直升機主動攔截防護系統發展現狀及關鍵技術研究

摘 要： 直升機低空作戰時易受各類地空/空空武器的攻擊， 針對近距發射的RPG和抗干擾能力越來越強的導彈， 在傳統的紅外誘餌彈、 激光定向干擾等“軟殺傷”手段之外， 亟需具備“硬殺傷”能力的主動攔截防護系統。 為了研究直升機主動防護系統實現的關鍵技術， 對國外直升機主動攔截系統的發展現狀與趨勢進行了分析， 在此基礎上， 針對直升機主動攔截防護系統研制過程中所需解決的來襲威脅實時探測告警技術、 高精度攔截火力控制技術、 精準控制、 快速響應的攔截彈藥設計技術等關鍵技術的實現途徑進行了分析。

關鍵詞： 主動攔截； 威脅告警； 攔截火控； 微型彈藥

中圖分類號： TJ760

文獻標識碼： A

文章編號： 1673-5048（2024）05-0019-06

DOI： 10.12132/ISSN.1673-5048.2024.0142

0 引 言

直升機憑借著低空、 超低空的優勢， 以空中猛烈的火力、 對裝甲目標發起隱蔽攻擊的優點， 在現代戰場上起到日益突出的作用。 但是， 由于直升機飛行高度低、 飛行速度慢、 防護裝甲能力弱、 紅外和雷達特征明顯， 在復雜戰場環境下， 極易遭受各類地面防空兵器和近距空空導彈的攻擊， 其中便攜式防空導彈、 空空導彈和火箭助推榴彈（RPG）是直升機面臨的主要威脅。 采用紅外誘餌彈等“軟殺傷”手段， 雖然可在一定程度上降低載機被擊落的風險， 但隨著紅外制導導彈抗干擾能力越來越強， 來襲導彈突破軟殺傷防御的概率大幅增加， 同時， “軟殺傷”對于RPG等威脅是完全無效的。 因此， 研發能夠對來襲威脅進行硬殺傷的主動攔截防護系統， 進而形成軟硬殺傷結合的防御體系， 對于提升直升機在復雜對抗戰場環境下的作戰生存概率具有十分重要的意義。

1 直升機主動攔截防護系統發展現狀

主動攔截防護系統最先應用于坦克等裝甲車平臺［1］。 該系統通過在坦克上加裝特定的傳感器、 武器等， 使用攔截彈等“硬殺傷”方式對來襲威脅進行攔截、 摧毀， 有效提升坦克平臺的生存能力。 目前， 該系統在坦克等裝甲車平臺上的應用已較為成熟， 具有代表性的坦克主動攔截防護系統包括俄羅斯的“競技場”（見圖1）， 美國的“ IAAPS”“戰利品”“獎杯”（Trophy）系統等。

收稿日期： 2024-08-19

作者簡介： 魏靖彪（1974-）， 男， 河北保定人， 正高級工程師。

*通信作者： 孫毓凱（1977-） ， 男， 黑龍江哈爾濱人， 工程師。

與機載主動攔截防護系統相比， 坦克主動攔截防護系統對攔截距離、 探測精度等的要求都更低， 因此， 坦克主動攔截防護系統的技術路線無法直接應用于機載場景。 基于以上原因， 美國、 以色列等國家近些年來相繼開始了機載主動攔截防護系統的研制工作， 并在直升機等平臺上對主動攔截防護系統的有效性和可行性進行了驗證。 較具代表性的直升機主動攔截防護系統包括“Flicker”、 直升機主動防護系統（HAPS）、 智能末端防御管理系統（Smart D2）等。

