呼吸是反映身体状况的重要指标之一,基于雷达的呼吸检测无需佩戴任何仪器,应用灵活,成为目前热门的检测手段。现实中进行呼吸检测时,体动的存在会带来巨大的干扰,现有的雷达呼吸检测方法均要求人体处于静坐或静卧等体动轻微的状态,对人体体态具有约束性。本文针对这个问题,研究了运动状态下的体动去除,实现了运动状态下的雷达呼吸检测,本文的主要工作如下:1、介绍了基于连续波雷达的呼吸检测系统,分析了雷达工作原理和回波信号,对静止状态下的基于匹配滤波、基于LMS与基于小波变换的体动去除算法进行了分析,并通过仿真对算法性能进行了对比验证,最后根据本文针对的运动状态下的雷达呼吸检测,给出了信号处理流程。2、针对运动状态下大体动（人体运动产生的多普勒频移）对呼吸信号的影响,设计了基于自适应频移检测的大体动去除算法,使用变步长滑窗的方式,根据人体运动的不同阶段、不同方向自适应地对信号进行划分,并根据不同运动状态进行多普勒频移消除处理,最后通过仿真验证了该算法可有效去除大体动对呼吸信号的影响。3、针对运动状态下小体动（随机体动）对呼吸信号的影响,提出了基于深度神经网络的小体动去除算法,首先优化了用于建立数据集的呼吸仿真信号,并设计了数据集建立方案,然后构建了DNN模型,通过数据集对网络结构与训练参数进行了调优。4、构建实验平台分别验证基于自适应频移检测的大体动去除算法、基于深度神经网络的小体动去除算法的性能以及运动状态下雷达呼吸检测的有效性。人体实测结果表明,利用本文提出的大体动去除算法对信号进行处理后,获得的呼吸信号频率与呼吸带测得频率间的误差为3.0%;利用本文提出的小体动去除算法对信号进行处理后,获得的呼吸信号与呼吸带测得信号间的平均RMSE,相较于传统随机体动去除算法,下降了8.8%,达到了0.307;使用本文提出的方法对运动状态下雷达检测到的信号进行处理后,得到的呼吸信号频率与呼吸带测得的参考信号频率间误差为6.7%。