Research Development of Infrared Stealth Materials
-
摘要: 随着红外探测技术的迅速发展,如何提高军事目标的红外隐身能力成为一个亟待解决的难题,研究红外隐身材料有着十分重要的意义。本文简要分析了红外隐身材料的隐身机理,综述了低红外发射率材料、控温材料、光子晶体以及智能红外隐身材料等4类红外隐身材料近年来的研究现状,并展望了红外隐身材料未来的发展趋势。Abstract: With the rapid development of infrared detection technology, the improvement of the infrared stealth capability of military targets has become an urgent problem to be solved, so it is of great significance to study infrared stealth materials. This paper briefly analyzes the stealth mechanism of infrared stealth materials, summarizes the research status of four types of infrared stealth materials in recent years, such as low infrared emissivity materials, temperature control materials, photonic crystals, and intelligent infrared stealth materials, and forecasts the future development trend of infrared stealth materials.
-
0. 引言
功能性近红外光谱(functional near-infrared spectroscopy,fNIRS)技术一般指利用人体血液中氧合血红蛋白(oxygenated hemoglobin,HbO2)对特定范围波长的近红外光相比脑部其他组织有特异吸收的特性来测量并记录近红外光强的变化的脑成像技术,因其具有高时间分辨率、安全无损、便携性高、应用场景广泛等优点[1],近年来在脑神经科学、脑机接口、精神及神经类疾病等领域得到广泛应用[2],深受研究者的关注。然而,在利用fNIRS记录被试者的脑功能活动时,会产生不可避免的噪声干扰,若不对干扰信号进行合理校正,很容易导致其与大脑活动引起的真实血流动力学响应相混淆,对后期数据分析的结果产生影响[3-4]。因此,在fNIRS建模分析过程中,滤除冗余信息干扰、提高信号质量成为了一项必要环节。实际场景采集到的fNIRS信号噪声成分较为复杂,含有生理噪声、运动伪迹、系统噪声等多重干扰信号[5],生理噪声一般具备一定的规律性,可通过一定频段的带通滤波器滤除,系统噪声可用短距离参考通道记录浅层噪声,然后用回归的方法从神经记录中校正[6]。而运动伪迹的校正则是较为棘手的问题,实验范式的多样性可能导致运动伪迹含有与脑活动信号类似的特征,需要根据实际情况对伪迹进行识别,不同类型的运动伪迹校正的方法也不同[7],因此运动伪迹的校正算法也是近几年研究的热点[8]。
早期的研究者会采用舍弃运动伪迹较多的数据段和通道,但这样会使数据信息丢失[9]。还有基于硬件的方法,使用加速度计或短距离通道记录运动伪迹,然后利用回归等算法对伪迹进行校正,但是该方法增加了设备的成本,且基于硬件的方法很难完全抑制运动伪迹的产生[10]。因此,近年来,多种基于后处理技术的运动伪迹校正算法被陆续提出,较为常用的有运动伪迹减少算法(movement artifact reduction algorithm,MARA)、时间导数分步修复(temporal derivative distribution repair,TDDR)、小波滤波(wavelet filtering,WF)、基于相关性的信号质量提升算法(correlation-based signal improvement,CBSI)等。MARA算法[11]可以很好地校正较大幅度的运动伪迹,但对信号中的小幅度运动伪迹不能很好地滤除。TDDR算法[12]依靠对时间导数方差的值来计算鲁棒权值,可以很好地校正尖峰和基线漂移,但高频生理噪声和随机噪声的存在都会使方差计算产生误差,从而降低去伪迹效果。WF算法[13-14]校正尖峰的效果良好,但其去噪性能会随阈值参数的选择较为复杂,且有时会加剧信号中的基线漂移;CBSI算法[15]的去伪迹效果受数据实验范式的影响较大。考虑到以上经典算法的局限性,近年来有研究者提出将两种或多种算法相结合的方式来弥补单一算法的不足,如Spine-SG算法将样条插值算法与最小二乘法相结合,先用MARA算法校正基线突变,再用SG滤波校正尖峰,实验结果表明,Spine-SG算法的去伪迹性能相比单一算法有显著提升[16]。
近年来,随着计算机科学与人工智能等领域的发展,深度学习技术已成为一种强大的信号处理工具[17]。相比于传统算法,深度学习方法不依赖于参数主观设定,可以自动提取信号中的伪迹特征并抑制噪声,有着更强的伪迹识别能力和去噪性能[18]。而由滤波权重和非线性单元组成的卷积自编码框架可以使用池化层和上采样算子对信号进行多尺度分解来提取多分辨率支持下的特征,非常适合处理时间序列信号,可以更加精准地识别fNIRS信号的运动伪迹[19]。陈建等将卷积神经网络和自编码器相结合,通过卷积的方法构建深度神经网络来学习从含噪心电信号到干净心电信号的端对端映射,结果表明,该方法可在消除心电信号中复杂噪声的同时完整保留心电信号的形态[20]。Qiu等结合初始模块提出了一种用于不同噪声环境下海事图像去噪的轻量级自动编码器,并利用经过调整的预训练U-Net模型完成了无人水面车辆拍摄的海洋图像的语义分割任务[21]。滑世辉等在卷积自编码器的基础之上,添加更多的层数并加入跳跃连接构造,从提升网络的深度,能够提取并结合数据中深层与浅层特征,增强对地震数据随机噪声的处理能力,更好地恢复有效信号的细节,经过实验证明该方法对于不同水平的随机噪声的压制均有优异的表现[22]。本文提出了一种基于卷积自编码机的fNIRS信号运动伪迹校正算法,首先通过生成大量仿真模拟数据集训练网络模型,提升模型识别信号伪迹特征性能,然后与几种经典算法在模拟数据和实验数据进行对比分析,验证了所提出算法——多层卷积自编码机(multilayer convolutional autoencoder,MCAN)算法在校正fNIRS信号中运动伪迹时的有效性。
1. 算法原理
