伴随着近年来经济社会的发展与人工智能技术的进步,无人驾驶技术作为一种能够提升人类出行安全系数、便利社会生产生活的有效手段,逐渐成为学术界与工业界研究的热点。毫米波雷达凭借其体积小、成本低以及工作性能受恶劣天气影响较小等特点,在无人驾驶传感器中具有不可替代的作用和地位。但由于受到系统射频以及基带硬件成本约束,现有的中长距车载毫米波雷达很难在低复杂度系统中达到令人满意的参数估计性能。另一方面,相比于中长距车载毫米波雷达,拥有较高距离分辨率的短距车载毫米波雷达需要设计更加精确的算法以实现更高的系统性能。为此,本论文进行了以下几方面的研究。(1)研究了车载毫米波雷达的目标检测与参数估计算法。针对恒虚警率检测(Constant false alarm rate,CFAR)算法中计算复杂度较高的问题,提出了一种基于辅助门限曲面的改进CFAR检测算法,可减少待检测单元数量从而降低目标检测模块的整体计算量;针对系统中频信号2维快速傅里叶变换(Fast Fourier transformation,FFT)频谱跨骑损失导致目标相位信息丢失的问题,提出了一种改进的目标相位信息获取算法,利用质心法修正后的目标距离/速度估计值计算中频时域信号对应的快/慢时间维离散傅立叶变换(Discrete Fourier transformation,DFT)旋转因子,并进行2维DFT处理以提取目标相位信息,可减小目标相位信息的信噪比损失从而提高系统到达角(Direction of arrival,DOA)估计精度;针对现有的速度解模糊算法计算复杂度高且时间利用率低的问题,提出了一种适用于宽带系统的信号复用解模糊算法,利用主信号与子信号之间的扫频差异,完成解速度模糊处理,所提算法拥有更低的复杂度且不需要额外的锯齿波辅助信号。(2)研究了车载毫米波雷达的虚拟阵列算法。针对现有的基于时间分集的虚拟阵列算法中的相位补偿算法在相干目标场景下无法适用的问题,提出了一种基于速度估计的相位补偿算法,利用估计得到的目标速度信息对虚拟阵列间的运动相位误差进行补偿,所提算法拥有更低的计算复杂度且普适于相干/非相干目标场景;针对基于时间分集的虚拟阵列算法损失了多根发射天线同时工作带来的功率增益问题,提出了一种基于空时分组码的虚拟阵列算法,对发射信号和中频信号进行编码解耦,能够在单根发射通道功率受限的场景下,同时获得功率增益和阵列增益。(3)研究了车载毫米波宽带雷达的运动频率扩展校正算法。针对宽带车载毫米波雷达系统因目标与雷达的相对运动引起频率偏移的问题,推导了该频率偏移带来的运动频率干扰项和运动相位干扰项的近似解析表达式,并基于该理论推导分析了频率扩展带来的影响。同时,提出了三种具有不同算法和复杂度折中的运动频率扩展校正算法。其中IDFT(Inverse discrete Fourier transformation)频率校准算法具有最优的系统性能,频谱单元重排算法可以在系统性能和算法复杂度之间提供灵活的折中控制,而简易频率修正算法能够在几乎不引入额外计算量和存储量的基础上,改善系统的距离和速度参数估计性能。(4)研究了基于TI-AWR1443芯片的77GHz车载毫米波雷达系统实现。首先,针对低成本芯片采样位数不满足目标信噪比动态范围的问题,提出了一种低复杂度的双模式车载毫米波雷达帧结构设计方法。随后,基于所提方法以及TI-AWR1443的芯片参数,进行发射信号帧结构设计和车载毫米波雷达信号处理模块设计,并利用本文所提出的改进算法以解决传统系统中所存在的问题。所实现的车载毫米波雷达系统,拥有180m的最大检测距离,0.75m的距离分辨率以及方位角±50°的检测范围。最后,针对基于TI-AWR1443的车载毫米波雷达系统进行实际测试和数据分析,验证了系统的有效性。