汽车毫米波雷达是自动驾驶系统中的一个重要传感器,出于自动驾驶行车安全方面的考虑,汽车毫米波雷达目标跟踪准确性成为目前迫切需要解决的问题之一。汽车毫米波雷达在接收到ADC采样数据后,通过雷达信号处理后得到有距离、速度和角度信息的原始点迹,接着对这些原始点迹数据使用目标跟踪算法进行处理,得到目标的估计位置和速度,最终形成目标的运动轨迹。汽车毫米波雷达的应用场景非常复杂,对目标跟踪的稳定性和准确性提出了很高的要求,使得找到一种适合汽车毫米波雷达的目标跟踪算法成为必要。本文以汽车毫米波雷达为研究对象,围绕雷达目标跟踪算法及实现进行了以下研究工作:1、介绍了汽车毫米波的基本概念和硬件结构,为了更好的理解雷达目标跟踪的原始点迹数据的特征,对汽车毫米波雷达信号处理流程进行了详细分析和MATLAB仿真,雷达信号处理流程主要为:数据采集、二维快速傅里叶变换、二维峰值搜索、恒虚警检测和数字波束形成,最终输出雷达的目标列表。2、对目标跟踪算法中目标的系统模型建立进行研究,包括目标的运动状态方程和量测方程。对标准卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)等常用的线性和非线性滤波算法进行了详细分析和MATLAB仿真。3、针对工程应用中汽车毫米波雷达的目标追踪问题,对整个雷达数据处理系统的流程进行研究,包含航迹起始、目标跟踪和数据关联问题。对雷达数据处理中的滑窗法、最近邻域法和最优匹配法进行了研究。对常用的机动模型算法进行研究,并使用基于Singer模型的目标跟踪算法对实际工程应用中汽车毫米波雷达的点迹数据进行MATLAB仿真分析,目标跟踪算法的仿真结果满足自动驾驶系统中自适应巡航控制(ACC)的传感器指标要求,最后将其移植到汽车毫米波雷达的处理芯片中。