卷积自编码机(convolutional autoencoder,CA)是一种无监督学习的CNN结构,由Vincent等提出[23],该模型在图像和信号去噪领域有着广泛的应用。CA通过对网络输入有噪声污染的样本,对其进行编码与解码后,最终重构出不含有噪声的信号。在CA网络中,对于输入数据引入随机噪声,即:
$$ {\text{ }}\left\{ {\begin{array}{*{20}{l}} {\left\{ {{x_n}} \right\}_{n = 1}^N \to \left\{ {{{x'}_n}} \right\}_{n = 1}^N} \\ {{{x'}_n} = {x_n} + {\varepsilon _n}} \\ {{\varepsilon _n} \sim E\left( \vartheta \right)} \end{array}} \right. $$ (1) 式中:E(ϑ)表示噪声类型。CA网络中,输入是含有噪声的特征向量,损失的输出仍然为预测输出,xn为不含噪声的输入,即期望输出。CA网络结构层数较少会节省训练时长,但会影响最终的去噪性能[24],因此,本文增加网络层数并重新搭建网络架构,提出MCAN算法,设定新的仿真模拟数据的参数来训练网络,将仿真模拟数据集输入编码机进行重构,利用池化层和上采样算子的交替组合,对输入信号进行二尺度分解,提取多分辨率特征,更加精准地识别并校正fNIRS信号的运动伪迹。本文所提出的MCAN算法框图如图 1所示。
1.1 编码部分
MCAN算法的编码部分由6个卷积层和6个最大池化层及激活函数交替组合而成,该部分可将fNIRS信号进行特征降维,滤除冗余信息。卷积层相当于“特征提取机”,对fNIRS信号特征进行编码,并校正运动伪迹,卷积层的输出可用下式表示:
$$ {F_1}{\text{ = }}x_j^l = f(i\sum\limits_{i \in {M_j}} {x_j^{l - 1} \times w_{ij}^l + b_j^l} ) $$ (2) 式中:xjl表示第l个卷积层第j个卷积核对应的特征向量;Mj表示当前神经元的接受域;wijl表示xjl的第i个加权系数;bjl表示对应的该卷积核的偏置系数;f代表非线性函数,其计算公式为:
$$ f(x) = {\text{tanh}}(x) = \frac{{{{\rm{e}}^x} - {{\rm{e}}^{ - x}}}}{{{{\rm{e}}^x} + {{\rm{e}}^{ - x}}}} $$ (3) 该部分最大池化层在完成特征降维的同时保留有用的信息,下采样层还具有二次特征提取的作用,其计算公式为:
$$ {F_2} = x_j^l = f(\beta _j^l \times {\rm{down}}(x_j^{l - 1}) + b_j^l) $$ (4) 式中:down(⋅)表示下采样;βjl、bjl分别表示下采样的加权系数和偏置系数。
1.2 解码部分
解码部分由6个卷积层和6个上采样层交替组合而成,可对fNIRS信号特征的深度表示进行重构,利用卷积操作和上采样操作,输出一个和输入信号同样尺寸的fNIRS信号。上采样层输出可用下式表示:
$$ {F_3} = x_j^{'l} = f(\beta _j^{'l} \otimes {\rm{up}}(x_j^{'l - 1}) + b_j^{'l}) $$ (5) 式中:up(⋅)表示上采样;⊗表示上采样算子;β′jl、b′jl分别表示上采样的加权系数和偏置系数。第l层的转置卷积层输出可表示为:
$$ {F_4} = x_j^{'l} = f(\sum\limits_{i \in {M_j}} {x_j^{'l} \otimes w_{ij}^{'l}} + b_j^{'l}) $$ (6) 式中:x′jl表示第l层反卷积层第j个卷积核对应的特征向量;Mj表示当前神经元的接受域;⊗表示反卷积操作;w′ijl表示第l个反卷积层第j个卷积核的第i个加权系数,b′jl表示对应的偏置系数;而f为非线性函数。
1.3 网络训练
MCAN算法的训练流程示意如图 2所示。MCAN中使用均方误差损失函数计算Loss值,计算公式为:
$$ {\rm{Loss}} = \frac{1}{n}{\sum {({{\hat y}_i} - {y_i})} ^2} $$ (7) 式中:yi代表真实值;$ {\hat y_i} $代表预测值。最后,损失函数最小时,输出数据中超出标准差阈值和幅值阈值的残余运动伪迹数量。
本文以8:1:1的比例将仿真模拟数据集随机分成训练、验证和测试数据集。MCAN在训练数据集上训练,并在验证数据集上完成验证,训练完成后,使用测试数据集评估其性能,在生成的模拟数据集上完成训练和测试后,再使用真实实验数据对MCAN算法的性能进行进一步验证。本文的采用Adam优化算法代替传统的随机梯度下降算法来最小化损失函数,Adam优化算法为不同的参数设计独立的自适应性学习率,通过梯度的一阶矩估计和二阶矩估计的计算来实现,且Adam算法在保持较低内存需求的同时具有很高的计算效率。使用反向传播方法来训练网络,学习率设置为0.0001,训练100个epoch,当Loss最小时保存相应参数,MCAN训练的可视化过程如图 3所示。
2. 算法验证
2.1 仿真数据验证
2.1.1 数据模拟
模拟生成的仿真实验数据由真实的血流动力学响应、运动伪迹信号、静息态fNIRS信号分量3部分叠加而成:
$$ \varPhi _{\rm{s}}^{(\lambda )}\left( t \right) = \varPhi _{{\rm{HRF}}}^{(\lambda )}\left( t \right) + \varPhi _{{\rm{MA}}}^{(\lambda )}\left( t \right) + \varPhi _{{\rm{rs}}}^{(\lambda )}\left( t \right) $$ (8) 式中:Φs(λ)(t)代表当波长为λ时的近红外光强度信号;ΦHRF(λ)(t)代表被试者真实的血流动力学响应;Φrs(λ)(t)、ΦMA(λ)(t)分别表示静息态fNIRS信号和运动伪迹信号。ΦHRF(λ)(t)由Gamma函数模拟获得[25],计算公式为:
$$ {\rm{HRF}}\left( t \right) = \alpha \times [{\varGamma _n}\left( {t, {\tau _1}, {\rho _1}} \right) - \beta \times {\varGamma _n}\left( {t, {\tau _2}, {\rho _2}} \right)] $$ (9) 式中:
