红外探测系统建模仿真：方法、应用与问题

曹淑艳， 唐善军， 范晋祥， 潘红涛

(1.92941部队96分队， 辽宁 葫芦岛 125000; 2.上海机电工程研究所， 上海 201109)

红外探测系统建模仿真：方法、应用与问题

曹淑艳1， 唐善军2， 范晋祥2， 潘红涛2

(1.92941部队96分队， 辽宁 葫芦岛 125000; 2.上海机电工程研究所， 上海 201109)

建模和仿真在红外探测系统的开发过程中起着重要的作用，随着红外系统建模和仿真技术的进一步发展和成熟，将在红外探测系统的开发中起到更加重要的作用。文章重点介绍面向红外探测系统开发的建模与仿真方法，概述了参数建模和图像流建模在红外系统开发中的应用现状，分析了建模仿真在红外探测系统开发应用中的一些问题。

建模； 仿真； 红外探测； 优化； 自动目标识别

0 引言

建模和仿真技术是以相似原理、信息技术、系统技术以及相关专业技术为基础，以计算机和专用设备为工具，利用系统模型对实际或设想的系统进行动态试验研究的一门多学科综合的技术科学。建模和仿真是继理论方案和实验方法之后，人们认识世界和改造世界的第三种基本手段。

现代红外探测系统是一个涉及辐射源、大气传播、光学系统、红外探测器、信号处理等(有些还涉及到显示和观察人员)多个方面的复杂系统。需要采用系统的分析和评估方法，更好地理解红外探测过程，并对系统的性能测度进行定量评定，利用定量评定的性能测度来预测、评估红外探测系统的性能。

通过建立构成红外探测系统的各个组件、影响系统性能的各种因素和场景模型以及系统性能模型，在建模的基础上进行仿真，具有重要意义：

a) 能够在建造系统之前方便地对系统进行性能预测评估和设计优化，并对现有产品的改进进行评估；

b) 可以使设计者加深对光电系统的理解，并确定关键的系统参数和系统设计中涉及到的权衡(如灵敏度-分辨率)；

c) 可以作为通过外场试验进行红外探测系统性能评估的一种有效的补充手段，在各种不同的变化场景中对系统性能进行评估，从而显著降低与系统外场测试相关的成本和风险。

建模与仿真在现代红外探测系统的整个设计和开发过程中发挥着重要的作用，正在成为一种现代红外探测系统强大的设计和验证手段，在现代红外探测系统工程中处于核心的位置。由于现代红外探测系统及与其交互环境的复杂性，通常具有非线性、时变性、多变量和不确定性等特点，很难建立准确的数学和物理模型，也给准确分析和预测红外探测系统在复杂、多变的作战环境中的性能带来了困难。

本文概述了面向红外探测系统开发的建模与仿真方法，介绍了参数建模和图像流建模在红外系统开发中的应用现状，分析了建模仿真在红外探测系统开发应用中的一些问题。

1 建模与仿真方法

1.1 建模途径

如图1所示，红外探测系统模型可分为两种类型：

a) 以统计的方式表示输入图像信息和系统的模型(“参数”模型)；

b) 直接采用图像作为模型输入的模型(“图像流”模型)。

参数模型产生数值输出(如信噪比)，而图像流模型产生处理的图像和根据对输出图像的分析产生的度量(如像素直方图)。图1示出了两种其他子类：“混合模型”和“软件/硬件在回路中”。混合模型在本质上是参数模型，但使用从图像中导出的信息，软件在回路中/硬件在回路中模型采用软件和硬件组件作为对一个系统的建模仿真的一部分[1]。

1.2 参数模型

红外探测系统第一类模型是参数模型，也称为数学模型、解析模型、统计模型、数值模型等。这类模型的基本性质：通过数学方程、查找表和逻辑规则确定光电系统的性能，不使用传感器图像。因此，可以采用简单的对比度值来进行辐射度量计算，并采用各种噪声源计算给出信噪比。采用光学透镜和探测器的特性确定成像器的空间频率响应，并产生像调制传递函数和最小可分辨温差(MRTD)那样的性能测度。因此，参数建模产生能够用于评估系统性能的一组参数和变换函数。

