Csi-LLM：一种与 LLM 预训练对齐的新型下行链路信道预测方法
信息论
2024-09-04 v1 人工智能
math.IT
摘要
下行链路信道时间预测是大规模多输入多输出（MIMO）系统中的关键技术。然而，依赖固定步长历史序列的现有方法显著限制了信道预测的准确性、实用性和可扩展性。最近的进展表明，大型语言模型（LLM）在复杂序列上表现出强大的模式识别和推理能力。挑战在于如何有效地将无线通信数据与自然语言处理中使用的模态对齐，以充分发挥这些能力。在这项工作中，我们引入了Csi-LLM，一种由LLM驱动的下行链路信道预测新技术，用于对可变步长历史序列进行建模。为了确保有效的跨模态应用，我们将Csi-LLM的设计和训练与自然语言任务的处理对齐，利用LLM的下一令牌生成能力来预测信道状态信息（CSI）的下一步。仿真结果证明了这种对齐策略的有效性，Csi-LLM在各种场景中始终如一地提供稳定的性能提升，并在连续多步预测中显示出巨大的潜力。
引用
@article{arxiv.2409.00005,
title = {Csi-LLM: A Novel Downlink Channel Prediction Method Aligned with LLM Pre-Training},
author = {Shilong Fan and Zhenyu Liu and Xinyu Gu and Haozhen Li},
journal= {arXiv preprint arXiv:2409.00005},
year = {2024}
}