$$ \begin{array}{l} {\varGamma _n}\left( {t, {\tau _i}, {\rho _i}} \right) = \frac{1}{{p!{\tau _i}}}{\left( {\frac{{t - {\rho _i}}}{{{\tau _i}}}} \right)^p}{{\rm{e}}^{ - \frac{{t - {\rho _i}}}{{{\tau _i}}}}}\delta \left( {t - {\rho _i}} \right), \delta \left( {t - {\rho _i}} \right) \hfill \\ = \left\{ {\begin{array}{*{20}{l}} {1{\text{ }}\;{\rm{if}}\;(t - {\rho _i}) \geqslant 0} \\ {0{\text{ }}\;\;\;\;{\rm{otherwise}}} \end{array}} \right. \hfill \end{array} \text{,} $$ 参数α用于调整HRF(t)的幅值;β设置反向脉冲的幅度;τ1和τ2用于调整HRF(t)的形状,其中t为时间;ρ1和ρ2用于调整HRF(t)的阈值。本文中α=1282,β=0.17,τ1=1,τ2=1,ρ1=-0.5,ρ2=0.35,HRF(t)的阈值从34~37 μm⋅mm之间的均匀分布中随机生成,这样可以使MCAN更好地从样本中学习;Φrs(λ)(t)为静息态fNIRS信号,由一个五阶的自回归模型进行模拟;ΦMA(λ)(t)为运动伪迹信号,包括尖峰、基线漂移、短低频振荡等,由Laplace函数模拟生成[26],仿真数据模拟过程示意如图 4所示。
2.1.2 数据处理
用所提出的MCAN算法和MARA、CBSI、WF、TDDR、Spline-SG算法分别对模拟数据进行伪迹校正,对比去噪效果。CBSI和MCAN处理的是血红蛋白浓度值,需将光强信号转化为光密度(optical density,OD)信号,之后再检测剩余运动伪迹数量。TDDR和Spline-SG分别用Homer2工具包中hmr Motion Correct TDDR和hmr Motion Correct Spline SG函数实现,设置参数分别为:p=0.99,iqr=1.5,CBSI算法使用NIRS_KIT工具包实现。MARA算法的去伪迹性能受p值影响,而WF算法的性能也受iqr参数影响[9]。因此,为了公平比较各个算法的性能,应确定MARA和WF的最佳参数p和iqr,对这两种算法进行灵敏度分析[6],图 5绘制了两种算法的概率阈值参数和p值关于剩余伪迹数量n和关于均方误差(mean square error,MSE)的变化曲线图,最终确定MARA算法中p=0.99,WF算法中iqr=1.5。
2.2 真实数据验证
本文采用NITRC网站(https://www.nitrc.org/frs/downloadlink.php/11882)中的真实公开数据集的HbO2信号作为实验数据,该数据使用TechEn CW6设备采集5名被试者任务态的fNIRS信号,实验任务要求被试者进行多种不同类型的动作(上下点头、侧向点头、大声朗读、右扭、左扭、快速左右摇头和扬起眉毛),每个运动试验进行3 s,每种运动类型试验重复5次,试验间随机间隔为5~10 s。设备采样频率为50 Hz,包含2个光源和4个探测器,长距离探测器和短距离探测器到光源的距离分别为30 mm和8 mm,探头位于每个被试者头部的运动区域。
分别用本文提出的MCAN算法和MARA、CBSI、WF、TDDR、Spline-SG五种算法对含有运动伪迹的信号进行校正。其中MARA、WF、TDDR、Spline-SG处理的是OD信号,CBSI和MCAN处理的是血氧浓度信号,使用Homer2中的hmrConc2OD函数将其转换为OD值,再用hmr Motion Artifact函数检测剩余运动伪迹。6种算法的处理流程如图 6所示。
2.3 评价指标
采用块平均HbO2浓度信号的均方误差(mean square error,EMS)、信噪比(signal-to-noise ratio,RSN)、皮尔逊相关系数的平方R2和峰峰误差Ep来比较上述算法的校正运动伪迹的性能。4种指标的计算公式为:
$$ {\rm{EMS}} = \frac{1}{N}\sum\limits_{i = 1}^N {{{\left[ {x\left( {{t_i}} \right) - \tilde x\left( {{t_i}} \right)} \right]}^2}} $$ (10) $$ {\rm{RSN}} = 10 \times \lg \left( {\frac{{\sum\limits_{i = 1}^N {{x^2}\left( {{t_i}} \right)} }}{{\sum\limits_{i = 1}^N {{{\left[ {x\left( {{t_i}} \right) - \tilde x\left( {{t_i}} \right)} \right]}^2}} }}} \right) $$ (11) $$ {R^2} = \frac{1}{{N - 1}}\sum\limits_{i = 1}^N {\left[ {\frac{{x\left( {{t_i}} \right) - \left\langle {x\left( t \right)} \right\rangle }}{{{s_x}}}} \right]} \left[ {\frac{{\tilde x\left( {{t_i}} \right) - \left\langle {\tilde x\left( t \right)} \right\rangle }}{{{s_y}}}} \right] $$ (12) $$ {E_{\rm{p}}} = \frac{{{{\left( {{{\tilde x}_{\rm{p}}} - {x_{\rm{p}}}} \right)}^2}}}{{x_{\rm{p}}^2}} \times 100 $$ (13) 式中:$ {s_x} = \sqrt {\frac{1}{{N - 1}}{{\sum\limits_{i = 1}^N {\left[ {x\left( {{t_i}} \right) - \left\langle {x\left( t \right)} \right\rangle } \right]} }^2}} $;
$$ {s_y} = \sqrt {\frac{1}{{N - 1}}{{\sum\limits_{i = 1}^N {\left[ {\tilde x\left( {{t_i}} \right) - \left\langle {\tilde x\left( t \right)} \right\rangle } \right]} }^2}} \text{;} $$ x(t)和$ \tilde x\left( t \right) $分别为不含运动伪迹的信号和已经过校正的信号;xp、$ {\tilde x_p} $分别表示信号x(t)和$ \tilde x(t) $的最大;N为信号x(t)和$ \tilde x(t) $的总采样点数。EMS和RSN用来评价信号x(t)和$ \tilde x(t) $的一致性,R2评价两者的相似性。EMS和Ep越小,算法去运动伪迹的性能越好;RSN越大,去运动伪迹的性能越好;R2越接近1,去运动伪迹的性能越好。
