紅外導引頭關鍵技術國內外研究現狀綜述

馬曉平 趙良玉

摘 要： 紅外導引頭是先進精確制導武器普遍采用的目標敏感裝置之一， 在簡單介紹紅外導引頭組成及工作流程的基礎上， 綜述了紅外導引頭關鍵技術——紅外探測技術、 自動目標識別技術和圖像實時處理技術的國內外研究現狀及其發展趨勢， 指出紅外導引頭向著復合化、 系列化、 小型化、 標準化、 通用化、 網絡化、 智能化、 多用途及低成本的趨勢發展。

關鍵詞： 紅外導引頭； 紅外探測； 自動目標識別； 圖像實時處理

中圖分類號： TJ765.3 文獻標識碼： A 文章編號： 1673-5048（2018）03-0003-08

0 引 言

隨著現代戰爭日趨信息化、 智能化， 戰場環境日益復雜化以及作戰任務需求日漸多樣化， 現代軍事的作戰理念和作戰形態正悄然發生著深刻的變化， 實現低成本、 高精度、 超視距的目標打擊成為現代軍事任務的重要指標， 而精確制導武器作為典型的信息化武器已經普遍應用于關鍵軍事目標的精確打擊任務當中， 也將在未來的信息化戰場上扮演著越來越重要的角色。

導引頭作為精確制導武器系統的核心， 兼具自主搜索、 識別與跟蹤目標的復雜功能， 能夠持續輸入目標信息并給出制導控制指令， 確保武器系統不斷地跟蹤目標， 進而實現對目標的精確打擊[1]。 隨著光電技術的不斷發展， 導引頭工作的頻譜范圍已經廣泛地覆蓋了可見光、 紅外波段、 毫米波、 激光以及多譜段復合。 因為紅外導引頭在制導精度、 抗干擾性、 隱蔽性和效費比等方面具有很大優勢， 已經成為先進精確制導武器廣泛采用的目標敏感裝置之一[2]。

20世紀50年代初期， 美國與蘇聯冷戰期間軍事裝備與技術的競爭使紅外導引頭技術競相推陳出新， 而將紅外導引技術最早運用于制導武器是源自1956年美國海軍研制成功的第一代紅外型AIM-9B“響尾蛇”空空導彈[3-5]。 經過六十多年的發展， 紅外導引頭已經在地空、 空地、 空空、 地地等戰術導彈武器中得到了廣泛應用， 其具體的發展歷程根據技術特征的不同分為以下四個方面： 在探測波段的發展上， 經歷了從近紅外波段探測（1～3 μm）到中遠紅外波段探測（3～5 μm， 8～12 μm）； 在探測器類型上， 經歷了從非制冷硫化鉛探測器、 制冷硫化鉛/銻化銦探測器到制冷/非制冷焦平面成像探測器； 在探測體制上， 經歷了從光機掃描到凝視焦平面探測的發展； 在探測模式上， 經歷了從“點源”探測到“成像”探測的發展過程[6-7]。

關于紅外導引頭的歷史沿革和技術路線可參考文獻[8-10]， 本文在簡單介紹紅外導引頭的功能、 組成及其工作流程的基礎上， 重點結合紅外導引頭在紅外成像探測方面的關鍵技術， 介紹其國內外發展現狀， 并對其發展趨勢作出展望。

1 紅外導引頭的基本介紹

紅外導引頭是制導武器利用紅外探測器連續識別、 捕獲和跟蹤目標輻射能量實現自動尋的的制導裝置[11]， 與其他類型的導引頭一樣， 紅外導引頭除了具備連續探測目標的紅外輻射， 識別、 捕獲和跟蹤目標的功能以外， 還具有隔離彈體姿態角擾動， 消除彈體擾動對位標器在空間指向穩定性的影響等能力， 也可以對鎖定后的目標進行自動跟蹤并實時輸出導引規律所需要的制導信息[12-13]。

1.1 紅外導引頭的基本組成

紅外導引頭作為精確制導武器的關鍵組成部分， 從結構上來看， 主要由光學系統、 成像系統、 紅外探測系統、 制冷器（非制冷探測體制除外）、 陀螺伺服系統以及信號處理電子線路等組成， 其系統結構組成如圖1所示。 其中， 由光學系統、 成像系統、 紅外探測系統、 陀螺伺服系統組成的光電機械系統又稱作紅外位標器； 電子線路艙主要由信號處理電路、 控制調節器電路、 信息處理機等電子線路組成[2]。

