1、汽車外部場景應用
高級駕駛輔助系統(ADAS)、盲點檢測，變道駕駛等等很多
2、汽車內部場景應用
主要包括：鄰近感測；駕駛員生命體徵監控；手勢識別；佔位檢測。
（1）鄰近感測
鄰近感測傳感器擴展了雷達探測障礙物的能力，比如開車門或後備箱時的防撞功能。這一應用功能利用了雷達的高距離分辨率及其近距離探測障礙物的能力(障礙物包括電線杆、停車障礙物、牆壁、鄰近停放的車輛等)。如圖所示，鄰近感測也可用於泊車輔助。
下圖描述了一個典型鄰近感測功能的處理流程。處理器通過執行2D FFT處理幀間的模數轉換(ADC)數據，該過程可解析出目標的距離和多普勒信息，並區分出附近的運動物體和靜止的障礙物。
基於雷達的移動，多普勒分辨也有助於對靜止目標物的辨識，因爲相對於雷達而言，它們的相對速度是不同的。通過不同天線間二維 FFT矩陣的非相干累積生成一個距離-多普勒圖，然後由檢測算法進行處理。
檢測算法可用一種基本的恆定虛警率-單元平均(CFAR-CA)檢測器。諸如CFAR有序統計(CFAR-OS)等更復雜的變形也有助於改善存在地雜波情況下的檢測。
（2）駕駛員生命體徵監測
FMCW雷達技術的一項重要應用是提高道路安全性，它可通過精確監測駕駛員的心率和呼吸頻率來持續監測駕駛員的生命體徵。這種小尺寸傳感器簡單易用，比如它可以嵌入到駕駛員座椅的靠背中。
FMCW雷達接收信號的相位對目標位置的微小變化極爲敏感(如前所提及的相位靈敏度，目標每移動1mm，經過距離FFT處理數據的相位就會變化180度)。利用這一特性可估計出目標的振動頻率(比如由呼吸和心跳引起的振動)。
該器件發出一串chirps信號，隨之利用距離FFT中的峯值識別來自駕駛員胸部的強烈反射。通過算法跟蹤這個峯值的相位，並對該相位序列進行頻譜分析，以提取駕駛員的心臟和呼吸頻率。
注意，由呼吸引起的胸部運動可達到12mm量級，這是雷達工作波長(77GHz時約爲4mm)的好幾倍。因此，爲了更準確地測量出結果，需要對相位進行合適的解卷繞處理。
隨後，器件中的算法對相位序列進行帶通濾波處理，提取出目標頻譜(呼吸頻率爲0.1-0.5Hz，心跳頻率爲0.8-2Hz)。然後，對輸出結果進行頻譜分析，測量出心率和呼吸率。
爲了提高魯棒性，可選擇性地使用運動檢測模塊來檢測駕駛員的內部運動，並對其進行適當地動態補償，或者放棄讀取。
（3）手勢識別
使用FMCW雷達可實現較高的距離和速度(或多普勒)分辨率，使其非常適合於基於手勢的非接觸式界面。應用於汽車的案例包括基於手勢打開車門/後備箱和基於手勢控制信息娛樂系統(例如通過揮手切換屏幕，或者通過捻轉手指控制音量)。
特徵處理方法有很多種。一種方法是將特定的時間窗內提取的特徵發送給機器學習算法，例如人工神經網絡、決策樹或支持向量機等，然後再進行分類。另一種方法是利用手工編寫的邏輯來識別提取的特徵中的各種手勢。混合解決方案也是一種可能的方法。
特徵處理的輸出是檢測到手勢的類型。此外，特徵處理還可以輸出與手勢有關的其他指標(例如手勢速度)，利用這些指標可改善用戶體驗。
（4）佔位檢測
被鎖在車內的兒童和動物可能會很快死於高溫。安裝在駕駛室中的FMCW雷達可以在無人照看的車輛中檢測到它們的存在，從而能夠及時採取措施。該應用主要取決於雷達是否具備精細的速度分辨率。雷達必須能夠將即使最輕微運動(例如熟睡中的孩子)的目標與車內靜止的雜物區分開。
所有天線的距離FFT被傳遞到角譜估計模塊，該模塊對每個距離單元的角譜進行估計。目標的微小運動有助於距離FFT峯值相位(多個chirps信號序列計算所得)的去相關運算，這反過來有助於提高角度分辨率。
如果距離FFT解析出了信號的距離，而角譜估計解析出了角度，後續處理可以基於檢測算法(例如CFAR)，或者更復雜的特徵提取和分析技術檢測出該圖中的目標。後處理的輸出可以是一個標識，指示目標對象的存在或不存在。另外，後處理模塊還可以輸出目標的空間位置。
在航空航天和國防應用中，雷達大多使用脈衝、脈衝壓縮信號，甚至頻率捷變來進行遠程偵察，而如提供高精度定位的工業雷達傳感器、飛機高度計和車載雷達傳感器等均使用連續波雷達信號。
車載雷達市場中，往往要求成本低，性能突出，可靠穩定，在成本的限制下，雷達必須進行高效的研發和生產，雷達傳感器的測試與測量必須實時可靠，產品必須物美價廉、前景明朗。
線性調頻連續波雷達信號應用於多種雷達系統中。儘管調頻連續波技術已推廣使用多年，但其在車載雷達領域的應用最爲廣泛。