LLM4CP：适用于信道预测的大语言模型
信号处理
2024-06-21 v1
摘要
信道预测是降低大规模多输入多输出 (m-MIMO) 系统中反馈或估计开销的有效方法。然而，现有信道预测方法因模型不匹配误差或网络泛化问题而缺乏精度。大语言模型 (LLM) 已显示出强大的建模与泛化能力，并成功应用于跨模态任务，包括时间序列分析。利用 LLM 的表征能力，我们提出一种基于预训练 LLM 的信道预测方法 (LLM4CP)，基于历史上行信道状态信息 (CSI) 序列预测未来的下行 CSI 序列。我们在冻结大部分预训练 LLM 参数的情况下进行微调，以实现更好的跨模态知识迁移。为弥合信道数据与 LLM 特征空间之间的差距，特别针对信道特性设计了预处理器、嵌入和输出模块。仿真结果表明，该方法在全样本、少样本和泛化测试中实现了 SOTA 预测性能，同时具有较低的训练和推理成本。
引用
@article{arxiv.2406.14440,
title = {LLM4CP: Adapting Large Language Models for Channel Prediction},
author = {Boxun Liu and Xuanyu Liu and Shijian Gao and Xiang Cheng and Liuqing Yang},
journal= {arXiv preprint arXiv:2406.14440},
year = {2024}
}