本发明涉及一种基于微多普勒特征的人类日常行为分类方法。通过雷达获得人类日常行为下雷达回波信号，构建目标分类数据集，并将数据集划分为训练集和测试集；在所述训练集上，将雷达回波信号数据分割成等长度的多个数据片段，获得雷达回波信号的时频谱图，并基于所述时频谱图提取回波信号中所包含的目标特征，构建目标特征空间；在目标特征空间上，计算每个特征的重要性，选择出一定数量的目标特征构成用于测试集分类的测试分类特征空间；在测试集上，基于最优的测试分类特征空间，采用多类别支持向量机分类器对目标类别进行分类。本发明减少分类器对特征数量的依赖，提高了分类准确率，易于在嵌入式系统上实现。
