Ensemble De Données De Formation Et De Test LLM4CP

Cet ensemble de données provient du documentLLM4CP : Adaptation de grands modèles linguistiques pour la prédiction des canauxLes ensembles de données de formation et de validation contiennent respectivement 8 000 et 1 000 échantillons, et les vitesses des utilisateurs sont réparties uniformément entre 10 et 100 km/h. L'ensemble de données de test contient 10 vitesses allant de 10 km/h à 100 km/h, avec 1 000 échantillons pour chaque vitesse.

Au cours de la phase expérimentale de l’étude, l’équipe a utilisé le simulateur QuaDRiGa pour générer un ensemble de données de canal variable dans le temps conforme à la norme 3GPP pour la vérification des performances.

L'équipe a mis en place un système MISO-OFDM avec un UPA (réseau planaire uniforme) à double polarisation du côté de la station de base et une seule antenne omnidirectionnelle du côté de l'utilisateur, l'espacement des antennes étant la moitié de la longueur d'onde à la fréquence centrale. La bande passante des canaux de liaison montante et descendante est de 8,64 MHz et l'espacement des fréquences pilotes est de 180 kHz. Pour les modes TDD et FDD, la fréquence centrale des canaux de liaison montante et descendante est définie sur 2,4 GHz. Pour le mode FDD, les canaux de liaison montante et de liaison descendante sont adjacents. L’équipe de recherche a défini l’intervalle de fréquence pilote à 0,5 ms dans l’expérience de prédiction.

• TDD : Il s'agit d'un mode duplex d'un système de communication, utilisé pour séparer les canaux de réception et de transmission dans les systèmes de communication mobile.

• FDD : fait référence à la liaison montante (station mobile vers station de base) et à la liaison descendante (station de base vers station mobile) fonctionnant sur deux fréquences distinctes (avec certaines exigences d'espacement de fréquence).

L’étude a pris en compte le modèle de canal macro urbain 3GPP et les scénarios sans visibilité directe. Le nombre de clusters est de 21 et le nombre de chemins dans chaque cluster est de 20. La position initiale de l'utilisateur est randomisée et la trajectoire du mouvement est définie sur linéaire.

Les résultats de la recherche seront publiés en 2024 sous la formeLLM4CP : Adaptation de grands modèles linguistiques pour la prédiction des canaux" a été invité à être publié dans la revue Journal of Communications and Information Networks. L'Université de Pékin est la première unité à avoir achevé ce travail de recherche, et les unités collaboratrices comprennent l'Université des sciences et technologies de Hong Kong (Guangzhou) et l'Université des sciences et technologies de Hong Kong. Le professeur Cheng Xiang est l'auteur correspondant de l'article, et Liu Boxun, doctorant à l'Université de Pékin, en est le premier auteur.

Réseau super neuronal HyperAId'abord! GPT-2 renforce la couche physique des communications sans fil, et l'équipe de l'Université de Pékin propose une solution de prédiction de canal basée sur un LLM pré-entraîné« Une interprétation détaillée de la recherche a été donnée dans le titre.