多模态智能频道建模：从微调 LLM 到预训练基础模型
信号处理
2026-03-12 v1
摘要
为满足第六代 (6G) 无线频道建模的不断演变需求，例如精确预测能力、扩展能力和系统参与能力，提出了基于机器神经共鸣 (Synesthesia of Machines, SoM) 的多模态智能频道建模 (MMICM)，该模型探索了物理环境中多模态感知与电磁空间中频道特征之间的映射关系。Furthermore，为整合异构感知、跨尺度推理以及适应复杂空-地-海通信环境，探索了两种新的 MMICM 范式，包括面向频道建模的微调大型语言模型 (LLM4CM) 和无线频道基础模型 (WiCo)。LLM4CM 利用在频道表示上预训练的 LLM 实现跨模态对齐和轻量级适应，实现对 6G 多频段和多场景通信系统的灵活频道建模。WiCo 在物理有效的频道实现及其相关环境和模态观察上进行预训练，嵌入电磁方程以实现物理可解释性，并使用参数化适配器实现可扩展性。本文详细阐述了 LLM4CM 和 WiCo 的架构和特征，为人工智能 (AI) 原生 6G 无线通信系统奠定了基础。随后，我们对这两种新兴范式进行了比较分析，关注它们各自的特征、相对优势、固有局限性以及性能属性。最后，我们讨论了未来的研究方向。
引用
@article{arxiv.2603.10343,
title = {Multi-Modal Intelligent Channel Modeling: From Fine-tuned LLMs to Pre-trained Foundation Models},
author = {Lu Bai and Zengrui Han and Mingran Sun and Xiang Cheng},
journal= {arXiv preprint arXiv:2603.10343},
year = {2026}
}