第29章 暴雨
暴雨衰減是衛星通信領域公認的老大難問題。
原因很簡單——雨滴會吸收和散射電磁波，頻率越高損耗越大。天穹星座用的是Ka波段，恰好是對降雨最敏感的頻段之一。一場大暴雨能讓星地鏈路的信號強度衰減十幾個分貝，相當於把一條高速公路瞬間變成泥濘小路。
更棘手的是暴雨的空間分布極不均勻。同一片區域裡，可能東邊暴雨傾盆，西邊晴空萬里，兩個相距不到五公里的地面終端面對的信道狀態天差地別。這種空間不一致性讓統一的補償策略幾乎失效。
左城翻遍了藍灣通信的實測資料庫，發現暴雨條件下的數據少得可憐——只有十一組，而且全部採集自同一場降雨過程，空間覆蓋範圍很窄。
數據不夠。又是這個問題。
但這次他沒有條件像上次一樣扛著設備去實地採集——總不能等老天爺下暴雨再去蹲守。他需要換一種思路。
第十二天晚上，左城在宿舍里對著天花板躺了半個小時，突然坐了起來。
氣象數據。
暴雨本身是氣象現象，而藍星的氣象監測網絡已經積累了幾十年的歷史數據。如果能把氣象部門的降雨強度分布數據和衛星鏈路的電波傳播模型結合起來，就可以用歷史氣象數據去」合成」大量的暴雨衰減信道樣本。
這和陳浩之前做地下空間數據增強的思路一脈相承，但維度更高——不是模擬一個封閉空間的信號環境，而是用真實的氣象觀測數據驅動一個物理傳播模型，生成的合成數據在統計特性上會比純模擬數據更接近真實情況。
左城當晚就寫了一封郵件給韓哲，申請調用藍灣通信合作的氣象數據接口。韓哲第二天上午就批了——天穹項目的技術資源調配優先級很高。
拿到氣象數據後，左城花了兩天時間搭建了一套」氣象驅動的信道合成器」——輸入任意一個時間點和地理位置的降雨強度分布，輸出對應條件下的星地鏈路信道狀態。合成器的核心是一組Ka波段雨衰經驗公式，經過實測數據的標定後，精度控制在可接受的範圍內。
有了合成器，他一口氣生成了兩萬組暴雨條件下的信道數據，覆蓋了從小雨到特大暴雨、從熱帶到溫帶、從平原到山區的各種組合。
然後把這些數據餵給雙層預測架構去跑。
結果不太好看。
標準條件下超標百分之四十二的精度優勢，在暴雨場景下直接腰斬——只剩百分之十九。原因很明確：暴雨帶來的信號衰減太劇烈了，上層的自適應補償模塊來不及跟上變化速度，總是慢半拍。
」問題不在補償速度。」左城對著仿真數據皺眉皺了一個下午，終於找到了癥結，」問題在底層的確定性預測里根本沒有氣象因素。」
雙層架構的底層是純軌道力學——它能精確預測衛星的位置和速度，但它不知道地面正在下暴雨。底層預測出來的信道狀態是」晴天版本」，上層拿到一個偏差極大的初始值，補償起來自然吃力。
解決方案很直接：在底層加入氣象信息。
把地面氣象站的實時降雨數據接入底層預測模塊，讓軌道預測的同時考慮當前的氣象條件，輸出的就不再是」晴天版本」，而是」當前天氣版本」的信道預測。上層只需要補償剩餘的隨機誤差，壓力大幅減輕。
但」直接」不等於」簡單」。
氣象數據的更新頻率和衛星信號的處理頻率差了好幾個數量級——氣象站每五分鐘更新一次數據，而信道估計需要毫秒級的響應。五分鐘對通信系統來說是一個世紀。怎麼在兩次氣象更新之間填補空白？
左城又卡了一天。
第十六天下午，他去食堂打飯的路上碰到了唐旭。
唐旭端著一盤紅燒茄子和一碗米飯，看見左城主動打了個招呼，猶豫了一下，在他對面坐了下來。
」左城，我有個事想問你。」唐旭撓了撓頭，憨厚的表情下面藏著點不好意思，」我這邊天線陣列的波束賦形算法需要信道狀態信息做輸入，但現有的信道估計方案給出來的數據刷新率太低，我想把刷新率提上去又怕增加計算負擔。你那邊的預測架構有沒有可能提供一個高刷新率的信道預測接口給我用？」
左城夾菜的手停了。
高刷新率的信道預測接口。
唐旭的需求和他正在解決的問題恰好是同一枚硬幣的兩面——唐旭需要高頻率的信道預測輸出，左城需要在低頻率的氣象數據之間做高頻率的插值補償。
如果把氣象數據看成一種」低刷新率的外部輸入」，那他需要的插值補償機制和唐旭需要的高刷新率接口，本質上是同一個技術組件。
」你的波束賦形需要多高的刷新率？」左城問。
