下载掌阅APP，畅读海量书库
立即打开
毫米波雷达系统主要包括天线、前端收发组件、数字信号处理器和控制电路，其中天线和前端收发组件是毫米波雷达最核心的硬件部分。
天线用来发射雷达信号和接收来自目标的雷达回波信号，是毫米波雷达有效工作的关键部件之一。由于天线尺寸和波长相当，所以毫米波雷达的天线可以很小，从而可以使用多根天线来构成阵列天线，实现窄波束。由于波长很小，毫米波可以使用一种“微带贴片天线”，在pcb板上的ground层上铺几个开路的微带线，就能做成天线。和大家常见的Wi-Fi和蓝牙的pcb天线很像。当然，由于毫米波的频率很高，那么一般需要高频板材。
图2.8 毫米波雷达天线
前端收发组件是毫米波雷达的核心射频部分，它包括多种功能电路，如低噪声放大器（LNA）、功率放大器、混频器、甚至收发系统等功能，具有电路损耗小、噪声低、频带宽、动态范围大、功率大、附加效率高、抗电磁辐射能力强等特点。
目前，前端收发组件集成的方法主要有混合微波集成电路和单片微波集成电路两种。毫米波雷达的关键部件前端单片微波集成电路（MMIC）技术由在国外半导体公司掌控，而高频的MMIC只掌握在英飞凌、飞思卡尔等极少数国外芯片厂商手中。国内的MMIC仍处于起步状态，厦门意行和南京米勒为正在研发雷达MMIC，相关性能仍有待验证。
图2.9 前端收发组件
数字信号处理器是毫米波雷达的重要组成部分，它通过嵌入不同的信号处理算法，提取从前端采集到的中频信号，获得特定类型的目标信息。毫米波雷达的数字处理主要算法包括整列天线波形形成和扫描算法、信号预调理、杂波处理算法、目标检测、测量算法、目标分类与跟踪算法等。
控制电路是车载毫米波雷达系统实现主动安全控制执行的最后一环，根据信号处理器获得的目标信息进行数据融合，根据信号处理器获得的目标信息，结合车身动态信息进行数据融合，最后通过主处理器进行数据处理，对车辆周围环境进行分析处理，比如对前方的行人或者障碍物进行识别判断，并迅速作出处理和发送指令，及时传输给报警显示系统，提醒驾驶员。
毫米波雷达工作过程如图2.11所示，它是通过天线向外发射毫米波，接收机接收目标反射信号，经信号处理器处理后快速准确地获取汽车周围的环境信息，如汽车与其他物体之间的相对距离、相对速度、角度、行驶方向等，然后根据所探知的物体信息进行目标追踪和识别，进而结合车身动态信息进行数据融合，最终通过中央处理单元（ECU）进行智能处理。经合理决策后，以声、光及触觉等多种方式告知或警告驾驶员，或及时对汽车做出主动干预，从而保证汽车行驶安全性和舒适性，降低事故发生率。
图2.10 毫米波雷达工作过程
图2.11 功能实现流程
毫米波雷达通过发射天线发出相应波段的有指向性的毫米波，当毫米波遇到障碍目标后反射回来，通过接收天线接收反射回来的毫米波。根据毫米波的波段，通过公式计算毫米波在途中飞行的时间，再结合前车行驶速度和本车的行驶速度因素，就可以知道毫米波雷达（本车）和目标之间的相对距离了，同时也就知道目标的位置，如图1.12所示。
图2.12 测距原理图
图2.13 测速原理图
图2.14 方位角测量原理
发射信号和接收信号之间除了一个滞后时间t d 外，其他特性均相同，滞后时间t d 与相对距离R的关系为：
式中，c为光速，Δf为混频输出频率差，T m 为雷达扫描周期，ΔF为信号带宽。
毫米波雷达测速是基于多普勒效应（Doppler Effect）原理。所谓多普勒效应，就是指当声音、光和无线电波等振动源与观测者以相对速度v运动时，观测者所收到的振动频率与振动源所发出的频率有不同。因为这一现象是奥地利科学家多普勒最早发现的，所以称之为多普勒效应。也就是说，当发射的电磁波和被探测目标有相对移动，回波的频率会和发射波的频率不同。当目标向雷达天线靠近时，反射信号频率将高于发射信号频率；反之，当目标远离天线而去时，反射信号频率将低于发射信号频率。由多普勒效应所形成的频率变化称为多普勒频移，它与相对速度成正比，与振动的频率成反比。如此，通过检测这个频率差，可以测得目标相对于雷达的移动速度，也就是目标与雷达的相对速度。
