脉冲多普勒雷达可以用于生命体征检测和目标行为识别等的研究。基于脉冲雷达的生命体征信号检测技术成为近年来生命探测领域研究热点之一。相应地,传统的人体行为方法需要人工提取特征,分类识别性能受选取的特征和提取特征的准确度影响,普适性不强。针对以上两点,本文的研究工作从以下两方面开展。一方面,本文研究了生命体征信号(以呼吸、心跳信号为主)的提取、分离方法,提出了一种改进的基于小波变换的变数据长度呼吸谐波剔除方法用以实现心率快速检测。通过小波特性分析选取最合适母小波用于该方法研究,并用实测录取数据进行验证,较好地抑制了呼吸信号谐波对心率检测的干扰,实现了心率快速准确检测。另一方面,本文研究了基于卷积神经网络(Convolutional Neural Network,CNN)的人体行为识别方法。只需输入时频谱图等原始信息,就可实现高准确率分类识别,可以很容易运用到其他目标的分类识别中。在研究已有的只基于时频谱图的卷积神经网络分类识别的基础上,加入目标距离像信息,提出基于卷积神经网络的慢时间-距离像和时频谱图融合的人体行为识别方法。实验分析了,只输入慢时间-距离像、只输入时频谱图、输入时频谱图和慢时间-距离像纵向堆叠和输入时频谱图和慢时间-距离像横向堆叠四种情况下的分类识别性能。实验结果表明,时频谱图和慢时间-距离像横向堆叠输入卷积神经网络可以获得最好的分类识别准确率。