人体动作识别在军事安全、人机交互和医疗看护等诸多领域具有重要的研究意义和实用价值。相较于接触式传感器、视频监控系统和热红外成像传感器,雷达技术发射电磁波作为探测信号,通过分析人体动作的回波信号并结合机器/深度学习方法实现人体动作的准确识别,其具有不受环境温度和可见度干扰并且保护个人隐私的优势。然而,现有雷达技术存在不同缺陷,包括单频连续波雷达无精确定位功能,线性调频/步进频率连续波雷达的高距离旁瓣,脉冲多普勒雷达需折中考虑信噪比和精度,此外,上述雷达的回波信号还易受外界电磁干扰。宽带随机码信号具有宽频带和类δ函数的自相关特性,作为雷达发射信号可实现高距离分辨率和强抗干扰探测,此外,测量信噪比可以通过增加相关时长而非增大信号幅值提高。目前,随机码信号雷达还未被广泛用于人体动作识别中。本文将宽带随机码雷达引入人体动作识别中,研究了基于宽带随机码雷达的人体动作识别方法,实现强噪声环境下的人体动作准确识别。主要研究工作总结如下:（1）概述了人体动作识别的研究背景及意义,在对比不同雷达体制识别人体动作研究的基础上,分析了雷达信号处理与动作识别方法的研究现状。（2）搭建了宽带随机码雷达的实验系统,介绍并分析了随机码信号的产生方法与特性,提出了基于宽带随机码雷达的人体动作识别方法。该方法通过对人体动作的回波信号进行慢时域距离累积、静态杂波去除以及短时傅里叶变化获得人体动作的慢时间-多普勒频率图,进一步通过归一化和快速主成分分析提取动作特征,再分别基于支持向量机（Support Vector Machine,SVM）、K最邻近（K-Nearest Neighbor,KNN）和卷积神经网络（Convolutional Neural Network,CNN）进行动作分类。（3）进行了宽带随机码雷达识别自由空间中人体动作的实验研究,在分析了八种动作的慢时间-多普勒频率图以及第一主成分特征的基础上,基于SVM、KNN和CNN三种分类器分别实现了96.875%、85.5%和98.625%的平均分类准确率。此外,该雷达还具备识别多种角度或者多个人体目标的潜能。（4）研究了宽带随机码雷达在强噪声环境下的人体动作识别性能。结果表明:宽带随机码雷达的抗干扰容限可以达到27.6 d B,此时,该雷达仍可以实现96.39%的动作分类准确率,表明宽带随机码雷达具有强抗干扰能力,能够实现强噪声环境下人体动作的准确识别。