Este trabajo presenta un método innovador para detectar los patrones respiratorios de sujetos caminando en una cinta de correr, aprovechando las capacidades de las tecnologías de aprendizaje profundo (DL) y un sistema de doble radar. El estudio tiene como objetivo superar el desafío de capturar con precisión las tasas respiratorias en sujetos que realizan movimientos corporales, un escenario menos abordado en estudios anteriores. Al emplear dos radares que operan a 5.8 GHz para mitigar el movimiento, este estudio compara la eficacia de las configuraciones de doble radar frente a un sistema de radar único. El estudio utiliza algoritmos de DL basados en autoencoders convolucionales para mitigar las señales de radar demoduladas de baja calidad reconstruyendo la señal respiratoria. Los modelos se entrenan con datos de un solo sujeto y datos de 15 sujetos, alcanzando errores absolutos promedio de 0.29 y 4.59 Respiraciones Por Minuto (RPM), respectivamente, lo que permite concluir que el uso de algoritmos de DL mejora la precisión de la detección de señales respiratorias en comparación con la demodulación arcotangente, incluso en casos donde los datos de radar contienen información mínima sobre señales vitales.