光學系統由整流罩、 光學鏡片和光敏元件等組成， 其作用是實時接收和匯集目標輻射的紅外線能量。

成像系統根據紅外導引頭獲取信息方式的不同， 其功能有很大差異。 點源探測體制分為調制盤和非調制盤兩種， 而調制盤的作用主要是確定目標相對于導彈的位置信息并抑制目標背景的干擾， 完成對探測系統所獲取的目標和場景信號的分類， 目標特征的提取與識別等。 成像探測體制有掃描和凝視兩種方式， 主要是探測目標和背景之間的紅外輻射的溫差以及空間位置信息等， 并將這些信息處理成圖像信息， 大大提高了紅外導引頭的靈敏度和熱分辨率， 二者最大的區別在于掃描型成像器件是一維線列分布的焦平面， 而凝視型成像器件是二維平面陣列分布的焦平面。

紅外探測器是紅外導引頭的核心， 是探測、 識別和分析目標物體紅外信息的關鍵部件， 其能透過煙、 塵、 雨、 霧、 陰影、 樹叢等障礙實現全天候探測重要的遠距離軍事目標， 根據探測機理的不同可分為制冷型探測器和非制冷型探測器。

陀螺伺服系統由轉子、 內環、 外環、 支架和繞組線圈等組成， 其作用是使對準目標的光學系統、 成像系統與光敏元件等探測系統元件， 不受導彈飛行過程中彈體擺動的影響而偏離目標， 對探測系統光軸進行穩定， 隔離導彈彈體姿態角擾動， 使位標器在空間實現對目標的穩定跟蹤。

電子線路系統主要集成了紅外導引頭信息處理系統與控制調節系統電路等（包括電壓放大、 濾波電路、 功率放大電路）， 其功能是提高信息處理系統輸出誤差指令信號的品質并對其進行功率放大， 形成跟蹤目標的控制電流， 同時反饋控制調節器對導引頭控制回路進行校正， 以此滿足系統的總體任務要求。

1.2 紅外導引頭的分類

經過幾十年的不斷發展與廣泛使用， 紅外導引頭的在裝備應用方面具有豐富的類型， 按照其獲取信息的方式、 功能、 工作波段以及工作模式的不同可以分為以下幾種， 如圖2所示。

1.3 紅外導引頭的工作流程

紅外導引頭系統的工作信息流程如圖3所示。 來自目標的紅外輻射穿過大氣透過整流罩， 紅外導引頭的光學系統接收到目標的紅外輻射， 由成像系統將其聚焦于探測器的光敏面上， 再由紅外探測器通過光電轉換將光信號轉換成易處理的電信號， 經電子線路進行信號的濾波、 放大， 檢測出目標位置誤差信息， 或者由成像電路系統讀出圖像信號， 經過非均勻校正和圖像預處理后得到原始紅外圖像， 然后將該信號傳輸至陀螺伺服系統帶動光學系統進動， 使光軸向著目標位置方向運動， 構成導引系統的角跟蹤回路， 實現導引系統對目標的不間斷跟蹤， 形成制導控制系統所需要的導引信號輸入到自動駕駛儀， 形成控制指令并操縱導彈飛向目標[2，14]。 簡言之， 紅外導引頭就是紅外制導武器的“眼睛”， 其主要任務是截獲目標， 進而實現武器系統對目標的識別、 跟蹤與打擊。

2 紅外導引頭的關鍵技術

近年來， 隨著以機器學習為基礎的圖像識別、 目標跟蹤等人工智能技術以及光電子技術、 計算機技術和網絡信息技術的深入發展， 紅外導引頭在成像制導方面得到很大的提升， 為了更好地適應未來信息化電子戰環境， 這就要求紅外導引頭具備更強的紅外探測能力、 更快的圖像實時處理速度和更敏銳的電子感知能力。 其中， 紅外成像探測技術、 自動目標識別技術、 圖像實時處理技術等均是現階段各個國家圍繞提高制導武器系統智能化水平和抗干擾能力的重點發展方向， 也是影響紅外導引頭系統制導精度的關鍵技術， 對這些關鍵技術的國內外研究現狀進行系統梳理無疑具有重要的意義。

2.1 紅外探測技術

紅外探測技術主要分為紅外成像探測技術和紅外非成像探測技術， 雖然紅外非成像探測技術經歷了漫長的發展歷程， 而且技術已經相對成熟， 但是由于紅外成像探測技術具備抗干擾能力更強、 目標識別精確度更高、 可靠性更高等優勢， 已然成為現代紅外制導武器更受青睞的關鍵技術之一。

不同于掃描成像依賴探測元件和掃描鏡頭對目標地物進行基于線列的瞬時視場取樣掃描， 以凝視紅外成像探測技術為典型代表的紅外成像探測技術采用大規模探測單元和凝視工作方式， 能夠連續累積目標輻射能量， 此外， 受制于現代先進導彈武器小彈徑、 大跟蹤場等條件的限制， 其探測組件一般體積較小、 重量較輕， 在目標響應上又兼具圖像分辨率高、 靈敏度高、 信息更新率高等諸多優點， 適于對高速機動小目標、 無人機蜂群編隊、 復雜地物背景中的運動目標或隱蔽目標成像。 由于省去了傳統掃描成像方式中的復雜光學系統和掃描部件， 集成化程度高， 不僅易于滿足彈載要求， 而且能推動精確制導武器向輕小型化方向發展[15]。