参数模型的优点：

a) 将复杂的物理特征简化为统计近似，可以快速完成计算；

b) 基于辐射、光学、探测器组件的基本物理特性建立模型，通常可以从参考书、性能指标参数或实验室测量获得用于驱动计算的参数。

因此，参数化模型是以理论为基础的，功能可以追溯。参数化模型也容易通过增加新功能或增加计算的复杂性进行扩展。

但参数模型经常由于统计假设不能完全反映物理特征而受到限制。对于许多红外探测系统，性能经常受场景中的非正常值影响(如实际的图像特征与假设的场景内容有所不同，可能影响虚警数)。参数模型的结果受到建模精度的限制，难以量化评估误差。另外，由于不使用传感器图像，参数模型不能实施对图像进行复杂的信息处理。

使用参数模型的优点：

a) 红外探测系统的某些组件(如大气、光学和探测器)可以参数化的形式方便地表示；

b) 参数模型可以非常快速地计算出性能数值，并且方便地支持权衡分析；

c) 可以在具体的应用需求只给出较少的信息时，在设计的早期阶段给出粗略的性能估计。

表1归纳了参数模型用于项目生命周期的不同阶段的收益和局限性。

表1 参数模型的收益和局限性

1.3 图像流模型

采用图像流建模时，建模者不仅应理解怎样进行处理，还要熟悉不同处理方法对于不同输入图像数据集的性能。因此，该模型能够对产品开发进行深刻的理解，可以方便地对系统算法进行设计。由于图像流模型具有对图像和图像序列运用的处理功能，对于考虑图像的特性和有效性至关重要。图像流模型的高层级架构如图2所示，它包括三种不同的图像数据源，还配置了用于仿真传感器和场景的交互作用的“开环”和“闭环”机制[1]。

开环模型是最容易创建的，因为在场景特征和传感器之间没有反馈。传感器可以是静态的，观察一个静止的场景或运动的特征。传感器也可以是运动的，在这种配置中没有来自场景的反馈，在场景运动的情况下需要对图像进行放大。闭环模型涉及到传感器与所观察场景的交互作用，基于传感器向场景的接近方式(传感器的朝向和运动方向)，产生运动、变化的场景景物或场景特征。

可以得到的不同类型的图像，最常见的图像源是事先记录的数据。这是按照事先定义的观察几何或轨迹，采用专门的摄像机获取的真实图像数据。事先记录的数据通常用于开环结构，可以对图像做一些比例放大以模拟变化的距离。按照定义，由另一台摄像机事先记录的图像将包括摄像机的成像特性(分辨率、模糊和光谱响应)。当这些特性显著不同时(或者需要很高的建模精度时)，有必要对图像进行修正，这是一项复杂和困难的任务，可能导入附加的误差。如有必要，可以对光电传感器施加附加的模糊效应，模糊函数可以从光学和探测器的参数模型导出的，且随着时间变化以便反应平台的振动谱。

合成的图像数据以另一种方式实现图像流建模。采用一个单独的软件工具，根据用户定义的观察几何和场景成份产生合成的场景。合成图像支持开环和闭环模型结构，具有很大的灵活性，广泛应用于现代红外探测系统的开发。然而，合成图像有一些局限性。首先，产生图像所需要的时间是一个实际的问题，尽管计算机图像合成在计算机游戏、虚拟场景等方面获得广泛应用，但对于红外成像探测系统，合成的图像数据的辐射度量必须是精确的，这涉及复杂的计算，需要耗费时间，牵涉到实时性问题。其次，数据的有效性是另一个实际问题：合成图像与真实物理图像是否一致，这不仅与场景的辐射度量有关，还涉及场景组元的分布、空间形式、场景组元的交互作用以及场景的异常复现。

图像的第三个来源是采用复合解决方案，将分割的实际目标嵌入到合成的场景中，或者将合成的目标嵌入到实际的图像中，或者整个场景是由计算机产生的。嵌入目标的方法有多种好处，例如能产生与应用相关的图像，可针对所需的目标类型测试系统性能，并可以用于闭环仿真。当然，嵌入目标或其他特征不是一个简单地替换图像像素的过程，必须作相应的修正：调整嵌入的目标特征以反映场景的实际情况(包括面辐射强度和大气衰减)；实施模糊以反映传感器的特性；调整比例尺以反映观察几何条件；允许目标和场景之间的交互作用(如阴影或热反射)；引入诸如车辆运动到树木后面时的遮掩效应。

采用图像流建模还应注意：为了统计上有输出，需要对宽泛的图像数据集建模。例如，为了获得足够的图像数据，需采用几百个不同的图像序列进行建模，所需要的处理时间会快速增长。然而，如果不能采用各种各样的图像数据集全面建模，往往会导致系统设计失败，需要进行工作量巨大的重复工作。