3. 实验结果与讨论
3.1 仿真数据验证结果
将上述6种算法预处理后的仿真块平均HbO2信号分别计算其EMS,RSN,R2和Ep四个评价指标来综合评价各个算法的去伪迹性能。使用Homer2工具箱内的hmrMotionArtifact函数检测每种算法剩余运动伪迹,结果如图 7(d)所示。对每组数据的EMS,RSN,R2和Ep进行平均,结果如图 8所示。
采用MCAN算法对3类不同血流动力学响应波形信号的去噪结果如图 7(a)~(c)所示,从图 7(a)~(c)中可以看出MCAN算法可以校正大部分尖峰、基线漂移和短低频振荡,并且可以很好地还原有用信号。从图 8可以看出,MCAN算法和MARA、CBSI、WF、TDDR、Spline-SG五种算法对运动伪迹均有不同校正效果,与校正前相比,MCAN、Spline-SG、TDDR、WF的EMS,RSN和R2都有很大改善,其中MCAN算法表现最优;TDDR和Spline-SG在Ep指标上相比于校正前也有很大提升;MARA、TDDR、MCAN在R2指标中表现较为优异,WF表现最差;CBSI在各项综合指标中表现较为普通;综合EMS,RSN,R2和Ep四项指标来看,MCAN算法表现最为优异,性能最好。
3.2 真实数据验证结果
图 9(a)为用MCAN算法处理含有运动伪迹的真实信号的示例,由图 9可看出MCAN很好地校正了信号中尖峰、短低频振荡、基线漂移运动伪迹,校正后的信号接近真实任务态信号。用MCAN和MARA、CBSI、WF、TDDR、Spline-SG五种算法对真实数据校正运动伪迹后,计算块其平均HbO2信号的EMS,RSN,R2和Ep四项评价指标,并将每个被试者数据的所有通道平均,如图 10所示。由图 10可以看出,与校正运动伪迹之前相比,TDDR、Spline-SG、MCAN的EMS、RSN和Ep都有明显的改善,其中MCAN算法最佳;其中Spline-SG在R2上的表现最佳,MCAN和MARA也有较好的表现,WF表现最差;在该数据集上CBSI的表现较为中等。相比于其他算法,MCAN算法在EMS,RSN,R2和Ep四项综合评价指标表现最优,只有在R2指标上比Spline-SG算法表现稍差。
4. 结论
本文提出了一种基于卷积神经网络的fNIRS信号运动伪迹校正算法——MCAN算法。为了使MCAN网络更好地学习伪迹特征,生成大量模拟fNIRS数据来训练网络。当MCAN应用于模拟和真实fNIRS数据时,通过将训练的MCAN网络与其他传统伪迹校正算法进行比较来验证其校正伪迹的性能。实验结果表明,与其他算法相比,MCAN算法能够校正信号中大部分尖峰、基线漂移和短低频振荡运动伪迹,且处理数据后产生的剩余运动伪迹数量最低,在EMS、RSN、Ep和R2四项综合指标上表现突出。
在各个算法处理数据过程中,TDDR的去噪性能比MCAN算法较差,因为TDDR对于数据中时间导数值较大的噪声(如尖峰,基线漂移)有很好的校正效果,而对于短低频振荡以及较小尖峰的校正效果则较为普通,而经过模拟数据训练的MCAN则更容易将这类伪迹校正。MARA和Spline-SG都需要对运动伪迹进行检测,然后用样条曲线拟合运动伪迹,并从信号中减去该曲线达到去运动伪迹的目的,但这类算法容易将部分有效信号去除,导致校正过度[27],MCAN算法则更能起到学习和识别伪迹和真实血流动力学响应的作用,不易产生校正过度现象,更容易保留有用的信号细节。CBSI算法在EMS,RSN,R2和Ep四项指标上表现较为普通,这是因为该算法的去噪性能容易受到数据的实验任务的影响。WF算法在指标R2上表现较差,该算法处理基线漂移和短低频振荡时可能导致信号平滑,对后续数据处理和分析产生影响。
经过仿真数据和实验数据的验证,与MARA、CBSI、WF、TDDR、Spline-SG五种算法对比发现,MCAN算法去运动伪迹性能较好,可作为一种新算法应用于fNIRS信号的预处理阶段。
-
表 1 低红外发射率材料
Table 1 Low infrared emissivity materials
Material types Common materials Preparation methods Characteristics Inorganic Metal powder Au, Ag, Al, Zn, Cu, Ni, et al. Vapor deposition Better electrical conductivity means lower emissivity; easy oxidation; poor compatible stealth performance Doped semiconductor ATO, AZO, ITO, et al. Vapor deposition, magnetron sputtering The infrared emissivity can be adjusted by adjusting the carrier concentration and carrier collision frequency Organic Conducting polymer Polyaniline, polypyrrole, polythiophene, polyacetylene, et al. In-situ polymeri- zation Similar to metals/semiconductors in electrical and optical properties; high infrared reflectivity; poor workability High infrared transparent polymer Polyolefin, rubber, et al. - Simple molecular structure, weak infrared absorption Composite Organic + inorganic - Sol-gel method, blade coating, spray coating Excellent comprehensive performance; many influence factors leading to good adjustability -
[1] 何岷洪. 红外隐身材料的制备及红外发射率性能研究[D]. 太原: 中北大学, 2013. HE Minhong. Preparation and Infrared Emissivity Property of Infrared Camouflage Materials[D]. Taiyuan: North University of China, 2013.
