人体或其他生命体通常按照一定的速度、步幅和步频走动或者跑动,因此其谱图呈现出微多普勒特性。人体步态检测与特征提取主要是利用人体行走的动态特性对雷达回波信号进行相位调制,通过时频分析法得到人体谱图,进而分析谱图中人体步态的微多普勒特征,最后完成人体步态检测和对走动速度、步幅、步频等步态参数的提取。本文首先建立一个新的人体走动多普勒模型,在此基础上主要研究了慢速走动人体目标的检测、谱图分析、步态特征提取和性别检测等问题。主要工作如下:1.根据人体12散射点--模型,结合不同雷达场景建立了基于单频连续波和线性调频(LFM)信号的人体走动回波模型;2.研究走动人体目标距离估计的方法。首先对每个距离单元的回波脉冲串进行MTD滤波,然后应用相参积累后频域恒虚警(CFAR)算法检测基于LFM信号雷达体制下的慢速走动人体目标。分析检测性能,同时给出滑窗长度和虚警概率对检测性能的影响;3.分析走动人体目标跨越距离单元的问题,提出实时检测走动人体目标并估计行走速度的方法,对回波进行运动补偿等预处理;4.采用短时傅立叶变换(STFT)等时频分析法得到人体谱图,从理论上推导并分析走动人体各部位的微多普勒特性,并分析由连续波实测数据产生的人体谱图,进而验证了人体回波模型的准确性;5.采用一种基于快速傅立叶变换(FFT)的节拍频率提取算法估计人体步态频率,通过利用人体腿脚摆动产生的多普勒带宽和多普勒变化的周期特性等估算人体走动速度和步频;6.研究人体性别检测方法,进一步由人体走动的步频、步幅推算目标的大腿高度,并根据男女不同大腿高度的概率密度函数来检测目标性别。通过仿真验证了走动人体目标检测和特征提取的有效性和可靠性,并于广泛应用生物医疗、安全检测和反对恐怖分子等方面,弥补了普通生命迹象检测中仅能检测生命体而不能区分人体和其他生命体的不足,同时也对今后进一步研究和实现人体目标分类、各种不同状态分析等提供了一定基础。