图像流模型不论对于红外探测系统处理算法的开发，还是对于现有系统的评估都是很有价值的。图像流模型的收益和局限性如表2所示。

1.4 其他类型的模型

在图1中，还有其他两类模型。

第一种是“混合”模型，本质上是参数模型。通常采用某种规则，通过查表导出的数据，表述处理功能。查找表中的数据是针对有限数目的条件采用处理软件事先计算的，然后按照性能模型的需要对查找表进行插值。

第二种是“软件在回路中”或“硬件在回路”中模型。“软件在回路中”类似于图像流建模，差别在于将实际的(全部或部分)系统软件集成在建模链中，这对于开发和调试系统软件是一种非常有用的方法。类似地，“硬件在回路中”将(诸如红外成像传感器等硬件)物理硬件引入到建模路径中，然后采用实际的物理性能数据作为模型输入。“硬件在回路中”仿真系统采用闭环结构，完整的红外成像探测器采用一个合成场景生成器生成的图像作为其输入。

表2 图像流模型的收益和局限性

“软件在回路中”和“硬件在回路中”是用于重要的研发项目的专业技术。在详细设计阶段具有很多优势，但需要实际工程作支撑。

1.5 有关建模策略的考虑

在红外探测系统的开发中需要考虑采用何种建模策略。例如：应当使用什么类型的模型；如果采用一个简单的参数模型，它是否能够提供所需要的分析灵活性；如果采用图像流模型，需要什么数据，是否会占用很长的开发时间；考虑到项目生命周期，是开始就构建一个复杂的模型结构，还是使模型从简单的表格软件开始并自然地演进。

对于大多数红外探测系统，通常需要光学组件的参数模型和焦平面阵列模型。这样的模型不仅在项目的开始阶段是不可或缺的，还能在整个生命周期内运用。这样的模型应具有以下能力：

a) 辐射度量计算，将所会聚的光子辐射转换为探测器上产生的电子电荷；

b) 图像质量度量，如光学或调制传递函数、由于离焦等效应产生的光学像差和模糊，以及图像分辨率；

c) 基于光学结构和扫描得到的角度覆盖；

d) 噪声和对于所定义的目标和背景温度的信噪比；

e) 系统性能，如MRTD、检测、识别和辨别概率。

图像流建模具有很多优势，但需要考虑其限制因素，包括图像数据的来源、模型的整个数据流结构、所要采用的具体处理设计。在项目开始时，通常不存在处理算法，尽管可以参考其他产品的经验进行处理算法概念设计。在早期设计阶段，需要创建并链接简单的处理功能，具体的细节和参数往往是不知道的，但具有恰当的功能，便于在详细设计阶段改进。在模型中的处理软件与产品中的处理软件是不同的，有必要针对要构建的软件逐步验核模型。

2 参数建模的发展现状与应用

2.1 参数模型的发展现状

参数建模可以对非成像红外探测系统的探测距离预测，也可以对红外成像探测系统的探测、识别性能进行评估预测。主要用于红外探测系统的概念方案阶段、需求论证阶段与初步设计等阶段。确定红外探测系统方案时，应根据任务要求，通过参数建模仿真，确定设计参数是否满足要求。参数建模具有较高的成熟度，用于评估系统成像质量、作用距离等静态性能模型，技术更为成熟。

红外系统的静态性能模型可分为两大类：非成像红外探测系统的作用距离模型；红外成像探测系统的静态性能模型。

非成像红外探测系统的主要任务是远距离探测目标。基于红外探测传感器的硬件参数计算，比较在传感器上可以得到的目标能量和传感器的噪声电平，可以得到传感器的主要性能指标——噪声等效辐射通量密度或NEI，然后根据探测目标所需的信噪比计算作用距离。

红外成像系统的静态性能模型研究内容：当热图像存在于显示屏上时，在观察时间不受限制的条件下，观察者能够发现或识别目标的概率。静态性能模型基于红外成像系统硬件参数，采用评价函数，得到调制传递函数、噪声等效温差(NETD)、最小可分辨温差(MRTD)、最小可探测温差(MDTD)等性能指标，描述成像系统空间变化特征，分析红外成像系统温度分辨力和空间分辨力。在此基础上，利用Johnson和TTP等估算准则，计算对于等效条带图案靶标的静态探测、识别概率[2-3]。

