摘要：超宽带(UWB)雷达生命电磁探测是一种先进的非接触式生命探测技术,在灾害救援、生物医学方面应用广泛。通常由于雷达的不稳定性以及生命体呼吸信号微弱、加之静态和运动散射体干扰等,雷达接收回波信杂比(SCR)较低,传统的基于恒虚警率(CFAR)检测方法存在很多不足。为此,利用深度学习的高维特征泛化学习能力,将YOLOv3网络用于超宽带雷达生命信号电磁检测。为了提高信杂比,在检测前对回波数据进行了杂波去除和弱信号增强预处理,然后,将预处理后的距离-慢时间二维回波矩阵成像为灰度图并整理成数据集RP800,在该数据集上进行YOLOv3网络的训练和测试。实验表明,网络检测召回率达到99.77%,平均误检率为1.235%。