目前， 凝視紅外成像技術已在精確制導武器中得到廣泛應用， 如圖4所示的美國第四代AIM-9X“響尾蛇”空空導彈采用128×128元銻鎘汞凝視焦平面成像紅外導引頭， 采用內部制冷裝置對光敏元件進行冷卻， 導引頭具有180°的跟蹤視場， 其目標截獲距離在藍天背景下為13～16 km， 具有超視距、 多目標選擇瞄準和全向跟蹤能力； 此外， 如圖5所示的英國先進近距空空導彈（ASRAAM）也采用了128×128元制冷凝視焦平面成像紅外導引頭[16-18]， 具有多目標跟蹤和全向跟蹤能力； 如圖6所示的以色列空空導彈“怪蛇”5采用了雙波段焦平面陣列紅外導引頭和先進的制導算法， 具備發射后截獲和全向攻擊能力， 并具有極強的抗干擾能力， 是目前最先進的近距空空導彈之一[19]。

事實上， 隨著飛機隱身性能的不斷提高以及新型紅外干擾技術的日益發展， 紅外成像探測技術所面臨的目標信息、 環境狀態和任務使命均發生了深刻的變化。 換言之， 隨著目標信息處理維度的增加， 紅外成像探測系統對目標檢測與跟蹤的信號空間已經由早期點源探測體制（調制盤、 十字叉、 玫瑰掃）的時域一維檢測發展到二維空域檢測、 時空域三維檢測、 時域三維跟蹤后檢測。 隨著這種趨勢的深入發展， 基于大視場和高分辨率的大規格、 小尺寸探測元的紅外焦平面探測器需要具備更加智能的焦平面陣列的全數字化信息處理能力， 有效降低數據壓縮、 特征提取以及數據鏈傳輸的復雜性將成為紅外成像探測技術未來發展的關鍵所在； 與此同時， 結合先進信號處理和信息融合算法的多色焦平面陣列計算成像技術的廣泛應用， 有助于新型機載平臺的“共形成像”和“超光譜成像”大幅提高目標探測和識別的能力。 此外， 目標分類識別的信號空間也已經由傳統的波形特征識別、 二維成像識別， 進一步向基于空間幾何特征、 多光譜特征、 偏振特征等構成的多維空間綜合識別方向發展[20-21]。 因此， 采用高空間分辨率成像、 多光譜成像、 偏振成像、 多體制成像的高靈敏度多元探測器紅外成像技術， 發展雙波段/多波段復合、 自適應紅外焦平面陣列， 以此提高紅外導引頭全向作用能力和抗干擾能力仍然是目前以及未來一段時間內紅外成像制導技術的研究熱點， 而此技術發展的關鍵還在于有效整合紅外導引頭整流罩材料的“全向探測”能力和“全波段”透過能力[11]、 系統融合多光譜/全波段復合成像技術等一系列復雜問題。

隨著軍用光電子技術的迅猛發展和微電子元器件以及微計算機技術在制導武器的成功應用， 使得以掃描成像探測技術、 凝視紅外成像技術、 雙色成像探測技術、 多光譜成像探測技術在內的紅外探測技術迎來了更廣闊的發展空間。

2.2 自動目標識別技術

自動目標識別技術（ATR）指精確制導武器對目標的自動檢測、 識別與精確跟蹤， 實現導彈武器發射后即可自動完成尋的任務， 也是精確制導武器所面臨的巨大瓶頸技術之一。 其發展歷程始終伴隨著目標識別與跟蹤算法的不斷進步與提高[22]， 主要經過了從統計模式識別到基于視覺的知識模式以提高自動目標識別系統的自適應能力和學習能力的發展歷程。 基于此背景， 包含了人工神經網絡、 支持向量機及深度學習算法的自動目標識別技術始終朝著智能化水平的方向發展， 但由于自動目標識別系統所面臨的情境信息（上下文信息）、 輔助情境信息（地圖數據、 季節/氣候情報信息等）、 語義信息等始終在變化， 戰場環境的復雜化和目標特性的不確定性等問題成為阻礙自動目標識別系統與技術發展的巨大挑戰[23-24]。