红外成像系统的静态性能模型研究具有系统性和完整性。美国陆军研究开发实验室从事红外系统性能模型的研究已有50多年历史，形成了一系列由观察人员和光电成像传感器构成的系统目标截获性能的经验分析模型。最终的模型已被军用红外成像界采纳，用于定量评估采用红外成像器的观察人员能否完成对战术目标的探测、识别和辨别。美国陆军研究开发红外仿真模型历经FLIR75模型、FLIR79模型、FLIR90模型、FLIR92模型、NVTherm模型、NVThermIP模型、NV-IPM模型等几代发展、改进和更新，能够对各种类型的红外成像系统性能做较为准确地预测和评估。德国研究者Wolfgang提出的基于最小可感知温差(MTDP)的TRM3模型，荷兰TNO研究所提出的TOD模型等，均有较好的现场预测性能[2-3]。

2.2 参数建模在红外探测系统研发中的应用

2.2.1 性能指标权衡

红外和光电传感器有两个最重要的性能参数：灵敏度和空间分辨率。灵敏度涉及到信号和噪声电平，包括来自目标的信号、来自背景的信号，以及影响目标或背景探测的噪声信号。源于传感器和环境的噪声是客观存在的，当大的噪声源淹没小的图像信号时，提升灵敏度特别重要检测，可检测图像信号由目标和背景信号之间的能量差别决定评估传感器时，是否具有足够的图像信号能量是一个主要的考虑[4-5]。

如果一个传感器具有足够的灵敏度，那么在具有足够的分辨率情况下就能进行目标探测、识别或辨别判决。分辨率受到成像过程每种因素的影响：大气、传感器光学、传感器探测器、传感器电路和显示/观察者。需着重考虑是大气湍流、光学系统的衍射或像差限制、探测器相对于传感器的光学焦距的尺寸和形状。电气响应、显示分辨率和其他参数也对系统的分辨率有影响。

在某些情况下，分辨率和灵敏度是相互矛盾的参数。例如，对于一个固定光学口径系统，可以通过增大系统焦距来提高分辨率，但这会使视场缩小。在需求分析中，对一个给定的应用场合，必须认真权衡灵敏度和分辨率指标，确保系统性能满足设计要求。

2.2.2 设计参数优化

典型的红外和光电场景的建模需要成像系统、目标和大气的大量数据，涉及照射条件、目标、大气、光学、探测器、电路、显示、处理、人眼视觉等方面的参数。由于红外和光电传感器设计的复杂性，在开始构建红外或光电传感器之前，需要考虑超过100个参数，参数是否重要，取决于应用场合。在不知道系统的用途，或描述系统性能的模型中的近似和假设不当时，有可能错误地忽略一个或更多参数，从而导致使构建的系统不能满足性能要求[4-5]。

以用于弹道导弹防御的红外导引头为例，红外导引头探测、截获和跟踪感兴趣的物体，并从这些物体中选择出应拦截的目标。它将远距辐射或反射的红外能量会聚到构成焦平面阵列的红外传感器阵列组件。影响着红外传感器的设计技术参数：口径、波段、视场、瞬时视场、像素、灵敏度。

(1) 口径

红外传感器的光学口径是一个重要参数。较大的光学口径将能提升导引头的性能。首先，光学口径较大时，传感器将能接收更多的红外辐射，从而使灵敏度提高。第二，光学口径较大，光学系统能将辐射能量聚焦到一个小的光斑上，导引头分辨率得到提高。然而，较大的光学口径将导致导引头的尺寸较大、重量增加。

(2) 波段

红外传感器探测电磁波谱的红外部分，从2微米到几十微米，根据黑体的辐射方程，目标辐射光谱的峰值波长取决于目标温度，较冷的目标辐射峰值在较长的波长上。选择导引头工作波段时必须考虑目标特性。

(3) 视场

视场是导引头可观察的角度范围。较宽的视场能同时观察到间距较大的多个物体，或者发现一个位置不确定性较大的物体。前者影响从多目标中选择需要拦截的目标时间；后者将影响拦截弹在截获时，保证目标在视场内的能力。

(4) 瞬时视场(IFOV)

