买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京大学

摘要：本发明公布了一种基于预训练大语言模型的信道预测方法,在基站侧部署构建的信道预测网络模型，根据前P个时刻的用户上行信道状态信息CSI预测后L个时刻的用户下行信道状态信息CSI，从而实现在线信道预测；包括数据集构建，网络构建与训练和实时部署步骤。本发明根据前P个时刻的用户上行信道状态信息预测后L个时刻的用户下行信道状态信息，降低了信道估计的开销，提升了无线通信系统的频谱效率，可实现高精度和强泛化性的时分双工TDD和频分双工FDD信道预测。

主权项：1.一种基于预训练大语言模型的信道预测方法，其特征在于，在基站侧部署构建的信道预测网络模型，根据前P个时刻的用户上行信道状态信息CSI预测后L个时刻的用户下行信道状态信息CSI，从而实现在线信道预测；包括数据集构建，网络构建与训练和实时部署步骤：1获取信道数据并进行数据集构建；获得通信系统的信道预测训练数据集，训练数据集中每个数据样本包括基站与用户之间一段连续时间内的P+L个时刻的CSI数据，各时间采样点的采样间隔相同；其中前P个时刻的CSI数据为用户上行链路信道数据，后L个时间采样点为用户下行链路信道数据；2构建基于预训练大语言模型的信道预测网络模型，包括预处理模块，嵌入模块，预训练大模型模块和输出模块；信道预测网络模型的输入为前P个时刻用户上行CSI数据，输出为后L个时刻的用户下行CSI数据；将所构建的信道预测网络在步骤1中的训练数据集上进行训练；包括如下过程：步骤S21：并行处理每根天线上的CSI；每次输入信道预测网络模型的样本为前P个时刻的单根天线之间的频域CSI，记为Hf∈CK×P；步骤S22：对数据进行预处理；将频域CSI转为时延域CSI，即Hτ；将Hf和Hτ转为相应的实数表示，分别为：Xf和Xτ；其中Xf和Xτ的第1维和第2维分别表示Hf和Hτ的实部和虚部；将输入数据进行归一化；再进行维度重排融合特征维度；对维度重排后的数据进行分块；步骤S23：将预处理后的数据通过嵌入模块进行编码处理；将步骤S22中两路分块后的数据分别输入嵌入模块中对应的CSI注意力模块，输入数据首先经过两个二维卷积层和一个ReLU激活函数层得到特征图，特征图经过压缩与激活模块处理得到各通道的权重；对特征图进行缩放处理，再与输入数据相加，得到输出数据；步骤S24：将嵌入模块的输出输入到预训练大语言模型中，大语言模型包括多层transformer的解码器，其中每一层解码器包括多头注意力层，相加和归一化层，以及前馈层；得到大语言模型的输出；步骤S25：对预训练大模型模块的输出进一步处理，得到最终的预测结果：预测结果的实部和虚部分别对应于Xde的第一维和第二维，即其中j为虚数单位；步骤S26：根据下行链路CSI的真值，得到网络输出结果的真值采用归一化均方误差作为网络训练的损失函数；进行模型训练，得到训练好的基于预训练大语言模型的信道预测网络模型；3将步骤2中训练好的基于预训练大语言模型的信道预测网络模型部署到实际场景进行测试，模型输出得到预测结果。

全文数据：

权利要求：

百度查询： 北京大学 基于预训练大语言模型的信道预测方法