·雷达智能信号处理专题·DOI:10．16592/j．cnki．1004－7859．2022．12．001■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■编者按:随着以深度神经网络为代表的人工智能技术飞速发展，深度学习方法已在图像识别、视频分析、无人驾驶和医学检测等领域取得了巨大的成功，也为雷达信号处理领域提供了崭新的研究思路。目前，人工智能相关技术已在雷达领域中的波形设计、信号处理、目标跟踪与识别等方面崭露头角。可以预期，随着人工智能技术的进一步发展，新一代智能信号处理技术将在雷达信号处理的多个领域发挥重要的作用，同时也为研究者们带来诸多机遇与挑战。鉴于此，本刊特邀业内知名专家、学者撰写了“雷达智能信号处理”专题，希望为雷达智能化技术的发展提供新的思路，并在工程实践中充分发挥效用。专题主编:吴迪深度学习雷达信号处理应用综述———机遇与挑战吴迪，徐滢，汪倍宁，耿哲*，朱岱寅(南京航空航天大学雷达成像与微波光子技术教育部重点实验室，南京211106)摘要:作为人工智能的重要分支，深度学习在近年来飞速发展，已成功应用于多个领域的研究工作中。深度学习算法为解决雷达信号处理领域的瓶颈问题提供了新的突破口，也带来了新的技术难题。文中针对深度学习在低截获与无源雷达波形识别、自动目标识别、干扰杂波信号的识别与抑制以及雷达波形与阵列设计等领域的应用进行了全面梳理总结，重点介绍和分析了近年来提出的基于深度学习的雷达波形识别和合成孔径雷达图像自动目标识别方法，阐明了限制深度学习算法性能的主要因素，旨在为相关领域科研人员开展后续研究提供参考依据。关键词:深度学习;波形识别;自动目标识别;低截获概率中图分类号:TN957．51文献标志码:A文章编号:1004－7859(2022)12－0001－07引用格式:吴迪，徐滢，汪倍宁，等．深度学习雷达信号处理应用综述———机遇与挑战［J］．现代雷达，2022，44(12):1－7．WUDi，XUYing，WANGBeining，etal．Comprehensivesurveyofdeeplearninginradarsignalprocessing:opportuni-tiesandchallenges［J］．ModernＲadar，2022，44(12):1－7．ComprehensiveSurveyofDeepLearninginＲadarSignalProcessing:OpportunitiesandChallengesWUDi，XUYing，WANGBeining，GENGZhe*，ZHUDa...
