根据公安部最新数据显示,我国汽车保有量仍在逐年增加,如何通过技术手段来降低交通事故发生率已经成为当前交通运输领域的热点问题。借助车载传感器来辅助驾驶员感知行车环境中存在的安全隐患,从而更加可靠地识别道路上的汽车、行人等目标,对可能存在的危险情况提前预警,是目前高级驾驶辅助系统（Advanced Driver Assistance Systems,ADAS）研究的热点。毫米波雷达作为当前ADAS研究中的车载传感器之一,常用于实现对道路环境中目标的识别和跟踪,是ADAS中不可或缺的一部分。本论文依托省自然科学基金科研课题,研究了毫米波雷达目标跟踪算法的关键技术,并通过仿真分析和实测数据验证的方式对算法性能进行了定量和定性分析。（1）FMCW毫米波雷达工作原理及目标跟踪算法。对车载FMCW毫米波雷达的工作原理进行了介绍,主要讨论了FMCW雷达的波形调制方法,并重点介绍了FMCW毫米波雷达的测距、测速、测角原理以及雷达数据立方体的概念。其次,车载雷达目标跟踪算法原理进行了介绍,并从点云数据预处理、航迹起始以及目标管理这三个方面进行深入研究。分析了本文所采用的三种点云数据预处理方法以及两种常见的航迹起始方法,在此基础上提出了一种可行的目标管理方案。（2）研究了Kalman滤波器在雷达目标跟踪算法中的应用。依据贝叶斯推理对于Kalman滤波算法的两个基本假设进行推导,并分别对于线性Kalman滤波器和扩展Kalman滤波器的应用场景进行讨论。重点研究了线性Kalman滤波器的系统状态转移方程、系统观测方程以及初始状态的选取问题以及扩展Kalman滤波器的线性化方法,并结合仿真实验对比了线性Kalman滤波器和扩展Kalman滤波器在毫米波雷达目标跟踪中的滤波性能差异,随后对性能差异原因进行研究。（3）研究了机动目标运动建模问题和交互多模型算法。分析了三种常用的机动目标运动学模型差异,给出了各个运动学模型之间的转换关系。对于交互多模型算法进一步展开研究,提出了一种选取恒速度模型、恒加速度模型以及恒转率和速度模型作为模型集的交互多模型算法,并通过仿真实验对比了该交互多模型算法与采用单一运动学模型算法之间的性能差异,随后对于性能差异的产生原因进行了分析。（4）提出一种多模式切换下的车载FMCW毫米波雷达数据融合目标跟踪算法。基于车载FMCW毫米波雷达调制解调波形的特性,提出了一种远近多模式切换的概念。远近多模式切换是指雷达波形采用两种波形调制交替实现,一种波形保证对远距离目标的探测能力,一种波形保证近距离的探测精度,近似于获得远距离和近距离两种不同调制波形雷达的环境感知能力。基于这一概念,提出一种雷达数据融合目标跟踪算法,并在仿真车载场景和道路实测数据进行了验证。相较于单模式毫米波雷达目标跟踪算法,实验结果表明该算法具有更高的跟踪精度和更优秀的鲁棒性。