随着全球经济的稳步发展,汽车成为生活中的主要交通工具,道路交通安全也越来越成为社会关注的焦点。毫米波雷达作为有效的路面交通监测工具,具有抗干扰能力强、全天候全天时工作等特点,逐渐成为路面交通领域的核心传感器。准确测速测距测角,减少目标跟踪误差,提高识别精度是毫米波交通监测雷达主要发展方向。雷达的噪声性能直接决定了目标探测灵敏度。本论文研究了77GHz硅基毫米波雷达系统的噪声功率谱和主要噪声来源,重点开展了系统噪声系数对检测目标速度和距离分辨率影响的研究;在此基础上,利用基于目标一维距离像的梯度迭代决策树（Gradient Boosting Decision Tree,GBDT）识别方法对检测目标进行精确识别并进行分析。本论文的主要研究内容及成果如下:1.研究了77GHz毫米波雷达系统中的不同噪声来源及对获取目标性能参数的影响。雷达系统中噪声主要来源于频率源的相位噪声和接收机噪声。利用MATLAB对两种噪声分别建模仿真,结果表明:带内相位噪声抬高目标基底噪声,降低距离分辨率,削弱雷达对微弱信号的探测能力;而接收机噪声降低目标距离分辨率,但对测距精度几乎没有影响。在理论研究基础上,对比测量了噪声功率谱不同的77GHz雷达系统。实验结果表明:德州仪器的AWR1243收发系统基底噪声为-81d Bm,发射端的信号泄漏使近距离噪声基底抬高最大达12d Bm,75MHz带宽下对RCS为1的目标距离分辨率为2m;加特兰的CAL77A2T4R收发系统其基底噪声为-68d Bm,相应的距离分辨率为3m。两种雷达的距离精度均为0.5m以内。2.针对路面监测场景的车辆跟踪识别,开发了基于一维距离像的GBDT识别方法对目标进行准确识别,识别准确率超过92%。针对77GHz毫米波雷达系统,利用电磁仿真和实际测量数据获取不同车型的一维距离像,进一步将一维距离像表达性特征作为识别模型的训练集和测试集数据进行测试,并进一步与逻辑回归（LR）和因子分解机（FM）识别方法进行比较。结果表明:GBDT的目标识别准确率高于LR和FM方法。当训练集与测试集数据划分比例为0.2,学习率为0.1时,GBDT目标识别效果准确率高达92.3%,满足实际道路检测需求。