1.一种通过雷达实现人体运动状态识别的方法，其特征在于，包括以下步骤：(1)通过雷达获取人体反射波信号：

(2)使用时频分析方法对获得的人体反射波信号进行处理，以得到人体微动信号；

(3)对得到的人体微动信号进行特征提取，以得到运动特征和包络特征；

(4)使用基于决策树的支持向量机对得到的运动特征和包络特征进行分类。

2.根据权利要求1所述的方法，其特征在于，步骤(1)是通过软件无线电设备实现的雷达功能，且获取的人体反射波信号为：其中A表示雷达信号的幅度，R(t)表示人体与雷达之间的距离，C表示光速，f0表示雷达的中心频率。

3.根据权利要求1所述的方法，其特征在于，步骤(2)中的时频分析方法是短时傅里叶变换方法。

4.根据权利要求3所述的方法，其特征在于，步骤(2)包括以下子步骤：(2-1)利用M阶Hermite函数对人体反射波信号进行处理，以得到原始谱分析结果MWSTFT(t,ω)：其中M为任意自然数，dm为不同阶次Hermite函数的最优加权系数，Hm(τ-t)为Hermite函数，且m为0到M-1之间的任意自然数；

(2-2)以时间为度量，分别提取分布在原始谱分析结果MWSTFT(t,ω)中各个时刻的频率分布，并对提取到的频率分布进行二次求导，以得到矩阵A：(2-3)将矩阵A中接近0的元素所对应的谱分析结果MWSTFT(t,ω)中的时频点判断为平缓信号点，将矩阵A中不接近0的元素所对应的谱分析结果MWSTFT(t,ω)中的时频点判断为振荡信号点；

(2-4)利用频域矩形窗对谱分析结果MWSTFT(t,ω)中的时频点进行处理，以得到最终谱分析结果作为人体微动信号：其中(n,k)表示离散点，Re表示实部信号，L(n,k)表示频域矩形窗，其长度为a表示矩阵A中的元素。

5.根据权利要求4所述的方法，其特征在于，步骤(3)包括以下子步骤：(3-1)采用阈值分割法对人体微动信号进行处理，得到纯净的人体微动信号作为运动特征，该信号中频率随时间变化呈正弦趋势的是摆臂微动信号，频率随时间变化呈线性趋势的是躯干微动信号；

(3-2)对于躯干微动信号而言，获取每个时间点上能量的最大值及其对应的频率，从而形成初始时间-频率包络曲线；

(3-3)采用曲线拟合方法对步骤(3-2)得到的初始时间-频率包络曲线进行扩展，以得到最终时间-频率包络曲线f±(t)，其中f±(t)分别表示前向和后向的最终时间-频率包络曲线。

(3-4)对于摆臂微动信号而言，在每个时间点分别从其频率分布的两端分别进行遍历，将两个方向上第一个信号点作为包络点，从而得到手臂前向运动的包络曲线ffront(t)以及手臂后向运动的包络曲线fback(t)；

(3-5)对步骤(3-3)和(3-4)得到的包络曲线进行特征提取，以得到包络特征。

6.根据权利要求5所述的方法，其特征在于，步骤(3-1)具体为，首先采集不同环境下的背景信号，经过时频分析后，得到对应的能量谱密度矩阵P0；然后对人体微动信号进行时频分析，以得到能量谱密度矩阵P1，以相同的能量范围(pmin,pmax)和能量粒度p对矩阵P0和P1进行能量分布统计以得到一维矩阵P0n和P1n，其中pmin表示P0和P1中的最小值，pmax表示P0和P1中的最大值，且p可为任意自然数；然后，对以上两个统计结果进行减法运算，以得到统计能量差矩阵ΔPn，对统计能量差矩阵进行边界检测，从而得到对应的切割阈值，然后将人体微动信号上不同时频点的值与切割阈值进行比较，将小于切割阈值的时频点的值设置为-

120dB，将大于等于切割阈值的时频点的值进行保留，最终得到纯净的人体微动信号。

7.根据权利要求6所述的方法，其特征在于，运动特征是躯干运动多普勒频率、躯干运动多普勒信号带宽、手臂前向摆动微多普勒频偏、手臂后向摆动微多普勒频偏、以及手臂摆动微多普勒信号带宽。

8.根据权利要求5所述的方法，其特征在于，步骤(3-3)是采用以下公式：其中f(t)表示拟合的曲线，N表示初始时间-频率包络曲线上的时间点数量，yt表示初始时间-频率包络曲线。

9.根据权利要求8所述的方法，其特征在于，

包络特征包括手臂前向运动相对于躯干运动的均方根、手臂后向运动相对于躯干运动的均方根、手臂前向运动与后向运动均方根比、手臂前向运动包络均方根、手臂后向运动包络均方根、摆臂周期、以及摆臂对时间差。

10.根据权利要求9所述的方法，其特征在于，

其中手臂前向运动相对于躯干运动的均方根等于：

手臂后向运动相对于躯干运动的均方根等于：

手臂前向运动与后向运动均方根比就是上述两个公式相除的结果；

手臂前向运动包络均方根等于：

其中 表示手臂前向运动的包络曲线ffront(t)的平均值；

手臂后向运动包络均方根等于：

其中 表示手臂后向运动的包络曲线fback(t)的平均值；

摆臂周期是通过提取手臂前向运动的包络曲线ffront(t)以及手臂后向运动的包络曲线fback(t)的峰值点，通过对所有临近峰值点的时间间隔进行均值计算从而得到；

摆臂对时间差是通过在一个摆臂过程期间，提取手臂前向运动的包络曲线ffront(t)以及手臂后向运动的包络曲线fback(t)之间峰值的时间间隔求取均值来实现。