随着生活水平的不断提高，人们对睡眠健康的关注日益增强。如何在保障隐私与舒适性的前提下，实现长期、连续的睡眠健康监测已成为当前研究的热点问题。现有睡眠监测手段多依赖可穿戴或体表接触式传感器，虽然能够实现较为精细的参数测量，但在长期使用过程中存在佩戴不便、舒适性不足以及潜在隐私风险等问题。毫米波雷达因具备非接触、对人体微小位移高度敏感等优势，为睡眠健康监测提供了一种新的技术途径。

本文围绕基于毫米波雷达的睡眠健康监测关键技术展开研究，探索其在睡眠姿态感知、睡眠生理参数检测以及非接触式心电信号测量三个方面的可行性与实现方法。主要研究内容如下：

（1）针对睡眠场景中传统视觉与可穿戴设备在隐私保护、环境适应性及长期监测方面存在的局限，本文提出一种基于毫米波雷达三维点云与多视角二维卷积神经网络（2D-CNN）的睡眠姿态检测方法。首先利用雷达原始信号获取目标的距离、速度与角度信息，并结合二维恒虚警率检测生成表征人体空间结构的三维点云；随后通过直通滤波、体素滤波及迭代最近点配准等方法对点云进行后处理，以增强其空间一致性与结构稳定性。在此基础上，将三维点云投影为多视角二维特征，并基于多流残差网络的2D-CNN模型实现睡姿分类。实验结果表明，该方法在平躺、左侧卧、右侧卧及无人四分类任务中取得了91%的整体准确率，且各类别的Precision、Recall和F1-score均超过88%，验证了基于毫米波雷达点云及多视角投影特征进行睡姿检测的有效性与稳定性。

（2）针对睡眠过程中关键生理信息获取的问题，本文提出一种基于毫米波雷达的多生理参数非接触式检测方法。通过改进的微分交叉相乘相位解调方法提取人体微小位移信号，并结合变分模态提取方法实现呼吸与心跳信号的有效分离，同时创新性地验证并实现打鼾信号的识别与提取。在此基础上，结合时域与频域特征分析方法，实现对呼吸率、心率的测量及打鼾事件的检测与时间定位。实验结果表明，基于雷达信号估计的呼吸率与真实值之间的平均误差约为0.72 bpm，心率估计平均误差约为2.56 bpm，打鼾事件时间定位误差约为0.10 s。所提出的方法能够在非接触条件下实现对多种睡眠生理参数的稳定检测，验证了其在睡眠监测场景中的可行性与有效性。

（3）针对传统心电（Electrocardiogram，ECG）监测依赖体表电极、难以满足长期无感监测需求的问题，本文提出一种基于毫米波雷达的非接触式ECG重建方法。首先通过分析心脏电–机械耦合机理，建立雷达心跳相位信号及其二阶导数与ECG关键波形之间的时序与形态对应关系。在此基础上，利用参数化高斯模型实现ECG波形的初步重建，并结合小波多尺度分解与CNN–BiGRU网络对波形细节进行进一步优化。实验结果表明，重建ECG与真实ECG之间具有较高的一致性，平均皮尔逊相关系数高于0.7，约70%的样本超过0.8，且90%的样本均方根误差低于0.1 mV。同时，各关键波形时间定位误差整体较小，其中97%的P波误差低于100 ms，而Q、R、S波约99%的峰值误差低于50 ms，T波约98%的误差低于50 ms。所提出方法能够在非接触条件下较为准确地重建ECG波形及其关键时序特征，验证了基于毫米波雷达实现心电信号重建的可行性与有效性。

综上所述，本文针对基于毫米波雷达在睡眠健康监测中若干关键问题给出了有效的解决方案，相关实验结果验证了毫米波雷达在睡眠健康监测中的应用潜力。研究结论为实现非接触、隐私友好的睡眠行为与生理参数感知提供了方法参考和技术支撑。