深海“传音入密”有多难？水声通信中的核心魔法：信道估计

当人们在陆地上畅享 5G 冲浪、几乎感受不到网络延迟的时候，是否想过：在这个占地球表面积 71% 的蔚蓝大洋之下，信息是依靠什么去进行传递的？

电磁波在水下衰减得极快，光波同时极易被散射，因此，声波 成了目前水下中长距离通信的唯一“主力军”。但是，开展水声通信的难度堪称地狱级，而在试图征服这片深蓝的技术当中，信道估计 绝对是核心中的核心。

今天，就来探讨水下通信的那些事儿，去揭秘让深海不再沉默的“顺风耳”技术。

水下通信的“地狱级”挑战

如果觉得陆地上的无线电通信已经很复杂了，那么水声通信的环境绝对会让人怀疑人生。水声信道被公认为是世界上最复杂的通信信道之一，它拥有三个让人头疼的特性：

• 可怕的“回声迷宫”即多径效应： 声音在水下传播时，会不断在海面以及海底之间来回进行反射。这就导致接收端不仅会听到直接传来的声音，并且会听到无数个延迟了不同时间的“回声”。这些回声叠加在一起，会把原本清晰的信号变成一团乱麻。
• 疯狂的“变调”也就是多普勒效应： 救护车迎面驶来时警笛声变尖，远去时变低沉，这就是多普勒效应。由于声波在水下的传播速度极慢，大约 1500 米/秒，海浪起伏以及水下航行器的微小移动，都会导致极其严重的多普勒频移，把信号变得严重变形。
• 环境的“大合唱”即复杂噪声以及高衰减： 随着距离以及频率增加，水对声波的吸收衰减呈指数级上升。此外，水下还充满海浪噪声、航运噪声甚至海洋生物，比如鼓虾的白噪音，信号极易被淹没。

🎯 什么是“信道估计”？它为什么重要？

既然信道环境这么恶劣，接收端所收到的信号必然是严重失真的。怎样把原本的话语进行“翻译”恢复？这就需要运用信道估计。

打个通俗的比方：假设朋友戴着一个极度扭曲的变声器即水声信道在说话。要是听不懂当前的发音，如果先说一句事先约定好的暗号，像“天王盖地虎”，听到变声后的“喵喵吃鱼吗”，就能够在心里去建立一个映射关系：这个变声器会把“天王”变成“喵喵”。

在通信当中，这段事先约定好的暗号叫做导频 Pilot。

信道估计，就是借助这些已知导频信号在经过水下传输后的畸变程度，去推算出当前水声信道的具体物理特征。一旦精准摸透了信道是怎么进行“破坏”的，就可以在接收端开展反向操作，把失真的数据进行恢复，变成原本的模样。

水声信道估计的“兵器谱”与演进史

面对变幻莫测的海洋，工程师们的算法武器库也在不断进行迭代，经历了一场从“拍快照”到“录视频”，并且再到“智能预测”的演进。

1. 拍快照的“经典老将”：LS 以及 MMSE

• LS： 最简单直接的算法。它不管背景噪声，直接强行开展计算。优点是计算量小以及速度快；缺点是在水下这种高噪声环境当中，误差往往比较大。
• MMSE： LS 的进阶版。它把信道的统计特性以及噪声的影响都考虑了进去，精度非常高。但代价是计算复杂度呈指数级上升。

这两种方法更像是在给信道“拍静态快照”。但是在实际应用当中，潜航器在移动，水流在涌动，信道每一毫秒都在疯狂变脸。光靠拍快照显然不够，需要拥有能“录动态视频”的追踪技术。

2. 录视频的“动态追踪者”：LMS、RLS 以及 SFTF

为了去处理时变的“多动症”信道，自适应滤波器 登场了，它们能够根据信道的变化来实时调整自己。

• LMS 即最小均方算法 —— 慢半拍的“老大爷”： 这是最经典的自适应算法，主打一个大道至简以及极其省算力。但是在水声这种多普勒效应严重以及变化极快的环境当中，LMS 的收敛速度实在太慢了。它就像一个骑着自行车追高铁的老大爷，信道都变了三轮了，它还没有进行收敛完毕，基本处于“一直追，却一直追不上”的尴尬境地。
  • RLS 即递归最小二乘算法 —— 算力吞噬者： 为了去处理 LMS 太慢的问题，工程界选用了 RLS。它记忆力超群，并且收敛极快，是开展水下信道动态追踪的“正规军”。但天下没有免费的午餐，RLS 涉及到复杂的矩阵求逆，计算量呈平方级爆炸。在电池容量寸土寸金的水下节点或 AUV 上，去硬跑 RLS 简直是硬件工程师的噩梦，功耗根本压不住。 * SFTF 即快速横向滤波器 —— 脆弱的“超跑”： 有没有办法既保留 RLS 的极速，同时降下 LMS 级别的计算量？SFTF 就是这种极限压榨性能的产物。它借助巧妙的数学位移变换，大幅削减了复杂度。但是在实际工程落地，像在 FPGA 等芯片上开展定点化处理时，它暴露出了一个致命弱点：数值极度不稳定。只要运算当中产生了一丁点舍入误差的累积，这辆超跑就会马上失控，导致整个滤波器直接“跑飞”崩溃。

理论以及工程落地的相爱相杀，迫使研究人员不得不继续去寻找新的出路。

3. 破局利器：稀疏信道估计即压缩感知

在经历了追踪算法的算力以及稳定性的折磨之后，大家发现了一个水声信道的秘密：虽然水下回声也就是多径极多，但是真正能量较强并且起决定性作用的路径其实只有少数几条，也就是信道的“稀疏性”。

借助压缩感知理论诞生的算法，比如 OMP 正交匹配追踪，能够像大海捞针一样，去精准抓取那几条关键信号路径。这种方法一举两得，既显著降低了计算量，同时能保持极高的精度，成为了目前水声领域的绝对主力。

4. 未来之星：AI 以及深度学习

近几年，AI 也开始潜入深海。传统的 LMS/RLS 极度依赖严密的数学物理模型，而在极其复杂的浅海多径环境当中，传统模型经常会失效。

如今，深度学习架构依靠海量的真实水声数据来进行训练，让神经网络自己去“领悟”水声信道的内在规律，直接去输出信道状态信息。不讲武德的 AI 甚至能端到端地直接完成信号的恢复。尽管目前还面临着跨海域泛化能力弱以及模型体量大等挑战，但这无疑是下一代智能通信的希望所在。

听懂大海的呼吸

从简单的海洋温度数据回传，到水下机器人的深海探矿集群协同，再到未来宏大的水下物联网即 IoUT，每一次深海探索的挺进，底座都是这些看不见摸不着的通信算法。

信道估计，就像是给水下设备装上了一副极度敏感的“智能降噪耳机”。虽然深海喧嚣并且复杂，但是只要算法足够精妙，大家终能穿透层层迷雾，听清每一片海浪背后的数字回声。