超宽带雷达具有距离分辨率高、穿墙探测、无视遮挡及不易受气温环境影响等优点,在不同领域有着广泛的研究,特别是在雷达智能识别领域,人体行为识别成为当前研究的热点,随着集成电路硬件设备的技术提升,超宽带雷达尺寸越来越小,使得在室内使用具有一定的可行性。论文主要研究基于超宽带雷达的六种人体交互行为识别的算法,采用超宽带雷达对人体交互行为进行数据采集,从数据中提取四种关键特征,输入到支持向量机分类器中识别,从而实现对六种人体交互行为的分类识别。论文首先针对目前没有雷达专用的数据集问题,参考一个专门针对人体交互行为的视频数据库UT Interaction Dataset,采用P440型号的超宽带雷达构建论文所需的六种交互行为的雷达数据集,对数据做去冗余处理。然后在时间-距离二维信息域中进行四种特征的提取,利用基于改进网格搜索优化的支持向量机对六种交互行为进行分类识别,并对识别模型在不同条件下的泛化性能进行分析。在研究二维信息域的基础上,将时间-距离二维平面中的数据升维到距离-多普勒-时间三维空间中后进行四种特征的提取,在多了一维多普勒信息情况下,所提取的特征包含了人体微多普勒信息,能够对人体微动信息更为敏感,使得特征信息更丰富,分类器的训练模型更加精确,识别性能更好,为验证该模型的识别性能与二维识别模型进行对比,结果表明三维识别结果性能提高10%以上,并从不同角度分析三维识别模型的识别性能,说明了三维识别模型具有良好泛化性能。论文以实现超宽带雷达人体交互行为识别为目的,确定识别算法的核心方法,从二维信息域开始研究,并对算法进行扩展,将数据升维到三维空间进行研究,实验结果表明无论在二维还是三维信息域中,识别模型都具有良好的泛化性能,但通过二维识别模型和三维识别模型的对比,三维识别模型具有更好的识别性能,一方面,三维识别模型的准确性得到了大幅度的提高,另一方面,它们的泛化性能也得到了很好的改善。