我国的巡航导弹事业虽已有了较大的发展,但与国际先进水平相比差距仍较大,尤其在制导与控制精度方面仍处于较低的水平。为了提高我国巡航导弹的攻击精度,必须加大力度对巡航导弹制导与控制技术研究。本文基于仿生视觉原理对巡航导弹的制导与控制技术进行了研究。首先,对鹰眼的视觉系统、视觉原理和鹰视场等进行了研究,在此基础上研究了一种基于仿鹰眼视觉原理的巡航导弹成像制导的方法,该方法提高了制导过程的可视性。其次,研究了鹰眼的侧抑制原理,并将其用于巡航导弹成像制导的图像边缘提取和图像增强中,同时研究了基于侧抑制网络边缘提取的景象匹配制导,以提高巡航导弹的制导精度,该方法克服了图像灰度畸变或其它畸变对制导精度的影响。接着,研究了巡航导弹的末端制导律制导。利用RBF神经网络具有自学习的能力,并结合变结构控制方法的鲁棒性,提出了一种基于RBF神经网络的滑模变结构控制的巡航导弹制导律。该方法利用RBF神经网络对干扰进行在线估计,克服了未知干扰对制导精度的不利影响。最后,对巡航导弹的飞行控制系统进行了研究。考虑到巡航导弹姿态角层的干扰的存在,为巡航导弹设计了一种基于RBF神经网络干扰观测器的动态逆飞行控制器。当同时考虑巡航导弹姿态角层和角速度层的干扰时,为巡航导弹设计了一种基于RBF神经网络的回馈递推滑模飞行控制器。仿真结果表明,基于RBF神经网络的回馈递推滑模飞行控制器具有更强的抗干扰的能力,且具有更快的响应速度。