1. 认知声纳到底在认知什么？——传统声纳的三个“死穴”

1.1 传统信号处理链路的“开环”困境

先说一个我亲身经历过的场景。某次湖试验收，声纳系统的参数是出发前在实验室精心调好的，用仿真数据打了无数遍，指标漂亮得不行。结果到了湖上，船刚开到试验区域，漏报率就一路飙升。操作员折腾了半小时，手动把波束指向调偏了几个角度，又把恒虚警检测器的门限往下压了两档，系统才“恢复正常”。当时我站在旁边就在想：机器自己为什么不能完成这件事？

这件事背后暴露的，就是传统声纳处理链路的结构性短板。常规的被动/主动声纳处理链基本是“一条直线走到底”：阵元级波形采集，做波束成形，再做匹配滤波或能量检测，然后用恒定虚警率检测器出点迹，最后交给分类器。这条链路里的每一个模块，几乎都是开环的，也就是说它的参数一旦设定，就只能按照预先假设的海洋环境去工作。而真实的海洋环境，从来不会按你的预设来。

传统声纳首先绕不开的是“固定模板”问题。匹配滤波器用的参考波形是发射信号本身，波束成形的导向矢量是按理论声速剖面算好的，检测门限是按高斯背景噪声假设设的。这套“出厂设置”在深海安静环境里可能很有效，可一旦进入浅海、近岸，混响变得很重，多途效应把回波拉成一大串，船舶噪声时强时弱，这套固定模板就开始失效了。你可以想象成用一副定焦眼镜去看忽远忽近的目标，对焦永远对不准。

第二个死穴是“开环适应”。传统声纳不是完全没有自适应能力，比如自适应波束成形器会利用接收数据实时计算权向量，但它所谓的“自适应”是机械地求解一个最优化问题，比如最小方差无失真响应（MVDR），求解过程本身不包含对环境的理解和预测。说白了，它是在“响应”环境，而不是在“理解”环境。这套逻辑遇到平稳的、统计特性变化慢的环境还够用，但水下环境是非平稳的，目标信号也是非平稳的，波束形成器可能刚收敛，环境又变了，形成“永远在追赶、永远追不上”的窘境。

第三个死穴是“被动反应”。系统只能对已经出现的信号做出反应，无法主动调整自身的探测策略。比如主动声纳发射什么波形、什么重复周期，通常是按任务预先规划好的。但如果这一海域的混响特别强，换一种频率更低、脉宽更长的波形可能效果更好；如果目标在做规避机动，提高发射重复频率可能更有利于连续跟踪。传统系统不会主动做这种调整，一切都靠声纳员的人工经验。

1.2 生物声纳给我们的启发：海豚到底是怎么“听”的

我一直觉得，做声纳的人应该认真研究一下海豚的声纳系统。海豚在浑浊水域里能轻松分辨几米外的一条鱼和一块石头，这不是靠单个“模块指标”堆出来的，而是靠一整套闭环策略。

海豚在搜索目标时，会不断改变发出信号的类型和参数：前期发出宽带扫描信号，发现疑似目标后，切换成高频窄带信号做精细探查，并根据目标回波的强弱自动调整脉冲重复率。整个过程看起来就是——先大范围搜索，再小范围确认，同时内部有一个“记忆库”在不断累积目标的特征。海豚还能根据环境噪声水平调节自身发射声源的强度，这种能力就不是简单的“自适应滤波”能解释的了。

从工程角度看，海豚声纳的核心价值在于四点：感知环境的意识、建模环境的能力、基于模型的决策，以及从每次探测中持续学习。这正是认知声纳要模仿的东西。传统声纳的“自适应”更像相机上的自动对焦——它检测到对比度变化然后驱动镜头马达，而认知声纳要做的是“知道该对哪里”，提前判断目标可能出现的位置和方式，再去“对焦”。

1.3 认知声纳的工程定义与闭环架构

那么从工程实现上，认知声纳怎么落地？我倾向于把它定义为：一个在传统声纳处理基础上，增加了环境感知、在线建模、自主决策和在线学习能力的闭环系统。它的基本架构是一个持续运转的循环：

