.png){kind=icon}
返回
Large Language Model-Enabled Sensing-Aided Communication
.png){kind=icon}
PRE
AI
DOI：10.1109/TWC.2026.3666846.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
集成传感与通信（ISAC）有望使第五代（5G）网络实现泛在通信与传感。然而，一些高动态场景因高开销和较差的实时性能阻碍了传统ISAC方案的应用。本文设计了一种新型ISAC架构，并提出了一种基于大语言模型（LLM）的两阶段波束成形预测方案。具体而言，在第一阶段，我们开发了一种基于LLM的方法，根据历史回波预测未来信道状态信息（CSI）。通过数据预处理和监督微调，LLM能够利用非结构化数据有效完成信道预测任务。在第二阶段，依据预测/估计的CSI，我们构建了一个波束成形优化问题，以在满足服务质量（QoS）的同时最大化可达和速率。随后，我们提出了一种带有无监督对抗学习的主-对偶网络来处理该问题，以促进在线波束成形。仿真结果表明，与基准方案相比，我们提出的波束成形预测方案不仅具有较高的信道预测精度，还在性能与计算复杂度之间实现了更好的平衡。
Keyword:
Beamforming prediction
integrated sensing and communication
joint range and angle estimation
large language model
multiple signal classification
期刊
IF:
10.7
论文数:
1.3W
被引数:
5.3W
机构
引用论文
.png){kind=icon}
分享收藏Sora for Intelligent Vehicles: A Step From Constraint-Based Simulation to Artificiofactual Experiments Through Dynamic Visualization智能车辆的Sora: 通过动态可视化从基于约束的仿真到人工事实实验的一步
PREAI
分享收藏Sensing-Enabled Predictive Beamforming Design for RIS-Assisted V2I Systems: A Deep Learning Approach
PREAI
分享收藏分享收藏
查看更多内容