自内燃机发明以来，汽车作为一种高速，便捷且精密的机器，在人们的生产生活中扮演了越

来越重要的角色[]。信息时代来临后，汽车的功能日益完善，已经成为当今社会中身兼交通、通
信和娱乐等功能于一身的重要组成部分。如今，在经济全球化和工业集约化的大背景下，一辆汽
车的生产意味着世界各地众多产业链的优势互补，这使得汽车的制造成本大幅下降[]。因此无论
在发达国家还是发展中国家，都能找到汽车的身影。统计表明，世界各国的汽车保有量是逐年增
长的[]。一些国家利用自身的优势，如人力，地理环境等，承接由发达国家转移出来的产业，为
自身经济发展助力。两个典型的例子是巴西和中欧。巴西主要承接劳动密集型产业。国家接收外
企投资以建造完整的汽车装配厂。而中欧则是背靠成熟市场，利用接近发达国家的地理优势，提
供零部件出口和小规模加工[]。更极端地，有些国家凭借汽车产业，实现了对发达国家的追赶。
如上世纪九十年代韩国的 Hyundai 公司一年可以生产 400,000 辆汽车，这几乎是当时老牌汽车制造
商(日本、欧洲)的两倍。其在 1985 年至 1988 年的三年间，汽车出口量增加了近五倍。汽车工业为
韩国的经济腾飞做出了重要贡献[]。汽车产业带来的经济蓬勃发展又会反作用于国内市场，促进
国内私家车保有量的提升。以中国为例，从 1980 年到 1998 年的不到 20 年间，中国的汽车工业产
值提升了将近 33 倍。与此同时，1985 至 2005 年的 20 年间，中国的汽车保有量也提升了将近十倍
[][]。因此，无论从个人微观层面还是国家宏观角度，汽车都是当今社会不可忽略的一环。

汽车工业的发展带动了房地产、交通运输和通信网络等产业的繁荣[][]，也因此带来了人们对
于实现便宜且普适的停车场监控系统的需求。原因如下。直观地，随着汽车保有量的增加，有限
的土地资源和日益增长的停车需求之间存在尖锐的矛盾。在一些农村地区甚至都出现了停车困难
[]。在大城市停车难的问题变得更加严重。政府不得不将大量土地用于停车。考虑到汽车保有量
的迅猛增长，汽车对土地的占有是惊人的。以洛杉矶县为例，超过 10%的土地都已经被用于停车
[]。然而并非所有的停车位都被有效利用。在北京，路边和住宅区停车位的利用率远远超过
100%，然而地下停车场和郊区的公共停车场则仅有 20%到 30%的利用率[]。因此许多人不得不选
择违规停车。然而停车难不是违法的借口。当收到罚单时，居民和城市管理者之间的矛盾便又加
深了。因此居民需要一款便宜且普适的停车场监控系统，来为自己规划最佳的停车地点。政府也
需要这种系统来实现对宝贵的土地资源的合理规划和杜绝浪费。进一步地，如今许多城市正在努
力构建智慧城市，以期得到更广阔的发展。自 2013 年，中国已将超过 100 座城市作为智慧城市建
设试点[]。另一个典型的例子是新加坡城，这座曾获得过智慧城市奖的城市[]。新加坡通过引入新
兴 IT 技术，实现了政府对于教育、港口、金融等行业的合理规划[]。在智慧城市的概念的要求下，
研究人员主张将城市中的车辆流动情况记录到庞大且强大的通信网络中[]。这将明显提升实现所
有停车场、十字路口和社区的交通统一调度的可能性。城市决策者将因此获得海量数据以助于分
析城市经济情况和社区生态[]。车辆流通密集的地方可以兴建大型商业中心和写字楼，而车流稀
疏之处可以转移行政功能和工业区。以 Brno 市为例，研究者应用了一种住宅区停车场监控系统，
通过卫星、遥感和网络等技术为居民停车做出最优规划。最终使得停车场效益提高了 3 倍，并在
总体上减少了违停现象的发生[]。停车场管理本质上是对土地资源的管理，而合理利用土地资源，
集中规划城市资源正是智慧城市的要求之一。同时对土地资源的有效管理又会带来高额的经济效
