在当前人工智能时代,人体动作识别是一个非常具有前景的研究热点,在安防、监控、健康娱乐等领域都有着广泛的需求。对于该方向,雷达传感器对人体的探测有着其他传感器不具备的优势,例如不受天气和光线影响、不会侵犯个人隐私、对人体动作敏感等。因此,近年来,基于雷达的人体动作识别受到了业界广泛关注。通常来说,人体动作识别方法都要求有一定的训练数据。然而,雷达样本数据的采集与标注比视觉图片要复杂很多,需要依赖专业人士,既耗费时间,又耗费精力;且现阶段互联网上尚无与人体动作识别相关的公开雷达数据库。这使得基于雷达的人体动作识别研究的实验数据一直局限于研究人员自己采集的小样本,严重地阻碍了相关研究的发展。本文围绕上述难题,开展了视觉辅助雷达数据自动标注、基于视觉数据模拟雷达回波、基于视觉数据迁移的雷达人体动作识别方法等研究工作。本文主要的研究内容如下:（1）设计与实现了视觉-雷达同步数据采集系统。利用统一的网络时间作为数据同步的标签,建立起多个传感器之间数据的联系,并通过实验方案设计完成了视觉源和雷达源的同步数据采集,为后续的工作提供了数据基础;（2）提出了一种视觉辅助的雷达数据人体动作自动标注方法。利用相对成熟的计算机视觉技术对视觉传感器采集的人体骨架序列进行动作识别以获取动作种类的标签,根据同步时间标签对视觉源与雷达源数据进行匹配,完成雷达数据的自动标注;（3）提出了一种低复杂度的自适应遗忘因子更新的杂波抑制方法。针对时变杂波环境,基于时间平均变遗忘因子机制设计了指数移动平均方法中权重参数的自适应调整算法。仿真实验结果表明:所提方法可以实现快速收敛和良好的稳态性能;（4）提出了一种视觉辅助的双站雷达人体动作识别方法。该方法包含两步:1)利用视觉数据进行雷达样本数据扩充:首先对人体进行建模,然后结合雷达原理在人体骨架序列的基础上模拟出更为贴近实际情况的雷达回波,从而实现了视觉数据向雷达数据的转化过程,生成雷达模拟数据;2)基于双站雷达的人体动作识别:首先通过数据获取、数据预处理、特征提取获得人体动作的微多普勒特征图,然后构建双分支的卷积神经网络实现动作分类。实验数据测试结果表明:所提方法能对6个常见动作（站立、走路、坐下、起身、坐着玩手机、坐着看书）进行有效的分类识别。本文的研究成果对于基于雷达的动作识别与活动监测的应用具有一定的理论意义和实际工程应用价值。