2011年9月， 以色列拉斐爾公司研發的直升機主動攔截防護系統“Flicker”進行了首次實彈測試， 如圖2所示。 “Flicker”系統可對來襲的RPG和便攜式防空導彈進行攔截毀傷， 從而保護直升機免遭其攻擊。 該系統通過聲學、 光學以及雷達傳感器迅速識別來襲威脅， 探測到目標后， 直升機可以對目標進行高精度瞄準， 并通過新型武器發射器發射攔截彈， 在距直升機盡可能遠的位置上命中并摧毀目標。 “Flicker”在測試中表現良好， 可準確識別來襲的RPG并發射攔截彈， 攔截彈精準命中目標并使其完全失效。

2015年， 美國Orbital ATK公司展示了第一款可裝備于直升機上的主動攔截防護系統（HAPS）， 如圖3所示。 HAPS系統可用來攔截RPG和單兵便攜式防空導彈， 該系統可識別來襲威脅， 發射攔截彈并對攔截彈進行制導， 引導攔截彈到達攔截點， 然后引爆戰斗部毀傷來襲威脅。 該過程耗費時間不超過1 s， 并且爆炸點距離直升機有足夠的安全距離， 可保證直升機不會受到RPG和導彈破片的傷害。

近幾年， BAE公司針對直升機主動攔截開展了一系列相關技術的研究， 包括三維先進告警系統（3D AWS）、 智能末端防御管理系統（Smart D2）、 任務生存力系統（Mission Survivability）。 其中， “Smart D2”系統能夠對來襲威脅進行評估和排序， 并基于威脅評估結果生成相應的防御策略， 能夠對誘餌彈、 攔截彈等進行統一管理， 從而有效識別和防御戰場來襲威脅。 “Smart D2”系統組成如圖4所示。

綜合來看， 直升機防御系統朝著智能化、 綜合化、 層次化方向發展， 主要技術趨勢表現在以下幾方面：

（1） 導彈告警方式由紫外導彈告警向紅外/激光告警綜合、 由單一被動告警向主被動復合告警方向發展；

（2） 工作方式從分散的人工操作對抗向智能化多手段協同對抗方向發展；

（3） 能與直升機上已有防御資源融合， 對抗手段從釋放各類干擾的軟對抗向軟硬殺傷一體化多層次防護方向發展；

（4） 使用具有制導能力的攔截彈藥， 可快速精準響應制導指令， 對目標進行破片殺傷， 且彈藥具有小型化、 低成本的特點。

除直升機主動攔截防護系統之外， 美國和歐洲在大型飛機、 戰斗機平臺上， 也開展了主動攔截防護系統的探索研究［2］。 2019年， 美國研發了先進精確殺傷武器系統（APKWS）。 同年， 歐洲的多家公司聯合展示了HK-DAS系統， 該系統擬裝備于未來的“暴風”戰機。 此外， 美國還開展了“游隼”空空導彈（Peregrine）、 “微型自衛彈藥”（MSDM）、 “小型先進能力導彈”（SACM）等微型彈藥的研究， 以期通過低成本的小型/微型彈藥實現對來襲威脅的攔截摧毀。 但總的來說， 相關研究的進度和成熟度明顯落后于直升機主動攔截防護系統的發展。

2 直升機主動攔截防護系統關鍵技術

2.1 來襲威脅實時探測告警技術

對來襲威脅的探測告警是實現直升機主動攔截的前提。 直升機面臨的典型威脅包括RPG、 紅外彈等， 此類威脅多由地面人員、 防空設施或者低空飛行的直升機、 無人機等發射， 全程近地飛行。 直升機在下視條件下， 對威脅發現十分困難， 且受地面雜波的影響， 容易出現虛警。 為解決以上問題， 需要從告警體制選擇和威脅檢出算法等方面進行突破。

目前， 機載威脅探測告警主要包括被動紫外、 被動紅外、 脈沖多普勒雷達主動探測， 以及被動紅外與主動雷達結合的復合探測等多種方式。

其中， 被動紫外體制利用導彈發動機輻射的日盲紫外信號進行探測， 由于導彈/RPG紫外波段輻射強度相對較弱， 且該波段大氣透過率低， 導致紫外告警距離近， 通常小于4 km， 無法覆蓋典型防空導彈的射程。 紫外告警雖然避開了太陽輻射的干擾， 具有名義上的低虛警率， 在簡單戰場環境下有優勢， 但在城市和復雜戰場背景下， 由于高溫目標的影響， 造成紫外告警虛警率較高。