受紅外導引頭系統中紅外成像傳感器和信息處理機等硬件條件的約束， 自動目標識別相關算法的開發以及系統測試在20世紀80年代的發展陷入遲滯， 但人工神經網絡的再次興起， 為自動目標識別算法提供了人工神經網絡固有的直覺學習能力。 自動目標識別技術要求系統能充分地描述目標和背景之間的微小差異， 需要對目標特性以及環境變化具備強魯棒的識別方法， 而神經網絡在組合計算方面所具備的巨大優勢， 可以有效實現對數據計算視覺和多傳感器融合方法的快速優化。 然而， 由于自動目標識別技術的復雜性， 現階段將人工神經網絡用于自動目標識別領域的主要問題還在于有限樣本情況下并不能對目標的所有狀態和各種背景條件下的目標識別給出人們所期望的性能[25]， 因此大量的數據采集和大數據分析手段也將成為該領域不容忽視的主要技術手段。

支持向量機技術（SVM）是一種基于統計學習理論（STL）的機器學習算法， 主要用于研究有限樣本情況下的數據分析和模式識別問題， 區別于傳統的統計模式識別方法強調經驗風險最小化導致“過學習問題”， 支持向量機技術具有在解決復雜問題時無需付出龐大計算代價的優勢， 可以有效規避人工神經網絡中的“維數災難”和貝葉斯網絡中“網絡規模爆炸問題”， 具備很好的推廣能力（指學習模型對未來輸出進行正確預測的能力）， 成為模式識別和機器學習領域的研究熱點[26-27]。 支持向量機的主要特點是具有模塊化結構， 通過選擇不同的函數和優化方法完成不同的任務， 克服了人工神經網絡中易出現的局部最優解問題， 適于解決小樣本、 非線性、 高維模式問題。 目前， 支持向量機作為自動目標識別的一種關鍵技術， 不僅廣泛運用于軍事上飛機艦船等目標的識別， 也普遍在深空探測領域中外天體的地形地貌探測、 無人駕駛車輛地面目標識別[28]、 醫學無創血糖監測[29]等多個領域得到應用。

深度學習始于人工神經網絡（ANN）， 是一種對深層人工神經網絡進行有效訓練的方法， Hinton[30]等人提出的基于深度置信網絡的非監督貪心訓練算法是其誕生的標志[31]。 此后， 深層玻爾茲曼機、 和積網絡等新型深層網絡結構的出現使深度學習技術步入了高速發展階段[32-33]。 其中， 由于深層人工神經網絡——深度卷積神經網絡（DCCN）在圖像分類與識別應用中的優異性， 可以很好地實現對目標特征的自動提取和對紅外圖像的自動目標識別與分類， 例如美國deepmind團隊已經通過深度神經網絡完全實現了超越人類先驗知識局限性的機器自主監督強化學習， 不僅讓AlphaGo與人類選手在圍棋大戰中取得了壓倒性的勝利， 而且讓之后的去人工特征AlphaGo Zero完全通過自主學習進一步實現了對AlphaGo的歷史性超越[34]， 由此賦予了機器完全自主學習和創新的能力。 目前， 基于深度學習的自動目標識別技術仍然面臨著紅外目標圖像的數據源有限以及多目標識別紅外圖像的復雜多變性問題， 而這些問題在未來一段時期內也將成為制約紅外圖像自動目標識別技術實現突破的障礙， 但可以預見的是， 深度學習在自動目標識別領域將具有廣泛的應用前景。

為了科學有效地進一步實現自動目標識別， 可以從自動目標識別技術的多學科融合性、 數據的充分性與有效性、 加強系統化設計、 強化需求分析和可實現分析幾個方面改變研究思路， 解決單一技術途徑難以解決的自動目標識別難題， 為紅外導引頭的智能化發展提供良好的技術支撐， 有利于先進精確制導武器實現精確打擊目標、 智能化攻擊目標， 進而對提高發射平臺的生存能力具有重要意義。

2.3 圖像實時處理技術

圖像實時處理技術的作用是對來自紅外成像探測系統的視頻信號進行分析與甄別， 并排除混雜在目標信號中的背景噪聲和紅外誘餌干擾， 提取真實的目標信號， 進而計算目標位置和命中點。 一般包括紅外圖像預處理、 紅外圖像實時檢測、 目標圖像實時跟蹤三類關鍵技術[35]。

紅外圖像的預處理是為了削弱探測到的紅外圖像噪聲和抑制背景， 由于背景雜波對目標檢測造成嚴重的干擾， 所以需要著力研究紅外圖像的背景及噪聲抑制技術， 主要包括時間域圖像預處理方法、 變換域圖像預處理方法和空間域圖像預處理方法。 其中， 目前較為普遍的背景抑制算法有基于時間的高階差分方法、 幀間非線性濾波算法、 高通濾波截止頻率自適應算法、 對偶樹復小波變換分解多尺度算法、 二維離散小波變換多尺度算法、 中值濾波算法、 頂帽變換算法、 自適應引導濾波算法等[36-37]。

