随着智能交通系统的飞速发展,毫米波（Millimeter Wave,MMW）雷达技术因具有成本低、探测精度高、抗恶劣天气干扰能力强以及全天候不间断监测等诸多特性,被广泛地应用在自动驾驶、智慧高速建设等多个场景中。然而MMW雷达体积小的优势也带来了角度分辨率难以提升的挑战,若MMW雷达角度分辨率过低,将无法正确地分辨前方间隔较小的车辆或者行人,在实际的车载或者高速检测的应用场景中将会造成致命的影响。超分辨算法能够突破瑞利限,获得一个高分辨率,但是复杂度过高,难以在实际的工程中应用。基于上述研究背景,本文主要研究了以下内容:1.在研究MMW雷达的工作流程及参数估计原理的基础上,针对传统测角方案分辨率低的问题,重点分析了三种子空间类的超分辨算法,MUSIC、Root-MUSIC以及ESPRIT算法。仿真结果表明,在单快拍条件下Root-MUSIC和ESPRIT的性能接近,均优于MUSIC算法。2.研究了超分辨算法在低复杂度下性能提升的问题,提出了一种空域测角与波束空间超分辨算法相结合的测角方案,该方案能够避免波束域空间谱中的栅瓣干扰,保留MUSIC类算法的超分辨性能。且降维与局部搜索带来的运算减少量远大于引入空域测角导致的运算增加量,从而有效地降低了运算量。仿真结果表明,该方案的检测能力及估计精度均优于基础MUSIC类算法。3.研究了迭代循环类的角度估计方案,提出了一种基于FFT和迭代插值的快速超分辨算法。该算法无需预知信源个数,且细化估计的迭代次数在基于残差变化率的收敛策略下降低了约50%。基于MMW雷达特定参数进行了算法仿真,仿真结果表明,该算法具有比RELAX、Root-MUSIC更加优良的估计性能。在相同的信噪比下该算法能够分辨的角度间隔更小;在两倍超分辨下该算法达到90%以上的检测概率所需的信噪比更低,仅为8.12 d B。4.采用24 GHz路侧MMW雷达进行外场测试,对大车、小车、双车前后、双车并行四种场景进行了数据采集,通过实测数据对文中算法在实际应用场景中的可行性进行了验证。其中在存在干扰目标的多车场景中,本文提出的超分辨测角方案能够很好地去除干扰目标,降低虚警,获得更优良的估计结果。