被動紅外體制利用導彈發動機輻射的紅外輻射信號進行探測， 探測距離遠， 通常大于6 km； 可以利用導彈/RPG尾焰的光譜特性、 導彈運動特征等剔除虛警， 實現較低的虛警率。 與被動紫外一樣， 被動紅外也無法獲得目標的三維態勢。

脈沖多普勒雷達體制利用來襲導彈/RPG的速度多普勒效應進行探測， 具有極低的探測虛警率； 但是存在主動輻射電磁波， 易暴露載機目標， 以及連續探測功耗大、 發熱量大、 大視場范圍搜索無法滿足實時性要求等問題。

主被動復合探測體制通常采用被動紅外與脈沖多普勒雷達結合的復合探測體制， 能夠同時兼顧紅外遠距離和雷達高精度跟蹤定位的特點， 具有紅外/雷達引導確認模式下的極低虛警率和對近處威脅的快速反應時間等優點， 是未來實時探測技術發展的主要方向。

而在威脅檢出的算法方面， 紅外弱小目標檢測技術是實現導彈/RPG檢出的有效技術， 但面對復雜的機載下視背景， 目標容易淹沒在噪聲之中， 難以被準確檢測； 同時， 各種干擾容易給模型帶來大量的虛警。 現有的紅外弱小目標檢測方法一般通過頻域或時域方法對圖像背景進行預處理實現背景抑制， 提高圖像信噪比， 然后采用自適應閾值分割法、 熵閾值分割法、 直方圖分割法等分割算法對圖像進行分割， 得到潛在目標點［3］。 為進一步提高模型的泛化性能， 使其能夠適應更多的復雜應用場景， 研究者們采用卷積神經網絡［4-5］等深度學習模型構建紅外目標檢測的高性能分類器。 考慮到導彈/RPG等威脅目標的紅外圖像獲取難度較大， 可基于通用的紅外圖像數據集或由直升機光電系統的紅外圖像組成的數據集來實現模型的預訓練， 然后在導彈/RPG的紅外圖像組成的數據集上實現模型的微調。 在機載環境中， 有限資源的嵌入式硬件平臺難以適應復雜的分類器， 因此可以通過網絡量化、 網絡壓縮、 網絡剪枝等方法實現模型輕量化［6］， 也可以采用FPGA和GPU等專用芯片實現在線加速［7］。 此外， 可設計低復雜度和高描述能力的特征提取方法， 利用人工智能的方法對目標圖像進行學習訓練， 挖掘目標的本質特征及其與場景干擾等的固有差異， 同時可采用多幀聯合檢測技術［8］， 在多幀中通過距離、 速度、 角度、 加速度以及功率等多維特征進行關聯， 與非平穩的雜波虛警進行鑒別， 從而區分雜波虛警與真實目標， 剔除虛假目標。

2.2 高精度攔截火力控制技術

與傳統的機載火控任務不同， 主動攔截防護系統火控解算所需處理的導彈、 RPG等目標， 具有尺寸小、 速度高等特點， 對攔截彈的脫靶量要求極為苛刻， 因此， 火控解算必須在攔截彈發射時， 為攔截彈提供高精度的參數。 同時， 隨著威脅距離接近， 攔截態勢變化劇烈， 攔截時機難以精準把握， 稍有偏差則可能攔截失敗。 因此， 高精度攔截火力控制是主動攔截防護系統研制過程中所需突破的關鍵技術。 為提高火控解算精度， 從威脅信息準確性、 攔截決策準確性、 攔截火控解算準確性三方面進行攻關。

