第29章 暴雨

  標准条件下超標百分之四十二的精度优势，在暴雨场景下直接腰斩——只剩百分之十九。原因很明確：暴雨带来的信號衰减太剧烈了，上层的自適应补偿模块来不及跟上变化速度，总是慢半拍。

  “问题不在补偿速度。“左城对著仿真数据皱眉皱了一个下午，终於找到了癥结，“问题在底层的確定性预测里根本没有气象因素。“

  双层架构的底层是纯轨道力学——它能精確预测卫星的位置和速度，但它不知道地面正在下暴雨。底层预测出来的信道状態是“晴天版本“，上层拿到一个偏差极大的初始值，补偿起来自然吃力。

  解决方案很直接：在底层加入气象信息。

  把地面气象站的实时降雨数据接入底层预测模块，让轨道预测的同时考虑当前的气象条件，输出的就不再是“晴天版本“，而是“当前天气版本“的信道预测。上层只需要补偿剩余的隨机误差，压力大幅减轻。

  但“直接“不等於“简单“。

  气象数据的更新频率和卫星信號的处理频率差了好几个数量级——气象站每五分钟更新一次数据，而信道估计需要毫秒级的响应。五分钟对通信系统来说是一个世纪。怎么在两次气象更新之间填补空白？

  左城又卡了一天。

  第十六天下午，他去食堂打饭的路上碰到了唐旭。

  唐旭端著一盘红烧茄子和一碗米饭，看见左城主动打了个招呼，犹豫了一下，在他对面坐了下来。

  “左城，我有个事想问你。“唐旭挠了挠头，憨厚的表情下面藏著点不好意思，“我这边天线阵列的波束赋形算法需要信道状態信息做输入，但现有的信道估计方案给出来的数据刷新率太低，我想把刷新率提上去又怕增加计算负担。你那边的预测架构有没有可能提供一个高刷新率的信道预测接口给我用？“

  左城夹菜的手停了。

  高刷新率的信道预测接口。

  唐旭的需求和他正在解决的问题恰好是同一枚硬幣的两面——唐旭需要高频率的信道预测输出，左城需要在低频率的气象数据之间做高频率的插值补偿。

  如果把气象数据看成一种“低刷新率的外部输入“，那他需要的插值补偿机制和唐旭需要的高刷新率接口，本质上是同一个技术组件。