信号波发射和反射三角波中频频率可分别表示为：
式中，Δf代表中频频率；f d 表示多普勒平移，则可以推出雷达与目标之间的相对运动速度，其表达式为：
式中，f 0 代表发射波中心频率，速度V的符号与目标相对运动趋势相关：目标接近时V取正值，目标远离时V取负值。
毫米波雷达的发射天线发射出毫米波后，遇到被监测物体即反射回来，计算毫米波雷达并列的接收天线，计算收到同一监测目标反射回来的毫米波的相位差，就可以计算出被监测目标的方位角。原理如图2.14所示，毫米波雷达发射天线TX向目标发射毫米波，两个接收天线RX1、RX2接收目标反射信号。方位角α Az 是将毫米波雷达接收天线RX1和接收天线RX2之间的几何距离d，以及两根毫米波雷达天线所接收到反射波的相位差b，进行三角函数计算得到的值，可以据此知道被检测目标的方位角。
毫米波雷达的技术参数主要有最大探测距离、距离分辨率、距离测量精度、最大探测速度、速度分辨率、速度测量精度、视场角、角度分辨率和角度测量精度等。
最大探测距离是指毫米波雷达能够检测目标的最大距离。不同的毫米波雷达，最大探测距离不同。目前最远探测距离可达300 m。
距离分辨率表示距离方向分辨两个目标的能力。
距离测量精度表示测量单目标的距离测量精度，取决于信噪比。
最大探测速度是指毫米波雷达能够探测目标的最大速度。
速度分辨率表示速度维区分两个同一位置的目标的能力。
速度测量精度表示测量单目标的速度测量精度，取决于信噪比。
视场角分为水平视场角和垂直视场角，是指毫米波雷达能够探测的角度范围。
角度分辨率表示在角度维分离相同距离、速度目标的能力。雷达的角度分辨率一般较低，在实际情况下，由于距离、速度分辨率较高，因此目标一般可以在距离和速度维区分开。
角度测量精度表示测量单目标的角度测量精度。
2020年中期，汽车毫米波雷达市场占有率第一名德国大陆汽车推出全球第一个4D成像毫米波雷达，即ARS540，第一个使用ARS540的车型可能是宝马的电动车旗舰iX。之后，4D成像毫米波雷达概念风靡业界。单从外形上看，4D毫米波雷达并没有奇异之处，那么它风靡业界的原因是什么呢？
图2.15 ARS540 4D毫米波雷达
图2.16 4D雷达可探测物体水平及高度信息
4D毫米波雷达又被称为“成像雷达”。“4D”的概念指在原有距离、方位、速度的基础上增加了对目标的高度维数据解析。而“成像”的概念指其具备超高的分辨率，从而可以有效地解析目标的轮廓、类别、行为，这意味着4D毫米波雷达系统可以适应更多复杂路况，包括识别较小的物体、被遮挡的部分物体以及静止物体和横向移动障碍物的检测等。
目前，部分4D成像雷达已进入小批量样品阶段。华为在上海车展前夕发布了高分辨率4D成像雷达，采用12T24R超大天线阵列。上汽R汽车在中国首发来自采埃孚4D成像雷达，产品ES33已经进入量产前测试阶段。傲酷雷达的Eagle和Falcon两款产品也受到多家国内外车企巨头关注，公司CMO表示相关产品已经开始小规模供货。随着传统毫米波雷达巨头陆续宣布新一代4D雷达的量产时间点，4D雷达市场化量产即将来临。
传统的毫米波雷达不具备测高能力，因而难以判断前方静止物体是在地面还是在空中，无法细化刹车场景：
①井盖、减速带等“地面低小障碍物”无需刹车。
②交通标识牌、龙门架、立交桥等“空中障碍物”无需刹车。
③车辆、三角锥桶等“路面上较大障碍物”需要刹车。
