直升机主动拦截防护系统发展现状及关键技术研究

摘 要： 直升机低空作战时易受各类地空/空空武器的攻击， 针对近距发射的RPG和抗干扰能力越来越强的导弹， 在传统的红外诱饵弹、 激光定向干扰等“软杀伤”手段之外， 亟需具备“硬杀伤”能力的主动拦截防护系统。 为了研究直升机主动防护系统实现的关键技术， 对国外直升机主动拦截系统的发展现状与趋势进行了分析， 在此基础上， 针对直升机主动拦截防护系统研制过程中所需解决的来袭威胁实时探测告警技术、 高精度拦截火力控制技术、 精准控制、 快速响应的拦截弹药设计技术等关键技术的实现途径进行了分析。

关键词： 主动拦截； 威胁告警； 拦截火控； 微型弹药

中图分类号： TJ760

文献标识码： A

文章编号： 1673-5048（2024）05-0019-06

DOI： 10.12132/ISSN.1673-5048.2024.0142

0 引 言

直升机凭借着低空、 超低空的优势， 以空中猛烈的火力、 对装甲目标发起隐蔽攻击的优点， 在现代战场上起到日益突出的作用。 但是， 由于直升机飞行高度低、 飞行速度慢、 防护装甲能力弱、 红外和雷达特征明显， 在复杂战场环境下， 极易遭受各类地面防空兵器和近距空空导弹的攻击， 其中便携式防空导弹、 空空导弹和火箭助推榴弹（RPG）是直升机面临的主要威胁。 采用红外诱饵弹等“软杀伤”手段， 虽然可在一定程度上降低载机被击落的风险， 但随着红外制导导弹抗干扰能力越来越强， 来袭导弹突破软杀伤防御的概率大幅增加， 同时， “软杀伤”对于RPG等威胁是完全无效的。 因此， 研发能够对来袭威胁进行硬杀伤的主动拦截防护系统， 进而形成软硬杀伤结合的防御体系， 对于提升直升机在复杂对抗战场环境下的作战生存概率具有十分重要的意义。

1 直升机主动拦截防护系统发展现状

主动拦截防护系统最先应用于坦克等装甲车平台［1］。 该系统通过在坦克上加装特定的传感器、 武器等， 使用拦截弹等“硬杀伤”方式对来袭威胁进行拦截、 摧毁， 有效提升坦克平台的生存能力。 目前， 该系统在坦克等装甲车平台上的应用已较为成熟， 具有代表性的坦克主动拦截防护系统包括俄罗斯的“竞技场”（见图1）， 美国的“ IAAPS”“战利品”“奖杯”（Trophy）系统等。

收稿日期： 2024-08-19

作者简介： 魏靖彪（1974-）， 男， 河北保定人， 正高级工程师。

*通信作者： 孙毓凯（1977-） ， 男， 黑龙江哈尔滨人， 工程师。

与机载主动拦截防护系统相比， 坦克主动拦截防护系统对拦截距离、 探测精度等的要求都更低， 因此， 坦克主动拦截防护系统的技术路线无法直接应用于机载场景。 基于以上原因， 美国、 以色列等国家近些年来相继开始了机载主动拦截防护系统的研制工作， 并在直升机等平台上对主动拦截防护系统的有效性和可行性进行了验证。 较具代表性的直升机主动拦截防护系统包括“Flicker”、 直升机主动防护系统（HAPS）、 智能末端防御管理系统（Smart D2）等。

2011年9月， 以色列拉斐尔公司研发的直升机主动拦截防护系统“Flicker”进行了首次实弹测试， 如图2所示。 “Flicker”系统可对来袭的RPG和便携式防空导弹进行拦截毁伤， 从而保护直升机免遭其攻击。 该系统通过声学、 光学以及雷达传感器迅速识别来袭威胁， 探测到目标后， 直升机可以对目标进行高精度瞄准， 并通过新型武器发射器发射拦截弹， 在距直升机尽可能远的位置上命中并摧毁目标。 “Flicker”在测试中表现良好， 可准确识别来袭的RPG并发射拦截弹， 拦截弹精准命中目标并使其完全失效。

