说谎是人类日常生活中一种常见且复杂的行为,会对他人的认知造成恶劣的影响,情节严重的甚至构成犯罪。测谎技术的研究对于心理学、生理学、行为学、刑侦、司法等领域有着重要的意义。语音作为谎言的直接载体,是目前测谎技术的主流研究方向之一。但是由于语音的个体差异性极强,其测谎的局限性较大。生理信号具有极强的客观性和规律性,对于测谎有着重要作用,但其传统接触式测量方式会对结果产生影响。因此,本文提出基于语音和雷达双传感器的测谎系统及技术,非接触式地获取语音、心跳和呼吸三种信号,借助于特征提取、特征融合和机器学习技术来实现测谎,能够克服单一传感器的局限性,提高测谎准确率。本文的主要工作为:1、提出了基于语音和雷达双传感器的测谎系统,对雷达的工作原理和组成部分进行了介绍。其次,介绍了测谎范式和常用数据库,并构建了适用于本文双传感器测谎技术研究的数据库。最后,介绍了本文所采用的机器学习算法模型。2、基于语音的测谎技术研究。首先,对语音信号进行基于SOX和改进谱减法的组合降噪、基于能零比法的声音事件的检测等预处理。其次,根据说谎时语音的变化特点,运用open SMILE进行语音特征提取。最后进行语音测谎分类,实验结果表明,基于Boruta算法特征选择后的准确率可达64.8%。3、基于雷达的测谎技术研究。首先,对雷达信号进行反正切解调、滤波和裁剪同步等预处理获得心跳和呼吸信号。其次,对心跳和呼吸信号进行传统特征提取。基于说谎时生理信号的短时变化特点,提取心跳和呼吸信号的帧级特征。最后进行心跳和呼吸测谎分类,实验结果表明,基于呼吸信号的测谎准确率可达64.6%,基于心跳信号的测谎准确率可达68.1%。4、基于语音和雷达双传感器的测谎技术模型,提出了一种基于PCA降维的改进典型相关分析的特征融合算法,该算法通过特征降维后最大化特征集之间的相关性来融合语音、心跳和呼吸三种特征集。实验结果表明,融合后的测谎准确率达到了71%,本文提出的特征融合算法比另外两种算法在准确率上提高了至少2%,在融合分类时间效率上提升了至少30.8%。