1.一种面向运动场景下的人体生命体征监测方法，其特征在于，所述面向运动场景下的人体生命体征监测方法，包括：接收经过人体反射的雷达反射信号，将雷达反射信号与雷达发射信号经过混频处理得到原始中频信号；

对原始中频信号进行傅里叶变换，提取出目标的位置信息和速度信息，并将每个位置的主导速度信息排列在一起，计算热力图，构造特征频谱数据；

对生成的特征频谱图采用滑动窗口采样方法，按照预设的窗口长度和步长截取特征频谱图，输入到训练好的分类器网络模型，识别出运动或非运动状态，以及运动状态下的运动类型；

当识别到目标处于非运动状态时，提取原始中频信号的相位信息，解缠绕处理后按照心跳和呼吸的不同频率进行带通滤波，得到呼吸信号与心跳信号，之后采用变分模态分解算法将带通滤波后的呼吸信号与心跳信号分离成分量信号；

采用皮尔逊相关系数选择与带通滤波后的呼吸信号或心跳信号相关系数最大的分量信号作为对应的呼吸信号或心跳信号，通过傅里叶变换计算呼吸信号或心跳信号的频率，最终得到呼吸频率和心跳频率。

2.根据权利要求1所述的面向运动场景下的人体生命体征监测方法，其特征在于，所述对原始中频信号进行傅里叶变换，提取出目标的位置信息和速度信息，并将每个位置的主导速度信息排列在一起，计算热力图，构造特征频谱数据，包括：将原始中频信号按照采样频率分隔成单个啁啾信号，将预设数量的啁啾信号组成一帧，对每一个啁啾信号作快速傅里叶变换，获取距离数据；

以每个啁啾信号对应的距离数据作为一列，将一帧内的所有啁啾信号对应的距离数据排列在一起组成一个矩阵，对矩阵的每一行做快速傅里叶变化，获取速度数据；

在一帧内，从每个距离中选取速度绝对值最大的速度作为该距离上的主导速度；

将预设时间段内所有帧中每个距离的主导速度都按时间顺序排列，计算热力图，形成特征频谱图。

3.根据权利要求1所述的面向运动场景下的人体生命体征监测方法，其特征在于，所述分类器网络模型包括残差神经网络和循环神经网络。

4.根据权利要求1所述的面向运动场景下的人体生命体征监测方法，其特征在于，所述采用皮尔逊相关系数选择与带通滤波后的呼吸信号或心跳信号相关系数最大的分量信号作为对应的呼吸信号或心跳信号，其中相关系数计算公式如下：其中，ρsign,imf代表带通滤波后的呼吸信号或心跳信号sign与分量信号imf的相关系数，cov(sign,imf)代表两者之间的协方差，σsign、σimf分别代表带通滤波后的呼吸信号或心跳信号与分量信号的标准差。