2015年， 美国Orbital ATK公司展示了第一款可装备于直升机上的主动拦截防护系统（HAPS）， 如图3所示。 HAPS系统可用来拦截RPG和单兵便携式防空导弹， 该系统可识别来袭威胁， 发射拦截弹并对拦截弹进行制导， 引导拦截弹到达拦截点， 然后引爆战斗部毁伤来袭威胁。 该过程耗费时间不超过1 s， 并且爆炸点距离直升机有足够的安全距离， 可保证直升机不会受到RPG和导弹破片的伤害。

近几年， BAE公司针对直升机主动拦截开展了一系列相关技术的研究， 包括三维先进告警系统（3D AWS）、 智能末端防御管理系统（Smart D2）、 任务生存力系统（Mission Survivability）。 其中， “Smart D2”系统能够对来袭威胁进行评估和排序， 并基于威胁评估结果生成相应的防御策略， 能够对诱饵弹、 拦截弹等进行统一管理， 从而有效识别和防御战场来袭威胁。 “Smart D2”系统组成如图4所示。

综合来看， 直升机防御系统朝着智能化、 综合化、 层次化方向发展， 主要技术趋势表现在以下几方面：

（1） 导弹告警方式由紫外导弹告警向红外/激光告警综合、 由单一被动告警向主被动复合告警方向发展；

（2） 工作方式从分散的人工操作对抗向智能化多手段协同对抗方向发展；

（3） 能与直升机上已有防御资源融合， 对抗手段从释放各类干扰的软对抗向软硬杀伤一体化多层次防护方向发展；

（4） 使用具有制导能力的拦截弹药， 可快速精准响应制导指令， 对目标进行破片杀伤， 且弹药具有小型化、 低成本的特点。

除直升机主动拦截防护系统之外， 美国和欧洲在大型飞机、 战斗机平台上， 也开展了主动拦截防护系统的探索研究［2］。 2019年， 美国研发了先进精确杀伤武器系统（APKWS）。 同年， 欧洲的多家公司联合展示了HK-DAS系统， 该系统拟装备于未来的“暴风”战机。 此外， 美国还开展了“游隼”空空导弹（Peregrine）、 “微型自卫弹药”（MSDM）、 “小型先进能力导弹”（SACM）等微型弹药的研究， 以期通过低成本的小型/微型弹药实现对来袭威胁的拦截摧毁。 但总的来说， 相关研究的进度和成熟度明显落后于直升机主动拦截防护系统的发展。

2 直升机主动拦截防护系统关键技术

2.1 来袭威胁实时探测告警技术

对来袭威胁的探测告警是实现直升机主动拦截的前提。 直升机面临的典型威胁包括RPG、 红外弹等， 此类威胁多由地面人员、 防空设施或者低空飞行的直升机、 无人机等发射， 全程近地飞行。 直升机在下视条件下， 对威胁发现十分困难， 且受地面杂波的影响， 容易出现虚警。 为解决以上问题， 需要从告警体制选择和威胁检出算法等方面进行突破。

目前， 机载威胁探测告警主要包括被动紫外、 被动红外、 脉冲多普勒雷达主动探测， 以及被动红外与主动雷达结合的复合探测等多种方式。

其中， 被动紫外体制利用导弹发动机辐射的日盲紫外信号进行探测， 由于导弹/RPG紫外波段辐射强度相对较弱， 且该波段大气透过率低， 导致紫外告警距离近， 通常小于4 km， 无法覆盖典型防空导弹的射程。 紫外告警虽然避开了太阳辐射的干扰， 具有名义上的低虚警率， 在简单战场环境下有优势， 但在城市和复杂战场背景下， 由于高温目标的影响， 造成紫外告警虚警率较高。

被动红外体制利用导弹发动机辐射的红外辐射信号进行探测， 探测距离远， 通常大于6 km； 可以利用导弹/RPG尾焰的光谱特性、 导弹运动特征等剔除虚警， 实现较低的虚警率。 与被动紫外一样， 被动红外也无法获得目标的三维态势。