感知层不断采集环境信息（噪声场、混响强度、干扰源分布），理解层把环境感知结果转换成模型参数（比如当前波束成形该用什么约束、匹配滤波该考虑几条多途路径），决策层根据模型参数生成处理策略（选择波形、调整门限、切换波束模式），行动层执行策略并产生新的探测结果，探测结果再反馈到感知层，形成闭环。

这里的关键在于“闭环”两个字。传统声纳处理链是“数据进、结果出”，认知声纳处理链则是“数据进、结果出、参数自动改”。改变的不是某个单一模块，而是整个系统的运行范式。这也就是为什么认知声纳无法靠“把一个神经网络塞进检测器”来实现，它需要从系统架构层面重新设计。

2. 所谓“深度融合”，到底怎么融？——替代、增强与共生

2.1 全替代路线的吸引力与陷阱

现在“端到端深度学习”确实很火，很多人一上来就想把整条声纳处理链替换成一个巨大的神经网络：原始波形进去，目标类别出来，中间过程全不要了。这种思路在图像识别上被证明很有效，但搬到水声领域就会遇到很棘手的问题。

最大的问题是数据。水声信号不像图像，可以随便从网上下载几百万张。一次外场试验的成本高、周期长，能采集到的有效样本非常有限。端到端模型动辄需要十万百万级的样本才能收敛，在水声场景下基本做不到。其次，水声信号本质上是一个强物理约束信号——目标回波必然满足声波传播方程、多普勒效应、阵列流形等物理规律。纯粹的数据驱动模型完全无视这些先验，靠统计相关性去瞎猜，结果是模型在训练数据分布的“舒适区”里表现尚可，一旦环境稍微偏离，泛化性立刻崩盘。

我在一些项目里见过这种“全替代”的翻车现场：仿真数据上精度到了90%以上，装到实艇上，换个海域，性能直接掉到不如传统的能量检测器。核心原因就是模型学到的是仿真数据集里的特征，而不是声波传播本身的物理规律。

2.2 增强式融合：AI给信号处理“打辅助”

比全替代务实一些的，是“AI打辅助”路线。AI不直接替代信号处理模块，而是作为参数估计、场景识别的工具，给传统模块提供更好的输入。譬如用卷积神经网络对接收信号做场景分类，判断当前是浅海混响主导还是远距离船舶噪声主导，然后把这些分类结果作为控制信号，去调整自适应波束成形器的对角加载因子、匹配滤波器的多途补偿阶数、检测器的门限系数。

这条路线的好处是：信号处理链路本身的物理结构被完整保留，AI只负责做它最擅长的事——从数据中提取统计特征、识别模式。传统算法依然在干“有物理依据的活”，AI在干“有数据依据的活”，两者互补，风险低、见效快。

我在实际项目里用过这种模式做混响等级估计，AI的输出直接控制检测器的门限设置，效果比人工凭经验调节稳定得多。但说实话，这还算不上真正的“深度融合”——因为AI和信号处理模块之间仍然是你做你的、我做我的，中间只是通过一个参数接口在传递信息，系统整体上还不是一个紧密耦合的闭环。

2.3 共生架构：物理模型先验与数据驱动的真正融合

真正意义上的“融合”，我理解是这样：信号处理的物理结构成为模型的骨架和硬约束，神经网络嵌入在骨架内部，负责弥补物理模型无法精确描述的部分。二者的信息流不是单向传递，而是双向流动、联合优化。这样的架构，我给起名叫“共存、共生”架构。

举一个比较具体的例子——目标检测。传统方案先做匹配滤波，在多途环境下匹配滤波输出会有大量虚假峰，后面需要再接一个很复杂的恒虚警检测器去剔虚警。共生架构会怎么做呢？它把多途信道建模成一个带稀疏约束的可学习模块，用一个轻量神经网络估计信道冲激响应，然后把这个估计结果用于构造一个“物理匹配”的滤波器替代传统匹配滤波器。关键区别是：神经网络输出的信道估计还带有一个物理约束损失项，要求估计结果必须满足声速范围和传播路径数量的物理限制。