鉴于此，为避免误刹车频发，AEB算法便决定对毫米波雷达的置信度权重下降，以视觉感知结果为主。然而，视觉感知的挑战在于，目标障碍物必须经过提前训练，而模型库又不可能穷举所有类型，故很多静态障碍物成了“漏网之鱼”。此外，即使有模型库，另一个挑战在于神经网络能否正确识别出前方障碍物。因此，便经常出现明明前方有障碍物，自动驾驶汽车却依然撞了上去的结果。而升级为4D毫米波雷达，AEB算法便可更多地考虑毫米波雷达的感知结果，从而有更高概率识别路面上的静态障碍物。结合其高分辨率带来的优势，可以更有效地解析目标的轮廓、类别、行为，进而能知道在什么情况下必须刹车（避免漏刹）。
相对于传统毫米波雷达，4D雷达具备更高的分辨率、兼顾探测距离和视场角、高度信息感知等优势：
①更高的分辨率。传统毫米波雷达存在角分辨率低、无法高密度点云成像等局限，因此难以有效解析小目标物体的轮廓、类别等。4D雷达通过高倍数虚拟MIMO等方式，可实现更高密度的点云成像，可探测到轮胎碎片等较小目标，降低漏报、误报率。例如德国大陆公司ARS 540水平分辨率达1度，是传统毫米波雷达的5倍。
②兼顾探测距离和视场角。增加探测距离通常需要增加同一发射天线的微带数目，使能量在某一方向聚焦，因此传统毫米波雷达探测距离的提升通常以减少FoV（Field of View，视场角）为代价。4D雷达通过算法、多芯片级联等方式，能在维持高FoV的同时，实现高角度分辨率及更远探测距离。例如，传统毫米波雷达在有效距离达250 m时，FoV将缩小至8 ～ 10度，但大陆的ARS 540在维持100度FoV的情况下仍能实现高达300 m的有效距离。
图2.17 4D雷达与传统毫米波雷达对比
③高度信息感知。由于具备纵向高度感知能力，4D雷达相较传统雷达可以检测静态障碍物。传统毫米波雷达可以探测前方道路上有静态障碍物反射点，但因为无法实现识别静态障碍物的高低和大小，因此不能将道路障碍物与天桥、交通标示牌等静态物品区别开。4D雷达具备高度维度感知，可解析静态障碍物的轮廓等信息并进行分类，更有效地避免“误刹”，“漏刹”。
相对于激光雷达，4D雷达具备可全天候、全天时工作、成本较低等优势。
①全天候、全天时工作。受制于激光的物理特性，激光雷达在雨雪、沙尘等极端天气环境下，工作可靠性会受到影响。4D雷达能全天候、全天时工作，在暴雨、大雪、漆黑及空气污染等恶劣环境条件下也能提供高可靠性的探测。此外，4D雷达能够“看穿”墙壁、紧闭的门和其他固体物体，这是激光雷达所不具备的能力。
②成本较低。长期以来，高昂的价格成为制约激光雷达“上车”的关键因素。相比激光雷达，规模量产后的4D雷达价格与传统毫米波雷达基本一致。且由于4D雷达原理上与传统毫米波雷达存在共性，与摄像头进行数据融合的应用也更为普遍，能实现更低的验证成本，有望率先实现量产“上车”。
③分辨率差距缩小。根据佐思汽研，依托虚拟孔径成像（VAI）技术，4D雷达已可实现高清成像，效果接近或超过16 /32线激光雷达。傲酷公司的Eagle系列可生成每秒几万点的雷达点云图像，横向与纵向角分辨率都在1度以内，傲酷公司认为其未来成像效果或可媲美32 /64线激光雷达。
因此，Arbe公司联合创始人兼CEO不止一次提到“未来4D成像雷达可让自动驾驶汽车完全摆脱对激光雷达的需要，其也将从冗余部件升级为自动驾驶的核心部件”。
雷达芯片厂商恩智浦也从几年前开始就希望用4D毫米波雷达替代激光雷达。2019年下半年，恩智浦执行副总裁兼首席技术在接受《电子工程专辑》采访时说：“在L3级自动驾驶阶段，成像雷达相比于激光雷达是有优势的。”
雷达传感器在新一代量产车型主要有两种“上车”方案：
①激光雷达方案：小鹏、Waymo等厂商计划在下一代量产车型上搭载激光雷达，采用摄像头、毫米波雷达和激光雷达相结合的技术方案。
②视觉算法主导方案：特斯拉采用无激光雷达方案，使用摄像头做“眼睛”，搭载毫米波雷达和超声波雷达，收集数据，是一种视觉为主导的技术方案。