[2] 李冬琳. 低红外发射率橡胶材料的制备及性能研究[D]. 太原: 中北大学, 2014. LI Donglin. Preparation and Properties of Low Infrared Emissivity Rubber Materials[D]. Taiyuan: North University of China, 2014.
[3] 王薇. 低发射率红外隐身材料的制备与应用[D]. 上海: 东华大学, 2015. WANG Wei. Preparation and Application of Low Emissivity Infrared Stealth Materials[D]. Shanghai: Donghua University, 2015.
[4] 许鹏程, 李晓霞, 胡亭. 红外隐身原理及发展[J]. 红外, 2006, 27(1): 16-20. https://www.cnki.com.cn/Article/CJFDTOTAL-HWAI200601005.htm XU P C, LI X X, HU T. Principle and development of infrared stealth technology[J]. Infrared, 2006, 27(1): 16-20. https://www.cnki.com.cn/Article/CJFDTOTAL-HWAI200601005.htm
[5] 付伟. 红外隐身原理及其应用技术[J]. 红外与激光工程, 2002, 31(1): 88-93. DOI: 10.3969/j.issn.1007-2276.2002.01.021 FU W. Principle and application technology of IR stealth[J]. Infrared And Laser Engineering, 2002, 31(1): 88-93. DOI: 10.3969/j.issn.1007-2276.2002.01.021
[6] 叶圣天, 刘朝辉, 等. 国内外红外隐身材料研究进展[J]. 激光与红外, 2015, 45(11): 1285-1291. DOI: 10.3969/j.issn.1001-5078.2015.11.001 YE S T, LIU C H. Research progress of infrared stealth materials[J]. Laser & Infrared, 2015, 45(11): 1285-1291. DOI: 10.3969/j.issn.1001-5078.2015.11.001
[7] Oguchi H, Heilweil E J, Josell D, et al. Infrared emission imaging as a tool for characterization of hydrogen storage materials[J]. Journal of Alloys and Compounds, 2009, 477(1): 8-15. http://www.sciencedirect.com/science/article/pii/S092583880801699X
[8] Dalapati Gk, Kushwaha Ak, Sharma M, et al. Transparent heat regulating (THR) materials and coatings for energy saving window applications: Impact of materials design, micro-structural, and interface quality on the THR performance[J]. Progress in Materials Science, 2018, 95: 42-131. DOI: 10.1016/j.pmatsci.2018.02.007
[9] FAN Q, ZHANG L, XING H, et al. Microwave absorption and infrared stealth performance of reduced graphene oxide-wrapped Al flake[J]. J. Mater Sci: Mater Electron, 2020, 31: 3005-3016. DOI: 10.1007/s10854-019-02844-2
[10] QIN Y S. Laser Absorption and infrared stealth properties of Al/ATO composites[J]. Ceramics International, 2019, 45(11): 14312-4315. DOI: 10.1016/j.ceramint.2019.04.144
[11] Rydzek M, Reidinger M, Arduini-Schuster M, et al. Low-emitting surfaces prepared by applying transparent aluminum-doped zinc oxide coatings via a sol-gel process[J]. Thin Solid Films, 2012, 520(12): 4114-118. DOI: 10.1016/j.tsf.2011.04.105
[12] SUN K W, ZHOU, W C, TANG X F, et al. Application of indium tin oxide (ITO) thin film as a low emissivity film on Ni-based alloy at high temperature[J]. Infrared Physics and Technology, 2016, 78: 156-61. DOI: 10.1016/j.infrared.2016.07.021
[13] 李春华, 齐暑华. 高分子材料在红外隐身中的应用[J]. 国外塑料, 2005(9): 26-30. DOI: 10.3969/j.issn.1002-5219.2005.09.001 LI C H, QI S H. The application of polymer materials in infrared stealth[J]. World Plastics, 2005(9): 26-30. DOI: 10.3969/j.issn.1002-5219.2005.09.001
[14] 于海涛. 导电高分子材料在智能隐身技术中的应用[J]. 上海涂料, 2010, 48(2): 26-29. DOI: 10.3969/j.issn.1009-1696.2010.02.009 YU H T. The application of conductive polymer materials in the field of smart stealth technonogy[J]. Shanghai Coatings, 2010, 48(2): 26-29. DOI: 10.3969/j.issn.1009-1696.2010.02.009
[15] YANG C. Synthesis, infrared and microwave absorbing properties of (BaFe Sub(12)O Sub(19) BaTiO Sub(3))/polyaniline composite[J]. Journal of Magnetism and Magnetic Materials, 2011, 323(7): 933-38. DOI: 10.1016/j.jmmm.2010.11.072
[16] 邵春明, 徐国跃, 郭腾超, 等. 改性聚乙烯作为低红外辐射材料的研究[J]. 红外技术, 2008, 30(7): 412-415. SHAO C M, XU G Y, et al. Study of modified polyethylene used as low infrared radiation material[J]. Infrared Technology, 2008, 30(7): 412-415.