这种做法带来的收益是很实在的。首先是数据效率大幅提高，因为物理约束相当于一个强大的先验正则项，模型不用从零学习声波怎么传播；其次是可解释性很强——每个AI模块的输出都有明确的物理含义，调试的时候可以看信道估计准不准、看波束指向偏没偏，而不是盯着一张高维特征图发呆。最后，可靠性也高得多，因为物理约束天然防止了AI输出“离谱”的结果——就算数据分布外，模型也难以生成违反声学规律的输出。

3. 自适应信号处理核心模块的AI化改造：波束成形、匹配滤波与干扰抑制

3.1 自适应波束成形：AI如何救回协方差矩阵

自适应波束成形的老大哥是MVDR，它的核心思路是：在保证期望方向增益不变的约束下，最小化输出功率中的干扰和噪声成分。做到这一点，需要估计干扰加噪声协方差矩阵R，然后按公式w = R⁻¹a / (aᴴR⁻¹a)计算权向量。理论上很漂亮，工程上却有一个挥之不去的噩梦——协方差矩阵估计不准。

水下环境的非平稳性很强，目标、干扰、散射体都在运动，协方差矩阵的统计特性每时每刻都在变。用来估计R的快拍数如果太少，估计误差就会很大；特别是信噪比比较低的时候，期望信号本身就容易混进协方差矩阵里，导致波束形成器把主瓣“挖”出一个坑，把想要的目标给置零了——这就是经典的“自消”现象。传统的补救方式是人为加一个对角加载量：R' = R + εI，但ε取多少是个玄学，取大了波束分辨率下降，取小了自消抑制不住。

AI在这里能帮上大忙。我见过一个做得很好的方案：输入用的是低信噪比条件下的原始协方差矩阵、快拍数、信噪比估计值，输出是两样东西——一个是修正后的协方差矩阵，另一个是对角加载系数。神经网络的训练目标，是让波束形成器在修正后的矩阵下，输出信干噪比最大化。这相当于让网络从大量仿真外场数据中学习“什么样的协方差矩阵修正方式最能提升波束输出质量”，而不是靠人工反复试ε。

这套方案在实测中的表现，比固定对角加载的自适应波束成形要高3到5dB的输出信干噪比。最关键的是，它保留了MVDR的物理结构——AI只是优化矩阵估计，最终求解权向量仍然是物理公式，这样就能保证波束输出仍然具有明确的物理含义。

3.2 匹配滤波与信道估计：从最优滤波器到学习型估计器

主动声纳里的匹配滤波，本质上是想找出回波中与发射信号相关的成分。理想情况下，发射线性调频信号，接收端做一个共轭匹配，就能把回波能量压缩成一个尖锐峰。但浅海环境下，声波在水面、水底之间来回反射，会形成很多条传播路径——这就是“多途效应”。接收信号变成了很多个不同时延、不同幅度、不同相位的发射信号副本的叠加。匹配滤波输出不再是“一个峰”，而是一连串的峰，看起来像一排梳子齿。

传统做法是用均衡器或信道估计算法先估计多途信道，再做信道补偿。但多途信道的冲激响应是稀疏的——大多数时延点上是空的，只有少数几个路径上有能量。经典的稀疏估计方法（比如匹配追踪）在信号弱、环境变化快时，要么估计出的路径数量不对，要么计算量太大跟不上实时处理。

AI在这里可以扮演“学习型信道估计器”的角色。输入是接收波形和发射波形，输出是稀疏多途信道冲激响应。网络内部设置了一个“稀疏激活层”，强制大多数输出位置的权重趋于零，只保留少数有效路径，这和物理规律完全一致。训练时用声学仿真软件生成大量不同环境下的多途信道数据，再混入不同程度的噪声，让网络学会从强干扰背景里把几条主要路径给挑出来。

拿到信道估计后，就可以构造一个信道的逆滤波器做均衡，再做匹配滤波或者直接做最大似然检测。这样处理后的输出，目标峰不仅尖锐，而且虚警率大幅下降。实测数据表明，在浅水环境下，学习型信道估计结合匹配滤波的目标检测概率，要比传统纯匹配滤波高出20多个百分点，而虚警率反而更低。