紅外圖像實時檢測是指通過紅外圖像的預處理之后進行圖像的檢測和甄別， 從而保證后續的目標圖像可靠跟蹤。 紅外圖像實時檢測方法一般分為單幀檢測和多幀檢測兩種形式[35]。 單幀檢測方法僅依據目標和背景的灰度差異進行目標檢測， 沒有幀間信息的關聯， 便于硬件實現， 執行效率高； 復雜背景下的紅外圖像多采用幀間檢測方法， 一般根據目標和背景的溫度、 形狀、 灰度以及運動特征進行檢測， 檢測精度高于單幀檢測， 不易導致高漏檢率和虛警率。 其中， 多幀檢測方法包括跟蹤前檢測算法和檢測前跟蹤算法兩類。 目前較為普遍的跟蹤前檢測算法有最大間類方差法、 最大熵估計法、 基于鄰域反向相位特征檢測算法、 遺傳算法、 神經模糊算法以及圖像局部熵法等； 檢測前跟蹤算法包括三維匹配濾波算法、 圖像流法以及動態規劃法等[38-40]。

目標圖像實時跟蹤是紅外導引頭圖像實時處理的關鍵技術之一， 由于非線性理論的重大突破以及計算機計算能力的顯著提升， 現階段實現目標跟蹤的主要算法已經不僅僅局限于傳統意義上的模板匹配、 光流法和卡爾曼濾波方法， 交互式多模型粒子濾波算法、 無跡粒子濾波等[41-43]算法可以獲取更高的精度， 但仍亟待解決的是算法運算量和存儲空間的需求增加， 造成實時跟蹤上的困難， 粒子退化問題也需得到重視。

紅外導引頭系統的發展始終離不開圖像實時處理技術、 紅外探測技術與自動目標識別技術的發展， 雖然紅外探測技術的發展是紅外導引頭系統發展的重要標志， 但只有在紅外光學技術、 自動目標識別技術等其他技術相應取得均衡有效發展的基礎上， 紅外導引頭方可迎來迅速的進步與長足的發展。 為了保證紅外成像導引頭目標跟蹤精度的可靠性和跟蹤目標的實時性， 發展出具備較低運算量的彈載計算機軟硬件系統， 也有利于促進紅外成像導引頭圖像實時處理技術的深入發展。

3 結 束 語

信息時代的到來已經從根本上改變了傳統意義上的戰爭思維和形態， 信息時代孕育出的云計算、 物聯網、 大數據等新技術以及新一代人工智能技術也已經廣泛應用于軍事領域， 用于精確打擊目標的制導武器也逐步擺脫了傳統的制導模式， “發射后不管”的智能化模式將進一步提高制導武器系統的抗電磁干擾能力和制導精度， 在海陸空天一體化作戰的背景下， 盡管紅外導引頭多項關鍵技術均取得了長足的發展進步， 但采取單一紅外制導模式的制導武器系統已經難以滿足復雜多變的戰場環境和戰術任務需求， 多光譜/多波段光學成像制導、 多模復合制導[44]、 多彈協同制導[45]等技術將成為未來精確制導武器最為理想的選擇。 與此同時， 防御武器系統也將面臨更大的威脅與挑戰， 因此要更加注重防御系統的全方位保護和分層、 分段、 分目標攔截， 在新型制導武器裝備攻防的相互較量中， 紅外導引頭正向著復合化、 系列化、 小型化、 標準化、 通用化、 網絡化、 智能化、 多用途、 低成本的方向發展， 逐步實現一個平臺多種型號或者一種型號多個平臺的跨型號、 跨平臺的裝備使用。

參考文獻：

[1] 湯永濤， 林鴻生， 陳春. 現代導彈導引頭發展綜述[J]. 制導與引信， 2014， 35（1）： 12-17.

Tang Yongtao， Lin Hongsheng， Chen Chun. The Development and Summary of Modern Missile Seeker[J]. Guidance & Fuze， 2014， 35（1）： 12-17. （in Chinese）

[2] 趙善彪， 張天孝， 李曉鐘. 紅外導引頭綜述[J]. 飛航導彈， 2006（8）： 42-45.

Zhao Shanbiao， Zhang Tianxiao， Li Xiaozhong. Review of Infrared Seeker[J]. Aerodynamic Missile Journal， 2006（8）： 42-45. （in Chinese）

[3] 樊會濤， 崔顥， 天光. 空空導彈70年發展綜述[J]. 航空兵器， 2016（1）： 3-12.

Fan Huitao， Cui Hao， Tian Guang. A Review on the 70Year Development of AirtoAir Missiles[J]. Aero Weaponry， 2016（1）： 3-12. （in Chinese）

[4] 趙鴻燕. AIM-9X Block Ⅱ空空導彈研制進展[J]. 飛航導彈， 2014（3）： 22-26.

Zhao Hongyan. The Research Progress of AIM9X Block II AirtoAir Missile[J]. Aerodynamic Missile Journal， 2014（3）： 22-26. （in Chinese）

[5] AIM9X AirtoAir Missile Upgrade Navy Programs [R]. DOT&E; Annual Report， 2015.