瞬时视场是红外焦平面阵列的单个像素所观察的角度宽度。较小的瞬时视场能够提高分辨率，从而使导引头能较早地分辨出多个威胁，确保有更多的时间用于末端制导。

(5) 像素数目或焦平面规格

对于一个方形的焦平面阵列，方位或俯仰维的像素数目由视场除以瞬时视场给出：Np=FOV/IFOV。要求视场最大、瞬时视场最小时，采用大规格焦平面具有优势。然而，超大规格红外焦平面阵列的制备昂贵，方位或俯仰维的最大像素数目通常为几百个。这意味着，在大的视场要求和小的瞬时视场要求之间需进行平衡，这是导引头设计中的一个关键内容。

(6) 灵敏度

红外传感器在希望的距离上探测一个特定目标的能力取决于灵敏度，这由噪声特性决定。通常有几个性能指标用来描述红外传感器的灵敏度，一个通用的测度是等效噪声辐射通量密度(NEI)，这是在输出处信噪比为1时在光学系统的入瞳处的通量密度。NEI定量描述传感器系统对点源的灵敏度。NEI用每平方厘米每秒瓦或者每平方厘米每秒光子数来表示，数值越小越好。

基于弹道导弹防御动能杀伤器的功能和需求，可以确定波段、视场、等效焦距、噪声等效通量密度等顶层性能参数，这些参数影响着动能杀伤器的截获性能。但NEI与红外传感器的多个设计参数(包括积分时间、传感器入瞳口径等)相关，通过增加积分时间和增大入瞳直径都可以使NEI减小，但积分时间的选择必须考虑到动态范围等因素，入瞳直径的选择必须考虑到对拦截弹的尺寸和重量等的影响。为此，必须基于参数模型进行权衡、优化，得到最佳的积分时间和入瞳直径。在此基础上可以采用参数模型实现对较低层级的关键子系统的设计参数进行选择、权衡，最终实现红外传感器的优化设计。

新一代红外搜索跟踪系统采用基于凝视红外焦平面阵列和传感器。目前，美国空军和海军尚没有像NVTherm那样统一的军用红外搜索跟踪系统模型， 每个项目都各自独立建模。美国L-3系统公司与美国空军研究试验室和海军合作开发了凝视型红外搜索跟踪系统模型，用于红外搜索跟踪系统概念和方案的分析、设计和评估。包括对凝视红外搜索跟踪传感器的设计和优化：进行背景限(同高度、下视)红外搜索跟踪传感器性能计算；基于信噪比和NEI计算；考虑阱容量和噪声限条件下的性能分析；通过建模和分析设计一个红外搜索跟踪传感器或改进探测器以实现更好的红外搜索跟踪性能，以单个探测器信噪比最佳为准则确定长波红外和中波红外谱段的F(F数)、d(探测器尺寸)和孔径尺寸的最佳值；提出改进凝视型红外搜索跟踪传感器性能的技术途径；考虑到波段、探测器尺寸、光学特性、F数、孔径直径、阱容量、暗电流、读出噪声和光学辐射进行系统权衡[6]。

2.3 系统性能评估

以红外成像探测系统为例，红外成像传感器的用户需确认传感器可以在多远的距离上探测、识别或辨别一个特定的目标。由于传感器性能曲线可知，需要知道目标尺寸和对比度，以及观察路径的大气特性。通过识别准则可以确定供探测、识别或辨别目标所需的跨目标的最小间隔。采用参数模型可以计算对应于探测、识别、辨别任务的空间频率和大气透过率，以及目标-背景对比度，进而确定目标探测、识别或辨别概率与距离(从传感器到目标的距离)的关系[2]。

3 图像流建模与仿真发展现状与应用

3.1 图像流建模与仿真发展现状

现代红外探测系统涉及辐射源、大气传播、光学系统、红外探测器、信号处理等(有些还涉及到显示和观察人员)多个方面。在红外非成像系统和红外成像系统的参数化性能模型中，都对目标和背景环境进行了简化。例如红外成像系统静态性能评估中，模型化目标采用相对背景温度为ΔT的矩形目标代替真实目标(其面积大小与实际目标相同)。红外成像探测系统的静态性能模型通过实验把目标的探测问题用等效条带图案的探测问题联系起来。

