FMCW(Frequency modulated continuous wave)毫米波雷达具有测距测速精度高和恶劣天气(暴雪、大雨和浓雾等)下性能具有鲁棒性等优点，被广泛应用于无人艇自主避障、汽车自动驾驶、巡航导弹制导、入侵目标探测与监视等民用和军事领域。在多目标场景中，基于FMCW毫米波雷达的目标检测能够生成点云，为后续的目标识别提供原始数据源，是FMCW毫米波雷达实现环境感知的关键。因此，研究FMCW毫米波雷达多目标检测方法具有重要的学术价值和现实意义。
　　本文主要研究了两种基于FMCW毫米波雷达的多目标检测方法：基于距离-速度的二维(Two-dimensional, 2D)目标检测方法和基于距离-速度-角度的三维(Three-dimensional，3D)目标检测方法。具体阐述如下：
　　(1)针对单接收通道FMCW毫米波雷达二维目标检测面临的计算复杂度高的问题，提出了一种基于ROI(Region-of-interest)预处理的分阶段1DCA-CFAR(One-dimensional cell-averaging constant false alarm rate)目标检测方法。首先，建立了FMCW雷达的收发信号模型，推导出包含目标位置和运动参数信息的差拍信号模型。其次，基于该模型分析了传统的二维目标检测方法的计算复杂度，阐明了传统方法由于缺少目标的先验信息需要对每个检测单元进行遍历，从而导致计算复杂度高的问题。在此基础上，本文提出了基于ROI预处理的分阶段1DCA-CFAR目标检测方法：建立距离-ROI检测模型和多普勒-ROI检测模型以实现对目标先验性息的提取，避免了对每个检测单元的遍历而节省了计算资源；与此同时，为了保持良好的检测性能，采取分阶段的1DCA-CFAR检测和峰值聚焦处理以去除噪声和虚假目标。仿真和基于团队自研系统的实测结果均表明：与传统的二维目标检测方法相比，本文提出的新检测方法不仅能显著地降低计算复杂度，还能提升包含距离-速度参数信息的有效目标的检测精度。
　　(2)针对多接收通道FMCW毫米波雷达三维目标检测面临的多目标遮蔽效应以及插值虚警的问题，提出了一种基于时分复用多输入多输出(Time-division multiplexing based multiple input multiple output, TDM-MIMO)虚拟阵列的多目标检测方法。论文首先建立了MIMO雷达收发阵列模型，并推导了MIMO雷达信号模型，生成了TDM-MIMO虚拟阵列；进而根据实际设计的雷达天线阵列布局，建立了等效88根虚拟接收天线的虚拟阵列模型。在此基础上，采用补零插值和角度-FFT处理，得到高分辨率的目标角度空间谱，并针对性提出了基于极大值滤波器的CFAR检测算法；该算法能够有效去除相干目标遮蔽效应和降低补零插值引起的虚警，从而输出高精度、高分辨率和高可靠性的三维(距离-速度-角度)目标点云。仿真与基于团队自研系统的实测结果均表明：与现有的检测方法相比，新方法能够提升对多目标遮蔽干扰的鲁棒性和有效解决插值虚警的问题。