1.一种基于毫米波雷达的多人生命体征监测方法，其特征在于，包括如下步骤：S1：利用毫米波雷达向人体发射调频连续波信号，并对回波信号进行混频提取到中频信号；

S2：利用多重信号分类算法估计人体相对雷达的方位角，并进行接收波束形成；

S3：对提取的中频信号进行距离维快速傅里叶变换得到不同人体所处距离门的位置，并对各距离门进行静态干扰去除，生成距离‑方位角热图；

S4：利用Music算法估计人体相对雷达的仰角，并提取所得仰角对应的距离‑方位角热图；

S5：采用二维恒虚警率检测算法确定不同人体的检测点，并根据距离‑方位角‑仰角提取不同人体的中频信号；

S6：从不同人体分离后的中频信号中提取相位差信号，根据相位差信号估计出人体的心率、呼吸速率；

步骤S2中利用Music算法估计人体相对雷达的方位角的步骤为：B1：计算接收信号的协方差矩阵为：

H

R＝y(t)y(t) (9)

B2：计算协方差矩阵的特征值分解为：H

R＝UΣU (10)

其中， 表示由特征值ξm ,m＝1 ,...,MR构成的对称矩阵；

表示由特征向量 构成的酉矩阵；

B3：将特征值按照大小进行排序，把L个大特征值对应的特征向量视为信号子空间，把剩下MR‑L个小特征值对应的特征向量视为噪声子空间，则可以进一步将协方差矩阵表示为：其中，下标s和n分别代表信号和噪声；

B4：计算谱峰函数为：

B5：第l个人体相对雷达的方位角可以估计为：步骤S2中接收波束形成的步骤为：

H H

其中，Al＝b(θl)b(θl)为第l个被监测人接收波束形成后的增益；nl(t)＝b (θl)n(t)为第l个被监测人回波的噪声；

步骤S3中对中频信号进行距离维FFT获取中值频率，并通过所得中值频率估计人体相对雷达的时延，得到不同人体所处距离门的位置，忽略发射、接收导向矢量后，计算L个人体的中频信号的FFT为：其中， 表示全1向量；

步骤S3中去除静态干扰的步骤为：

C1：假设雷达脉冲数为Nc，单个脉冲的采样点数为Ns，则第c个脉冲经过距离维FFT后的数据为：zc＝[zc(1),...,zc(Ns)] (16)其中，zn,c(n),n＝1,…,Ns表示第c个脉冲第n个采样点的数据经过距离维FFT后的值；

C2：第n个接收天线所有脉冲距离维FFT的平均值为：C3：第c个脉冲去除静态干扰后的数据为：步骤S3中距离‑方位角热图的计算公式为：‑1

其中，(·) 表示矩阵的逆； 为MR个天线接收Nc个脉冲的数据经过距离维FFT后的协方差矩阵，表示为：

其中， 表示Kronecker积；表示Nc个脉冲的FFT数据，表示为：步骤S4中利用Music算法估计人体相对雷达的仰角的步骤为：假设接收阵列垂直方向具有MK个天线，计算一维仰角谱为：其中， 为MR个平面天线和MK个垂直接收Nc个脉冲的数据经过距离维FFT后的协方差矩阵，表示为

其中， 为方位角‑仰角的二维导向矢量，表示为：其中， 为垂直方向导向矢量，表示为：

2.根据权利要求1所述的一种基于毫米波雷达的多人生命体征监测方法，其特征在于，所述步骤S1中中频信号的提取步骤为：A1：假设发射天线数为MT，接收天线数为MR，阵列构型为一维均匀线阵，阵元间距为半波长，基带波形为线性调频信号，则每个天线的发射信号为：其中，fc为载波频率；B为信号带宽；T为脉冲宽度，雷达在方位角θ的远场发射信号为HsT(t；θ)＝a(θ)s(t) (2)H

其中， 为发射信号矩阵；(·) 表示矩阵的共轭转置；θ表示方位角； 为发射导向矢量，其表达式为：H

a(θ)＝[1,exp(jπsinθ),...,exp(jπ(MT‑1)sinθ)] (3)A2：假设场景中共存在L,L≤MR个被监测人，则雷达的回波信号为：其中， τl＝Rl/c为第l个被监测人相对雷达的时延；Rl为第l个被监测人相对雷达的距离；c为光速； 为接收噪声； 为接收导向矢量，其表达式为：

H

b(θ)＝[1,exp(jπsinθ),...,exp(jπ(MR‑1)sinθ)] (5)A3：将回波信号与发射信号混频后可以表示为*

其中，(·) 表示共轭运算； 为第l个人体目标的中频信号矩阵，其各元素的表达式为其中，λ表示波长； 和 分别表示第l个人体目标中频信号的频率和相位，其表达式分别为

3.根据权利要求1所述的一种基于毫米波雷达的多人生命体征监测方法，其特征在于，所述步骤S5中利用2D‑CFAR检测算法确定不同人体的检测点的步骤为：设置虚警率和距离‑方位角窗口大小，基于高斯分布概率密度估计噪声参数，计算阀值，判断整张热图是否检测完毕，确定检测点。

4.根据权利要求1所述的一种基于毫米波雷达的多人生命体征监测方法，其特征在于，所述步骤S6中对人体心率、呼吸速率的估计流程为：D1：对中频信号，每一个帧周期内提取一次相位，若人体与雷达的距离‑方位角‑仰角发生变化，则需要对人体的距离‑方位角‑仰角进行跟踪，重新得出此时人体所处检测点，然后提取相位，循环发射N帧，即可得到目标的相位随帧数的变化曲线，也可看作目标相位与时间的关系；对所提取相位信号进行相位解缠绕，以确保相位值在[‑π，π]之间，每当连续值之间的相位差大于/小于±π时，从相位中减去/加上2π；对相位信号逐帧作差得到相位差信号；

D2：依据呼吸和心跳频率的不同，利用带通滤波器滤波将呼吸和心跳的相位差信号进行滤波分离；

D3：对心跳的相位差信号进行运动干扰滤除，此处通过将样本进行分割，设置能量阈值去判断是否符合心率的变化范围，通过丢弃大能量数据段并整合稳定状态下的数据段进行下一步的估计；

D4：采用多种算法对呼吸和心跳的相位差信号进行处理，并取三种算法结果的平均值以获取当前时刻的呼吸和心跳频率；

D5：记录一段时间内的呼吸和心跳频率，根据置信度指标判断此时的真实频率，并输出呼吸、心跳频率随时间变化的关系；

D6：对心跳频率进行呼吸频率的谐波滤除。