1.一种基于毫米波雷达的端到端神经网络人体行为识别方法，其特征在于，包括：获取所述雷达采集到的人体行为的原始回波数据，其中，采用第一雷达和第二雷达对人体行为进行数据采集；根据所述原始回波数据进行复数时频变换网络得到目标时频信息，其中复数时频变换网络包括至少一个复数全连接层；将所述目标时频信息作为分类网络的输入，得到所述分类网络输出的人体行为分类结果，所述分类网络由双通道组成，输入分别是第一雷达回波数据和第二雷达回波数据经复数时频变换网络的输出数据，双通道有相同的网络拓扑结构，每一个通道由三个卷积块、一个双向长短期记忆网络及一个全连接层构成；所述根据所述原始回波数据进行复数时频变换网络得到目标时频信息包括：确定所述复数时频变换网络，所述复数时频变换网络表达式为： ，其中， 均为采样点数值大小， 为角频率， 为输入信号长度， 为复数全连接层的输出， 为目标回波信号即复数全连接层的输入， 为矩形窗函数， 是复数全连接层的权重系数，复数全连接层的偏置系数设为0, 。
2.根据权利要求1所述的基于毫米波雷达的端到端神经网络人体行为识别方法，其特征在于，所述获取所述雷达采集到的人体行为的原始回波数据包括：对所述原始回波数据进行滑窗式数据处理，得到多个窗口数据。
3.根据权利要求1所述的基于毫米波雷达的端到端神经网络人体行为识别方法，其特征在于，所述复数时频变换网络包括两个复数全连接层，所述复数时频变换网络中的两个复数全连接层分别对原始回波数据的距离维和多普勒维进行处理。
4.根据权利要求1所述的基于毫米波雷达的端到端神经网络人体行为识别方法，其特征在于，所述将所述目标时频信息作为分类网络的输入，得到所述分类网络输出的人体行为分类结果包括：通过所述分类网络对所述目标时频信息进行特征提取以获得特性信息；根据所述特性信息输出所述分类结果。
5.根据权利要求1所述的基于毫米波雷达的端到端神经网络人体行为识别方法，其特征在于，所述分类网络包括卷积块、双向长短期记忆网络和全连接层。
6.根据权利要求5所述的基于毫米波雷达的端到端神经网络人体行为识别方法，其特征在于，所述卷积块包括二维卷积层、批归一化层、线性激活层和最大值池化层。
7.根据权利要求5所述的基于毫米波雷达的端到端神经网络人体行为识别方法，其特征在于，所述全连接层包括全连接层和逻辑回归层。
8.根据权利要求1所述的基于毫米波雷达的端到端神经网络人体行为识别方法，其特征在于，所述原始回波数据包括第一维度数据和第二维度数据，其中快时间采样获得所述第一维度数据，慢时间采样获得第二维度数据。
9.根据权利要求1所述的基于毫米波雷达的端到端神经网络人体行为识别方法，其特征在于，所述雷达包括第一雷达和第二雷达，所述第一雷达朝向所述人体正面并发射雷达波，所述第二雷达朝向所述人体的背面并发射雷达波，所述获取所述雷达采集到的人体行为的原始回波数据还包括：对所述第一雷达的原始回波数据和所述第二雷达的原始回波数据进行滑窗式数据处理，得到多个窗口数据。
10.一种基于毫米波雷达的端到端神经网络人体行为识别装置，其特征在于，所述装置包括数据获取单元，用于获取所述雷达采集到的人体行为的原始回波数据，其中，采用第一雷达和第二雷达对人体行为进行数据采集；数据转换单元，用于根据所述原始回波数据进行复数时频变换网络得到目标时频信息，其中复数时频变换网络包括至少一个复数全连接层；数据分类单元，用于将所述目标时频信息作为分类网络的输入，得到所述分类网络输出的人体行为分类结果,所述分类网络由双通道组成，输入分别是第一雷达回波数据和第二雷达回波数据经复数时频变换网络的输出数据，双通道有相同的网络拓扑结构，每一个通道由三个卷积块、一个双向长短期记忆网络及一个全连接层构成；所述复数时频变换网络表达式为： ，其中， 均为采样点数值大小， 为角频率， 为输入信号长度， 为复数全连接层的输出， 为目标回波信号即复数全连接层的输入， 为矩形窗函数， 是复数全连接层的权重系数，复数全连接层的偏置系数设为0, 。
