自适应巡航控制系统(Adaptive Cruise Control,ACC)发展至今,在功能上已经得到了很大的提升。从当初特定道路场景和速度范围下的定速巡航到现在复杂道路场景和全速范围下的带有起停功能的ACC系统,其功能越来越完善,适应的道路场景也越来越复杂。为了适应ACC系统的发展,本文基于毫米波雷传感器对复杂道路多目标场景下的前方有效目标识别算法展开了以下研究工作。(1)介绍了自适应巡航控制系统兴起的历史背景和发展状况,分析了目标识别算法在自适应巡航控制系统中的重要意义及其在整个辅助驾驶系统中所需要解决的核心问题。对国内外基于单一毫米波雷达传感器做的典型算法进行了详细介绍,同时对基于其他传感器做的算法研究也进行了简单阐述。(2)建立了系统基础坐标系及坐标更新规则,并对轨迹拟合中涉及到的坐标转换公式以及雷达坐标向直角坐标转换公式进行了推导。通过对比常用车载环境感知传感器优缺点,突出了毫米波雷达在ACC系统运用中的独特优势。最终选择了 ESR雷达为本文研究所用环境感知传感器。(3)在Matlab/Simulink中建立了包括横向速度,纵向速度和横摆角速度的整车三自由度模型,基于该三自由度模型,应用UKF算法建立了本车状态估计器分别对主车横向速度,纵向速度和横摆角速度进行估计。通过仿真验证了所建立三自由度模型和估计器的准确性和有效性。(4)将UKF算法应用到CA模型和CTRV模型中,建立了前车运动状态估计器,对主车和前车的相对位置和相对速度进行估计。在Carsim环境中建立虚拟毫米波雷达,并且设计出多种相对运动工况,与Matlab/Simulink软件中建立的状态估计器进行联合仿真。通过对比理论值和估计值,验证了 UKF状态估计器的准确性。(5)提出了基于运动目标空间序列拟合和时间序列拟合的前方有效目标识别算法。算法中将支持向量机理论运用到雷达目标分类,并提出了趋势选点策略对同向运动目标进行筛选。最后基于实车试验数据验证了本算法的可行性。论文研究得出的成果对自适应巡航系统功能的进一步开发和完善具有重要的理论意义和实际意义。