基于预训练大语言模型的多变量无线链路质量预测
机器学习
2025-07-01 v1 网络与互联网体系结构
摘要
准确可靠的链路质量预测(LQP) 对优化网络性能、确保通信稳定性和提升用户体验至关重要。然而，LQP 面临由于无线链路的动态和有损特性带来的挑战，这些特性受干扰、多径效应、衰落和阻塞的影响。在本文中，我们提出了 GAT-LLM，一种新型多变量无线链路质量预测模型，将大语言模型(LLM)与图注意力网络(GAT)结合，以实现对无线通信中多变量 LQP 的准确可靠预测。通过将 LQP 视为时间序列预测任务并恰当地预处理输入数据，我们利用 LLM 提升链路质量预测的准确性。为解决 LLM 在多变量预测中受限于通常处理一维数据的问题，我们集成 GAT 来建模不同协议层之间多个变量之间的相互依赖，增强模型处理复杂依赖的能力。实验结果表明，GAT-LLM 在链路质量预测的准确性和鲁棒性方面显著提升，尤其在多步预测场景中表现更佳。
引用
@article{arxiv.2501.11247,
title = {Multivariate Wireless Link Quality Prediction Based on Pre-trained Large Language Models},
author = {Zhuangzhuang Yan and Xinyu Gu and Shilong Fan and Zhenyu Liu},
journal= {arXiv preprint arXiv:2501.11247},
year = {2025}
}