展基于毫米波雷达的人体步态识别、人体手势识别、人体心跳检测以及人体心率变异性（Heart Rate Variability,HRV）监测的研究,解决了室内人体感知面临的噪声干扰强烈、感知泛化能力弱、微弱信号感知困难以及复杂场景感知精度受限等问题,增强了基于毫米波雷达的室内人体感知技术的感知能力。本文的主要创新研究如下:（1）针对室内人体步态识别过程中杂波干扰强烈、三维步态点云特征提取不全面等问题,提出了一种基于时空特征融合的多人步态识别方法。基于毫米波雷达室内人体感知原理,设计基于动目标指示（Moving Target Indicator,MTI）的静态杂波去除方法和基于DBSCAN的空间点云聚类降噪方法,消除室内环境中的静态和动态杂波干扰,在此基础上,构建基于时空特征融合的神经网络模型,全面提取和融合了三维步态点云中蕴含的时序和空间信息,最终实现精确的多人步态识别。（2）针对现有的基于毫米波雷达的手势特征提取模型容易受角度、距离的变化影响,无法表征手势内在的固有特征,模型泛化能力弱等问题,提出了一种基于双流特征模型的跨域手势识别方法。通过研究毫米波雷达3D点云感知机理,揭示手势运动引发的点云变化特性,基于上述特性,设计毫米波雷达3D点云的空间对齐机制,消除感知目标与设备的相对位置变化引起的感知误差,并且在空间位置校准的基础上,构建基于双流特征的跨域感知模型,最终实现手势运动的精确跨域感知。（3）针对心跳检测过程中心跳信号微弱、呼吸及其谐波干扰严重导致感知困难的问题,提出了一种基于小波包变换的心跳检测方法。通过建立呼吸和心跳运动引起的胸腔位移的精细运动模型,揭示心跳运动引起的胸腔位移的内在规律特性,基于上述规律,设计一种基于差分增强的心跳信号增强方法,增强对心跳运动的感知能力,在心跳信号增强的基础上,建立一种基于小波包变换的心跳二次谐波信号重构策略,抑制呼吸及其高次谐波对心跳信号的严重干扰,有效提高心跳感知准确率。（4）针对HRV监测中面临的随机人体运动（Random Body Movement,RBM）干扰严重和复杂场景下心跳信号分离困难等问题,提出了一种复杂场景下基于变分模态分解（Variational Mode Decomposition,VMD）的高精度HRV监测方法。通过分析心跳和呼吸引起的胸腔运动模型,设计一种基于熵阈值的RBM干扰滤波器,分离RBM带来的干扰,在此基础上,提出一种基于VMD的信号分离器,提升多信号的分离效果,最终实现复杂场景下高精度的HRV监测。综上,本文对基于毫米波雷达的室内人体感知方法开展研究,提出了鲁棒且普适的毫米波雷达室内人体感知方法,并利用商用毫米波雷达设备在不同室内场景开展了大量实验,实验结果验证了本文所提方法的有效性。该论文有图76个,表5个,参考文献167篇。