随着科学技术的进步和国民经济的增长,城市现代化及汽车工业迅速发展,汽车的数量也迅速增长,人均汽车保有量逐年上升,造成了公路交通事故频繁发生,而大部分的事故产生的原因都是因为超速行驶,超速是最常见的交通违法行为,也是造成交通事故的主要因素。要保证车辆驾驶人的不超速驾驶,需要明确标志对应路段的最高车速并加大对路段的车辆速度监控。而对车辆速度的监控需要一套完整的雷达测速系统。传统的交通雷达测速系统无法实现根据实时的环境修改路段的最高限速标准,且测速雷达道路实测误差较大,很难做到大范围的覆盖,数据处理的速度慢,还会受到其他信号的干扰,视频抓拍后车牌识别比较困难,有时候甚至不能完成识别,需要人工干预,不仅增加了执法人员的工作量,也使得违法现象严重通报滞后。因此,研发一套智能化、高精度、高速度、经济实用的交通雷达测速系统,很有必要,其能为交通管理部分治理超速提供切实有效的技术方法,从而降低交通事故的发生率,提高道路使用效率,增加社会效益。本文以数字图像处理技术、窄波束雷达工作原理为基础,结合两种神经网络模型,实现了智能雷达测速系统的系统方案,进行了软硬件的设计,对软件部分的车牌识别算法、智能安全限速控制模型和硬件部分的窄波雷达核心设计方案进行了深入的研究,解决了雷达测速系统中车牌识别成功率、实时测速准确度、自适应限速三大问题的关键技术。本文首先介绍了车牌信息处理的方法,并针对中国汽车牌照的汉字、字符、数字混编特点,阐述了传统识别算法成功率低的原因,并在传统ART1(Adaptive resonance theory)神经网络的基础上,提出了一种三路并行ART1网络分类识别并结合地域管理的算法,该算法在完成基本的车牌获取、车牌定位、图像预处理后,能够实现对字符的快速、准确的识别。然后讨论了现有雷达测速的精度要求,以及雷达在实际测量时,由于各种外界环境和自身的影响导致测量结果与实际车速之间存在差距。文章采用系统工程的分析方法,对警用车辆测速雷达误差产生的主要原因进行了分析,找出了引起误差的主因,在雷达信号处理环节增加数字自动增益控制单元实现对雷达信号的增益控制,解决了雷达在实际工作中由于“倍频”、雷达与被测车辆之间角度差异引起的测量误差问题,从而达到减小测量误差的效果。在这种优化设计的基础上分析了平板窄波束测速雷达关键组件理论。根据雷达实际工作环境和安装规范设计了一套平板窄波束测速雷达,该雷达使用基于VCO压电振荡器的单级振荡发射机调制三角波作为射频信号,通过接收天线传回来的信号经过相关处理后分为I通道和Q通道两个信号,分别记录信号频率和相位信息。回传信号经过自适应滤波后,通过专门的信号处理模块实现对车辆距离、速度和大小的分析。该雷达于2013年被国家科技部、商务部、环保部、国家技术监督检验总局认定为国家重点新产品。最后采用了基于R-T模型雨量采集周期动态变化技术制作的雨量器对外界雨量实现实时监测。使用BP神经网络搭建了将环境参数、路况评价和车辆数作为输入,将实时路况的安全限速作为输出的智能限速模型。结合平板窄波雷达的硬件、智能车牌识别技术,设计搭建了一套智能交通雷达测速系统,开发了基于计算机平台的高速违法取证系统软件。并将该智能雷达测速系统产品化后应用到实际的交通管理中。经过长期、广泛的应用,结果证明该系统效果稳定、使用方便、性能优越,为减小交通事故死亡率做出了贡献,得到了用户的一致认可。