[17] 张伟钢, 徐国跃. 低红外发射率材料研究进展[J]. 红外技术, 2015, 37(5): 361-367. http://hwjs.nvir.cn/article/id/hwjs201505002 ZHANG W G, XU G Y. Research progress of low infrared emissivity materials[J]. Infrared Technology, 2015, 37(5): 361-367. http://hwjs.nvir.cn/article/id/hwjs201505002
[18] 谢国华, 吴瑞彬, 吴伶芝. 红外隐身材料的现状与展望[J]. 宇航材料工艺, 2001(4): 5-10. DOI: 10.3969/j.issn.1007-2330.2001.04.002 XIE G H, WU R B, WU L Z. Status and development of study on infrared stealthy materials[J]. Aerospace Materials & Technology, 2001(4): 5-10. DOI: 10.3969/j.issn.1007-2330.2001.04.002
[19] 张帆, 王建营, 杜海燕, 等. 红外隐身涂料研究进展[J]. 化学与粘合, 2004(2): 87-91. DOI: 10.3969/j.issn.1001-0017.2004.02.011 ZHANG F, WANG J Y, DU H Y, et al. Development of IR camouflage coating research[J]. Chemistry And Adhesion, 2004(2): 87-91. DOI: 10.3969/j.issn.1001-0017.2004.02.011
[20] 崔锦峰, 马永强, 杨保平, 等. 红外隐身材料的研究现状及发展趋势[J]. 表面技术, 2010, 39(6): 71-74. DOI: 10.3969/j.issn.1001-3660.2010.06.020 CUI J F, MA Y Q, YANG B P, et al. Research situation and development trend of infrared stealth materials[J]. Surface Technology, 2010, 39(6): 71-74. DOI: 10.3969/j.issn.1001-3660.2010.06.020
[21] ZHANG B. Low infrared emissivity of the Cr39Ni7C/inorganic silicate coatings with excellent heat-resistant[J]. Infrared Physics & Technology, 2018, 92: 234 -239. http://www.sciencedirect.com/science/article/pii/S1350449518302354
[22] 程从亮. 8~14 μm低发射率红外隐身涂料研究[D]. 南京: 南京工业大学, 2005. [23] LE Y, WENG X L. Influence of binder viscosity on the control of infrared emissivity in low emissivity coating[J]. Infrared Physics and Technology, 2013, 56: 25-29. DOI: 10.1016/j.infrared.2012.09.004
[24] LIU Z H, BAN G D, YE S T, et al. Infrared emissivity properties of infrared stealth coatings prepared by water-based technologies[J]. Optical Materials Express, 2016, 6(12): 3716-724. DOI: 10.1364/OME.6.003716
[25] HE Y. Preparation and properties of EPDM-based composite coatings with low infrared emissivity[J]. Journal of Energy Engineering, 2016, 142(4): 04016011. DOI: 10.1061/(ASCE)EY.1943-7897.0000349
[26] YU Huijuan. Effects of size, shape and floatage of Cu particles on the low infrared emissivity coatings[J]. Progress in Organic Coatings, 2009, 66(2): 161-66. DOI: 10.1016/j.porgcoat.2009.07.002
[27] 叶圣天, 成声月. 8~14 μm波段水性红外隐身涂料研究[J]. 红外与激光工程, 2016, 45(2): 71-76. https://www.cnki.com.cn/Article/CJFDTOTAL-HWYJ201602012.htm YE S T, CHENG S Y. Water-based infrared stealth coating in 8-14 μm wavebands[J]. Infrared and Laser Engineering, 2016, 45(2): 71-76. https://www.cnki.com.cn/Article/CJFDTOTAL-HWYJ201602012.htm
[28] TAN W M, WANG L F, YU F, et al. Preparation and characterization of a Greenish yellow lackluster coating with low infrared emissivity based on Prussian blue modified aluminum[J]. Progress in Organic Coatings, 2014, 77(7): 1163-168. DOI: 10.1016/j.porgcoat.2014.04.003
[29] 李冬琳, 刘亚青, 张志毅, 等. 改性铝粉在天然胶乳隐身涂层中的应用与研究[J]. 中国胶粘剂, 2014, 23(4): 29-32. https://www.cnki.com.cn/Article/CJFDTOTAL-GXLJ201404014.htm LI D L, LIU Y Q, ZHANG Z Y, et al. Study on modified aluminum powder and its application in natural rubber latex invisibility coating[J]. China Adhesives, 2014, 23(4): 29-32. https://www.cnki.com.cn/Article/CJFDTOTAL-GXLJ201404014.htm
[30] SHAO C M, XU G Y, SHEN X M, et al. Infrared emissivity and corrosion-resistant property of maleic anhydride grafted ethylene -propylene-diene terpolymer(EPDM-g-MAH)/Cu coatings[J]. Surface & Coatings Technology, 2010, 204(24): 4075-080.