脉冲多普勒雷达体制利用来袭导弹/RPG的速度多普勒效应进行探测， 具有极低的探测虚警率； 但是存在主动辐射电磁波， 易暴露载机目标， 以及连续探测功耗大、 发热量大、 大视场范围搜索无法满足实时性要求等问题。

主被动复合探测体制通常采用被动红外与脉冲多普勒雷达结合的复合探测体制， 能够同时兼顾红外远距离和雷达高精度跟踪定位的特点， 具有红外/雷达引导确认模式下的极低虚警率和对近处威胁的快速反应时间等优点， 是未来实时探测技术发展的主要方向。

而在威胁检出的算法方面， 红外弱小目标检测技术是实现导弹/RPG检出的有效技术， 但面对复杂的机载下视背景， 目标容易淹没在噪声之中， 难以被准确检测； 同时， 各种干扰容易给模型带来大量的虚警。 现有的红外弱小目标检测方法一般通过频域或时域方法对图像背景进行预处理实现背景抑制， 提高图像信噪比， 然后采用自适应阈值分割法、 熵阈值分割法、 直方图分割法等分割算法对图像进行分割， 得到潜在目标点［3］。 为进一步提高模型的泛化性能， 使其能够适应更多的复杂应用场景， 研究者们采用卷积神经网络［4-5］等深度学习模型构建红外目标检测的高性能分类器。 考虑到导弹/RPG等威胁目标的红外图像获取难度较大， 可基于通用的红外图像数据集或由直升机光电系统的红外图像组成的数据集来实现模型的预训练， 然后在导弹/RPG的红外图像组成的数据集上实现模型的微调。 在机载环境中， 有限资源的嵌入式硬件平台难以适应复杂的分类器， 因此可以通过网络量化、 网络压缩、 网络剪枝等方法实现模型轻量化［6］， 也可以采用FPGA和GPU等专用芯片实现在线加速［7］。 此外， 可设计低复杂度和高描述能力的特征提取方法， 利用人工智能的方法对目标图像进行学习训练， 挖掘目标的本质特征及其与场景干扰等的固有差异， 同时可采用多帧联合检测技术［8］， 在多帧中通过距离、 速度、 角度、 加速度以及功率等多维特征进行关联， 与非平稳的杂波虚警进行鉴别， 从而区分杂波虚警与真实目标， 剔除虚假目标。

2.2 高精度拦截火力控制技术

与传统的机载火控任务不同， 主动拦截防护系统火控解算所需处理的导弹、 RPG等目标， 具有尺寸小、 速度高等特点， 对拦截弹的脱靶量要求极为苛刻， 因此， 火控解算必须在拦截弹发射时， 为拦截弹提供高精度的参数。 同时， 随着威胁距离接近， 拦截态势变化剧烈， 拦截时机难以精准把握， 稍有偏差则可能拦截失败。 因此， 高精度拦截火力控制是主动拦截防护系统研制过程中所需突破的关键技术。 为提高火控解算精度， 从威胁信息准确性、 拦截决策准确性、 拦截火控解算准确性三方面进行攻关。

威胁信息准确性的提高主要从当前威胁状态估计和威胁轨迹预测两方面着手。 为了获得连续、 稳定的来袭导弹位置、 速度等信息， 可采用交互式多模型（IMM）、 alpha-beta滤波等方法对威胁点迹进行处理。 威胁轨迹预测是基于当前和此前的威胁运动状态， 对目标未来各个时刻的位置进行预测。 来袭红外制导导弹通常具备较强的机动能力， 要精确实时地获取导弹的机动加速度几乎难以实现， 如何对来袭导弹的运动轨迹进行准确估计是进行拦截决策前的一个重要问题。 针对威胁轨迹预测， 目前典型的解决思路是将其视为一个基于时序数据的预测问题， 并采用交互式多模型（IMM-EKF） ［9］、 长短时记忆网络（LSTM） ［10］等方法进行处理。 另一种解决思路则是考虑到来袭导弹的运动并非完全随机， 而是以一定的制导律接近载机， 因此采用了制导律辨识［11-12］的方法对目标轨迹进行预测。