激光雷达在L4 / L5级自动驾驶落地，并非一路坦途。一方面，激光雷达面临的成本高昂、维修高昂等问题，可能成为在L4 / L5级自动驾驶汽车量产上车的“致命短板”。另一方面，进入高级别自动驾驶后，冗余感知迫在眉睫。技术角度来看，激光雷达仍存在镜面黑洞效应（照射反射率较高且非正对激光雷达的物体时，难以检测到返回信号）、在恶劣天气工作可靠性下降等局限性，因此激光雷达难以作为单一雷达传感器应用于L4 / L5级自动驾驶汽车。
4D雷达也并非完美。相比高线激光雷达，4D毫米波雷达仍存在横向分辨率不足的问题。我们认为，未来多感知融合或为汽车传感器主流解决方案。随着图像技术更为成熟，叠加激光雷达价格下探，摄像头+4D雷达+超声波传感器+激光雷达带来的多传感器融合，能够创建高分辨率可识别区域的冗余感知，因此多传感器融合或为大势所趋。
通常24 GHz雷达检测范围为中短距离，用作实现BSD、LCA等功能，而77 GHz长程雷达用作实现ACC、AEB等功能。
从技术角度看，24 GHz雷达与77 GHz雷达都是处于毫米波的频段，本质上并没有大的区别。而根据波的传播理论，在无线通信系统中，频率较高的信号比频率较低的信号容易穿透建筑物，而频率越低，波长越长，绕射能力越强，信号损失衰减越小，传输距离越远。因此24 GHz雷达比77 GHz的绕射能力更强，但77 GHz雷达得益于更小的波长，相比24 GHz距离检测精度高，因此在使用的时候各有利弊。
24.0 GHz到24.25 GHz的频段是窄带（NB），带宽为250 MHz，常用于工业、科学和医学方面。其中，24 GHz频带还包括一个带宽为5 GHz的超宽带（UWB）。
在短程雷达中，24 GHz频段的NB和UWB雷达已经应用于传统的汽车传感器上。通常NB雷达可以完成盲点检测等简单应用，但在大多数情况下（包括超短距离），由于高频分辨率的需求，需要使用UWB雷达。
由于欧洲电信标准化协会（ETSI）和联邦通信委员会（FCC）制定的频谱规则和标准，UWB频段将很快被逐步淘汰。2022年1月1日以后，UWB频段将无法在欧洲和美国使用，只有窄带ISM频段可以长期使用。
24 GHz频段缺乏宽带宽，再加上新兴雷达应用中对更高性能的需求，使得24 GHz频段对新兴雷达没有吸引力，尤其是在当前对自动停车和全景视图感兴趣的汽车领域。
反观77 GHz频段，其中76 ～ 77 GHz频段可用于远程车载雷达，并且该频段有等效同性各向辐射功率（EIRP）的优势，可控制前端远程雷达，例如自适应巡航控制。
该频段在日本和欧洲可用于交通基础设施中的雷达系统，可以完成车辆计数、交通阻塞、事故检测、车速测量和通过检测车辆激活交通灯等任务。77 ～ 81 GHz短程雷达（SRR）频段是新加入的频段，这个频段最近在全球监管和行业采用情况方面都获得了显著的吸引力。同时，该频段可提供高达4 GHz的宽扫描带宽，非常适合需要高距离分辨率（HRR）的应用。
①77 GHz毫米波雷达有高的距离分辨率和测距精度。与24 GHz频段下只有200 MHz带宽的ISM频段相比，77 GHz频段下的SRR频带可提供高达4 GHz的扫描带宽，显著提高了距离分辨率和精度。其中，距离分辨率表示雷达传感器能够分离两个相邻物体的能力，距离精度表示测量单个目标时的精确度。
由于距离分辨率和精度与扫描带宽成反比，因此与24 GHz雷达相比，77 GHz雷达传感器在距离分辨率和精度方面的性能更好，经过测试发现可提高20倍。实际上，77 GHz雷达可实现的距离分辨率为4 cm（24 GHz雷达分辨率为75 cm）。高距离分辨率可以更好地分离物体（例如站在汽车附近的人）并提供检测到物体的密集点，从而完善环境建模和物体分类，这对于研发先进的驾驶辅助算法和自动驾驶功能非常重要。
此外，分辨率越高，传感器识别的最小距离就越小，因此在停车辅助等需要高精确度的应用方面，77 ～ 81 GHz雷达有着显著的优势。
77 GHZ频段的宽频带具有较高的分辨率，可用于工业级液位传感器，使传感器能够“测量到最后一滴”的液位，最大限度地减少水箱底部的死区。而且，由于高分辨率可以改善最小测量距离，因此当水箱满了时，传感器可以测量水箱顶部的液位。
