基于大语言模型的 ISAC 网络联合用户关联与波束赋形设计
信息论
2025-06-09 v1 信号处理
math.IT
摘要
集成感知与通信（ISAC）被视为未来无线网络的关键技术。然而，在存在多个通信与感知（C&S）节点和多个感知目标的情况下，ISAC 网络的设计具有挑战性。我们研究了多基站（BS）ISAC 网络，多个配备多天线的 BS 同时为多个地面通信用户（CUs）和目标提供 C&S 服务。为提升 C&S 的总体性能，我们构建了联合用户关联（UA）和多 BS 发射波束赋形优化问题，目标是最大化所有 CUs 的总吞吐率，同时满足最低目标检测和参数估计要求。为高效求解高度非凸的混合整数非线性规划（MINLP）优化问题，我们提出基于交替优化（AO）的算法，将问题分解为 UA 优化和多 BS 发射波束赋形优化两个子问题。灵感来源于大语言模型（LLM）用于预测与推断，我们构建了一个统一框架将 LLM 与基于凸性的方法集成。首先，我们设计了完善的提示工程，包括 few-shot、chain of thought 和 self-reflection 技术，引导 LLM 解决二元整数规划 UA 优化问题。其次，我们基于分数规划（FP）、最大化最小化（MM）和交替方向乘子法（ADMM）运用凸性方法处理非凸波束赋形优化问题，结合 LLM 优化后的 UA。数值结果表明，我们提出的 LLM 启用 AO 算法在 GPT-o1 模型下实现快速收敛并接近上界性能，优于各种基准方案。
引用
@article{arxiv.2506.05637,
title = {Joint User Association and Beamforming Design for ISAC Networks with Large Language Models},
author = {Haoyun Li and Ming Xiao and Kezhi Wang and Robert Schober and Dong In Kim and Yong Liang Guan},
journal= {arXiv preprint arXiv:2506.05637},
year = {2025}
}