拦截决策是拦截弹武器系统的“眼睛”和“大脑”。 主动拦截系统根据战场态势和拦截弹药的武器情况实时解算拦截窗口和投放指令， 在避免拦截窗口冲突、 多目标火力分配冲突的前提下， 实现多目标精准拦截。 文献［13］采用二分法与弹道递推结合的方法获得拦截窗口近界、 远界等发射参数。 由于在拦截策略的生成过程中反复使用弹道递推， 运算量较大， 难以满足主动拦截的实时性需求。 考虑到拦截策略的制定过程就是载机平台与来袭威胁不断博弈的过程， 因此可采用强化学习的思路进行解决［14-16］。 文献［17］针对机动能力强的空中平台， 提出了一种基于强化学习的载机平台智能机动策略和拦截弹发射策略， 以提升发射空空导弹拦截来袭导弹的胜率和效率。 而将强化学习应用于直升机主动拦截决策， 类似的应用尚未见报道。 针对直升机难以通过机动方式摆脱来袭威胁的特点， 可构建高保真的导弹-直升机载机-干扰弹间的运动关系模型， 针对不同场景下的导弹来袭情景和制导方式， 进行仿真推演， 并基于采用的拦截弹发射策略最终的对抗结果， 通过自学习机制， 形成可靠、 准确的拦截决策模型， 同时可采用专用芯片以进一步提升拦截决策的效率， 以满足主动拦截的强实时性需求。 基于强化学习的拦截策略生成如图5所示。

拦截火控解算的准确性主要考虑机载平台误差的消除。 直升机平台在空中执行拦截任务过程中， 受平台机动规避和平台震动等因素影响， 来袭威胁和已发射拦截弹相对载机态势变化剧烈， 造成载机惯导和弹载惯导的对准误差增大， 从而影响拦截弹制导控制精度， 造成脱靶现象。 为消除该偏差， 可通过载机同时获得拦截弹和目标的位置信息， 并基于三者的相对位置关系消除相应的偏差。

reinforcement learning

2.3 精准控制、 快速响应的拦截弹药设计技术

直升机遭遇的威胁具有近距突发的特点， 来袭的威胁从发射到命中载机仅需不到10 s的时间， 这对主动拦截防护系统的响应时间提出了很高要求， 作为影响系统响应时间的关键环节， 拦截弹药必须在极短时间内完成姿态调整并对准目标。 同时， 由于来袭威胁相对于传统的飞机、 坦克等作战目标来说体积很小， 拦截弹药必须具备极高的控制精度才能保证其尽可能准确地飞向目标直至实现弹目交汇。 因此， 精准控制、 快速响应的拦截弹药设计是主动拦截需要解决的关键技术之一。

为实现拦截弹药的精准控制和快速响应， 主要从拦截弹药的气动布局选型、 控制方式选型、 制导体制选型等方面着手进行拦截弹药设计。

导弹常用的气动布局主要分为正常式、 鸭式、 无翼无舵式等［18］。 正常式气动布局的弹翼在弹身中段， 舵面处于导弹质心之后的弹身尾段， 较大射程上保证了飞行的稳定性和飞行末端的灵活性， 舵面与弹翼所产生的操纵力方向相反， 但该种气动布局方式下， 导弹的反应能力较差。 鸭式布局舵面位于导弹质心之前的弹身头部， 弹翼位于弹身后部， 响应速度较快、 升阻比大、 舵面效率高， 操纵机构安装较为方便， 但舵面偏转时引起的下洗会对尾翼造成滚动干扰。 无翼无舵式没有专用舵面， 其尾翼既当翼面， 又当舵面， 结构和发射装置简单， 过载特性较好， 具有较高的舵面效率， 但随着飞行马赫数的变化， 气动力非线性化严重。 气动布局的选择需综合考虑直升机主动拦截防护时拦截弹药具备的飞行加速快、 射程近、 飞行时间短等特点。

