博士生导师 | 水声信号处理专家 | 国家级人才计划入选者
致力于海洋探测技术、阵列信号处理及人工智能算法的交叉研究
郑军，清华大学电子工程系教授、博士生导师。长期致力于信号处理理论与技术在海洋探测、雷达及通信系统中的应用研究。他在水声信号处理、阵列信号处理以及机器学习领域有着深厚的学术造诣和丰富的科研成果。
郑军教授主持并完成了多项国家级重大科研项目，包括国家自然科学基金重点项目、科技部973计划子课题等。他在IEEE Transactions on Signal Processing, IEEE Journal of Oceanic Engineering等国际权威期刊上发表学术论文百余篇，获授权发明专利多项。其研究成果在多个国家重大工程中得到应用，产生了显著的社会效益和经济效益。
作为导师，郑军教授注重培养学生的创新能力和工程实践能力，指导的研究生多人获得国家级奖学金，并进入国家重点科研院所或高科技企业从事核心技术工作。
针对复杂海洋环境下的噪声干扰和多径效应，研究高效的水声信号检测、参数估计及通信解码算法。重点解决低信噪比下的目标识别难题。
研究大规模阵列下的波达方向（DOA）估计、波束形成技术。探索在稀疏阵列和非均匀阵列结构下的高分辨率信号处理新方法。
将深度学习、强化学习等人工智能技术与传统信号处理理论相结合，构建数据驱动与模型驱动融合的信号处理框架，提升系统的自适应能力。
担任博士生导师，主持多项国家级重点项目，建立水声信号处理实验室。
专注于智能信号处理算法研究，发表多篇IEEE Trans高水平论文。
完成国家自然科学基金青年基金，开始独立开展科研工作。
师从知名专家，获得博士学位，论文被评为优秀毕业论文。
打下坚实的数学与信号处理理论基础。
项目来源：国家自然科学基金重点项目
项目描述：针对深海复杂噪声环境，研究基于深度学习的多模态水声目标识别算法。构建大规模水声数据集，开发抗干扰能力强的特征提取网络。解决了传统算法在低信噪比下识别率下降的问题，识别准确率提升了15%以上。
项目来源：国防预先研究项目
项目描述：为某型水下声呐系统提供核心信号处理算法支持。主要工作包括旁瓣抑制、恒虚警检测（CFAR）优化以及多目标跟踪算法的工程化实现。通过 FPGA 硬件加速，实现了实时数据处理，满足了系统对低延迟和高可靠性的要求。
项目来源：某高科技企业横向课题
项目描述：结合水声定位技术与惯性导航技术，研究AUV在长航时任务中的高精度自主导航方案。设计了基于粒子滤波的紧组合导航算法，有效抑制了累积误差，提升了AUV在未知水域的探索能力。
郑军教授始终坚持“立德树人”的根本任务，将科研前沿成果融入教学环节，致力于培养具有国际视野和创新精神的复合型工程技术人才。
| 课程名称 | 课程类型 | 授课对象 | 教学内容亮点 |
|---|---|---|---|
| 信号与系统 | 专业基础课 | 本科生 | 引入MATLAB仿真案例，强化直观理解 |
| 数字信号处理 | 专业核心课 | 本科生/研究生 | 结合FFT算法优化与音频处理实例 |
| 阵列信号处理 | 研究生选修课 | 研究生 | 深入讲解MUSIC、ESPRIT等高分辨算法 |
| 人工智能导论 | 通识课 | 全校学生 | 探讨AI在信号处理中的伦理与技术边界 |
招生方向：信号与信息处理、水声工程、人工智能与交叉学科。
生源要求：欢迎具有数学、电子工程、自动化、计算机等专业背景的应届本科生和硕士研究生报考。要求具备扎实的数学基础（线性代数、概率论）和编程能力（Python/MATLAB/C++）。
联系方式：有意者请将个人简历、成绩单及代表性成果发送至邮箱：[email protected]（注：此处为示例邮箱，实际请访问官网）。
| 专利名称 | 专利号 | 状态 | 应用价值 |
|---|---|---|---|
| 一种基于深度水声目标分类方法及系统 | ZL 2021 1 0XXXXXX.X | 授权 | 已应用于某型声呐数据处理软件 |
| 一种稀疏阵列的波达方向估计方法 | ZL 2019 1 0XXXXXX.X | 授权 | 降低了阵列硬件成本，提高了分辨率 |
| 水下机器人自主导航与定位系统 | ZL 2018 1 0XXXXXX.X | 授权 | 提升了AUV在复杂水域的生存能力 |
基于搜索引擎数据，以下是网民关于“清华大学郑军简介”及“郑军教授”最常搜索的周边信息及深度解答：
郑军教授在水声信号处理领域具有较高的学术影响力。其研究成果发表在IEEE Trans等顶级期刊上，引用率高。特别是在稀疏阵列信号处理和深度学习在水声中的应用方面，提出了多项创新算法，处于国际先进水平。他主持的国家自然科学基金重点项目也证明了其研究的前沿性和重要性。
难度较大。作为清华大学的教授，其招生名额有限，且对考生的数学基础和科研潜力要求较高。建议考生在备考前：1. 扎实复习信号与系统、数字信号处理等核心课程；2. 提前阅读郑军教授近年发表的论文，了解其研究兴趣；3. 在联系导师时，展示自己在编程能力（Python/MATLAB）和数学建模方面的特长。
郑军教授主张“模型驱动与数据驱动融合”的信号处理新范式。他认为，传统的基于物理模型的算法虽然可解释性强，但在复杂环境下的适应性不足；而纯数据驱动的方法虽然性能强大，但缺乏物理约束且需要大量标注数据。他提出的混合模型方法，既保留了物理模型的泛化能力，又利用了深度学习特征提取的优势，是该领域的一个重要发展方向。
清华大学的水声工程及相关信号处理方向的毕业生就业前景非常广阔。主要去向包括：中国船舶集团下属各大研究所（如715所、726所等），从事声呐系统设计；华为、中兴等通信巨头，从事算法工程师工作；以及互联网大厂，从事人工智能算法研发。郑军教授的学生因基础扎实、动手能力强，深受用人单位欢迎。
虽然具体项目细节往往涉密，但公开信息显示，郑军教授曾参与国家深海探测计划、某型水下观测网建设等重大工程。其开发的信号处理算法在多次海试中发挥了关键作用，有效提升了水下目标的探测距离和识别精度，为国家海洋战略提供了重要的技术支撑。
学术联系建议通过电子邮件。通常高校教师的邮箱格式为姓名拼音@tsinghua.edu.cn。但在发送邮件时，请注意邮件礼仪，简明扼要地介绍自己，附上简历和成绩单。如果是学术咨询，最好先阅读其近期论文，提出有深度的问题，避免泛泛而谈。