威脅信息準確性的提高主要從當前威脅狀態估計和威脅軌跡預測兩方面著手。 為了獲得連續、 穩定的來襲導彈位置、 速度等信息， 可采用交互式多模型（IMM）、 alpha-beta濾波等方法對威脅點跡進行處理。 威脅軌跡預測是基于當前和此前的威脅運動狀態， 對目標未來各個時刻的位置進行預測。 來襲紅外制導導彈通常具備較強的機動能力， 要精確實時地獲取導彈的機動加速度幾乎難以實現， 如何對來襲導彈的運動軌跡進行準確估計是進行攔截決策前的一個重要問題。 針對威脅軌跡預測， 目前典型的解決思路是將其視為一個基于時序數據的預測問題， 并采用交互式多模型（IMM-EKF） ［9］、 長短時記憶網絡（LSTM） ［10］等方法進行處理。 另一種解決思路則是考慮到來襲導彈的運動并非完全隨機， 而是以一定的制導律接近載機， 因此采用了制導律辨識［11-12］的方法對目標軌跡進行預測。

攔截決策是攔截彈武器系統的“眼睛”和“大腦”。 主動攔截系統根據戰場態勢和攔截彈藥的武器情況實時解算攔截窗口和投放指令， 在避免攔截窗口沖突、 多目標火力分配沖突的前提下， 實現多目標精準攔截。 文獻［13］采用二分法與彈道遞推結合的方法獲得攔截窗口近界、 遠界等發射參數。 由于在攔截策略的生成過程中反復使用彈道遞推， 運算量較大， 難以滿足主動攔截的實時性需求。 考慮到攔截策略的制定過程就是載機平臺與來襲威脅不斷博弈的過程， 因此可采用強化學習的思路進行解決［14-16］。 文獻［17］針對機動能力強的空中平臺， 提出了一種基于強化學習的載機平臺智能機動策略和攔截彈發射策略， 以提升發射空空導彈攔截來襲導彈的勝率和效率。 而將強化學習應用于直升機主動攔截決策， 類似的應用尚未見報道。 針對直升機難以通過機動方式擺脫來襲威脅的特點， 可構建高保真的導彈-直升機載機-干擾彈間的運動關系模型， 針對不同場景下的導彈來襲情景和制導方式， 進行仿真推演， 并基于采用的攔截彈發射策略最終的對抗結果， 通過自學習機制， 形成可靠、 準確的攔截決策模型， 同時可采用專用芯片以進一步提升攔截決策的效率， 以滿足主動攔截的強實時性需求。 基于強化學習的攔截策略生成如圖5所示。

攔截火控解算的準確性主要考慮機載平臺誤差的消除。 直升機平臺在空中執行攔截任務過程中， 受平臺機動規避和平臺震動等因素影響， 來襲威脅和已發射攔截彈相對載機態勢變化劇烈， 造成載機慣導和彈載慣導的對準誤差增大， 從而影響攔截彈制導控制精度， 造成脫靶現象。 為消除該偏差， 可通過載機同時獲得攔截彈和目標的位置信息， 并基于三者的相對位置關系消除相應的偏差。

reinforcement learning

2.3 精準控制、 快速響應的攔截彈藥設計技術

直升機遭遇的威脅具有近距突發的特點， 來襲的威脅從發射到命中載機僅需不到10 s的時間， 這對主動攔截防護系統的響應時間提出了很高要求， 作為影響系統響應時間的關鍵環節， 攔截彈藥必須在極短時間內完成姿態調整并對準目標。 同時， 由于來襲威脅相對于傳統的飛機、 坦克等作戰目標來說體積很小， 攔截彈藥必須具備極高的控制精度才能保證其盡可能準確地飛向目標直至實現彈目交匯。 因此， 精準控制、 快速響應的攔截彈藥設計是主動攔截需要解決的關鍵技術之一。