导弹常用的控制方式包括空气舵控制、 直接力控制、 直接力/气动力复合控制等。 空气舵控制利用舵机控制舵面偏转改变导弹的气动力特性， 操纵弹体姿态和弹道机动， 结构简单， 技术成熟， 但响应速度慢、 控制延迟大。 直接力控制利用动力装置直接产生侧向冲量对导弹姿态和弹道进行改变， 该种控制方式响应速度快、 控制延迟小， 可在短时间提供更高的控制精度， 但姿轨控动力装置属消耗型控制装置， 控制时间短。 直接力/气动力复合控制在低速段采用直接力控制方式， 加速段利用空气舵持续弹道修正， 响应快速、 控制精度高， 但该方式在拦截弹药出膛后低速段的姿态稳定控制难度较大。

拦截弹药若采用非制导武器， 武器发射后无法对其弹道进行实时修正， 难以保证拦截弹药与来袭威胁交汇。 为提高对来袭RPG和导弹这类高速小目标的拦截概率， 拦截弹药采用制导武器。 导弹常用的制导体制包括“架上截获+全程末制导”体制、 “程序初制导+空中搜索截获末制导”体制、 “程序初制导+指令中末制导”体制、 “程序初制导+指令中制导+末制导”体制等， 对比分析如表1所示。 拦截弹药的制导体制需要在权衡制导精度、 成本、 尺寸等因素之后确定。

3 结 论

直升机低空作战时易受各类地空/空空武器的攻击。 近距发射的RPG和抗干扰能力越来越强的导弹可突破现有的由红外诱饵弹、 激光定向干扰等“软杀伤”手段构成的直升机防御体系， 因此， 亟需具备“硬杀伤”能力的主动拦截防护系统。 美国、 以色列等国家已经开展了一系列直升机主动拦截防护系统相关项目的研究， 并取得了明显进展。

针对直升机主动拦截的特点和需求， 需要重点突破来袭威胁实时探测告警技术， 高精度拦截火力控制技术， 精准控制、 快速响应的拦截弹药设计技术等关键技术。

参考文献：

［1］ 李建伟. 硬杀伤型坦克主动防护系统拦截概率研究［D］. 西安： 西安电子科技大学， 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］ 乔要宾， 吴震， 吕明远. 空中平台主动防御系统发展现状及关键技术［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］ 刘佃忠．红外全向告警系统弱小目标检测跟踪技术研究与实现［D］．西安： 西安电子科技大学， 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］ 邓秋群. 基于卷积神经网络的空间红外目标识别方法研究［D］. 长沙： 国防科技大学， 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］ 朱晓宁. 深度神经网络在图像识别中的研究与应用［D］. 北京： 北京邮电大学， 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］ 卢浩. 红外图像目标识别轻量化深度网络设计研究［D］. 西安： 西安工业大学， 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］ 许金伟.面向卷积和循环神经网络的高性能加速器关键技术研究［D］. 长沙： 国防科技大学， 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］ 刘红亮， 陈超， 岳凯. 基于跟踪信息的多帧联合检测方法［J］. 系统工程与电子技术， 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］ 刘彦伟， 张绍武， 赵慧波， 等. IMM-EKF的弹道导弹轨道实时动态预测［J］. 火力与指挥控制， 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］ 宋波涛， 许广亮. 基于LSTM与1DCNN的导弹轨迹预测方法［J］. 系统工程与电子技术， 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. 飞机末端主动防御的三体对抗协同制导研究［D］. 北京： 清华大学， 2020.

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

［12］ 袁则华， 崔颢， 徐琰珂， 等．基于LSTM神经网络的来袭导弹制导律识别方法研究［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］ 李一宁， 孙毓凯， 魏靖彪， 等. 面向多目标威胁的机载主动拦截决策算法研究［J］. 电光与控制， 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］ 牛余凯. 基于强化学习的小型无人机防御智能决策技术研究［D］. 北京： 军事科学院， 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］ 白志会. 基于强化学习的拦截机动目标制导律研究［D］. 长沙： 国防科技大学， 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］ 邱潇颀， 高长生， 荆武兴. 拦截大气层内机动目标的深度强化学习制导律［J］. 宇航学报， 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］ 吕振瑞， 沈欣， 李少博， 等．基于深度强化学习的来袭导弹智能拦截与平台机动策略优化技术［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， 李剑.鸭式与正常式导弹滚转特性数值研究［J］. 弹箭与制导学报， 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