在复杂的战场环境下，红外成像探测系统实际探测到的是一个复杂的场景图像。新一代的红外成像探测系统要求自动目标探测和识别，如果采用反映目标宏观特性的参数表征目标特征，难以有效评估复杂作战环境下红外成像探测系统的性能。为覆盖各种作战使用环境条件，应在不同气象环境下针对不同的场景对红外成像系统进行性能测试。受经费、人力和时间等多种因素的限制，往往难以实现。图像流建模仿真技术，通过场景构建、场景中各物体的温度场分布计算、辐射计算、大气传输计算以及成像过程模拟来生成符合物理规律的红外图像，能够对红外成像场景进行逼真的模拟。图像流建模仿真技术可用于红外成像系统性能评价，同时具备自动目标识别跟踪和抗干扰的仿真验证功能，相比于参数建模具有明显优势。近年来在红外探测系统的算法开发和验证等方面获得了越来越多的应用。随着计算机技术和软件工具的发展，目标与场景红外辐射特性建模技术的成熟，实时红外成像场景生成技术发展迅速，图像流建模仿真技术的成熟度正在逐步提高。红外场景仿真主要涉及两个关键技术：一是虚拟红外场景构建、场景中各物体的辐射计算与可视化表现；二是红外成像系统效果仿真。

虚拟红外场景构建主要实现场景的几何模型构建、温度数据获取、光学材质获取以及数据与几何模型的关联。由几何模型构成的虚拟场景采用各种建模工具实现几何模型构建。温度数据是计算红外辐射的前提，可以通过试验测量和基于传热学等理论根据目标材质类型、气象条件和对流情况等建立热平衡方程进行计算。红外辐射计算基于发射率和反射数据等光学材质数据，因此需要根据应用需求获取所需的光学材质数据。由于几何模型不同部位的温度和光学材质有关，必须实现数据与几何模型的准确关联，目前已发展了几种温度关联和材质数据关联方法。

红外场景中各物体的辐射计算包括自发辐射、反射辐射和大气衰减及大气路径辐射计算，通常采用红外辐射计算模型(包括普朗克公式、大气辐射模型、反射辐射模型等)来实现。

红外场景仿真中，利用计算机图形学的相关理论，根据红外辐射计算模型，将三维场景渲染成二维红外辐射图像实现可视化。主要采用光栅渲染引擎或光线追迹渲染引擎来实现，前者渲染速度较快，常用于实时仿真，后者辐射计算精度高，但通常计算效率较低，难以实现实时渲染[2-3]。

国外对红外场景仿真的研究始于20世纪80年代，经过30多年的发展，已经开发出一系列成熟的商业化仿真软件。在温度场计算方面，由早期的经验/半经验模型过渡到第一原理模型。然后着重于目标与背景的热交互以及提高辐射计算精度，同时致力于仿真软件的功能模块扩展。

经验/半经验模型是指利用试验测量或经验模型得到的温度值或辐射值进行红外场景仿真。通常建立在大量的试验观测数据之上，需要进行长期的观测，人力物力投入较大。由于观测地域有限，模型适用性受限。经验/半经验模型较为粗糙，无法反映温度的微小变化，温度精度不高。

第一原理模型综合考虑影响物体温度变化的各种因素，建立物体的热平衡方程，通过数值计算求解物体表面的温度值。经过多年的研究，已经发展了三维热传导模型PRISM、基于三维热网络法的GTSIG模型、一维热传导温度计算模型等多种模型，并且被集成到多种红外场景仿真软件中。

这些模型代表了红外场景仿真发展的一个新阶段。这些模型比较复杂，除了考虑气象条件、外界辐射源、传导、对流及热辐射损失，还要考虑目标的方位、工作状态、仿真地理位置和仿真时间等。

经过多年的发展，作为红外场景仿真中的重要组成部分，温度求解的理论和方法已经形成。近年来，研究者把注意力转移到了提高仿真精度和扩展仿真功能上。针对实际应用，仿真精度要求不断提高，由此对模型进行了一系列改进。

3.2 图像流建模在红外探测系统研发中的应用

图像流建模与仿真应用包括红外成像导引系统的开发、评估和优化，例如：红外成像空地导弹自动目标识别算法开发和验证；防空导弹红外成像导引头性能评估与信息处理算法的开发与验证；红外成像传感器探测、识别和辨认性能的虚拟测试。

(1) 红外成像空地导弹自动目标识别算法开发验证

图像流建模仿真技术在法国Sagem公司红外型AASM空对地“发射后不管”武器的自动目标识别算法开发和验证中发挥了重要的作用。采用基于OKTAL-SE工作台和Sagem公司的传感器模型构建的红外合成图像生成试验台产生多种不同的合成红外图像场景，用于自动目标识别算法的开发与验证，包括开环验证和闭环验证。

