
-
生物通官微
陪你抓住生命科技
跳动的脉搏
在复杂无线环境中的感知辅助信道预测:一种基于大型语言模型(LLM)的方法
《Journal of Web Engineering》:Sensing-Assisted Channel Prediction in Complex Wireless Environments: An LLM-Based Approach
【字体: 大 中 小 】 时间:2025年12月12日 来源:Journal of Web Engineering 1
编辑推荐:
本研究提出一种基于大型语言模型(LLM)的感知辅助信道预测方法,通过整合单站传感与双站通信的信道状态信息(CSI),利用共享散射体特性,有效捕捉多径时频关系,显著优于传统深度学习及无传感辅助的基准方法。
在多天线无线通信系统中,获取准确的信道状态信息(CSI)对于波束成形和预编码变得越来越重要,尤其是在未来6G网络中天线尺寸变得极大的情况下[1]。为此,信道预测受到了广泛关注,因为它可以利用过去和未来信道状态之间的时间相关性,基于历史观测数据来预测未来的通信CSI[2]、[3]、[4]、[5]。文献中提出了多种基于统计方法(例如[2])和学习方法(例如[3]、[4]、[5])的信道预测方法,这些方法仅以历史通信CSI作为预测输入。随着集成感测与通信(ISAC)[6]技术的最新进展,利用无线发射机的感测能力已成为改善信道获取的一种有前景的解决方案。实际上,单静态感测信道和双静态通信信道共享相同的物理环境,并且具有涉及相同散射体的重叠多径分量。因此,感测CSI数据中也包含了关于通信信道行为的有用信息,这些信息可以用来辅助获取通信CSI。已有几项先前的研究探讨了感测辅助的信道估计[7]和预测性波束成形[8]、[9],证明了这一想法的可行性。然而,这些先前的研究[7]、[8]、[9]主要关注的是仅包含视距(LoS)信道路径或有限非视距(NLoS)路径的简化场景。最近的一些研究也探索了感测辅助的信道预测,但主要依赖于显式的几何表示[10]、视觉到射频(RF)对齐技术[11],或基站(BS)处的雷达感测的离网先验信息[12]。