[6] 賈林通， 童中翔， 王超哲， 等. AIM-9X紅外成像制導導彈的發展綜述與啟示[J]. 飛航導彈， 2015（12）： 20-24.

Jia Lintong， Tong Zhongxiang， Wang Chaozhe， et al. Review of the Development of AIM9X Infrared Imaging Guided Missiles[J]. Aerodynamic Missile Journal， 2015（12）： 20-24. （in Chinese）

[7] 劉珂， 陳寶國， 李麗娟. 空空導彈紅外導引頭技術發展趨勢及關鍵技術[J]. 激光與紅外， 2011（10）： 1117-1121.

Liu Ke， Chen Baoguo， Li Lijuan. Development Analysis of AirtoAir Missile in Infrared Guidance[J]. Laser & Infrared， 2011（10）： 1117-1121. （in Chinese）

[8] 付聯效. 光學制導技術發展綜述[C]∥紅外、 遙感技術與應用研討會， 上海， 2015.

Fu Lianxiao. Development Summarize of Optical Guidance Technology[C]∥The Symposium on Infrared and Remote Sensing Technology and Application， Shanghai， 2015. （in Chinese）

[9] 徐春夷. 國外導引頭技術現狀及發展趨勢[J]. 制導與引信， 2012， 33（2）： 11-15.

Xu Chunyi. The Present State and Development Trend of Foreign Seeker Technology[J]. Guidance & Fuze， 2012， 33（2）： 11-15. （in Chinese）

[10] 張肇蓉， 高賀， 張曦， 等. 國外紅外制導空空導彈的研究現狀及其關鍵技術[J]. 飛航導彈， 2016（3）： 23-27.

Zhang Zhaorong， Gao He， Zhang Xi， et al. The Present State and Key Technology of Foreign Infrared Guidance AirtoAir Missile[J]. Aerodynamic Missile Journal， 2016（3）： 23-27. （in Chinese）

[11] 葛致磊， 王紅梅， 王佩， 等. 導彈導引頭系統原理[M]. 北京： 國防工業出版社， 2007： 35-55.

Ge Zhilei， Wang Hongmei， Wang Pei， et al. Principle of Missile Seeker System[M]. Beijing： National Defense Industry Press， 2007： 35-55. （in Chinese）

[12] 劉珂， 李麗娟. 空空導彈與紅外導引系統發展評述[J]. 激光與紅外， 2016（1）： 5-10.

Liu Ke， Li Lijuan. Development Analysis of AirtoAir Missile and Infrared Guidance[J]. Laser & Infrared， 2016（1）： 5-10. （in Chinese）

[13] 李麗娟， 劉珂. 空空導彈紅外成像探測技術發展分析[J]. 紅外技術， 2017， 39（1）： 1-7.

Li Lijuan， Liu Ke. Analysis of AirtoAir Missile IR Image Detecting Technology Development[J]. Infrared Technology， 2017， 39（1）： 1-7. （in Chinese）

[14] 曹如增. 典型抗干擾紅外導引頭工作機理及抗干擾性分析[J]. 航天電子對抗， 2005（1）： 35-37.

Cao Ruzeng. Analysis of Typical AntiJamming Infrared Seeker Working Mechanism and AntiJamming[J]. Aerospace Electronic Warfare， 2005（1）： 35-37. （in Chinese）

[15] 范金榮. 精確制導武器的發展趨勢[J]. 現代軍事， 2000（7）： 33-35.

Fan Jinrong. The Development Trend of Precision Guided Weapons[J]. Conmilit， 2000（7）： 33-35. （in Chinese）

[16] 任淼， 文琳， 王秀萍. 2016年國外空空導彈發展動態研究[J]. 航空兵器， 2017（1）： 10-17.

Ren Miao， Wen Lin， Wang Xiuping. Study on the Development of Foreign AirtoAir Missiles in 2016[J]. Aero Weaponry， 2017（1）： 10-17. （in Chinese）

[17] 王為奎， 田戎， 吳華， 等. 國外紅外導彈導引系統發展與特點[J]. 飛航導彈， 2017（11）： 33-37.

Wang Weikui， Tian Rong， Wu Hua， et al. Development and Characteristics of Foreign Infrared Missile Guidance System[J]. Aerodynamic Missile Journal， 2017（11）： 33-37. （in Chinese）

[18] 任淼， 劉晶晶， 趙鴻燕， 等. 2015年國外空空導彈發展動態研究[J]. 航空兵器， 2016（2）： 9-16.

Ren Miao， Liu Jingjing， Zhao Hongyan， et al. Study on the Development of Foreign AirtoAir Missiles in 2015[J]. Aero Weaponry， 2016（2）： 9-16. （in Chinese）

[19] 呂潔， 羅勇， 卿松， 等. 紅外制導技術在空空導彈中的應用分析[J]. 兵器裝備工程學報， 2017， 38（12）： 70-74.