[31] CHUH T, ZHANG Z C, LIU Y J, et al. Silver particles modified carbon nanotube paper/glass fiberre in forced polymer composite material for high temperature infrared stealth camouflage[J]. Carbon, 2016, 98: 557-66. DOI: 10.1016/j.carbon.2015.11.036
[32] YU H J. Low infrared emissivity of polyurethane/Cu composite coatings[J]. Applied Surface Science 2009, 255(12): 6077-081. DOI: 10.1016/j.apsusc.2009.01.019
[33] Larciprete M C, Paoloni S, Orazi N, et al. Infrared emissivity characterization of carbon nanotubes dispersed poly(ethylene terephthalate) fibers[J]. International Journal of Thermal Sciences, 2019, 146: 106109. DOI: 10.1016/j.ijthermalsci.2019.106109
[34] 杨震, 卿宁. 隔热材料的研究现状及发展[J]. 化工新型材料, 2011, 39(5): 21-24. DOI: 10.3969/j.issn.1006-3536.2011.05.007 YANG Z, QING N. Current state for research and development of thermal insulating materials[J]. New Chemical Materials, 2011, 39(5): 21-24. DOI: 10.3969/j.issn.1006-3536.2011.05.007
[35] 费逸伟, 黄之杰, 刘芳, 等. 聚合物微球--新型热红外涂料用填料性能研究[J]. 材料科学与工程学报, 2003, 21(2): 270-273. DOI: 10.3969/j.issn.1673-2812.2003.02.030 FEI Y W, HUANG Z J, LIU F, et al. Research for polymer's tiny particle——a new type ingredient used for thermal infrared coating[J]. Journal of Materials Science And Engineering, 2003, 21(2): 270-273. DOI: 10.3969/j.issn.1673-2812.2003.02.030
[36] 吕晓猛, 刘祥萱. 空心微珠基红外低发射率材料研究[J]. 红外技术, 2008, 30(3): 143-145. DOI: 10.3969/j.issn.1001-8891.2008.03.006 LV X M, LIU X X. Study on hollow particles based low infrared emissivity material[J]. Infrared Technology, 2008, 30(3): 143-145. DOI: 10.3969/j.issn.1001-8891.2008.03.006
[37] 徐凛, 姜勇刚, 冯军宗, 等. 纤维增强Al2O3-SiO2气凝胶隔热复合材料的制备和耐温隔热性能[J]. 南京工业大学学报: 自然科学版, 2020(4): 461-466. https://www.cnki.com.cn/Article/CJFDTOTAL-NHXB202004003.htm XU L, JIANG Y G, FENG J Z, et al. Preparation and heat-resisting and insulating properties of fiber-reinforced Al2O3-SiO2 aerogels insulation composites[J]. Journal of Nanjing Tech University: Natural Science Edition, 2020(4): 461-466. https://www.cnki.com.cn/Article/CJFDTOTAL-NHXB202004003.htm
[38] LIANG F R, LIU W J, HAN X X, et al. Improving anti-infrared radiation and heat insulation by potassium hexatitanate whisker-doped Al2O3-SiO2composite xerogel[J]. Royal Society Open Science, 2018, 12(5): 180787 -180787. http://www.zhangqiaokeyan.com/academic-journal-foreign-pmc_royal-society-open-science_thesis/040002342086.html
[39] ZHANG X, ZHAO X Y, XUE T T, et al. Bidirectional anisotropic polyimide/bacterial cellulose aerogels by freeze-drying for super-thermal insulation[J]. Chemical Engineering Journal, 2020, 385: 123963. DOI: 10.1016/j.cej.2019.123963
[40] 费逸伟, 李广平, 李争鸣, 等. 相变材料及其在热红外伪装领域的应用研究[J]. 红外技术, 2007, 29(6): 328-332. DOI: 10.3969/j.issn.1001-8891.2007.06.005 FEI Y W, LI G P, LI Z M, et al. Phase change materials and its application in thermal infrared camouflage[J]. Infrared Technology, 2007, 29(6): 328-332. DOI: 10.3969/j.issn.1001-8891.2007.06.005
[41] 郭军红, 邵竞尧, 许芬. RAM-相变微胶囊红外微波隐身复合材料[J]. 精细化工, 2017, 34(12): 1350-1355, 1369. https://www.cnki.com.cn/Article/CJFDTOTAL-JXHG201712006.htm GUO J H, SHAOJ Y, XU F. RAM-microencapsulated phase change infrared and microwave stealth composites[J]. Fine Chemicals, 2017, 34(12): 1350-1355, 1369. https://www.cnki.com.cn/Article/CJFDTOTAL-JXHG201712006.htm
[42] LIU Jin. Preparation of a PCM microcapsule with a graphene oxide platelet-patched shell and its thermal camouflage applications[J]. Ind. Eng. Chem. Res. , 2019, 58(41): 19090-19099. DOI: 10.1021/acs.iecr.9b03530
[43] 鄢冬茂. 微胶囊相变材料用于热红外伪装的应用方式和领域[J]. 现代涂料与涂装, 2017, 20(10): 31-34. DOI: 10.3969/j.issn.1007-9548.2017.10.010 YAN D M. Application of microencapsulated phase change material in thermal infrared camouflage[J]. Modern Paint & Finishing, 2017, 20(10): 31-34. DOI: 10.3969/j.issn.1007-9548.2017.10.010
[44] 邵竞尧, 王文华, 姜子燕, 等. 相变微胶囊及其在红外伪装涂层中的应用[J]. 涂料工业, 2017, 47(2): 81-86. https://www.cnki.com.cn/Article/CJFDTOTAL-TLGY201702015.htm SHAO J Y, WNAG W H, JIANG Z Y, et al. Microencapsulated phase change material and its application in infrared camouflage coating[J]. Paint & Coatings Industry, 2017, 47(2): 81-86. https://www.cnki.com.cn/Article/CJFDTOTAL-TLGY201702015.htm
[45] 孟子晖, 张连超, 邱丽莉, 等. 基于光子晶体技术的红外隐身材料研究进展[J]. 兵工学报, 2016, 37(8): 1543-1552. DOI: 10.3969/j.issn.1000-1093.2016.08.029 MENG Z H, ZHANG L C, QIU L L, et al. Research progress on photonic crystal infrared stealth materials technology[J]. Acta Armamentarii, 2016, 37(8): 1543-1552. DOI: 10.3969/j.issn.1000-1093.2016.08.029
[46] 张继魁, 赵大鹏, 汪家春, 等. 基于光子晶体的热红外迷彩[J]. 光学学报, 2016, 36(12): 225-230. https://www.cnki.com.cn/Article/CJFDTOTAL-GXXB201612028.htm ZHANG J K, ZHAO D P, WANG J C. et al. Thermal infrared pattern painting based on photonic crystals[J]. Acta Optica Sinic, 2016, 36(12): 225-230. https://www.cnki.com.cn/Article/CJFDTOTAL-GXXB201612028.htm
[47] 卢仪, 卜小海, 李栋先, 等. 基于光子晶体的红外隐身材料研究进展[J]. 激光与光电子学进展, 2019, 56(8): 3 2-41. https://www.cnki.com.cn/Article/CJFDTOTAL-JGDJ201908003.htm LU Y, BU X H, LI D X, et al. Research progress of infrared stealth materials based on photonic crystals[J]. Laser & Optoelectronics Progress, 2019, 56(8): 32-41. https://www.cnki.com.cn/Article/CJFDTOTAL-JGDJ201908003.htm
[48] 张塬昆, 于名讯, 潘士兵, 等. 光子晶体红外隐身材料研究进展[J]. 激光与红外, 2013, 43(9): 967-971. DOI: 10.3969/j.issn.1001-5078.2013.09.01 ZHANG Y K, YU M X, PAN S B. et al. Development of photonic crystal infrared stealth materials[J]. Laser & Infrared, 2013, 43(9): 967-971. DOI: 10.3969/j.issn.1001-5078.2013.09.01
[49] 刘瑞煌, 赵大鹏, 张继魁, 等. 中远红外隐身光子晶体薄膜的制备及隐身特性[J]. 光学学报, 2018, 38(8): 390-395. https://www.cnki.com.cn/Article/CJFDTOTAL-GXXB201808044.htm LIU R H, ZHAO D P, ZHANG J K, et al. Preparation and characteristics of middle and far infrared stealth of photonic crystal film[J]. Acta Optica Sinica, 2018, 38(8): 390-395. https://www.cnki.com.cn/Article/CJFDTOTAL-GXXB201808044.htm
[50] 彭亮. 选择性低发射率涂层的设计与制备研究[D]. 长沙: 国防科学技术大学, 2015. PENG Liang. Design and Preparation of Selective Low Emissivity Coatings[D]. Changsha: National University of Defense Technology, 2015.
