MIMO赋能VR/AR：原理与技术挑战

动态波束赋形与多输入多输出（MIMO）空分复用联合优化，是解决高阶自动驾驶协同感知传输瓶颈的关键路径。单车传感器视距有限，需依靠路侧单元与邻车信息实现超视距风险识别。这对车联网（V2X）通信提出大容量、低时延需求。

超大规模 MIMO（Extra-Large Multiple-Input Multiple-Output, XL-MIMO）在近场通信中依赖球面波距离-角度二维耦合实现波束聚焦。构建距离-角度二维分层码本，解决传统远场码本聚焦失配问题，结合自适应采样与低开销跟踪，可打通近场覆盖增强路径，支撑 6G 短距高速无线通信。

太赫兹（THz）通信具备超大带宽与极低时延特征，是第六代移动通信（6G）高动态短距密集通信的核心支撑技术。针对超大规模多输入多输出（Massive MIMO）阵列带来的波束训练开销大、信道估计复杂及高动态干扰等问题，本文提出一种轻量化码本压缩训练体系与多维度动态干扰抑制机制。

动态波束赋形（Beamforming）与多输入多输出（MIMO）空分复用技术融合，可构建高可靠、低时延、大容量的车载通信体系，解决高阶自动驾驶协同感知的通信瓶颈。高阶自动驾驶系统正从单一车辆自主感知，演进为车、路、云、人全域协同感知架构，依靠多终端数据交互实现超视距感知与全局路径规划，是向L4、L5演进的核心支撑。

动态波束赋形（Dynamic Beamforming）与多输入多输出（MIMO）空分复用技术，通过空域能量聚焦与多机并行传输，解决低空无人机集群协同感知中干扰大、容量低的痛点，是实现通感一体化（ISAC）的核心底层技术。本文剖析低空协同感知的工况瓶颈，阐明双技术的赋能机理与协同优化路径，构建适配复杂工况的通感协同体系。