我从1984年开始培养博士生。十余年来，我始终工作在培养博士生第一线，对研究生培养特别是创新能力培养有一些亲身体验。经过实践摸索和改进，已逐步形成了“结合科研，锐意创新”的培养博士生的方法。至今已培养出博士生41名，基本上达到了“出人才、出成果”的双重目的。

博士生培养与科研实践相结合。作为博士生，必须具有强烈的创新意识和能力，能够独立从事创造性的科学研究，而创新意识和能力必须在科研实践中锻炼和提高。

我们让博士生在入学后就参加到一个课题组里，成为课题组的成员。第一学期以学习课程为主，同时了解课题的情况，从第二学期起承担一定的科研任务，有的还担任了课题组负责人。

雷达信号处理国防科技重点实验室的科研基本上是前沿性的。面对新的科研课题，我们与博士生（含部分硕士生）一起广泛搜集和学习有关资料，结合课题分析需要重点研究的问题，以及解决这些问题的途径，制定初步的技术路线，并明确有哪些创新点。在科研过程中，课题组经常召开分析会，对发现的问题师生们一起分析和争论。

科研课题要通过实践检验，在实践中学习是研究生培养的重要方面。我们尽可能让他们参加各种实践环节。如“ISAR雷达成像”课题的现场数据录取与处理都是由研究生完成的，工作十分烦琐，但通过对大量数据的处理和分析，发现了不少过去工作中的错误和疏漏，通过反复分析和论证，提出了新的概念和方法，将科研工作提高到了一个新水平。

开办讲座和定期举办学术研讨会，拓宽博士生的知识面。“信号与信息处理”是实用性强、内容广的学科。我们研究的是信息探测技术（以雷达为代表）的信号处理，其内容也十分广泛。作为这一领域的高层次科技人员，不具备宽广系统的专业知识是很难胜任工作的。但是，在短短的3～4年里，他们要完成博士生阶段的学习，深入研究的面只能是较窄的。因此，我们强调在解决好对较窄方向深入研究的同时，对本学科的主要内容必须有较系统的了解。为此，我们除通过课程学习外，还对研究生开设讲座和定期举办研讨会。我们实验室承担的科研课题较多，面较广，从基础性较强的小波分析、神经网络到实用性较强的阵列处理雷达成像基本上覆盖了信息探测信号处理的主要内容，并均招收了研究生。这些研究方向各有特色，但在基本方面是相通的。我们每周固定一个下午举办研讨会，主要由研究生报告近期的研究成果，并在教师指导下进行分析、讨论。这一制度我们已坚持了15年，许多研究生反映，正是从这个内容广泛的研讨会上学到了许多相关的知识。

不断深化基础知识，提高分析问题和解决问题的能力。对博士生不仅要求“掌握坚实宽广的基础理论和系统深入的专门知识”，而且明确要求“在科学或专门技术上作出创造性成果”。因此，博士生创新能力的培养就成为核心任务而创新与分析问题解决问题的能力源于深厚的基本功底，根深才能叶茂。但基本功底的建立不可能一蹴而就，也不可能一劳永逸。许多基本概念和方法不是一次学习就能完全领会的，而是在反复应用中不断加深理解，才能掌握其实质。

跟踪学科前沿的发展，培养创新能力。博士生毕业走上社会将成为业务骨干，科学研究的生力军，有的将成为学术带头人，这就要求博士生必须在科研实践中提高，在实践中锻炼成长。立足学科前沿，是培养博士生创新能力的重要手段之一。

20世纪80年代初，空域阵列处理成为信号处理的热点，它是探测技术空域处理的基础。我们对这一发展极为重视。从80年代中期培养博士生以来，我们实验室的科研与研究生培养力求做到与学科的新发展相适应，从理论到实际均投入了较大力量，同时在这一研究方向培养了多名博士生和硕士生。90年代以来，小波分析、神经网络等开始应用到信号处理领域，实验室及时组织了学习，举办了讲座和研讨班，并指导部分研究生以此作为主要研究内容。我们强调，虽然只能是少数人将本学科的某些新技术作为研究方向，但大家必须要了解其基本内容，并密切注意其发展动向。现在，我们实验室的博士生对跟踪学科前沿普遍比较重视。

重视学术交流，开拓研究生的视野。我们鼓励研究生参加国际学术会议（目前暂限于在国内召开的），博士生在学期间一般可参加两次。我们实验室与兄弟院校的同类学科，以及有关研究机构和应用部门均有较多的联系，交往频繁。许多活动我们都组织研究生参加，特别是有些交流会评审会，常常由研究生作报告，听取各方面的意见。

学术交流是广义的，完全对口的交流固然有益；不完全对口的交流，也常常能从中学到在书本和在自己小范围内难以学到的东西。例如雷达使用部门常从实际应用出发提出问题，这对开拓我们的思路大有好处。在这些交流中，对方常常希望我们从理论上解决他们所提的问题。对我们来说，这也是一次很好的理论联系实际的锻炼机会。

提倡“三严”学风，培育科学态度。科技工作者必须具有优良的学风，我们提倡“三严”——严肃、严格、严密。不少课题要进行实验，有大量的实测数据处理和计算机仿真，这时，我们特别强调，科学实验必须实事求是，来不得半点虚假，不能只挑符合自己分析的数据和结果。例如我们从ISAR雷达成像的实测数据处理中发现了一些异常现象，通过分析得到较满意的解释，总结出一套新的分析方法和算法，并在刊物上发表。后来将核算法用以处理另一批新的数据，并不完全成功。我们针对有问题的部分经过长达几周的反复分析，才找到该算法未能包括更为复杂的因素，从而总结出适用于目标作复杂运动的新算法。我们以此为例对研究生进行教育：科学研究是严肃的，如果轻易地将部分“坏”数据撇开不管，我们就找不到新的算法。有时机会与我们擦肩而过，问题常常在于自己的工作态度。

（节选自《学位与研究生教育》，2000，（01）：15－18）