1.一种分离UWB雷达传感器接收信号的方法，其特征在于，即基于递归积分算子的零空间追踪提取单分量信号算法和置信度对UWB雷达传感器接收信号进行信号分解，提取人体的呼吸信号和心跳信号频率的方法，包括以下步骤：步骤（1）UWB雷达传感器信号预处理阶段：包括信号的突变点检测，若信号含有突变值，则去掉突变处的局部信号，并通过三次样条插值法补全信号，再通过带通录波器滤除杂波，并将信号归一化到[-1,1]之间；

步骤（2）利用递归积分算子的零空间追踪算法分解信号，得到信号的多个不同频带的单分量信号，将这些单分量信号构成决策树；

步骤（3）为了能准确估计心率和呼吸信号频率，我们定义决策树分支并进行预分组，定义了分量的置信度，根据置信度提取出分量中最优的信号频率为心率和呼吸信号频率；

所述步骤（1）UWB雷达传感器信号预处理阶段具体为：1）找出原始UWB雷达信号的局部最大值点和局部最小值点，最大值点对应的横轴为，纵轴为/>，最小值点对应的横轴为/>，纵轴为/>；

2）检验局部最大值之间的差值的绝对值，如其中有连续两个差值的绝对值大于50，则这三个点之间的值视为突变值，中间点视为突变点；

3）若第个点为突变点则重新计算第/>个点的横轴和纵轴，

2.根据权利要求1所述的一种分离UWB雷达传感器接收信号的方法，其特征在于，所述步骤（2）具体为：

3.根据权利要求1所述的一种分离UWB雷达传感器接收信号的方法，其特征在于，所述步骤（3）具体为：1）为了能准确估计心率和呼吸信号频率，我们基于分量置信度估计出最优心率和呼吸信号频率；具体来说：对每个单分量信号，定义呼吸分量组，其峰值频率范围为就归为呼吸信号预备组，其中/>为组号为下标，其中/>定义心跳分量组，其峰值频率在/>分别将两组的各分量最大峰值频率/>与接触性传感器接收信号的最大频率/>进行对比分析；定义分量的置信度为；利用最优置信度，找出/>；将其对应的分量作为对应分量特征。