摘要：NTT DOCOMO、NEC与NTT联合开发面向6G的毫米波通信技术，融合分布式MIMO与基站侧信号预补偿，解决多辆高速车辆同时通信的质量下降问题。2026年3月在隧道试验中，两辆对向行驶车辆以60公里时速实现稳定传输，平均吞吐量560Mbps，较传统方法提升约1.3倍，边缘性能提升约1.8倍，为自动驾驶、车载XR等6G应用奠定基础。
ICC讯 NTT DOCOMO株式会社（DOCOMO）与NEC株式会社（NEC）在NTT株式会社（NTT）的协作下，开发了一项技术，该技术能够使多辆高速行驶的车辆同时利用40 GHz频段的高容量毫米波通信保持稳定连接，有望在6G时代得到应用。该技术将分布式MIMO——即由基站分布式部署多根天线——与预先补偿信号发射频率和发射时序的技术相结合。
2026年3月，在日本国土交通省国土技术政策综合研究所（NILIM）的全尺寸隧道试验设施中进行的演示试验中，多辆搭载移动终端的车辆在对向车道高速行驶，保持了稳定的高吞吐量，平均吞吐量相比传统方法提升了约1.3倍。这一结果标志着利用毫米波实现自动驾驶、提升车载用户体验等6G相关技术——包括在新基站中的应用——迈向社会实施的重要一步。
在高移动性环境（例如高速行驶的汽车和列车）中使用毫米波等高频段进行通信时，基站切换频繁发生，导致多普勒频率和传播时延发生剧烈变化，从而降低通信质量。DOCOMO、NEC和NTT一直致力于解决这一挑战，并于2025年3月成功演示了一项技术，通过在基站侧补偿发射频率和发射时序，稳定了单辆高速行驶车辆的通信质量。
在本次演示中，2025年3月的技术得到进一步升级，开发出一种新方法，即使在复杂条件下——即多辆搭载移动终端的车辆在对向车道高速行驶并同时进行通信时——也能抑制多辆搭载移动终端的车辆的通信质量下降。
该技术利用每辆搭载移动终端的车辆发送的上行参考信号，针对每根基站天线预先估算适合每辆车的发射频率和发射时序。然后对每辆车特定的信号进行预补偿，再将信号合并（复用）后发送。这消除了多辆搭载移动终端的车辆在同时进行天线切换时出现的接收频率和接收时序差异，从而稳定了多辆车的高容量毫米波通信。
2026年3月26日至27日，DOCOMO、NEC和NTT在NILIM的全尺寸隧道试验设施中对该技术进行了演示试验。为模拟高移动性环境，沿道路一侧以150米为间隔安装了三根分布式基站天线。随后，两辆搭载移动终端的车辆以60公里/小时的速度在对向车道行驶，进行了下行传输实验。
与2025年3月的演示相比，在更为复杂的条件下，将传统方法（仅由终端侧补偿接收频率和接收时序）与所提出的技术（在合并和发送信号前，额外在基站侧对每辆车进行预补偿）进行了比较。比较采用两辆搭载移动终端的车辆的合并（总和）吞吐量。
为验证在更为复杂的无线电传播环境中的性能，实验在隧道内进行，无线电波在隧道内反射，行驶过程中天线切换频繁发生。当仅采用传统方法时，合并吞吐量在天线切换期间大幅下降——从550 Mbps降至约110 Mbps——30秒行驶期间的平均吞吐量约为430 Mbps。相比之下，当采用该技术时，天线切换期间的吞吐量下降得到抑制，稳定维持了至少380 Mbps的吞吐量，平均吞吐量提升至560 Mbps，相比传统方法提升了约1.3倍。此外，累积分布函数（CDF）中的第5百分位吞吐量值从传统方法的270 Mbps提升至所提出方法的480 Mbps，提升了约1.8倍。
本次演示证实，即使在多辆汽车和PA视讯中国股份有限公司列车高速行驶的高移动性环境中，利用毫米波分布式MIMO也能实现高容量且稳定的通信，标志着向实际部署迈出了重要一步。随着本次演示的成功，毫米波通信有望在车载XR（扩展现实）等沉浸式服务、利用生成式AI的实时翻译与导航、以及协同自动驾驶的传感器数据协调等应用中得到应用。
今后，DOCOMO、NEC和NTT将针对高速铁路、普通铁路和干线道路等各种实际环境开展进一步试验，并为实现6G时代稳定的高容量通信做出贡献。
1、凡本网注明“来源：讯石光通讯网”及标有原创的所有作品，版权均属于讯石光通讯网。未经允许禁止转载、摘编及镜像，违者必究。对于经过授权可以转载我方内容的单位，也必须保持转载文章、图像、音视频的完整性，并完整标注作者信息和本站来源。
2、免责声明，凡本网注明“来源：XXX（非讯石光通讯网）”的作品，均为转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。因可能存在第三方转载无法确定原网地址，若作品内容、版权争议和其它问题，请联系本网，将第一时间删除。
·Network X Americas前瞻：频谱拍卖倒计时，中美欧路线分化
·中兴通讯助力中国移动完成6G传输实验室技术测试，构建业务驱动型智能承载能力
·6G空天地海一体化从愿景走向实践 OSIC 2026光通信新应用（二）
·3GPP推动6G迈向2030年时间表 AI不确定性与互操作性问题浮现