3.3 干扰抑制：AI识别、SP抑制的协作模式

水下干扰源五花八门：近处有航行的船舶螺旋桨噪声，远处有生物集群的嘈杂叫声，还有风浪、雨滴打击水面的随机噪声。传统自适应干扰抑制的问题是：它只能针对统计特性已知的平稳干扰做抑制，遇到突发性干扰（比如一条船突然从旁边经过），还没来得及调整就已经被打懵了。

这里我特别推荐一种“AI识别+SP抑制”的协作模式。AI模型实时监听接收信号，专门负责识别“现在出现了什么类型的干扰、方位在哪里、强度多大”。这个识别结果会在极短时间（几十毫秒内）送到自适应波束成形器，SP模块根据干扰方位信息，主动在干扰方向置零，或者对干扰频段做自适应陷波。

这种协作模式的好处在于，AI负责的是“语义理解”，识别出干扰目标的类别和空间位置，SP负责的是“物理操作”，通过阵列信号处理手段进行空间滤波。两者各干各擅长的活，耦合也很松散——AI识别错了，SP顶多做一个无效置零，不会造成灾难性后果；AI识别对了，SP能立刻做出精准抑制，比纯粹自适应的收敛速度快一个量级。

我整理过这三种融合路线的对比，直接列个表给大家参考：

4. 从数据流到自主决策：一个端到端系统的真实设计

4.1 完整数据链路的闭环设计

前面讲了很多模块级的技术，这一节把它们串成一个能用的系统。设想一个场景：一艘自主水下航行器（AUV）在执行水下目标探测任务，载体上装有一套16元的均匀线阵声纳，需要实时完成目标检测、分类和自主规避决策。

这套系统的数据链路可以分成几个核心环节。阵元采样得到的原始数据首先送入数字波束成形器，生成全空间方位的时间序列。在波束域，系统并行运行两条支路：一条是传统的能量检测加恒虚警处理，保证最基本的探测能力；另一条是AI增强的自适应处理链路，包括之前提到的学习型信道估计、AI辅助的自适应波束成形、AI干扰识别。两条支路的输出汇合到融合决策模块，由融合结果决定是否需要改变探测策略。然后系统根据决策自动调整声纳参数（比如改变波束覆盖范围、调整检测门限），同时把高价值目标回波送入目标数据库。这个闭环就是认知声纳在自主系统上的完整映射。

4.2 核心参数与性能指标的取舍

在设计这套系统时，有一个关键的取舍思想：AI模块要轻、SP模块要稳、融合决策要快。具体的参数设计我给出一个参考值，大家可以结合实际场景调整：

这个参数组合不是拍脑袋定的，而是从任务需求倒推出来的。比如更新周期200ms是考虑到水下目标的相对运动速度通常在几节以内，在这个时间窗口内环境变化相对可控；分类模型参数量5M则是受到嵌入式推理单元的算力上限约束，再大就难以保证300ms内的实时推理。

4.3 训练数据的工程实践：仿真为主、实测校准、领域自适应

整套系统的AI模块训练，是工程落地里最耗精力的一关。水声样本获取成本高，不可能指望一次海试就把所有训练数据集齐。我的做法是“仿真为主、实测校准、领域自适应”三步走。

第一步，用声学仿真工具生成大量训练数据。仿真环境要尽可能还原真实的声速剖面、海底底质、界面反射系数等物理参数，同时随机化各种环境条件（水深、声速梯度、海底类型、目标深度、目标航向），让仿真数据集尽量覆盖多样性的“环境空间”。第二步，用已有的实测数据对模型做迁移校准，这一步特别重要——我在项目里发现，纯粹用仿真训练的模型到实测数据上，检测率往往掉10到20个百分点，但用一小部分实测数据做微调后，性能就能快速回升。第三步，在系统投入实际运行后，持续用真实的外场数据做领域自适应，相当于让模型在部署环境中不断自我修正。

这里必须强调一个容易被忽视的常识：在线学习的样本必须经过严格的物理校验才能进入数据库。如果模型自身判断错误，把这个错误结果作为训练样本喂回去，就会造成误差累积，最后整个系统被污染。所以我在这套系统里加了一个物理一致性检验关卡，所有准备进入数据库的目标特征，都要先经过SP模块的方位、距离、多普勒三重验证，全部通过才允许入库。

