基于雷达的非接触生命体征检测技术是以电磁波为载体,穿透衣服、墙壁等非金属介质检测人体呼吸、心跳、体动等生命参数的前沿技术,该技术不受光照气温等环境条件限制,能够实时精确感知运动人体随时间变化的轨迹以及检测人体微动特征。除了用于临床生命体征检测,在军事反恐、消防救援、家居健康监护等多个领域也得到广泛应用,具有重要的研究价值和巨大的市场潜力。近年来,雷达生命体征检测技术的研究主要围绕雷达传感器系统开发和信号处理算法研究展开,系统开发方面通过采用先进的MMIC技术提高回波信号质量,提高检测灵敏度;算法研究方面则从复杂回波信号中准确分离提取生命体征信号。然而,雷达生命体征检测技术还存在一些亟需解决的问题,如系统检测灵敏度不够、抗干扰性能差、在复杂环境中无法检测、在复杂杂波背景中无法有效提取呼吸心跳信息及缺乏对多目标生命体征检测的研究等。本文围绕生命体征检测雷达系统设计和呼吸心跳信号提取分离算法展开了研究,主要内容归纳如下:1.生命体征检测的原理分析。根据生命体征信号的特点进行建模,并采用毫米波频段进行生命体征检测,介绍了毫米波调频连续波雷达进行生命体征检测的工作原理以及相应的测量指标,系统分析了传统信号处理方法进行生命体征检测的原理及存在的不足。2.毫米波阵列生命体征检测雷达的设计开发。根据生命体征信号的特点分析所需雷达系统的功能,提出通过多芯片级联技术增大系统角分辨能力来进行多目标生命体征检测,并完成了雷达系统架构、芯片选型、芯片级联的实现、阵列天线的设计工作。设计实现的雷达系统能分别以多输入多输出（MIMO）模式和波束形成模式工作来实现不同的雷达功能,采用MIMO模式时虚拟天线阵列最大化可提高测角分辨率至1.4;波束形成模式时则提供了更高的输出功率,提高了检测低RCS目标的能力。3.呼吸心跳信号分离提取算法研究。详细论述了经典经验模态分解（EMD）算法及用于解决模态混叠问题的噪声辅助经验模态分解算法的基本原理。针对经典算法在分解过程中因为集合平均次数的限制仍然存在残留噪声、完备性差等问题,提出了在逐步分解的过程中添加自适应噪声分量的自适应噪声完备集合经验模态分解算法,仿真实验结果表明CEEMDAN算法能有效解决和改善重构误差问题。通过对单目标及多目标的实测实验,系统能够检测到1.2m处测量目标的呼吸心跳,对呼吸的检测误差在±1次以内,对心跳的检测误差在±3次以内,验证了所设计生命体征检测雷达系统和呼吸心跳分离提取算法的有效性和实用性。