②77 GHz毫米波雷达拥有高的速度分辨率和精度。速度分辨率和精度与射频（RF）频率成反比。因此，频率越高，分辨率和精度就越好。
对于汽车停车辅助应用，速度分辨率和精度是至关重要的，因为在停车时需要以低速准确地操纵车辆。
此外，最近的研究利用具备更高分辨率和微多普勒信号的雷达进一步改善了行人检测和高级物体分类算法。速度测量精度的提高有助于工业应用，同时也有利于改善当前自动化车辆背景下的交通检测等情况。
③77 GHz毫米波雷达拥有更小的尺寸。较高射频频率的主要优势之一就是传感器尺寸可以更小。对于相同的天线视场和增益，77 GHz天线阵列的尺寸可以在X和Y维度上减小约75%。这种尺寸上的缩减在汽车上非常有用，主要体现在汽车周围的应用（包括需要安装近距离传感器的门和后备厢）和车内的应用。
在工业流体水平线传感方面，较高的射频频率可以为相同尺寸的天线和传感器提供更窄的波束。较窄的光束可以减小来自水箱侧面的不需要的反射以及箱内的其他障碍物的干扰，从而获得更高精度的测量结果。此外，对于同等宽的波束，射频频率越高，传感器的尺寸越小，更加易于安装。
④24 GHz毫米波雷达的射频芯片对相对77 GHz雷达射频芯片更易获取。各大厂商经过多年对24 GHz毫米波雷达的研发，市场上24 GHz毫米波雷达的产品体系已经相对成熟，供应链已经相对稳定。在国内，24 GHz的核心芯片射频芯片能从英飞凌、飞思卡尔等芯片供应商获得。但是，目前在全球范围内77 GHz毫米波雷达芯片并没有稳定的供应体系，由于相关知识产权与合作协议的原因，英飞凌、飞思卡尔、意法半导体等芯片商对中国并没有放开77 GHz雷达芯片的供应，因此国内77 GHz毫米波雷达的开发受到一些限制。
目前，在全球毫米波雷达市场上，占主导地位的是德国、美国、日本等国家。由于毫米波雷达技术涉及敏感领域，为防止该技术被中国复制，技术领先的国家对中国采取了技术封锁的手段。直至今日，60 GHz以上的毫米波雷达产品都被禁止运输到中国。77 Ghz毫米波雷达的核心技术掌握在博世、德尔福、奥托立夫、大陆等跨国巨头手里，其产品不单独向中国销售，只为提供全套系统，价格相当昂贵。而且，整套系统中也不会配备最新一代的77 GHz产品。就连进口汽车上采用的77 Ghz毫米波雷达，也是国外早前几代的产品。
考虑到中国的实际国情以及芯片研发进度等行业特点，24 GHz毫米波雷达在国内仍有较大市场空间。相比全球而言，我国77 GHz毫米波雷达的大规模应用将稍微推后。随着技术的发展，77 GHz毫米波雷达将在行业普遍产业化。
FMCW雷达系统通过天线向外发射一列连续调频毫米波，并接收目标的反射信号。发射波的频率在时域中按调制电压的规律变化。FMCW毫米波雷达的发射信号采用的是频率调制，常用的调制信号有正弦波信号、锯齿波信号和三角波信号等。当以三角波或锯齿波作为调频波时，称其为线性调频连续波（LFMCW）。三角波线性调频连续波利用差拍傅里叶方式在一个周期内就可无模糊确定目标距离和速度，处理简单，易于实现。它利用发射信号的线性调频和从目标反射回来的接收信号频率的变化相关和频谱配对来进行动目标的测量。因此三角波线性调频连续波雷达的设计和实现，有着非常重要的现实意义。
图2.18 测距原理
LFMCW波雷达的工作原理是用回波信号和发射信号的一部分进行相干混频，得到包含目标的距离和速度信息的中频信号，然后对中频信号进行检测即可得到目标的距离和速度。当目标物体是相对静止时，发射信号碰到目标物体后被反射回来，产生回波信号，回波信号与发射信号形状相同，只是在时间上延迟了：
式中，R为目标物体的距离；c为光速。
图2.19 三角波雷达测距测速
发射信号与回波信号的频率差即为混频输出的中频信号频率f 0 ，根据相似三角形的关系，由图2.19（a）可以得出：
