毫米波生物雷达可以实现对呼吸和心跳信号的远距离检测。与传统方式相比,它能给人体带来更舒适、更便捷的体验,因此也逐渐成为雷达领域的研究热点。毫米波雷达除了应用在生命体征检测方面,在气象预报预测、安防、军事、汽车智能驾驶辅助系统等方面也得到了广泛应用。随着毫米波雷达数量的增多,可能会发生雷达之间相互干扰的情况。毫米波雷达的互扰会导致信号的底噪增加,而呼吸和心跳信号又是比较微弱的,因此就会导致生命信号被淹没。此外,由于呼吸信号的二、三、四次谐波频率都有可能处于心跳频率范围,导致难以正确的提取到心跳信号。因此,本文针对以上两个问题进行研究,主要工作如下:（1）分析了毫米波生物雷达检测生命体征过程中出现的干扰。首先,分析了环境杂波干扰和毫米波雷达之间的相互干扰对生命体征检测的影响。对于环境杂波干扰,分析了杂波干扰的数学模型以及频域特点,并通过仿真实验证明了杂波对生命体征检测的影响。对于毫米波雷达之间的相互干扰,分析了互干扰的数学模型、时频域特点,从理论上分析了雷达互干扰对生命体征检测的影响,并通过仿真得出生命体征被雷达相互干扰的情况验证了理论分析。其次,分析了呼吸谐波对心跳信号检测的影响。呼吸谐波的频率范围可能会在心跳信号的频率范围之内,且呼吸信号的幅度比心跳信号幅度大得多,因此呼吸谐波会影响心跳信号的提取。通过实验验证了呼吸信号三次谐波对心跳信号的影响。（2）研究了毫米波雷达在互干扰情况下的生命体征提取。提出了一种改进的形态分量分析的算法来抑制干扰,并提出一种自适应参数模态分解算法提取呼吸和心跳信号。首先通过所提出的干扰信号检测算法确定受干扰的信号,然后利用期望信号和干扰信号在不同的稀疏域上具有不同的稀疏性,将干扰信号和期望信号分离以达到抑制干扰的效果。尽管干扰被有效的抑制,但是稀疏域不是绝对稀疏的,导致会有残余噪声存在。因此,利用自适应参数变分模态分解算法从含有残留噪声的信号中提取呼吸和心跳信号,该算法以能量损耗率为指标进行参数优化,并根据模式的中心频率自适应调整惩罚值的步长。实验结果表明,改进的形态分量分析算法可以有效地抑制干扰,自适应参数变分模态分解算法能够有效的提取出生命体征。（3）研究了心跳信号在呼吸谐波干扰下的检测。提出小波分离算法来分离呼吸谐波和心跳信号,并提出一种能量占比的方法提取心跳信号。首先分析小波技术原理,并说明小波的多分辨率特性。然后针对母小波以及分解层数最优选择问题,分析各母小波的性质,选择最佳母小波以及分解层数。最后,通过计算各小波系数中心跳信号的能量占比选择心跳信号。实验结果表明,小波分离算法能有效的分离呼吸谐波和心跳信号,并且能量占比的方法能够正确的提取心跳信号。