[51] 张海燕. Cf/SiC基体多层近红外反射膜的制备与性能研究[D]. 南京: 东南大学, 2014. ZHANG Haiyan. Preparation and Properties of Near Infrared Multi-Reflecting-Film Based on CF/SiC substrate[D]. Nanjing: Southeast University, 2014.
[52] Kelly. Thermal barrier coatings design with increased reflectivity and lower thermal conductivity for high-temperature turbine applications[J]. International Journal of Applied Ceramic Technology, 2006, 3(2): 81-93. DOI: 10.1111/j.1744-7402.2006.02073.x
[53] DONG Qi, CHENG Yongzhi, et al. Multi-layer composite structure covered polytetra fluoroethylene for visible-infrared-radar spectral compatibility[J]. Journal of Physics D-Applied Physics, 2017, 50: 50. http://adsabs.harvard.edu/abs/2017JPhD...50X5108Q
[54] 程阳. 基本周期对一维复周期光子晶体禁带的影响[J]. 半导体技术, 2011, 36(3): 187-189. DOI: 10.3969/j.issn.1003-353x.2011.03.003 CHENG Y. Effects of basic period of one dimensional biperiodic holographic photonic crystals on the photonic band gap[J]. Semiconductor Technology, 2011, 36(3): 187-189. DOI: 10.3969/j.issn.1003-353x.2011.03.003
[55] ZHANG Weigang, LV Dandan. Preparation and characterization of Ge/TiO2 one-dimensional photonic crystal with low infrared-emissivity in the 8–14 μm band[J]. Materials Research Bulletin, 2020, 124: 110747. DOI: 10.1016/j.materresbull.2019.110747
[56] ZHANG Jikui, LIU Ruihuang, ZHAO Dapeng, et al. Design, fabrication and characterization of a thin infrared-visible bi-stealth film based on one-dimensional photonic crystal[J]. Optical Materials Express, 2019, 9(1): 195 -202. DOI: 10.1364/OME.9.000195
[57] LIU Dongqing. Application of variable infrared-emissivity materials to spacecraft thermal control[J]. Journal of National University of Defense Technology, 2012, 34(2): 145-149. http://en.cnki.com.cn/Article_en/CJFDTOTAL-GFKJ201202031.htm
[58] LANG Fengpei. Review on variable emissivity materials and devices based on smart chromism[J]. International Journal of Thermophysics, 2018, 39(1): 1-20. DOI: 10.1007/s10765-017-2325-4
[59] 路远, 李玉波, 乔亚, 等. 红外发射率控制方法及机理研究[J]. 红外技术, 2008, 30(5): 294-296. DOI: 10.3969/j.issn.1001-8891.2008.05.013 LU Y, LI Y B, QIAO Y, et al. The study on the method and mechanism to control the infrared emissivity[J]. Infrared Technology, 2008, 30(5): 294-296. DOI: 10.3969/j.issn.1001-8891.2008.05.013
[60] LU Yuan. Infrared emissivity modulation technology of WO3 thin film[J]. Infrared Laser Engineering, 2011, 40(7): 1221-1224. http://www.researchgate.net/publication/292789159_Infrared_emissivity_modulation_technology_of_WO_3_thin_film
[61] TU Liangliang. Study on poly-O-anisidine film with the properties of electrochromism and infrared emissivity modulation[J]. Synthetic Metals, 2011, 161: 2045-2048. DOI: 10.1016/j.synthmet.2011.06.032
[62] XIANG Shanshan. Study on the variable color and emissivity properties of Co doped TiO2 under temperature fluctuations[J]. Optical Materials, 2018, 85: 254-60. DOI: 10.1016/j.optmat.2018.08.064
-
期刊类型引用(7)
1. 姜迈,沙贵君,李宁. 基于PUCS与DTCWT的红外与弱可见光图像融合. 红外技术. 2022(07): 716-725 . 本站查看
2. 张烨. 自适应标准差特征的压缩感知图像融合. 电子科技. 2018(04): 36-39+51 . 百度学术
3. 张烨,刘晓佩. 一种改进的压缩感知图像融合方法. 西安科技大学学报. 2018(04): 690-696 . 百度学术
4. 汪丹,刘辉,李可,周威. 一种三角函数权重的图像拼接算法. 红外技术. 2017(01): 53-57 . 本站查看
5. 李尊,苗同军. 基于DWT-IRLS的压缩感知图像融合. 液晶与显示. 2017(01): 35-39 . 百度学术
6. 杨风暴,董安冉,张雷,吉琳娜. DWT、NSCT和改进PCA协同组合红外偏振图像融合. 红外技术. 2017(03): 201-208 . 本站查看
7. 张筱晗,杨桄,杨永波,黄俊华. 基于多特征的高光谱与全色图像融合方法. 红外技术. 2016(10): 832-837 . 本站查看
其他类型引用(11)