随着集成电路和微波技术取得重要突破,毫米波雷达被广泛应用于多个领域,正逐渐成为物联网发展中的关键性技术。相比传统的非接触式视频传感器,毫米波雷达因具备全天时、低成本及隐私性强等特点成为当下目标检测领域的研究热点。因此,研究毫米波雷达目标检测对于智能安防领域及智慧交通领域等应用具有重要现实意义。但在多目标检测场景下,毫米波雷达仍面临着无法有效区分多个目标以及检测算法性能不佳等问题。本文围绕上述问题开展基于线性调频连续波雷达的多目标检测技术研究,主要工作如下:1.针对当前恒虚警率检测算法存在因计算自适应阈值而导致的虚警、误检或漏检等问题,本文提出基于峰值比较的有序统计恒虚警率检测算法。该算法在有序统计恒虚警率检测算法步骤之后加入峰值比较过程,对距离维傅里叶变换结果和有序统计恒虚警率检测算法的初步判断结果进行峰值检索,然后依次对检索数据进行二次判断。实验结果表明,该算法能够有效地解决由目标遮蔽效应产生的误检或漏检问题,正确区分出检测区域内的多个目标,提高了使用毫米波雷达进行目标检测的准确性。2.考虑到恒虚警率检测算法仍存在模型失配的问题,本文将卷积神经网络应用于毫米波雷达目标检测领域中,提出一种基于VGG16-Net的毫米波雷达目标检测算法。首先,对当前卷积神经网络存在数据适配和网络结构适配问题进行分析。然后,对卷积神经网络VGG16-Net进行改进,采用1?1小卷积核代替3?3卷积核并适当加深网络深度以提取更多特征。最后,通过构建雷达目标检测的距离多普勒数据集,对改进的网络模型进行训练测试。实验结果表明,改进的VGG16-N et网络能够有效适用于毫米波雷达的目标检测数据。同时与其它网络模型相比,提升了目标检测的准确率,并降低网络运行所需参数量,整体上提高了网络的检测性能。