為實現攔截彈藥的精準控制和快速響應， 主要從攔截彈藥的氣動布局選型、 控制方式選型、 制導體制選型等方面著手進行攔截彈藥設計。

導彈常用的氣動布局主要分為正常式、 鴨式、 無翼無舵式等［18］。 正常式氣動布局的彈翼在彈身中段， 舵面處于導彈質心之后的彈身尾段， 較大射程上保證了飛行的穩定性和飛行末端的靈活性， 舵面與彈翼所產生的操縱力方向相反， 但該種氣動布局方式下， 導彈的反應能力較差。 鴨式布局舵面位于導彈質心之前的彈身頭部， 彈翼位于彈身后部， 響應速度較快、 升阻比大、 舵面效率高， 操縱機構安裝較為方便， 但舵面偏轉時引起的下洗會對尾翼造成滾動干擾。 無翼無舵式沒有專用舵面， 其尾翼既當翼面， 又當舵面， 結構和發射裝置簡單， 過載特性較好， 具有較高的舵面效率， 但隨著飛行馬赫數的變化， 氣動力非線性化嚴重。 氣動布局的選擇需綜合考慮直升機主動攔截防護時攔截彈藥具備的飛行加速快、 射程近、 飛行時間短等特點。

導彈常用的控制方式包括空氣舵控制、 直接力控制、 直接力/氣動力復合控制等。 空氣舵控制利用舵機控制舵面偏轉改變導彈的氣動力特性， 操縱彈體姿態和彈道機動， 結構簡單， 技術成熟， 但響應速度慢、 控制延遲大。 直接力控制利用動力裝置直接產生側向沖量對導彈姿態和彈道進行改變， 該種控制方式響應速度快、 控制延遲小， 可在短時間提供更高的控制精度， 但姿軌控動力裝置屬消耗型控制裝置， 控制時間短。 直接力/氣動力復合控制在低速段采用直接力控制方式， 加速段利用空氣舵持續彈道修正， 響應快速、 控制精度高， 但該方式在攔截彈藥出膛后低速段的姿態穩定控制難度較大。

攔截彈藥若采用非制導武器， 武器發射后無法對其彈道進行實時修正， 難以保證攔截彈藥與來襲威脅交匯。 為提高對來襲RPG和導彈這類高速小目標的攔截概率， 攔截彈藥采用制導武器。 導彈常用的制導體制包括“架上截獲+全程末制導”體制、 “程序初制導+空中搜索截獲末制導”體制、 “程序初制導+指令中末制導”體制、 “程序初制導+指令中制導+末制導”體制等， 對比分析如表1所示。 攔截彈藥的制導體制需要在權衡制導精度、 成本、 尺寸等因素之后確定。

3 結 論

直升機低空作戰時易受各類地空/空空武器的攻擊。 近距發射的RPG和抗干擾能力越來越強的導彈可突破現有的由紅外誘餌彈、 激光定向干擾等“軟殺傷”手段構成的直升機防御體系， 因此， 亟需具備“硬殺傷”能力的主動攔截防護系統。 美國、 以色列等國家已經開展了一系列直升機主動攔截防護系統相關項目的研究， 并取得了明顯進展。

針對直升機主動攔截的特點和需求， 需要重點突破來襲威脅實時探測告警技術， 高精度攔截火力控制技術， 精準控制、 快速響應的攔截彈藥設計技術等關鍵技術。

參考文獻：

［1］ 李建偉. 硬殺傷型坦克主動防護系統攔截概率研究［D］. 西安： 西安電子科技大學， 2014.

Li Jianwei. Research on Intercept Probability of Tank Active Protection System Using Hard Kill Mode ［D］.Xi’an： Xidian University， 2014. （in Chinese）

［2］ 喬要賓， 吳震， 呂明遠. 空中平臺主動防御系統發展現狀及關鍵技術［J］. 航空兵器， 2023， 30（2）： 77-82.

