生命体征是标志生命活动存在与质量的重要指征,针对人体的生命体征监测能够为疾病的预防与临床诊断提供重要依据。超宽带(Ultra-WideBand,UWB)雷达具有低功耗、高分辨率的特性,能够提供一种非接触式的监测方式,且回避了易受光线干扰与侵犯隐私的问题,已被广泛用于众多生命体征监测系统中。然而现有的生命体征监测系统,对于多目标生命体征同时监测的探讨不够,对于如何去除目标随机体动的研究仍有不足。本文针对以上两个问题,分别提出基于位置的变分模态分解法的车内多目标生命体征监测与基于正弦拟合和映射算法的波形联合优化的动目标生命体征监测算法。本文提出了复杂强反射环境下的多目标生命体征监测算法,解决了金属多径干扰与多目标多径混叠干扰环境下多目标生命体征信号难以区分的难题。依据已知位置信息对雷达信号进行分区变分模态分解处理后,利用同一目标的生命体征信号在时域上具有更好的相关性这一特性,将与其他位置目标提取出的生命体征信号具有最大相关性的信号作为多目标混叠信号去除,实现多目标干扰去除。本文提出抵抗运动干扰的波形联合优化以实现动目标生命体征监测。人体不可避免的身体动作导致信号周期性被破坏,对生命体征信号波形的提取造成了困难。本文应用基于正弦拟合的方法与基于信号幅度与身体运动映射的方法对运动干扰进行消除,并提取波形在时域、频域上的特征,结合随机森林对这些信号赋予权重,使用卡尔曼滤波器进行波形融合,实现波形联合优化,以获得更可靠的生命体征信号波形。为验证上述算法的效果和实用程度,搭建了实际测试环境并采集长时间的雷达信号数据。在此数据集上,将所提算法与近期已有算法进行功能和性能比较。比较结果表明本文所提算法能够较好地完成封闭空间(车内)长时间生命体征监测,在静止与运动状态下的正确度分别可达92.66%与88.41%。