1. 项目缘起当“天空”与“海洋”在低空相遇最近几年无人机、无人艇、浮标这些“智能体”在海洋环境监测、渔业、搜救等领域的应用越来越深入。但一个老问题始终困扰着我们在广阔无垠、缺乏基础设施的海洋上如何让这些设备稳定、高速地“说话”和“感知”传统的卫星通信延迟高、带宽有限、成本昂贵而高频无线电在水面上衰减严重且频谱资源日益紧张。我们团队一直在寻找一种能兼顾高速、低延迟、抗干扰且部署灵活的通信与感知一体化解决方案。直到我们把目光投向了“光”。不是海底光缆那种而是大气激光通信。这个概念不新但传统的高空或地面点对点激光通信在动态、复杂的海洋低空环境通常指海平面以上0-100米几乎寸步难行。海面反射的强光、多变的气溶胶盐雾、水汽、平台自身的晃动都是光信号的“杀手”。然而这个挑战背后也蕴藏着巨大的机遇如果能构建一个由多个低空智能体无人机、无人艇、浮标组成的、具备自主协同能力的网络利用光无线通信进行高速数据中继并利用光信号本身进行环境感知如测距、成像、水质反演那将彻底改变海洋观测的范式。这就是我们启动“面向海洋场景的光无线通信与感知低空智能体网络”项目的核心动机。它不是一个简单的技术移植而是针对海洋低空这一极端特殊场景对通信链路、网络协议、感知算法乃至智能体控制进行的一次系统性重构。简单说我们要让一群“会飞会游”的智能体在波涛汹涌的海面上用“光束”编织成一张既高速传数据、又能“看清”周围环境的智能网络。2. 核心挑战拆解为什么海洋低空是光通信的“地狱难度”在深入技术细节前必须彻底理解我们要对抗的“敌人”。海洋低空环境对光无线通信与感知构成的挑战是全方位、立体化的远非实验室或城市环境可比。2.1 信道损伤光信号的海上“炼狱”首先是最根本的物理层挑战——信道。海洋低空的大气信道是极端非平稳和恶劣的。强背景光干扰海表面对太阳光的镜面反射耀斑和漫反射会产生比天空背景光强数个量级的干扰噪声。这对需要高信噪比的光通信接收机尤其是使用光电二极管APD或PIN的接收端是致命的。接收机可能瞬间饱和或在强噪声中无法提取微弱信号。我们实测发现在晴朗中午的海面某些角度的背景光辐照度可比通信信号强上千倍。大气湍流与气溶胶衰减低空大气层尤其是海气交界处温度、湿度梯度大导致强烈的光学湍流。这会引起光束的强度闪烁闪烁指数可达0.5以上、光束漂移和扩展严重劣化通信性能导致误码率BER急剧上升。同时海盐颗粒、水汽凝结形成的气溶胶对特定波长的光如常见的1550nm、850nm有显著的散射和吸收作用。尤其是盐雾其粒径分布与光波长相近米氏散射效应显著造成额外的链路衰减且衰减量随天气和海况动态剧烈变化。平台动态与对准难题网络节点是运动的无人机或随波逐流的浮标、无人艇。六自由度的随机运动三个平移三个旋转导致收发天线之间持续存在角度偏差和位置偏移。对于波束极窄通常毫弧度级的光通信来说维持精准的光束对准Pointing, Acquisition and Tracking, PAT是最大难题之一。海浪引起的平台高频抖动频率可能高达数十赫兹要求PAT系统具备极高的跟踪带宽和精度。2.2 网络自组织与协同的复杂性单个链路成功只是第一步。我们要构建的是一个“网络”。在海洋低空这带来了独特的网络层挑战。动态拓扑与断续连接智能体因任务、续航或避障需要频繁移动网络拓扑结构时刻变化。同时受限于视距LoS要求和环境遮挡如浪涌节点间的链路可能随时中断。网络必须能自主、快速地发现邻居、建立路由、并在链路断裂时无缝重构而不能依赖任何固定基础设施。异构节点与混合链路网络中可能包含旋翼无人机悬停能力强但续航短、固定翼无人机航程远但动态性高、水面无人艇承载大但速度慢、以及锚系浮标位置相对固定但随浪摆动等多种平台。它们的能力通信距离、功耗、移动性差异巨大。网络协议和资源分配算法必须能适应这种异构性。此外为了可靠性可能需要设计光链路与射频链路如微波的混合传输模式在光链路受天气影响中断时自动切换。通信感知一体化资源冲突这是本项目最具特色的挑战。网络中的光信号既用于传递数据通信也用于探测距离、速度、甚至成像感知。这就产生了资源竞争用于感知的激光脉冲或调制信号可能会占用原本用于通信的时隙、功率或波长资源。如何设计统一的帧结构、调度算法使通信与感知任务高效共存、互不干扰甚至相互增强是核心研究问题。3. 