LLM4MG：通过机器联觉适配大语言模型进行多径生成
信号处理
2025-09-19 v1
摘要
基于机器联觉(Synesthesia of Machines, SoM)，大语言模型(LLM)首次被适配用于多径生成(LLM4MG)。考虑一个典型的第六代(6G)车对基础设施(V2I)场景，构建了一个新的多模态感知通信数据集SynthSoM-V2I，包括信道多径信息、毫米波(mmWave)雷达传感数据、RGB-D图像和激光雷达(LiDAR)点云。基于SynthSoM-V2I数据集，所提出的LLM4MG利用Large Language Model Meta AI (LLaMA) 3.2通过多模态传感数据进行多径生成。所提出的LLM4MG通过特征提取与融合网络将多模态特征空间与LLaMA语义空间对齐。为了进一步实现从预训练LLaMA到多径生成通过多模态传感数据的通用知识迁移，采用了低秩自适应(LoRA)参数高效微调和传播感知提示工程。仿真结果表明，所提出的LLM4MG在视距(LoS)/非视距(NLoS)分类准确率92.76%、多径功率/延迟生成精度归一化均方误差(NMSE)为0.099/0.032，以及交叉车流密度(VTD)、交叉频段和交叉场景泛化方面优于传统深度学习方法。LLM4MG的实用性通过真实世界泛化得到验证。通过信道容量比较也证明了高精度多径生成对系统设计的必要性。
引用
@article{arxiv.2509.14711,
title = {LLM4MG: Adapting Large Language Model for Multipath Generation via Synesthesia of Machines},
author = {Ziwei Huang and Shiliang Lu and Lu Bai and Xuesong Cai and Xiang Cheng},
journal= {arXiv preprint arXiv:2509.14711},
year = {2025}
}