针对运动水声通信难以低复杂度精准获取时变信道状态信息的问题，提出基于快速信息收集和虚拟训练序列（FIC-VT）的低复杂度双向水声信道精准估计算法。采用叠加训练（ST）方案，将符号序列和训练序列线性叠加，使得训练序列持续传输，提高时变信道跟踪能力。基于置信传播，提出FIC-VT算法，将一块数据分成多个短块，每个短块又分成多个子段，通过快速信息收集算法，将多个子段的信道信息进行融合，从而获得每个短块的低复杂度局部信道估计。利用短块间的信道相关性，对多个短块的信道信息进行双向信息融合，从而获得当前短块的低复杂度全局信道估计。基于Turbo均衡，将估计的符号序列虚拟为训练序列（VT），通过迭代计算实现时变水声信道低复杂度精准估计。本文算法由快速傅里叶变换（FFT）实现，每个抽头计算复杂度仅为对数级。计算机仿真、水池运动通信试验和胶州湾运动通信试验验证了本文算法的有效性。