本发明涉及一种基于深度学习的非理想非均匀阵列单快拍测向方法，包括暗室采集数据并获取阵列导向矢量；计算阵列输出的协方差矩阵以及深度学习标签；生成深度学习网络训练数据集；设计深度学习网络架构与损失函数并训练网络；利用训练好的深度学习网络重构托普利兹协方差矩阵；利用重构的托普利兹协方差矩阵估计目标数以及信号波达方向。相对于传统处理方法，由于在网络训练过程中保持了协方差矩阵的托普利兹性，使得本发明方法能过获得高精度的测向性能。另外，本发明通过神经网络模型重构均匀线阵的协方差矩阵，同时完成了去噪、秩恢复、阵列插值和阵列校准功能，降低了后续常规阵列信号信号处理的难度。