世界各国老龄化的加重为社会和个人带来了巨大的压力,同时也催生了环境辅助生活这一概念的出现。针对老年人照护的环境辅助生活系统有助于远程的照护人了解老人身体活动能力并做出合适的应对方案,在降低时间与经济压力的前提下延长老人独立生活的时间。超宽带雷达作为一种民用领域的新兴传感技术,由于其隐私保护和非侵入性等优点已经逐渐得到了重视。本文借助超宽带雷达技术探测人类活动的微多普勒特征,利用不同的雷达信号表示域和分类技术对其动作类型进行分类。研究了基于时间-多普勒图和时变距离-多普勒图下的动作识别问题,同时结合动作和定位信息推断目标的行为。主要工作开展如下:1.在四名实验对象的参与下,建立了包含八种室内常见动作的超宽带雷达数据集,用来支持本文所述算法的性能验证;2.利用时间-多普勒图的形式来表征人类动作产生的微多普勒特征,并分别使用传统的预定义特征分类和先进的深度学习特征分类方式进行动作识别,实验结果表明深度学习算法拥有更强大的特征提取能力;3.基于时间-多普勒图信息表征不完全的缺点,提出时变距离-多普勒图这一新型雷达信号表示域,卷积自编码器被用来提取时序特征,最后通过门控循环单元的动态建模得到动作识别结果。这一方法达到了93.88%的识别准确率,且相比于基于时间-多普勒图的方法拥有更小的模型大小和计算复杂度;4.提出一种基于频率过滤的目标定位算法。借助室内区域与常见行为的内在关联性,结合目标定位和动作信息来推断行为的开始、进行和结束。通过UI原型系统来展示行为推断的逻辑过程,证明了此方法的可行性。