式中，T为调制三角形周期；ΔF为调频带宽。
将σ= 2R /c代入上式可得：
从式（2.8）中可以看出，在调制周期T和调频带宽确定的情况下，目标距离与LFMCW雷达前端混频器输出的中频信号频率成正比，这就是目标物体处于相对静止的情况下LFMCW雷达测距原理。
图2.20 FMCW雷达运动目标回波信号
图2.21 两个目标情况下目标检测
从图2.20中可以看出，三角波的上升沿和下降沿中频信号的频率可分别表示为：
式（2.9）和式（2.10）中为目标物体相对静止时中频信号的频率，为多普勒频移。由距离公式R和多普勒频移公式可得：
由上述公式可以看出，毫米波雷达信号中频频率f b 的确定是求出R、V的关键。
以上两式虽然是在目标处于相对运动状态下推导出来的，但是对于相对静止的目标同样适用。因此，在实际应用中，不管目标是处于相对运动还是相对静止，只要分别求出调制三角波在上升沿和下降沿的中频信号的频率，就可以利用以上两式来计算目标的距离和速度信息，这就是FMCW毫米波雷达测距测速原理。
f的确定即是对发射和反射信号的频差进行频谱分析。信号的频谱分析主要有FFT法和非FFT法。所谓FFT法，即是对被分析的信号进行傅里叶变换，将其从时域变到频域，在频域进行分析，必要时再通过傅里叶逆变换，变回时域的分析方法。而非FFT方法则是通过其他的途径，获得信号的频率参数，如最大熵法、MUSIC法等，各有特点。综合考虑方法的复杂性、实时性、稳定性，对汽车雷达而言，频谱分析应首选FFT法，这种方法比较成熟，实现容易，实时性强，适合于汽车运行状况下信号的实时处理。
当雷达的辐射范围内有多个目标时，三角波调频方式雷达会产生一定的虚警率。
当前方为单目标时，由前面的公式，可以确定两个二元一次方程。在R—V平面内会确定两条斜率相反的直线，如图2.22中两条实线，从而获得一个交点，即可确定目标的相对速度和距离信息，而在多目标监测时则会产生虚警。以两个目标为例，由于雷达的参数相同（k 0 ，k 1 相同），两个目标在发射信号处于频率上升和下降的频段会产生两组平行的直线，有4个交点，其中两个为虚警目标。随着目标数量的增加，虚假目标会成倍地增长。因此，必须对雷达的发射波形进行调整，一方面应提高雷达的多目标分辨率，另一方面要算法简便快捷，保证系统的实时性。波形调整的方法有很多种，至今也是毫米波汽车雷达应用的一个难点。这里仅对增加频率段方法的原理做一简单阐述。
图2.22 两个目标状况下目标监测
由于增加了和原有频率不同斜率的发射信号，如图2.23中的C段，则目标点在R—V平面内将获得另外一条直线，与原来两条直线交于一点，即为目标的信息点，如图2.24中两目标检测中实线的交点。当遇到多目标时如果分属于不同的频率段的直线交于一点，则该点为真实目标点。以两目标点为例，如图2.24所示，三直线相交于一点，即为真实目标点，从而消除了一定的虚假目标。当然，增加的频率段越多，则可以消除的虚假目标也就越多。但是，每增加一个频率段就会增加系统的运算时间，为此频率段的增加和系统的实时性要有一定的折中。
图2.23 增加多普勒发射信号
图2.24 增加发射频率后的两个目标检测
随着CMOS高频器件和单片微波集成电路MMIC的出现和应用，毫米波雷达的性能有了很大的提高，成本也有所下降，并且雷达的外形尺寸可以做得很小，便于在汽车上安装。因此，毫米波雷达就成了汽车前视雷达的首选。为了在高速公路上及时发现前方的交通堵塞，汽车用毫米波雷达的探测距离必须在100 m以上；为了覆盖左右两侧的车道线，探测宽度必为3.5 m；为了不把道路上方的标识和人行天桥也探测进去，上、下方要有与道路的升降相对应的3 m左右的探测幅度。
（1）邻近感测
邻近感测传感器扩展了雷达探测障碍物的能力，比如开车门或后备厢时的防撞功能。这一应用功能利用了雷达的高距离分辨率及其近距离探测障碍物的能力（障碍物包括电线杆、停车障碍物、墙壁、邻近停放的车辆等）。邻近感测也可用于泊车辅助。
