车载毫米波雷达行人识别能够在真实路况中准确识别出行人,实现车辆有效避让行人,是目前智能交通领域的研究热点。传统的行人识别技术采用摄像头获取图像信息,通过计算机视觉和模式识别等技术识别出行人,取得了较高的检测精度,但易受光照和气候环境的影响。车载毫米波雷达具有全天时、全天候的工作优势,雷达回波中的目标微动信息是实现目标精细化识别的重要手段,成为了行人识别技术的重要发展方向。本文围绕车载毫米波雷达回波中运动目标的微动特性,在真实路况环境下,重点研究了雷达保持静止时的运动目标检测、行人微动特征分析和行人识别等问题,并开展了理论分析、方法研究、仿真验证及外场测试工作,主要内容如下:1.针对多目标检测存在配对困难、距离-速度耦合的问题,通过对车载毫米波雷达的工作体制及频率进行分析,提出了基于77GHz锯齿波调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达的运动目标检测算法,解决了多目标配对困难的问题,实现了目标距离-速度解耦合。2.针对行人微动复杂、实际回波难以观测的问题,重点研究了Boulic人体运动模型,推导出FMCW调制信号下的FMCW毫米波雷达行人回波模型,为本文车载毫米波雷达行人识别的研究奠定了理论基础。3.针对传统时频分析方法得到的行人时频图多分量混叠严重的问题,提出了一种基于压缩感知的稀疏时频分析方法,解决了时频图多分量混叠的问题,有效提升了时频图微动观测性能。4.针对FMCW雷达长时间相干积累引起多普勒扩展,难以实现行人有效探测的问题,在FMCW毫米波雷达行人回波模型基础上,提出了一种基于多普勒补偿和非线性相位补偿的行人识别算法,实现了准确的行人目标识别。通过仿真实验,验证了FMCW毫米波雷达行人回波模型的正确性,证实了稀疏时频方法的有效性。采用77GHz频段的FMCW雷达搭建测试环境,外场测试结果表明,行人识别算法在真实路况中能够实现高效的多目标探测及行人识别。