1.一种人体目标微多普勒频率估计方法，包括如下步骤：

S1.获取多普勒雷达的回波信号时频分布数据；

S2.根据步骤S1获取的回波信号时频分布数据，采用Viterbi算法搜索的初始路径计算一至三阶指数平滑值；

S3.计算基于指数平滑预测的Viterbi算法的预测系数；具体为采用如下算式计算预测系数：式中λ、γ和η为计算得到的预测系数； 为一阶指数平滑值； 为二阶指数平滑值；

为三阶指数平滑值；αml为所讨论区间内的待定平滑系数；

S4.根据步骤S3计算的预测系数，构建Viterbi算法的惩罚函数；

S5.构建基于指数平滑预测的Viterbi算法模型，并作为人体目标微多普勒频率估计模型；

S6.根据步骤S5得到的人体目标微多普勒频率估计模型，完成人体目标微多普勒频率估计。

2.根据权利要求1所述的人体目标微多普勒频率估计方法，其特征在于步骤S1所述的获取多普勒雷达的回波信号时频分布数据，具体为采用如下算式表示多普勒雷达的回波信号时频分布数据r(t)：式中N为人体散射部位个数；σi为人体目标第i个散射部位的散射幅度；vi(t)为第i个散射部位与人体质心的相对速度且 θi为第i散射中心与雷达视线方向之间的角度；c为光速；Ri(0)为第i散射中心与雷达的初始视距；由第i散射部位引起的多普勒频移fdi(t)表示为 fc为载波频率。

3.根据权利要求1所述的人体目标微多普勒频率估计方法，其特征在于步骤S2所述的根据步骤S1获取的回波信号时频分布数据，采用Viterbi算法搜索的初始路径计算一至三阶指数平滑值，具体为采用如下算式计算一至三阶指数平滑值：式中 为一阶指数平滑值； 为二阶指数平滑值； 为三阶指数平滑值；αml为所讨论区间内的待定平滑系数； 为Viterbi算法在解调后的雷达回波信号时频分布的mi时刻搜索的初始路径。

4.根据权利要求3所述的人体目标微多普勒频率估计方法，其特征在于步骤S4所述的根据步骤S3计算的预测系数，构建Viterbi算法的惩罚函数，具体为采用如下算式作为Viterbi算法的惩罚函数μ(mi,k)：式中ε＝λ+γ+η；c2为惩罚因子，用于反映惩罚函数对总惩罚值的贡献大小； 为Viterbi算法在解调后的雷达回波信号时频分布的mi时刻搜索的初始路径；Δ为设定的阈值。

5.根据权利要求4所述的人体目标微多普勒频率估计方法，其特征在于步骤S5所述的构建基于指数平滑预测的Viterbi算法模型，并作为人体目标微多普勒频率估计模型，具体为采用如下步骤构建人体目标微多普勒频率估计模型：A.将步骤S1得到的回波信号时频分布数据中每一时刻的时频幅值排列成非递增序列TFR(m,k1)≥...≥TFR(m,kj)≥...≥TFR(m,kN)，j＝1,2,...,N；

B.采用如下算式定义f(·)惩罚函数：f(TFR(m,kj))＝j‑1；

C.采用如下算式定义g(·)惩罚函数：

式中c1为惩罚因子，Δ1为两个连续点之间瞬时频率变化的最大期望值；

D.采用如下算式表示部分最优路径：

p(1,kj)＝f(TFR(1,kj))

式中p为总惩罚函数值；

E.采用如下算式作为最终的人体目标微多普勒频率估计模型

6.根据权利要求5所述的人体目标微多普勒频率估计方法，其特征在于在确定部分最优路径p(mi+1,kj)后，以 为参考区间， 为搜索区间。

7.根据权利要求6所述的人体目标微多普勒频率估计方法，其特征在于步骤S6所述的根据步骤S5得到的人体目标微多普勒频率估计模型，完成人体目标微多普勒频率估计，具体为采用如下步骤完成人体目标微多普勒频率估计：a.将傅里叶变换与步骤S5得到的人体目标微多普勒频率估计模型F(αml,t)应用于回波信号r(t)，得到b.调整平滑系数αml，直至S(f)的信号能量在基带收敛到最大值，从而得到人体相应散射部位的微多普勒频率为 式中αml'为最佳平滑系数；

c.将窄带滤波器用于S(αml',f)，将估计信号从原始信号中分离出来，得到s(t)＝IFFT(S(αml′,f)*FB(f))和sp(t)＝s(t)·exp(‑j2πf∫F(αml′,t)dt)。