处理器通过执行2D FFT处理帧间的模数转换（ADC）数据，该过程可解析出目标的距离和多普勒信息，并区分出附近的运动物体和静止的障碍物。基于雷达的移动，多普勒分辨也有助于对静止目标物的辨识，因为相对于雷达而言，它们的相对速度是不同的。通过不同天线间二维FFT矩阵的非相干累积生成一个距离-多普勒图，然后由检测算法进行处理。诸如CFAR有序统计（CFAR-OS）等更复杂的变形也有助于改善存在杂波情况下的检测。
（2）驾驶员生命体征监测
FMCW雷达技术的一项重要应用是提高道路安全性，它可通过精确监测驾驶员的心率和呼吸频率来持续监测驾驶员的生命体征。这种小尺寸传感器简单易用，比如它可以嵌入驾驶员座椅的靠背中。
FMCW雷达接收信号的相位对目标位置的微小变化极为敏感（如前所提及的相位灵敏度，目标每移动1 mm，经过距离FFT处理数据的相位就会变化180度）。利用这一特性可估计出目标的振动频率（比如由呼吸和心跳引起的振动）。
该器件发出一串chirps信号，随之利用距离FFT中的峰值识别来自驾驶员胸部的强烈反射。通过算法跟踪这个峰值的相位，并对该相位序列进行频谱分析，以提取驾驶员的心脏和呼吸频率。
注意，由呼吸引起的胸部运动可达到12 mm量级，这是雷达工作波长（77 GHz时约为4 mm）的好几倍。因此，为了更准确地测量出结果，需要对相位进行合适的解卷绕处理。随后，器件中的算法对相位序列进行带通滤波处理，提取出目标频谱（呼吸频率为0.1 ～ 0.5 Hz，心跳频率为0.8 ～ 2 Hz）。然后，对输出结果进行频谱分析，测量出心率和呼吸率。为了提高鲁棒性，可选择性地使用运动检测模块来检测驾驶员的内部运动，并对其进行适当地动态补偿，或者放弃读取。
（3）手势识别
使用FMCW雷达可实现较高的距离和速度（或多普勒）分辨率，使其非常适合于基于手势的非接触式界面。应用于汽车的案例包括基于手势打开车门/后备厢和基于手势控制信息娱乐系统（例如通过挥手切换屏幕，或者通过捻转手指控制音量）。
特征处理方法有很多种。一种方法是将特定的时间窗内提取的特征发送给机器学习算法，例如人工神经网络、决策树或支持向量机等，然后再进行分类。另一种方法是利用手工编写的逻辑来识别提取特征中的各种手势。混合解决方案也是一种可能的方法。特征处理的输出是检测到手势的类型。此外，特征处理还可以输出与手势有关的其他指标（例如手势速度），利用这些指标可改善用户体验。
（4）占位检测
被锁在车内的儿童和动物可能会很快死于高温。安装在驾驶室中的FMCW雷达可以在无人照看的车辆中检测到生命体的存在，从而能够及时采取措施。该应用主要取决于雷达是否具备精细的速度分辨率。雷达必须能够将即使最轻微运动（例如熟睡中的孩子）的目标与车内静止的杂物区分开。
所有天线的距离FFT被传递到角谱估计模块，该模块对每个距离单元的角谱进行估计。目标的微小运动有助于距离FFT峰值相位（多个chirps信号序列计算所得）的去相关运算，这反过来有助于提高角度分辨率。
如果距离FFT解析出了信号的距离，而角谱估计解析出了角度，后续处理可以基于检测算法（例如CFAR），或者更复杂的特征提取和分析技术检测出该图中的目标。后处理的输出可以是一个标识，指示目标对象的存在或不存在。另外，后处理模块还可以输出目标的空间位置。在航空航天和国防应用中，雷达大多使用脉冲、脉冲压缩信号，甚至频率捷变来进行远程侦察，而如提供高精度定位的工业雷达传感器、飞机高度计和车载雷达传感器等均使用连续波雷达信号。车载雷达市场中，往往要求成本低，性能突出，可靠稳定，在成本的限制下，雷达必须进行高效的研发和生产，雷达传感器的测试与测量必须实时可靠，产品必须物美价廉、前景明朗。线性调频连续波雷达信号应用于多种雷达系统中。尽管调频连续波技术已推广使用多年，但其在车载雷达领域的应用最为广泛。