」理想情況下，毫秒級。」
」那正好。」左城放下筷子，」我現在有一個問題——氣象數據的更新周期是五分鐘，但我的預測模塊需要毫秒級的氣象校正。我正在想怎麼在兩次更新之間做插值。如果這個插值機製做出來了，它同時可以輸出你需要的毫秒級信道預測。」
唐旭的眼睛一下子亮了。
」那咱們一起做？」他放下勺子，雙手比劃著名，」插值的核心是在已知數據點之間估算趨勢，對吧？天線陣列的波束掃描過程本身就會產生大量的空間採樣數據，這些數據可以當作氣象插值的輔助約束——因為不同方向的波束接收到的信號衰減差異，本身就包含了降雨空間分布的信息。」
左城愣了一秒。
這個想法他完全沒想到。
用天線陣列的波束掃描數據來輔助氣象插值——等於把天線當成了一個簡易的」氣象雷達」，不需要等五分鐘一次的氣象站更新，天線自己的觀測數據每毫秒都在刷新，完全可以填補空白。
」唐旭，你這個思路太妙了。」左城由衷地說。
唐旭嘿嘿一笑，露出一排整齊的白牙：」應該的，互相幫忙嘛。」
兩個人當天下午就開始聯合攻關。
左城負責插值算法的數學框架設計，唐旭負責天線陣列波束數據的提取和預處理。兩個人的技術方向原本各自獨立，但在這個交叉點上精確地咬合在了一起。
三天後，聯合方案跑通了。
氣象插值模塊利用天線波束掃描數據實現了毫秒級的降雨分布更新，精度比純氣象站數據提升了四倍。左城把這個模塊嵌入雙層預測架構的底層，重新跑暴雨場景的仿真測試。
結果出來的時候，唐旭正站在左城身後看屏幕。
暴雨場景下的信道預測精度：超過藍灣通信現有方案百分之三十六。
從百分之十九到百分之三十六，幾乎翻倍。
唐旭吹了聲口哨。
左城靠在椅背上，嘴角彎了一下。
暴雨，過了。
還剩六個極端場景。
他翻開筆記本，在」暴雨衰減」旁邊畫了個勾，然後看向清單上的下一個名字——」太陽風暴」。
餘光里，他注意到程遠從自己的工位上抬起頭，金絲眼鏡後面的目光從屏幕上的數據移到了左城和唐旭並排站著的背影上。
那目光里的東西不太好辨認。
不像是敵意，更像是一種被落下的緊迫感。
原因很簡單——雨滴會吸收和散射電磁波，頻率越高損耗越大。天穹星座用的是Ka波段，恰好是對降雨最敏感的頻段之一。一場大暴雨能讓星地鏈路的信號強度衰減十幾個分貝，相當於把一條高速公路瞬間變成泥濘小路。
更棘手的是暴雨的空間分布極不均勻。同一片區域裡，可能東邊暴雨傾盆，西邊晴空萬里，兩個相距不到五公里的地面終端面對的信道狀態天差地別。這種空間不一致性讓統一的補償策略幾乎失效。
左城翻遍了藍灣通信的實測資料庫，發現暴雨條件下的數據少得可憐——只有十一組，而且全部採集自同一場降雨過程，空間覆蓋範圍很窄。
數據不夠。又是這個問題。
但這次他沒有條件像上次一樣扛著設備去實地採集——總不能等老天爺下暴雨再去蹲守。他需要換一種思路。
第十二天晚上，左城在宿舍里對著天花板躺了半個小時，突然坐了起來。
氣象數據。
暴雨本身是氣象現象，而藍星的氣象監測網絡已經積累了幾十年的歷史數據。如果能把氣象部門的降雨強度分布數據和衛星鏈路的電波傳播模型結合起來，就可以用歷史氣象數據去」合成」大量的暴雨衰減信道樣本。
這和陳浩之前做地下空間數據增強的思路一脈相承，但維度更高——不是模擬一個封閉空間的信號環境，而是用真實的氣象觀測數據驅動一個物理傳播模型，生成的合成數據在統計特性上會比純模擬數據更接近真實情況。
左城當晚就寫了一封郵件給韓哲，申請調用藍灣通信合作的氣象數據接口。韓哲第二天上午就批了——天穹項目的技術資源調配優先級很高。
拿到氣象數據後，左城花了兩天時間搭建了一套」氣象驅動的信道合成器」——輸入任意一個時間點和地理位置的降雨強度分布，輸出對應條件下的星地鏈路信道狀態。合成器的核心是一組Ka波段雨衰經驗公式，經過實測數據的標定後，精度控制在可接受的範圍內。
有了合成器，他一口氣生成了兩萬組暴雨條件下的信道數據，覆蓋了從小雨到特大暴雨、從熱帶到溫帶、從平原到山區的各種組合。
然後把這些數據餵給雙層預測架構去跑。
結果不太好看。