我们的技术方案从链路到网络的系统性设计面对上述挑战我们采取了一种分层、协同的设计思路而不是孤立地优化某个环节。3.1 物理层抗干扰收发机与鲁棒PAT系统在物理层我们首要目标是设计出能抵抗海洋恶劣环境的硬件和信号处理方案。光源与波长选择我们放弃了常见的850nm波段因其在雾和雨滴中散射较强。最终选择了1550nm波段作为主通信波长。原因有三一是该波段处于大气传输窗口受气溶胶散射相对较小二是对人眼安全功率限值更高允许发射更大功率以对抗衰减三是该波段的光电器件激光器、探测器产业链成熟。对于感知功能我们额外引入了905nm波段的脉冲激光雷达LiDAR模块因其探测器Si-APD成本较低且与1550nm通信波段易于在接收端通过光学滤波器分离。自适应光学AO与多模接收为了对抗大气湍流引起的波前畸变我们在高端节点如大型无人机基站的接收端引入了低成本的自适应光学系统。它通过一个波前传感器如Shack-Hartmann实时探测入射光束的畸变并驱动一个微机电系统MEMS变形镜进行共轭校正从而将散射的光能量重新汇聚到单模光纤耦合器中显著提升耦合效率。对于动态性高、体积重量受限的小型节点则采用大口径的多模接收方案牺牲部分灵敏度来换取更大的接收视场角和对准容差。复合PAT策略我们设计了一套粗-精-微三级跟踪策略。粗跟踪依靠GPS/INS惯性导航系统提供的节点间相对位置和姿态预估驱动万向节将光束指向目标空域。精跟踪则利用信标光一束低速率、宽光束的辅助激光或通信信号本身通过四象限探测器QPD检测光斑中心偏移形成闭环控制补偿低频运动。最关键的微跟踪层用于抑制平台高频抖动我们采用了基于快速转向镜FSM的前馈-反馈复合控制。前馈信号来自平台搭载的高精度IMU惯性测量单元直接预测抖动反馈信号来自QPD的残余误差。实测表明该策略在3级海况下能将跟踪误差稳定控制在10微弧度以内。3.2 数据链路层与网络层智能、自愈的协同协议确保单点链路可靠后我们着手让整个网络“活”起来。基于时空预测的混合MAC协议传统的载波侦听CSMA或时分多址TDMA在动态拓扑中效率低下。我们设计了一种基于邻居位置与运动轨迹预测的混合多址接入协议。每个节点定期广播自己的状态信息位置、速度、航向。其他节点收到后利用简单的运动模型如恒定速度模型预测未来一段时间内彼此的可见性是否在视距内、是否会被遮挡。基于这些预测网络动态分配通信时隙和感知时隙。在预测链路可用时采用TDMA方式高效传输批量数据在拓扑快速变化或预测不确定时退回到基于竞争的接入方式发送控制信令。这张表概括了协议在不同场景下的行为网络状态拓扑变化速度预测置信度主导接入方式主要任务稳定巡航慢高预约式TDMA大数据量回传、协同感知队形变换中中混合式TDMA竞争控制指令、部分数据、感知信标突发避障快低基于优先级的竞争接入紧急告警、关键状态更新通信感知一体化帧结构设计这是项目的创新核心。我们设计了一种时分复用的超级帧结构。每个帧周期被划分为几个阶段信标与同步阶段所有节点发射宽光束信标光用于邻居发现、粗对准和时间同步。感知探测阶段指定节点发射LiDAR脉冲或调频连续波FMCW光信号其他节点接收反射信号用于测距、测速、成像。此阶段通信暂停。通信数据传输阶段根据MAC协议分配的时隙节点间进行高速数据通信。感知阶段获取的环境信息如障碍物位置可立即用于更新路由表和安全避障策略。网络维护阶段交换路由信息、拓扑状态、资源分配更新等。通过精心设计各阶段时长和触发机制我们实现了感知为通信提供环境认知如选择最佳中继节点通信为感知传递控制指令和融合数据的正向循环。机会路由与存储转发由于链路断续我们采用了机会路由策略。数据包携带目标地址但下一跳不固定。中间节点根据实时更新的链路质量预测、节点剩余能量、携带移动性等信息动态决策是将包转发给当前最优邻居还是暂时存储Store-carry-and-forward等待遇到更合适的节点或直达目标节点的链路出现。这特别适合无人机充当“数据骡子”在巡逻过程中收集浮标数据再飞至通信范围内回传给母船或卫星网关的场景。4. 海上实测从实验室到波涛汹涌的现实方案设计得再完美也需要用真实的海况来检验。我们在某沿海试验场进行了为期数月的海上外场试验。4.1 试验平台搭建与初始困境我们组建了一个小型异构网络2架中型旋翼无人机搭载1550nm通信终端和905nm LiDAR、1艘小型无人艇搭载通信终端和气象水文传感器、以及2个智能浮标搭载通信模块和温盐深传感器。