利用特征嵌入的大型语言模型多模态到文本提示工程用于GNSS干扰表征
人工智能
2025-07-08 v2 信号处理
摘要
大型语言模型（LLM）是先进的AI系统，应用于包括自然语言处理、信息检索和推荐系统在内的各个领域。尽管具有适应性和效率，LLM在信号处理任务中尚未得到广泛探索，特别是在全球导航卫星系统（GNSS）干扰监测领域。GNSS干扰监测对于确保道路上车辆定位的可靠性至关重要，这是许多应用的关键要求。然而，基于GNSS的定位容易受到干扰设备的干扰，从而影响其准确性。主要目标是识别、分类和减轻这些干扰。由于固有的复杂性，包括多径效应、多样的干扰类型、不同的传感器特性和卫星星座，解释GNSS快照和相关干扰带来了重大挑战。在本文中，我们从大型GNSS数据集中提取特征，并利用LLaVA从广泛的知识库中检索相关信息。我们采用提示工程来解释干扰和环境因素，并利用t-SNE分析特征嵌入。我们的研究结果表明，所提出的方法能够在GNSS背景下进行视觉和逻辑推理。此外，我们的流程在干扰分类任务中优于最先进的机器学习模型。
引用
@article{arxiv.2501.05079,
title = {Multimodal-to-Text Prompt Engineering in Large Language Models Using Feature Embeddings for GNSS Interference Characterization},
author = {Harshith Manjunath and Lucas Heublein and Tobias Feigl and Felix Ott},
journal= {arXiv preprint arXiv:2501.05079},
year = {2025}
}