美国空军研究试验室建立了用于武器系统自动目标识别性能评估的数据集。在各种区域和气候条件下获取导引头挂飞试验数据，建立评估数据集，并在导弹系统研发过程中周期性地对算法进行独立的评估。采用目标截获算法对采用场景渲染和传感器模型的高拟真度成像仿真系统生成的图像进行处理，完成系统性能评估。场景数据库中定义了一个虚拟三维世界，包括真实场景的所有单元，如场景中的动态和静态的目标、对抗措施、地貌地形和各种背景物体、传感器与场景之间的实际大气条件等。为了对场景进行精确的建模，需要计算场景中所有的物体反射、发射和传输的辐射量分量，并将所有这些分量组合起来，并确保在整个光谱范围内的精确性。

(2) 红外成像导引头性能评估与信息处理算法的开发与验证

在红外成像空空导弹性能评估及抗干扰算法的开发和验证方面，图像流仿真技术获得了越来越多的应用。

美国约翰霍普金斯大学应用物理实验室为了支持RAM BlockI导弹红外抗干扰性能，发展了背景仿真系统。采用在计算机在回路中仿真技术，在仿真的背景图像中加入目标，进行复杂背景环境下的性能预测分析。红外背景包括海面、变化的天空背景条件、其他导弹、水面舰艇等。为了支持标准2 BlockIV红外成像导引头的性能评估与瞄准点选择算法，采用了包含红外导引头飞行代码和在线图像渲染的六自由度仿真。

南非的CSIR和Denel联合开发的光电场景仿真器(OSSIM)的一个主要应用方向就是红外抗干扰算法的开发、优化与验证。OSSIM可以模拟在晴空背景、多云背景、地面与海面背景中，对飞机、导弹和其他空中、海面和地面目标的观察，可以同时形成多个谱段内的辐射量精确图像。在闭环的六自由度仿真中，开发目标检测、跟踪和抗干扰算法，并在数千次导弹飞行仿真中评估和优化算法。在变化的场景、背景杂波和目标机动中对算法进行评估。

(3) 动能拦截弹导引头性能评定和目标识别算法的开发与验证

美国林肯试验室建立了导引头试验系统，可支持美国陆军和海军拦截弹项目的红外导引头算法测试，评估可能的焦平面阵列技术并评估其在仿真环境中的工作。除了用于导引头技术性能定量评定外，导引头试验系统为任务仿真和算法开发提供试验平台，支持弹道导弹防御。

空军研究试验室弹药部的动能杀伤器硬件回路仿真系统(KHILS)，可以对具有自主识别跟踪和瞄准点选择算法的成像传感器，实施硬件在回路中仿真试验。

美国约翰霍普金斯大学应用物理实验室为了支持标准-3导弹动能杀伤弹头的开发与验证，在制导系统评估实验室建立了红外场景仿真系统。采用开环或闭环测试结构，计算机在回路中进行仿真，对红外导引头作性能评定和目标识别算法的验证。

为了支持新一代多目标杀伤器(MOKV)的发展，美国洛克希德马丁公司新建成的导引头实验室，采用先进的数字场景投影器，能够测试导引头对付多个威胁的能力。

(4) 探测、识别和辨认性能的虚拟测试

美国陆军通信电子学研究、发展和工程中心(CERDEC)夜视和电子传感器部正在发展虚拟的检测、识别和辨认(DRI)测试方法。这种方法采用仿真图像，是采用外场试验进行传感器性能评估的一种有效补充手段。将现有的红外成像仿真能力(如数字成像和遥感图像生成器)和美国陆军夜视和电子传感器部的综合性能模型图像生成器(NVIPM-IG)相结合，并融入现有的检测算法，可以降低测试与验证的成本，缩短试验时间，减小测试风险。虚拟图像生成比常规的外场测试具有更大的灵活性，并且能覆盖更宽泛的测试条件[8]。

为了评估仿真图像用于虚拟DRI测试的适用性，仿真图像必须与实际图像尽可能匹配，这种相似性必须包括实际的目标模型和实际的杂波、地形、大气条件和红外传感器特性。基于与真实数据相关的实际图像，仿真场景的构建应当与实际图像尽可能一致，然后采用实际红外传感器参数(灵敏度、规格和采样)与大气条件进行仿真，最后采用NV-IPM工具将探测器噪声和其他效应加到仿真和实际图像中，以模拟在成像链中附加噪声(模糊、暗电流、读出噪声等)的影响。

