自动或辅助驾驶是提升日益复杂和拥堵道路交通的智能化水平、推进汽车产业转型升级的重要技术途径,在集成电路和雷达系统技术高速发展的今天,车载毫米波雷达已突破体积、功耗和成本等应用限制,并以其全天时、全天候的高可靠性和高精度探测能力,成为了车载核心传感器,基于车载毫米波雷达的目标自动分类识别技术研究可为精准形成自动驾驶策略提供技术支持。论文围绕车载毫米波雷达对行人、机动和非机动车辆、大型及小型机动车辆等道路交通主体分类识别的技术难题,开展了基于目标运动特征和电磁散射特征的特征提取,研究了基于多特征融合的分类识别技术、并基于实测数据进行了试验研究,获得了高正确率的道路目标分类识别结果,具有良好的推广应用价值。本论文的主要工作和贡献如下:1.分析了毫米波雷达系统的工作模式和适用需求,研究了LFMCW雷达信号的目标定位参数和特征信息测量原理。2.分析了不同类型道路目标分类识别所需的关键特征,研究了基于目标运动特征及电磁散射特征的提取和处理技术,基于实测数据完成了各类目标的特征提取和特征变换,为进一步的目标分类识别技术研究提供了特征级的数据样本支持。3.构建了基于道路目标的分类识别机制,研究了基本分类识别方法及算法特性,依据实际应用场景需求,构建了基于多特征融合的决策树-支持向量机分类器,并进行了基于实测数据的分类器训练与设计。4.搭建了基于AWR1243毫米波雷达的实验平台,进行了融合分类识别算法的实验测试和识别效果评估,达到了优于90%的正确分类识别率,验证了毫米波雷达目标分类识别方案的可行性。