5. 从实验室到自主系统：绕不开的三道坎

5.1 算力与实时性：在嵌入式平台上把模型压到极限

做算法的人对算力往往没有概念，觉得模型越大越准。但自主系统的载体通常是电池供电的小型水下航行器，计算单元是低功耗的嵌入式硬件，算力非常有限。一套能在服务器上跑得飞快的深度模型，搬到嵌入式平台上可能要花几十倍的推理时间。

我踩过最大的坑就是模型轻量化做晚了。最初设计的检测分类模型有接近5000万参数，在实验室GPU上推理只要10毫秒，等移植到嵌入式平台才发现，一次推理要将近两秒，完全无法满足实时决策需求。后来用知识蒸馏，把大模型压缩成一个500万参数的学生模型，又做了8bit量化，推理时间压到了30毫秒左右，性能只损失了不到2个百分点。

建议大家在项目一开始就把轻量化方案纳入设计，而不是等模型跑通了再考虑压缩。用知识蒸馏、剪枝、量化这老三样基本够用，如果算力实在紧张，还可以考虑把部分AI推理任务拆成异步模式——高价值的复杂场景才走完整AI链路，常规场景用轻量SP链路过一遍就够了。

5.2 仿真漂移：模型在外场的“水土不服”

仿真数据和真实环境的差距，是认知声纳落地过程中最让人头疼的问题。仿真模型再精细，也不可能完全复现真实海洋的复杂物理过程。水声环境是混沌的、非线性的，有太多建模时没考虑到的因素——如内波、温跃层的快速变化、海底地形的细节起伏。

我处理过的一个典型案例是：模型在仿真数据集上对某类目标（假想的某型探测器）识别精度是94%，在湖试数据上却掉到了71%。排查下来问题出在仿真数据里背景噪声过于“干净”，而真实湖水的生物噪声、风浪噪声在频谱结构上和仿真噪声差得很远，导致模型学到了错误的环境统计特征。

解决方案是用领域自适应技术，让模型在部署环境中做“测试时自适应”。简单说，模型在推理时观察输入数据的统计特性（比如噪声谱的平均值、方差），动态调整网络内部的归一化参数，让自身适应当前环境。这个方法不需要额外的带标签数据，实现成本很低，却在我们的外场测试中把识别精度从71%拉回到了86%。

5.3 物理一致性校验：把黑盒拴在物理规律的锚点上

最后一层保护，是物理一致性校验。认知声纳再怎么“认知”，系统最终面对的还是真实的物理世界。AI模块输出的结果，必须在物理上说得通。

我的做法是在AI模块和决策模块之间增加一个物理校验通道：神经网络的检测结果（目标方位、径向速度）必须与传统SP模块的估计结果进行交叉比对，误差超过一定阈值时，以SP模块为准并触发AI模块的重新推理。例如，AI分类网络说“前方200米处有目标”，而波束成形模块在对应的方位上根本找不到能量峰，这两个结果必然有一个是错的。在传统SP物理约束的“监督”下，AI很难离谱。

这个设计思路，在工程术语里可以叫“物理锚定”。它不是限制AI的能力边界，而是确保AI的输出永远不会偏离物理定律太远。要知道，在自主系统上，一次错误的目标检测可能导致错误的规避机动，代价是任务失败甚至设备损失，这种风险不值得冒。

结合前面说的三章内容，读者应该已经看到一条清晰的演化路径：从传统声纳的开环处理，到认知声纳的闭环架构，到AI+SP的深度融合，再到面向自主系统的工程落地。这条路径没有一步是轻松走完的，每一步背后都是大量的仿真、测试、踩坑和调试。

我个人最后的体会是：做AI+SP融合，最怕的就是“重AI轻SP”。很多人一上来就恨不得把所有传统模块扔掉，全部换成神经网络，结果就是模型精度上去了、系统可靠性下来了。在我做过的项目里，凡是最后稳定跑起来的系统，无一例外都保留了完整的传统SP处理链路作为基线，AI模块做的是在基线之上“增量增益”。记住这句话：传统SP是系统的地基，AI是地基上的精装修。地基塌了，装修再好也没用。这个道理，在做认知声纳和自适应信号处理深度融合的时候，尤其要刻在脑子里。