车载防撞雷达作为辅助驾驶技术以及未来自动驾驶技术的基础之一,具有非常广阔的前景。它拥有较强的天气适应性,工作稳定可靠,擅长检测运动目标,能显著降低道路事故发生率。车载防撞雷达必将是未来的市场热点,能够产生巨大的经济与社会效益,本文就车载防撞雷达系统的设计与实现展开相关研究,在基于新型可扩展处理器ZYNQ的数字硬件平台上进行了系统实现,该平台内植Linux操作系统,能有效缩短系统开发时间,本文的主要研究内容包括以下几点:1、对载频为24GHz车载防撞雷达线性调频连续波工作体制进行研究,详细推导锯齿波目标测量的理论原理,结合系统指标要求进行工作参数的计算。2、研究并设计车载防撞雷达的系统算法,涵盖从获取数字中频信号到输出目标信息的完整过程。数字平台获取前端输出的零中频信号,首先对信号做动目标显示,设计多脉冲对消结构。然后进行速度补偿,搬回由于雷达载体运动所导致的静杂波偏移,研究了在做FFT之前的信号加窗,比较并选择合适的窗函数。信号检测环节比较了单元平均恒虚警和排序式恒虚警两种经典信号检测算法,选择适合车载环境的检测方法,研究均匀直线阵列测角的角度扫描方法。本课题研究了基于深度学习的人车识别分类器,推导神经网络反向传播过程原理。最后进行目标轨迹管理部分研究,包括使用卡尔曼滤波对目标轨迹平滑、匹配,制定碰撞预警策略,最终输出目标信息以及报警。3、然后主要对车载防撞雷达ARM部分算法做C语言编程实现,根据MATLAB仿真程序编写各程序子函数并分别进行实现验证。4、最终对车载防撞雷达系统原型机进行外场测试,主要验证车载防撞雷达能否正常工作,在此基础上测试雷达对不同目标在不同场景下的检测及识别能力。经过多次测试,系统基本满足设计要求。