Lü Jie， Luo Yong， Qing Song， et al. Application Analysis of Infrared Guidance Technology in AirtoAir Missile[J]. Journal of Ordnance Equipment Engineering， 2017， 38（12）： 70-74. （in Chinese）

[20] 高曉冬， 王楓， 范晉祥. 精確制導系統面臨的挑戰與對策[J]. 戰術導彈技術， 2017（6）： 62-69.

Gao Xiaodong， Wang Feng， Fan Jinxiang. The Challenge and Development Paths for Precision Guidance System[J]. Tactical Missile Technology， 2017（6）： 62-69. （in Chinese）

[21] 范晉祥， 楊建宇. 紅外成像探測技術發展趨勢分析[J]. 紅外與激光工程， 2012（12）： 3145-3153.

Fan Jinxiang， Yang Jianyu. Development Trends of Infrared Imaging Detecting Technology[J]. Infrared and Laser Engineering， 2012（12）： 3145-3153. （in Chinese）

[22] 楊衛平， 沈振康. 紅外成像導引頭及其發展趨勢[J]. 激光與紅外， 2007（11）： 29-37.

Yang Weiping， Shen Zhenkang. Infrared Image Seeker Technique and Its Development Trend[J]. Laser & Infrared， 2007（11）： 29-37. （in Chinese）

[23] 范晉祥. 對紅外成像自動目標識別智能化發展的思考[C]∥上海市紅外與遙感學會、 云南省光學學會， 2017： 12.

Fan Jinxiang. Reflections on the Intelligent Development of Automatic Target Recognition in Infrared Imaging[C]∥Shanghai Scoiety of Infrared and Remote Sensing， Yunnan Optical Society， 2017： 12. （in Chinese）

[24] 李尚生， 李煒杰， 付哲泉， 等. 從作戰使用和技術改進看精確制導技術發展[J]. 飛航導彈， 2017（3）： 74-77.

Li Shangsheng， Li Weijie， Fu Zhequan， et al. The Development of Precision Guidance Technology from the Perspective of Operational Use and Technical Improvement[J]. Aerodynamic Missile Journal， 2017（3）： 74-77. （in Chinese）

[25] Schachter B J. Automatic Target Recognition[M]. 2nd ed. SPIE Press， 2017.

[26] 李瑞東， 孫協昌， 李勐. 空間目標紅外特征提取與識別技術[J]. 紅外技術， 2017， 39（5）： 427-435.

Li Ruidong， Sun Xiechang， Li Meng. Infrared Feature Extraction and Recognition Technology of Space Target[J]. Infrared Technology， 2017， 39（5）： 427-435. （in Chinese）

[27] 張迪飛， 張金鎖， 姚克明， 等. 基于SVM分類的紅外艦船目標識別[J]. 紅外與激光工程， 2016， 45（1）： 179-184.

Zhang Difei， Zhang Jinsuo， Yao Keming， et al. Infrared ShipTarget Recognition Based on SVM Classification[J]. Infrared and Laser Engineering， 2016， 45（1）： 179-184. （in Chinese）

[28] 劉禹希. 基于機器視覺的智能駕駛車輛的目標識別研究[D]. 長春： 吉林大學， 2017： 22-32.

Liu Yuxi. Research on Target Recognition of Intelligence Driving Vehicle Based on Machine Vision[D]. Changchun： Jilin University， 2017： 22-32. （in Chinese）

[29] 張曉霞. 基于支持向量機的無創血糖檢測電極影響研究[D]. 成都： 成都理工大學， 2017： 15-20.

Zhang Xiaoxia. The Study on NonInvasive Glucose Test Influence by Electrode Based on the Support Vector Machine[D]. Chengdu： Chengdu University of Technology， 2017： 15-20. （in Chinese）

[30] Hinton G E， Osindero S， Teh Y W.A Fast Learning Algorithm for Deep Belief Nets[J]. Neural Computation， 2006， 18（7）： 1527-1554.

[31] 許強， 李偉， Loumbi P. 深度卷積神經網絡在SAR自動目標識別領域的應用綜述[J]. 電訊技術， 2018， 58（1）： 106-112.

Xu Qiang， Li Wei， Loumbi P. Application of Deep Convolutional Neural Network in SAR Automatic Target Recognition： A Summarization[J]. Telecommunication Engineering， 2018， 58（1）： 106-112. （in Chinese）

[32] Salakhutdinov R， Hinton G. Deep Boltzmann Machines[C]∥ Proceedings of the 12th International Conference on Artificial Intelligence and Statistics （AISTATS） 2009 Clearwater Beach， Florida， USA， 2009： 448-455.

