随着我国经济社会的持续快速发展,汽车数量不断增加,交通安全已经成为当今社会不可忽视的问题。毫米波雷达具有信号带宽大,体积小,受外界环境影响小等优点,在高级驾驶辅助系统和无人驾驶应用中扮演着重要的角色。多目标识别与跟踪是车载毫米波雷达研制的重点与难点,其性能直接影响着整个车辆路况环境监测系统的稳定性。本文依托航天院某所科研项目,研究了毫米波雷达多目标跟踪算法的关键技术,并通过仿真和现场实验对其进行了分析和验证。首先,对毫米波雷达的工作原理进行介绍,主要讨论了雷达的工作体制分类,并重点介绍了本文所用MFSK雷达的波形设计及其测距、测速、测角原理。其次,对航迹起始和航迹数据关联这两个多目标跟踪算法的难点进行了深入研究。讨论了适合本文的环形波门,分析了几种经典的航迹起始和航迹数据关联方法,在此基础上,依据实际情况提出了本文所用的2/3与3/4比值相结合的航迹起始方法和相关波门最近邻域数据关联算法;并介绍了一些雷达数据预处理、航迹管理方法,以此来提高航迹质量和显示效果。然后,研究了雷达的目标跟踪滤波算法,并重点对卡尔曼滤波算法和扩展卡尔曼滤波算法进行了相应的讨论。分别研究了两者的滤波模型、滤波过程、状态向量初始化以及滤波参数的计算问题,并对两者在毫米波雷达多目标跟踪中的滤波效果进行了实验分析;通过对比研究,分析了扩展卡尔曼滤波算法在本文中跟踪效果不佳的原因。最后,基于卡尔曼滤波算法设计了适合于本文所用车载毫米波雷达的多目标跟踪算法,并在仿真和多种现场实验情景中(静态实验、动态实验、实际路况跑车实验)对算法的多目标跟踪效果进行了验证,通过实验结果分析了算法目前存在的问题。