1.基于点云时空特征的毫米波雷达步态识别方法，其特征在于：所述方法包括如下步骤：
2.根据权利要求1所述的基于点云时空特征的毫米波雷达步态识别方法，其特征在于：步骤2中，点云空间对齐与数据标准化具体为对每帧点云包含第i个点的直角坐标系坐标向量包含速度、能量强度的特征向量fi(vi,si)＝fi(vi/|vmax|,si/|smax|)，其中ni为该帧点数，μ为高度修正因子，为三维中心坐标，vmax、smax为速度、能量强度最大值。
3.根据权利要求1所述的基于点云时空特征的毫米波雷达步态识别方法，其特征在于：步骤3包括如下步骤：按8:1:1比例划分训练集，验证集，测试集；采用数据增强手段扩充训练集，从中选取若干帧点云在三维空间坐标维度上进行点云平移及点云旋转处理；对于点云平移的帧，令pi(p′i)＝pi(pi+t)，其中p为空间坐标向量，t为平移向量；对于点云旋转的帧pi，令点云围绕x,y,z三个轴进行旋转，设三个旋转角度分别为α,β,γ，则pi(p′i)＝pi(rx(α)*ry(β)*rz(γ)*pi)；其中
4.根据权利要求1所述的基于点云时空特征的毫米波雷达步态识别方法，其特征在于：步骤4包括如下分步骤：
5.根据权利要求1所述的基于点云时空特征的毫米波雷达步态识别方法，其特征在于：步骤5中，采用时间卷积网络提取步态时序特征；并行化地输入fsample帧点云，得到一组空间步态特征编码对其采用三层时空卷积层在fsample个空间特征编码间提取时序信息，通过因果扩张卷积使得当前提取的步态时序特征只与之前时刻有关；膨胀率σ＝{1,2,4}；为使每层输入长度与输出时间维长度匹配，采用零填充的方式扩充输入编码维度，每层扩充维度dpadding＝(kernel-1)*σ，其中kernel为卷积核大小；引入残差连接，对每个时空卷积层输入经过1×1卷积维度对齐与输出相加，时序特征提取模块输出得到包含时空特征的多维步态特征编码vglobal。
6.根据权利要求1所述的基于点云时空特征的毫米波雷达步态识别方法，其特征在于：步骤6中，将判别向量vglobal采用flatten操作展平，采用三层分类器分类并引入标签平滑处理，通过修改交叉熵损失函数将目标标签中的固定概率质量从目标类别中转移出来，然后均匀地分布到其他非目标类别上以提升模型泛化能力与鲁棒性，通过softmax函数输出分类概率分布pii∈u，识别结果为pii∈u最大值对应的用户索引。