Qiao Yaobin， Wu Zhen， Lü Mingyuan. Development Status and Key Technologies of Air Platform Active Defense System［J］. Aero Weaponry， 2023， 30（2）： 77-82.（in Chinese）

［3］ 劉佃忠．紅外全向告警系統弱小目標檢測跟蹤技術研究與實現［D］．西安： 西安電子科技大學， 2017.

Liu Dianzhong. Research and Implementation on Detecting and Tracking Technology of Weak Target for Infrared Omnidirectional Warning System ［D］. Xi’an： Xidian University， 2017. （in Chinese）

［4］ 鄧秋群. 基于卷積神經網絡的空間紅外目標識別方法研究［D］. 長沙： 國防科技大學， 2019.

Deng Qiuqun. Research on Space Infrared Targets Recognition Based on Convolutional Neural Networks［D］.Changsha： National University of Defense Technology， 2019. （in Chinese）

［5］ 朱曉寧. 深度神經網絡在圖像識別中的研究與應用［D］. 北京： 北京郵電大學， 2019.

Zhu Xiaoning. Research and Application of Deep Neural Network in Image Recognition［D］. Beijing： Beijing University of Posts and Telecommunications， 2019. （in Chinese）

［6］ 盧浩. 紅外圖像目標識別輕量化深度網絡設計研究［D］. 西安： 西安工業大學， 2024.

Lu Hao. Research on Lightweight Deep Network Design for Infrared Image Target Recognition ［D］. Xi’an： Xi’an Technological University， 2024. （in Chinese）

［7］ 許金偉.面向卷積和循環神經網絡的高性能加速器關鍵技術研究［D］. 長沙： 國防科技大學， 2019.

Xu Jinwei. Research on Key Technologies of High Performance Accelerator for Convolution and Recurrent Neural Networks［D］. Changsha： National University of Defense Technology， 2019. （in Chinese）

［8］ 劉紅亮， 陳超， 岳凱. 基于跟蹤信息的多幀聯合檢測方法［J］. 系統工程與電子技術， 2021， 43（8）： 2124-2128.

Liu Hongliang， Chen Chao， Yue Kai. Multi-Frame Joint Detection Method Based on Tracking Information［J］. Systems Engineering and Electronics， 2021， 43（8）： 2124-2128.（in Chinese）

［9］ 劉彥偉， 張紹武， 趙慧波， 等. IMM-EKF的彈道導彈軌道實時動態預測［J］. 火力與指揮控制， 2012， 37（3）： 20b/H8h/xUv8SK+5k1tj0qw==6-30.

Liu Yanwei， Zhang Shaowu， Zhao Huibo， et al. The Dynamic Prediction of Ballistic Missile Trajectory in Real Time Based on IMM-EKF［J］. Fire Control & Command Control， 2012， 37（3）： 26-30.（in Chinese）

［10］ 宋波濤， 許廣亮. 基于LSTM與1DCNN的導彈軌跡預測方法［J］. 系統工程與電子技術， 2023， 45（2）： 504-512.

Song Botao， Xu Guangliang. Missile Trajectory Prediction Method Based on LSTM and 1DCNN［J］. Systems Engineering and Electronics， 2023， 45（2）： 504-512.（in Chinese）

［11］ 史恒. 飛機末端主動防御的三體對抗協同制導研究［D］. 北京： 清華大學， 2020.

Shi Heng. Cooperative Guidance on Aircraft Terminal Active Protection［D］.Beijing： Tsinghua University， 2020. （in Chinese）

［12］ 袁則華， 崔顥， 徐琰珂， 等．基于LSTM神經網絡的來襲導彈制導律識別方法研究［J/OL］．航空兵器， doi： 10.12132/ISSN.1673-5048.2024.0100.

