伴随着信息化时代的不断进步,电子技术飞速发展,以雷达为代表的非接触式传感器进入了人们的视野。通过分析雷达接收的电磁波,我们可以发现目标并获得其位置、运动方向、速度等信息。不仅如此,搭配着特定的雷达信号处理算法,我们可以将雷达应用得更宽、更广,如人体动作识别、多目标识别和室内定位等。本文对雷达信号处理算法展开研究,主要的研究内容和创新点如下:（1）提出了一种基于多分类结构的超宽带雷达人体动作识别算法。本算法包括三部分:首先,使用k-近邻（kNN）算法对预处理后信号的径向特征进行分类从而识别受试者的径向位移方向;然后,使用提出的功率谱特征提取算法和多普勒频移特征提取算法提取和可视化在第一部分中已分类数据的特征;最后,将从第二部分得到的特征谱图送入卷积神经网络（CNNs）进行训练和测试以实现人体动作的分类识别。为了验证所提出算法的性能,包含1 5个人（每人12种动作）的数据集被创建,并使用五折交叉验证计算识别准确率。结果表明,对受试者径向位移方向进行判断的平均准确率达99%,对受试者动作种类进行判断的平均准确率达98%。实验证明,本算法能在人体日常动作中实现较高的识别准确率且在多种测试环境下是可行的。（2）提出了一种基于整体信号模式的超宽带雷达多目标识别算法。本算法包括三部分:首先,对雷达原始回波信号进行预处理去除背景和空间杂波并进行距离补偿;然后,基于UWB信道模型利用簇特征提取的方法提取信号模式特征;最后,利用k-近邻（kNN）算法对信号模式特征进行分类。为了验证所提出算法的性能,包含0-5人的场景数据集被创建,并使用五折交叉验证计算识别准确率。结果表明,在较空旷的室内环境中本算法的平均人数统计准确率在90%以上。实验证明,本算法的计算复杂度较低且在多种测试环境下对区域内的人员数量进行检测是可行的。（3）提出了一种基于毫米波调频连续波雷达的室内定位算法,本算法包括三部分:首先,利用背景频谱相减法和MTI算法滤除背景噪声;然后,分别利用距离FFT、速度FFT、角度FFT对目标距离、速度、角度信息进行检测;最后,将得到的距离、速度、角度信息进行整合并在方位图中标识。为了验证所提出算法的性能,用测量工具对真实距离、角度信息进行测量,并与雷达探测结果进行对比。结果表明,在较空旷的室内环境中本算法的单目标定位平均距离误差在10cm以内,角度误差在5°以内。