近年来,自动驾驶正逐步从理论研究走向工程现实。汽车雷达和激光雷达、超声波雷达和摄像头等传感器构成了自动驾驶汽车和高级驾驶员辅助系统(ADAS)的感知核心。汽车雷达系统负责探测物体和障碍物相对于车辆的位置和速度。随着毫米波半导体技术的发展,信号处理技术的发展在汽车雷达系统中起着关键的作用。各种各样的信号处理技术日渐发展,以在距离、方位和目标周围车辆的速度等测量维度提供更高的分辨率和估计性能。本文研究内容涵盖了汽车雷达信号处理以及数据处理技术的多个方面,包括波形设计、阵列结构、检测算法、跟踪算法、关联算法和复杂环境下的处理方法,并研究了提高雷达检测性能的双雷达融合检测方法。为实现利用车载毫米波雷达对场景内目标进行稳定的检测与跟踪,需要对获得的原始回波数据进行最基础的信号处理以及后续的数据处理。本文在详细分析了车载毫米波雷达探测技术国内外发展现状的基础上,利用AWR164277GHz近程车载雷达,首先介绍了车载雷达信号处理流程,并针对MIMO体制的虚拟阵列合成技术的方位分辨率提高方法进行理论研究和实验验证,并在此基础上利用阵列相位关系研究提高最大测速范围的速度扩展算法。在目标检测方面,研究了将雷达置于运动平台时RD谱由于方位与多普勒之间的耦合造成的频谱弯曲问题,基于得到的距离-多普勒谱,研究瑞利、指数、韦布尔杂波模型的十字窗CFAR算法。基于目标检测输出结果研究了目标聚类算法,完成了基于密度的聚类的DBSCAN算法的实测应用,对聚类点簇进行行人及车辆目标的位置、速度等信息的提取。在目标跟踪方面,构造了适合大地坐标系下道路车辆状态估计的状态方程,并研究了密集多目标场景下的联合概率数据关联算法,且研究了检测跟踪融合算法,提高了回波能量微弱目标的跟踪航迹的持续性。最后仿真了两部相同的前视雷达,建立了前视点目标几何模型,构造与目标真实速度维度相关的变量对RD谱进行非相干积累,利用两部雷达相对目标的不同视角进行距离-速度-方位谱(RVA谱)融合,提高目标的检测精度。