Innovative dype læringstilnærminger oppnår nå banebrytende nøyaktighet innen radar målidentifikasjon, og muliggjør applikasjoner som overstiger menneskelig ytelse. Denne boken gir en innføring i de unike aspektene ved maskinlæring for radar signalbehandling, som enhver vitenskapsmann eller ingeniør som ønsker å anvende disse teknologiene, bør være kjent med. Boken innledes med tre kapitler som omhandler radar systemer og fenomenologi, prinsipper for maskinlæring, samt optimalisering for trening av vanlige dype nevrale nettverksarkitekturer. Deretter oppsummerer boken radarspecifikke utfordringer knyttet til de forskjellige domene-representasjonene der radardata kan presenteres for dype nevrale nettverk (DNN) og generering av syntetiske data for å berike treningsdatasett. Videre kapitler fokuserer på spesifikke radar-applikasjoner, som relaterer seg til DNN-design for mikr-Doppler-analyse, SAR-basert automatisk målidentifikasjon, radar fjernmåling og nye felt som datafusjon.