母船作为指挥控制中心和网关节点。第一次出海就给了我们当头一棒。在平静海况下实验室里表现优异的系统通信误码率BER却居高不下频繁断链。通过高速摄像机观察接收端光斑我们发现罪魁祸首是海面镜面反射形成的“太阳耀斑”。当太阳、海面反射点与接收机恰好成一条线时强烈的太阳反射光直接进入接收视场导致探测器饱和。这在我们之前的信道模型中考虑不足。踩坑实录一背景光抑制的再升级我们最初的解决方案是添加窄带光学滤波器针对1550nm通信激光但这只能抑制太阳光中的宽带背景对同样波段的强反射点光源无效。于是我们增加了两项措施一是采用“太阳规避”策略在任务规划时通过计算避免在特定时段让接收机对准太阳反射区二是在接收端光学系统前加入了一个基于液晶可调滤波器LCTF的快速空间光调制器它能根据信标光的位置在接收视场内动态形成一个“光学黑洞”实时遮挡掉强干扰方向来的光而让通信方向的光顺利通过。这个改动显著提升了午间时段的链路可用性。4.2 PAT系统在动态平台上的实战调优另一个棘手问题是无人机悬停时的PAT稳定性。虽然我们的FSM前馈-反馈控制理论上能抑制抖动但实际中无人机旋翼引起的高频振动频谱复杂且与飞行状态如负重、风速强相关。单纯依赖IMU的前馈有时甚至引入额外误差。我们通过大量飞行数据分析出不同飞行模式下平台振动的主频特征并建立了一个简化的振动谱模型。然后我们将这个模型植入PAT控制器将前馈从“开环”改为“模型辅助闭环”。同时我们优化了QPD反馈环路的控制算法参数针对海上常见的低频摇摆周期1-3秒和高频抖动20-50Hz设计了双带宽控制器。低频环增益高确保跟踪大范围慢速运动高频环增益适中专注于抑制抖动且避免引入噪声。经过参数整定链路稳定保持时间从最初的几分钟提升到了半小时以上。4.3 通信感知协同的效能验证最令人兴奋的测试是验证通信与感知的协同效能。在一次试验中我们让无人机A和无人艇B进行持续通信。同时无人机A的LiDAR对周围海面进行扫描。突然LiDAR在预定航线上检测到一个未被预报的漂浮物模拟障碍。感知信息立即通过仍在工作的通信链路以高优先级数据包的形式发送给无人艇B和指挥母船。母船上的融合决策系统在百毫秒内生成新的避障路径并下发给无人艇B。无人艇B成功规避了障碍物整个过程通信未中断。这个场景充分体现了“112”的价值感知赋予了网络“眼睛”通信则让“眼睛看到的信息”瞬间成为整个网络共享的“知识”从而做出更智能的集体决策。我们也定量评估了协同带来的开销由于引入了感知阶段纯通信吞吐量下降了约15%但网络整体的任务完成效率综合考虑数据传输成功率和避障安全性提升了超过40%。5. 未来展望与应用场景延伸通过这个项目我们验证了低空智能体光网络在海洋场景下的可行性也摸清了其技术边界。它绝非万能但在特定应用场景下具有不可替代的优势。近海密集监测网络对于养殖区、港口、海上风电场等需要高分辨率、实时监控的区域部署由太阳能浮标和长航时无人机组成的混合光网络可以实时回传高清视频、水质数据、设备状态替代昂贵且延迟高的海底电缆或微波中继站。海洋灾害应急响应在台风、赤潮、油污泄漏等突发事件中快速空投一批搭载光学传感和通信设备的无人机它们能自主组网在灾区上空形成临时的通信覆盖和监测网格将现场高清画面、环境参数实时回传指挥中心且不受地面通信设施损毁的影响。远海科考数据中继科考船释放的无人潜器AUV、剖面浮标等设备在上浮至水面后可通过低空巡航的无人机光网络将积累的数据快速“闪存”到无人机上再由无人机飞至卫星可视区域进行回传。这解决了潜器卫星通信天线功率小、数据速率慢的瓶颈。当然走向大规模应用还有很长的路。下一步我们关注的重点包括更轻量化、低功耗的光学终端设计以适应更小型的智能体人工智能驱动的智能资源分配与网络优化让网络能自主学习环境规律并预测性能变化以及与卫星、高空平台、水下声学网络等的跨域融合构建空天地海一体化的全维信息网络。这个项目给我的最深体会是在海洋这样的开放复杂环境中任何单一技术的“银弹”都不存在。成功的关键在于对物理极限的深刻理解、对系统各环节耦合关系的周密考量以及最重要的——带着方案去真实世界中最严酷的试验场反复锤炼。从实验室的“理想光束”到海面上稳定运行的“智能光网”每一步都充满了意外与挑战但每一次问题的解决都让整个系统向实用化迈进了坚实的一步。