[33] Poon H， Domingos P.SumProduct Networks： A New Deep Architecture[C]∥Proceedings of 2011 IEEE International Conference on Computer Vision Workshops （ICCV Workshops）， Barcelona， 2011： 689-697.

[34] Silver D， Schrittwieser J， Simonyan K， et al. Mastering the Game of Go without Human Knowledge[J]. Nature， 2017， 550： 354-359.

[35] 孫慧婷. 紅外弱小多目標實時處理[D]. 蘇州： 蘇州科技大學， 2017： 11-18.

Sun Huiting. Infrared Small Dim MultiTargets RealTime Processing[D]. Suzhou： Suzhou University of Science and Technology， 2017： 11-18. （in Chinese）

[36] 汪大寶. 復雜背景下的紅外弱小目標檢測與跟蹤技術研究[D]. 西安： 西安電子科技大學， 2010： 13-51.

Wang Dabao. Research on Infrared Weak Small Targets Detection and Tracking Technology under Complex Backgrounds[D]. Xian： Xidian University， 2010： 13-51. （in Chinese）

[37] 侯潔， 辛云宏. 基于高通濾波和圖像增強的紅外小目標檢測方法[J]. 紅外技術， 2013， 35（5）： 279-284.

Hou Jie， Xin Yunhong. A Method for Infrared Small Target Detection with HighPass Filter and Image Enhancement Technology[J]. Infrared Technology， 2013， 35（5）： 279-284. （in Chinese）

[38] 黃成， 王紅梅. 干擾條件下的紅外目標檢測方法研究[J]. 航空兵器， 2017（5）： 31-36.

Huang Cheng， Wang Hongmei. Research on Infrared Target Detection Method under Jamming Condition[J]. Aero Weaponry， 2017（5）： 31-36. （in Chinese）

[39] Chen C L P， Li H， Wei Y， et al. A Local Contrast Method for Small Infrared Target Detection[J]. IEEE Transactions on Geoscience and Remote Sensing， 2013， 52（1）： 574-581.

[40] Cheng M M， Zhang G X， Mitra N J， et al. Global Contrast Based Salient Region Detection[C]∥Computer Vision and Pattern Recognition （CVPR）， 2011： 409-416.

[41] 畢艷軍， 李雪霞， 李凌雁. 徑向基神經網絡實現紅外目標檢測[J]. 艦船科學技術， 2016（16）： 118-120.

Bi Yanjun， Li Xuexia， Li Lingyan. Infrared Target Detection Based on Radial Basis Function Neural Network[J]. Ship Science and Technology， 2016（16）： 118-120. （in Chinese）

[42] 王玲玲， 辛云宏. 基于形態學與遺傳粒子濾波器的紅外小目標檢測與跟蹤算法[J]. 光子學報， 2013（7）： 849-856.

Wang Lingling， Xin Yunhong. A Small IR Detection and Tracking Algorithm Based on Morphological and GeneticParticle Filter[J]. Acta Photonica Sinica， 2013（7）： 849-856. （in Chinese）

[43] 張福俊， 郗潤平， 張艷寧. 改進分形法結合局部熵的紅外小目標檢測方法[J]. 中國體視學與圖像分析， 2014（1）： 17-22.

Zhang Fujun， Xi Runping， Zhang Yanning. Infrared Small Target Detection by Improved Fractal and Local Entropy[J]. Chinese Journal of Stereology and Image Analysis， 2014（1）： 17-22. （in Chinese）

[44] 李炯， 張濤， 張朋飛， 等. 反導/反臨攔截彈多模導引頭關鍵技術淺析[J]. 航空兵器， 2018（1）： 8-14.

Li Jiong， Zhang Tao， Zhang Pengfei， et al. Analysis of Key Techniques of MultiMode Seeker for AntiMissile/AntiNearSpace Vehicle Interceptor[J]. Aero Weaponry， 2018（1）： 8-14.（in Chinese）

[45] 楊劍影， 周佳玲， 魏小倩. 多導彈攻擊高機動目標的分布式協同制導關鍵技術[J]. 航空兵器， 2017（3）： 3-12.

Yang Jianying， Zhou Jialing， Wei Xiaoqian. Key Technologies of Distributed Cooperative Guidance and Control Method for Multiple Missiles Attacking the Maneuvering Target[J]. Aero Weaponry， 2017（3）： 3-12. （in Chinese）

Abstract： The infrared seeker is one of the target sensitive devices which is commonly used on advanced precision guided weapons. Based on a brief introduction to the components and workflow of infrared seeker， the stateofart and development tendency of infrared seeker key technologies are reviewed， including infrared detecting technology， automatic target recognition and realtime image processing technology.

It is pointed out that infrared seeker is developing towards the trend of compounding， serialization， miniaturization， standardization， generalization， networking， intelligentize， multipurpose and lowcost.

Key words： infrared seeker； infrared detecting； automatic target recognition； realtime image processing