相较于传统的红外、激光、超声等传感器,毫米波雷达具有受环境影响小,测距、测速和测角方面分辨率高等特点,在目标检测方向具备独特的使用价值和广泛的应用前景。本文围绕人员定位跟踪、生命体征检测和手势识别三个方面设计相应算法。并基于IWR1642平台实现77GHz的线性调频连续波(LFMCW)雷达目标检测系统,完成算法的验证。主要的工作如下:1.针对高效、准确的人员定位跟踪问题,提出了一种基于扩展卡尔曼滤波的目标跟踪方法,解决了实际检测环境中的非线性跟踪问题,最终实现了人体目标的精准定位以及运动轨迹的描绘。为了解决多目标检测问题,设计了一种稳定的恒虚警概率(CFAR)检测算法,提取出了二维距离-多普勒信息中目标的距离和速度信息。为了实现运动目标的稳定识别,本文分析了实际检测环境的静态杂波特征,采用了动目标显示(MTI)和动目标检测(MTD)算法,抑制杂波并提高了信噪比。2.针对实时、精确的生命体征检测问题,对回波信号采用相位检测法进行处理,并提出了一种基于频谱估计法的实时呼吸速率和心跳速率估计方法,从时域和频域进行多方位估计,保证了心率和呼吸频率计算准确性;在此基础上为了减少运动对心跳信号的影响,提出了一种受损片段去除算法,提高了心跳信号检测的准确性。对于信号中的噪声,建立了人体反射信号模型,设计Savitzky-Golay滤波器实现了回波信号的增强。3.针对手势识别问题,分析了六种手势的特点,提出了多维手势特征信息提取算法,对每种手势分别提取6种特征信息,并构造本地数据集;根据提取的特征和分类需要,设计了二叉树结构的多分类SVM,对此SVM分类器进行训练,实现了手势识别的功能。4.利用MATLAB对毫米波雷达采集的原始数据进行离线处理和分析,验证了上述各算法的有效性;基于IWR1642平台实现人员定位跟踪、生命体征检测和手势识别功能,并完成系统测试,结果表明本文提出的算法具有可行性和可靠性。