FAS-LLM：面向卫星-FAS链路的基于大语言模型的信道预测
信号处理
2025-05-16 v1
摘要
本文提出了 FAS-LLM，一种新型基于大语言模型（LLM）的架构，用于预测面向搭载流体天线系统（FAS）的正交时频空间（OTFS）卫星下行链路中未来信道状态的方法。该方法引入了两种阶段的信道压缩策略，结合参考端口选择和可分离主成分分析（PCA），从高维OTFS信道中提取紧凑、延迟-多普勒感知的表示。随后，将这些表示嵌入到经过 LoRA 适配的 LLM 中，实现对信道系数的高效时间序列预测。性能评估表明，FAS-LLM 在预测时域内超越了包括 GRU、LSTM 和 Transformer 模型在内的经典基线方法，实现了最高可达 10 dB 的均方根误差（NMSE）改进，以及三倍的根均方根误差（RMSE）降低。此外，预测得到的信道保留了关键物理层特征，使其在宽范围信噪比（SNR）下均能实现ergodic capacity、频谱效率和失效概率的近似最优性能。这些结果凸显了基于 LLM 的预测技术在面向未来卫星物联网网络中的延迟敏感和能源高效链路自适应方面的潜力。
引用
@article{arxiv.2505.09751,
title = {FAS-LLM: Large Language Model-Based Channel Prediction for OTFS-Enabled Satellite-FAS Links},
author = {Halvin Yang and Sangarapillai Lambotharan and Mahsa Derakhshani},
journal= {arXiv preprint arXiv:2505.09751},
year = {2025}
}
备注
12 pages, 8 figures, submitted to JSAC