"本书创新性地将深度展开网络引入非均匀阵列信号参数估计领域，较为完整地构建了基于深度展开网络的非均匀阵列信号参数估计框架，实现了非均匀阵列信号高效参数估计。全书共6章，内容包括远场信号的离网格角度估计方法、远场信号的无网格角度估计方法、非理想情况下的远场信号参数估计方法、远场和近场混合信号参数估计。 本书的内容在军事领域具有较强的应用价值，可有效提升电子侦察处理方法对复杂电磁环境的适应能力。本书全面系统，结构清晰，内容翔实，实验丰富。 本书可以作为高等院校相关专业研究生学习阵列信号处理以及机器学习的参考书，对雷达与电子对抗领域的科技工作者和工程技术人员也具有较大的参考价值"

"苏晓龙，国防科技大学讲师。长期从事雷达信号处理和信息超材料的教学和科研工作，讲授“信号与系统”等课程。发表学术论文20余篇，授权发明专利10余项，主持国家自然科学基金等项目3项。获全军优秀硕士学位论文。 刘振，国防科技大学教授、博导。长期从事雷达目标识别与对抗教学和科研工作，讲授“数字信号处理”等课程。出版学术专著3部，发表学术论文100余篇。主持/承担国家自然科学基金等项目20余项。国家自然科学基金优秀青年科学基金获得者，获国家科技进步二等奖1项、军队科技进步一等奖1项、湖南省教学成果一等奖1项。户盼鹤，国防科技大学副教授、硕导。长期从事新体制雷达与电子对抗的教学和科研工作，讲授“信号与系统”“雷达信号处理”等课程。发表学术论文20余篇，授权专利10余项。主持国家自然科学基金、中国博士后科学基金、173领域基金等项目。入选中国科协青年人才托举工程，获湖南省教学成果一等奖1项。龚政辉，国防科技大学助理研究员，长期从事阵列信号处理和雷达导引头抗干扰的教学和科研工作，发表学术论文10余篇，发表国家发明专利10余项。获军队三等功1次。黎湘，国防科技大学教授、博导。长期从事雷达目标识别的教学和科研工作。发表学术论文300余篇，出版专著6部，授权发明专利100余项。国家自然科学基金杰出青年科学基金获得者，长江学者特聘教授。获国家技术发明二等奖1项、国家科技进步二等奖2项，省部级科技一等奖励6项。"

前言 阵列信号处理是对放置在不同位置的多个传感器所接收或发射的空间信号进行处理，相较于单个传感器，传感器阵列能够灵活控制波束指向、提高信号增益和分辨率。随着人工智能技术的发展，深度学习方法逐步应用于信号参数估计，形成了以深度神经网络和卷积神经网络为代表的数据驱动方法。然而，由于现代雷达与信息技术的发展，信号环境正变得日趋复杂，对信号参数估计的有效性和实时性提出了更高的要求，传统的阵列设计以及信号参数估计方法面临的挑战主要包括： (1) 为避免参数估计模糊的问题，阵元的间距需要小于或等于半波长，但是当阵列的工作频率过高时，在半波长范围内安装的两个阵元可能会出现严重的互耦效应，导致参数估计性能急剧下降甚至失效。此外，对于均匀线阵来说，为了提高参数估计的分辨率，需要通过增加阵元数目的方法来扩大阵列孔径，但是这会增加硬件系统的成本。 (2) 在模型驱动方法中，子空间类方法的计算复杂度相对较低，但是不适用于低信噪比和小快拍数的情况； 稀疏表示类方法在低信噪比和小快拍数情况下的性能相对较好，但会以相对较大的计算量为代价，导致信号参数估计的实时性较差。模型驱动方法有较为明确的统计学或物理学含义，但是模型的构建严重依赖于先验知识和假设，在网格失配、阵列互耦合多径传播等非理想情况下，模型驱动方法对误差的适应能力较差，导致信号参数估计性能严重下降甚至完全失效。虽然有相应的校正和补偿方法，但通常只适用于特定类型的情况，模型驱动方法的普适性仍然受到一定的制约。 (3) 数据驱动方法是利用大量的数据对网络进行训练，从而建立输入和输出之间的映射关系。相较于...