標準條件下超標百分之四十二的精度優勢，在暴雨場景下直接腰斬——只剩百分之十九。原因很明確：暴雨帶來的信號衰減太劇烈了，上層的自適應補償模塊來不及跟上變化速度，總是慢半拍。
」問題不在補償速度。」左城對著仿真數據皺眉皺了一個下午，終於找到了癥結，」問題在底層的確定性預測里根本沒有氣象因素。」
雙層架構的底層是純軌道力學——它能精確預測衛星的位置和速度，但它不知道地面正在下暴雨。底層預測出來的信道狀態是」晴天版本」，上層拿到一個偏差極大的初始值，補償起來自然吃力。
解決方案很直接：在底層加入氣象信息。
把地面氣象站的實時降雨數據接入底層預測模塊，讓軌道預測的同時考慮當前的氣象條件，輸出的就不再是」晴天版本」，而是」當前天氣版本」的信道預測。上層只需要補償剩餘的隨機誤差，壓力大幅減輕。
但」直接」不等於」簡單」。
氣象數據的更新頻率和衛星信號的處理頻率差了好幾個數量級——氣象站每五分鐘更新一次數據，而信道估計需要毫秒級的響應。五分鐘對通信系統來說是一個世紀。怎麼在兩次氣象更新之間填補空白？
左城又卡了一天。
第十六天下午，他去食堂打飯的路上碰到了唐旭。
唐旭端著一盤紅燒茄子和一碗米飯，看見左城主動打了個招呼，猶豫了一下，在他對面坐了下來。
」左城，我有個事想問你。」唐旭撓了撓頭，憨厚的表情下面藏著點不好意思，」我這邊天線陣列的波束賦形算法需要信道狀態信息做輸入，但現有的信道估計方案給出來的數據刷新率太低，我想把刷新率提上去又怕增加計算負擔。你那邊的預測架構有沒有可能提供一個高刷新率的信道預測接口給我用？」
左城夾菜的手停了。
高刷新率的信道預測接口。
唐旭的需求和他正在解決的問題恰好是同一枚硬幣的兩面——唐旭需要高頻率的信道預測輸出，左城需要在低頻率的氣象數據之間做高頻率的插值補償。
如果把氣象數據看成一種」低刷新率的外部輸入」，那他需要的插值補償機制和唐旭需要的高刷新率接口，本質上是同一個技術組件。
」你的波束賦形需要多高的刷新率？」左城問。
」理想情況下，毫秒級。」
」那正好。」左城放下筷子，」我現在有一個問題——氣象數據的更新周期是五分鐘，但我的預測模塊需要毫秒級的氣象校正。我正在想怎麼在兩次更新之間做插值。如果這個插值機製做出來了，它同時可以輸出你需要的毫秒級信道預測。」
唐旭的眼睛一下子亮了。
」那咱們一起做？」他放下勺子，雙手比劃著名，」插值的核心是在已知數據點之間估算趨勢，對吧？天線陣列的波束掃描過程本身就會產生大量的空間採樣數據，這些數據可以當作氣象插值的輔助約束——因為不同方向的波束接收到的信號衰減差異，本身就包含了降雨空間分布的信息。」
左城愣了一秒。
這個想法他完全沒想到。
用天線陣列的波束掃描數據來輔助氣象插值——等於把天線當成了一個簡易的」氣象雷達」，不需要等五分鐘一次的氣象站更新，天線自己的觀測數據每毫秒都在刷新，完全可以填補空白。
」唐旭，你這個思路太妙了。」左城由衷地說。
唐旭嘿嘿一笑，露出一排整齊的白牙：」應該的，互相幫忙嘛。」
兩個人當天下午就開始聯合攻關。
左城負責插值算法的數學框架設計，唐旭負責天線陣列波束數據的提取和預處理。兩個人的技術方向原本各自獨立，但在這個交叉點上精確地咬合在了一起。
三天後，聯合方案跑通了。
氣象插值模塊利用天線波束掃描數據實現了毫秒級的降雨分布更新，精度比純氣象站數據提升了四倍。左城把這個模塊嵌入雙層預測架構的底層，重新跑暴雨場景的仿真測試。
結果出來的時候，唐旭正站在左城身後看屏幕。
暴雨場景下的信道預測精度：超過藍灣通信現有方案百分之三十六。
從百分之十九到百分之三十六，幾乎翻倍。
唐旭吹了聲口哨。
左城靠在椅背上，嘴角彎了一下。
暴雨，過了。
還剩六個極端場景。
他翻開筆記本，在」暴雨衰減」旁邊畫了個勾，然後看向清單上的下一個名字——」太陽風暴」。
餘光里，他注意到程遠從自己的工位上抬起頭，金絲眼鏡後面的目光從屏幕上的數據移到了左城和唐旭並排站著的背影上。
那目光里的東西不太好辨認。
不像是敵意，更像是一種被落下的緊迫感。