本发明公开了一种基于深度神经网络的角度依赖型复杂阵列误差校准方法，针对传统信号处理方法难以处理角度依赖型复杂阵列误差的校准问题，本发明为了处理离网格目标，基于暗室测量的网格点数据，采用的局部阵列流型插值方法相对于全局阵列流型插值方法能更适应角度依赖型阵列误差；而且，深度神经网络的输入特征选取的是复数条件下的相位，而不是实际的相位，可以避免相位在±π边缘的跳变问题；最后，为了使神经网络适应带噪信号，我们只需在单个信噪比的数据上生成训练数据，而不需要在多个信噪比上生成训练数据，从而减小训练数据量，缩短训练时间。本发明相对传统信号处理方法，具有校准后的残余阵列误差更小，校准性能更好的特点。