4 建模仿真应用中的一些问题

由于建模仿真能力与红外探测系统开发项目的需求尚未匹配，建模经常与系统开发割裂开来。建模仿真在红外探测系统开发中的作用没有得到充分的认识和发挥。

首先，建模人员和红外探测系统开发人员及项目管理人员之间的沟通不够充分，对建模需求和能力的理解有偏差。建模人员倾向于将模型驱动到更详细的细节层级，没有充分地考虑项目的实际需要，导致模型并不适合系统需求。

其次，建模工作发展不均衡，大多数建模工作是针对红外探测系统物理组件的建模，对图像信息处理方面的建模往往做了过多的简化，难以反映真实的图像信息处理算法的情况。随着自动目标识别和抗干扰等复杂信息处理算法的更新，更注重对目标识别和抗干扰等算法性能的评估，因为这决定着系统性能。

第三，模型的成熟度和系统设计之间不匹配。如果建模要求远远超前于系统设计成熟度，项目风险显著增大。如果建模成熟度适应已有系统，则难以在项目的早期方案阶段引领系统设计。必须根据项目的性质和发展情况，正确判断如何建模。建模策略必须适应系统生命周期需求的变化，并能在不同的时间阶段提供不同的模型。

5 结束语

建模仿真是开发红外探测系统的一个重要手段。随着计算机和软件工具的迅速发展和对先进的红外探测系统越来越高的需求，红外探测系统的建模和仿真发生了很大的变化，并且在现代红外探测系统的全生命周期开发中得到了广泛的应用。但建模仿真在红外探测系统开发的应用中也存在一些问题，需要加强建模人员和红外探测系统开发人员及项目管理人员之间的沟通，充分理解红外探测系统开发项目的需求，在项目开始阶段就尽早策划适应系统生命周期需求的各种建模策略，使建模仿真在红外探测系统的全生命开发中充分地发挥作用。

[1] Duncan L Hickman， Smith Moira I. Mathematical Modeling and Validation in EO System Development[J]. SPIE， 2016,(2):7-15.

[2] Driggers Ronald G， et al.Introduction to Infrared and Electro-Optical Systems (Second Edition)[M]. USA: Artech House， 2012:373-395,439-492.

[3] 王霞，白江辉，金伟其，等. 红外成像系统动态性能模型进展研究[J]. 红外技术，2016，(12)：997-1004.

[4] Pue Alan J， et al. Missile Concept Optimization for Ballistic Missile Defense[J]. Johns Hopkins APL Technical Digest, 2014,32(5):774-786.

[5] McComas Brian K. The Art and Science of Missile Defense Sensor Design[J]. Sensors and Systems for Space Applications VII, Proc. of SPIE, 2014,9085:90850F-1-90850F-14.

[6] Craig Olson, et al. Model Development and System Performance Optimization for Staring Infrared Search and Track (IRST) Sensors[J]. Infrared Imaging Systems: Design, Analysis, Modeling, and Testing XXVII, Proc. of SPIE, 2016,9820:98200B-1-98200B-10.

[7] 王霞，汪昊，徐超，等. 红外场景仿真技术发展综述[J]. 红外技术， 2015，(7)：537-543.

[8] Kolb Kimberly E， et al. Digital Imaging and Remote Sensing Image Generator (DIRSIG) as Applied to NVESD Sensor Performance Modeling[J]. Infrared Imaging Systems: Design, Analysis, Modeling, and Testing XXVII, Proc.of SPIE, 2016,9820:982019-1-982019-9.

Model and Simulation for Infrared Detection System：Approaches，Applications and Issues

CAOShu-yan1,TANGShan-jun2，FANJin-xiang2，PANHong-tao2

(1.96th Squad, 92941th Unit of PLA, Huludao Liaoning 125000, China；2.Shanghai Mechnical-electronic Engineering Institute, Shanghai 201109, China)

Model and simulation play important roles in the development of infrared detection system. With the advancement and maturation of the model and simulation techniques for infrared detection system, model and simulation will play more and more important roles in the development of infrared detection system. Model and simulation approaches for infrared detection system development are discussed. Present state of the application of parametric model and image-flow model in the development of infrared detection system are summarized. Some issues in the application of model and simulation for the development of infrared detection system are analyzed.

model； simulation； infrared detection； trade-off； optimization； automatic target recognition

1671-0576(2017)01-0005-10

2016-09-13

曹淑艳(1968-),女，硕士，高级工程师，主要从事测控系统数据处理及系统评估工作。

TJ765

A