Yuan Zehua， Cui Hao， Xu Yanke， et al. Research on Guidance Law Recognition Method of Incoming Missile Based on LSTM Neural Network ［J/OL］.Aero Weaponry， doi： 10.12132/ISSN.1673-5048.2024.0100. （in Chinese）

［13］ 李一寧， 孫毓凱， 魏靖彪， 等. 面向多目標威脅的機載主動攔截決策算法研究［J］. 電光與控制， 2024， 31（3）： 25-29.

Li Yining， Sun Yukai， Wei Jingbiao， et al. Airborne Active Interception Decision-Making Algorithms for Multi-Target Threats［J］. Electronics Optics & Control， 2024， 31（3）： 25-29.（in Chinese）

［14］ 牛余凱. 基于強化學習的小型無人機防御智能決策技術研究［D］. 北京： 軍事科學院， 2021.

Niu Yukai. Research on Intelligent Decision Technology of Defense Small UAV Based on Reinforcement Learning ［D］. Beijing： Academy of Military Science， 2021. （in Chinese）

［15］ 白志會. 基于強化學習的攔截機動目標制導律研究［D］. 長沙： 國防科技大學， 2020.

Bai Zhihui. Research on Guidance Law of Intercepting Maneuvering Target Based on Reinforcement Learning ［D］.Changsha： National University of Defense Technology， 2020. （in Chinese）

［16］ 邱瀟頎， 高長生， 荊武興. 攔截大氣層內機動目標的深度強化學習制導律［J］. 宇航學報， 2022， 43（5）： 685-695.

Qiu Xiaoqi， Gao Changsheng， Jing Wuxing. Deep Reinforcement Learning Guidance Law for Intercepting Endo-Atmospheric Maneuvering Targets［J］. Journal of Astronautics， 2022， 43（5）： 685-695.（in Chinese）

［17］ 呂振瑞， 沈欣， 李少博， 等．基于深度強化學習的來襲導彈智能攔截與平臺機動策略優化技術［J/OL］．航空兵器， doi： 10.12132/ISSN.1673-5048.2023.0045.

Lü Zhenrui， Shen Xin， Li Shaobo， et al. Optimization Technology for Intelligent Interception of Incoming Missiles and Platform Maneuvering Strategies Based on Deep Reinforcement Learning［J/OL］.Aero Weaponry， doi： 10.12132/ISSN.1673-5048.2023.0045. （in Chinese）

［18］ 敬代勇， 李劍.鴨式與正常式導彈滾轉特性數值研究［J］. 彈箭與制導學報， 2013， 33（4）： 53-54.

Jing Daiyong， Li Jian. Numerical Simulation of Rolling Characte-ristics on Canard Control Missile and Tail Control Missile ［J］. Journal of Projectiles， Rockets， Missiles and Guidance， 2013， 33（4）： 53-54. （in Chinese）

Development and Key Technologies of Helicopter

Active Protection System

Wei Jingbiao1， Sun Yukai2*， Zhang Hongbo3， 4， Mei Junfeng3， 4，Wang Xing1

（1. Army Aviation Institute， Beijing 101121， China; 2. Unit 32381 of PLA， Beijing 100073， China;

3. Luoyang Institute of Electro-Optical Equipment， AVIC， Luoyang 471000， China;

4. National Key Laboratory of Air-based Information Perception and Fusion， Luoyang 471009， China）

Abstract： Helicopters are vulnerable to a variety of ground-to-air/air-to-air weapons during low-altitude operations. Short-range launched RPGs and missiles with increasingly strong anti-jamming capabilities have posed a great challenge to the traditional “soft kill” protection system composed of infrared decoy bombs and laser directional jamming. Therefore， there is an urgent need for active protection system with “hard kill” capabilities. In order to study the key technologies for implementing helicopter active protection systems， the deve-lopment status and trends of foreign helicopter active interception systems are analyzed. On this basis， key technologies such as the real-time detection and warning technology for incoming threats， high-precision interception fire control technology， precise control and rapid response interception munition design technology are analyzed.

Key words： active protection; threat warning; interceptor fire control; small ammunitions