益。因此无论从构建智慧城市的角度还是实现城市经济增长的角度，设计一种便宜且普适的停车
场监控系统都是十分必要的。此外，在 5G 时代的浪潮下，物联网(IoT)技术正在蓬勃发展，并且
必将成为 6G 时代的重要组成部分[]。构建物联网时，人们不满足于区域间通信，而是要将所有物
品连接到网络中。汽车作为城市的重要组成部分，无疑会被物联网所涵盖，进而带动其衍生品都
参与到物联网建设中来。以停车场为例，驾驶员，车辆， 电力设施和照明装置等都将通过物联网
实现通信。在这种情况下，混乱而无序的停车场管理模式肯定不是人们所想要的。一种便宜且普
适的停车场监控系统正呼之欲出。
传统的停车场管理系统采用光学摄像头。光学方法易于实现，廉价，便于大规模推广[]。在
以往的智慧城市构建中，人们利用摄像头采集的数据实现停车自动化。[] 提出了一个基于物联网
的停车场监控系统。它利用已有的摄像头进行数据采集，然后根据物联网技术分析是否存在可用
的停车位，并通过手机 APP 告知用户。Aalsalem 等人开发了一款名为 CPMMS 的停车场监控系统。
它在摄像头采集数据的基础上进行图像处理，通过车牌自动识别来显示当前停车场中的情况[]。
但是上面提到的两个系统，都需要有使用摄像头数据的权限。在大面积的公共停车区，政府往往
不会轻易开放这种权限。因此他们比较适用于小型的封闭场所，如企业，大学等。Amato 等人针
对这种情况提出了前端硬件组网的新思路[]。通过嵌入式开发设计出新型摄像头，再将摄像头组
网，利用数字图像处理的方法进行后续处理。这种方法通过硬件的方法提高了反应速度，降低了
人为干扰。但是由于引入了专用电路，因此提升了成本并且降低了普适性。虽然光学摄像头应用
普遍，但是它对于个人隐私有比较大的侵害[]。随着人们越来越重视个人隐私，新建新的光学停
车场监控系统已经不合时宜了。此外，光学系统受天气影响极大，在恶劣天气下，如雾、雪、沙
尘暴等天气下无法稳定工作。因此研究者们希望有一种更健壮的替代技术。Villanueva 等人提出
使用磁力计来实现监测停车场[]。这种技术依赖于用户的手机。如果用户没有智能手机或手机中
无此功能则无法使用。此外这种基于磁场的方法信噪比较低。
雷达作为使用射频（RF）的技术，对天气具有鲁棒性[]。同时可以采用已经成熟的电子技术
进行大规模生产。近年来，雷达在车辆检测和无人驾驶领域获得了大量应用。Choi 等人开发了一
种基于雷达的车辆追踪模型[]。基于雷达的无人驾驶中的数字信号处理技术包括波束成形、调制
方案和微多普勒频移等也已被讨论[]。雷达早已成为辅助驾驶中不可或缺的部分[]。但是传统雷达
也存在一些问题。
此前已经有一些关于应用 FMCW 雷达于汽车的研究。Jung 等人将 FMCW 和合成孔径雷达
(SAR)结合起来，实现了汽车高速行驶中的高分辨率路况图像的获取[]。Mishra 等人降低了
FMCW 雷达的带宽并且将之运用在无人驾驶上[]。Kravchenko 等人开发了车载 FMCW 雷达的
simulink 拓展包，然而很遗憾没有硬件实现[]。这些都显示了 FMCW 雷达在汽车产业上的光明前
景。然而，将 FMCW 雷达应用于停车场监控系统的研究相对较少。Martinez 等人开发了一套复杂
的基于 MIMO、FMCW 和 CNN 的停车场监控系统[]。然而有三个问题仍未被解决。第一个是结果
不够直观，即没有进一步将结果转换为清晰可见的频谱。第二个是需要大量的时间对神经网络进
行提前训练。一小块的大学内部的停车场就需要整整两个月的时间来训练。而且如果场景变更，
训练又需要重复进行，进一步降低了普适性。第三个是系统复杂度高导致的硬件实现成本高。同
时前期调试需要大量人力，这进一步提升了成本。