LLM4PG: Adapting Large Language Model for Pathloss Map Generation via Synesthesia of Machines

发布时间:2026/11/19 22:58:39
LLM4PG: Adapting Large Language Model for Pathloss Map Generation via Synesthesia of Machines 一、文章主要内容总结该研究针对6G AI原生通信系统的需求,提出了一种基于大语言模型(LLM)的路径损耗图生成模型(LLM4PG),核心是通过机器通感(SoM)实现多模态感知与通信域的跨域对齐,高效生成大规模、高质量的路径损耗数据。研究背景:6G通信场景向3D高移动性无人机对地(U2G)拓展,传统路径损耗生成方法(随机建模、确定性建模、传统AI驱动方法)存在精度低、计算复杂度高或泛化能力不足的问题,无法满足6G对海量高质量路径损耗数据的需求。数据集构建:构建了SynthSoM-U2G数据集,包含9490张路径损耗图、5660张RGB图像和5660张深度图,覆盖城市十字路口/宽车道两种场景、1.6GHz/28GHz两种频段及50m/70m/200m三种飞行高度,通过AirSim和Wireless InSite实现感知与通信数据的精准对齐。模型架构:LLM4PG包含三大模块:嵌入模块:通过图像分块、位置编码及MLP提取RGB图像、深度图的环境特征与频段的电磁特征,实现多模态特征融合与跨域嵌入;LLM骨干模块:基于GPT-2微调,冻结部分层并优化激活策略,迁移序列建模能力以挖掘物理环境与电磁空间的映射关系;解码器模块:通过转置卷积、批量归一化与LeakyReLU实现特征上采样,生成高分辨率路径损耗图。实验结果:全样本训练下NMSE达0.0454,比传统GAN模型提升2.90dB以上;

关于本文作者

来自尧图内容编辑团队

尧图内容编辑团队 内容团队

尧图内容编辑团队

本文由尧图网络内容编辑团队执笔。团队由资深项目经理、前端工程师与设计师组成,所有内容均来自亲手交付的真实项目,先讲清问题、再给出可落地的解法。尧图深耕北京网站建设十年,服务过京华建材集团、智造科技等各行业客户,把一线经验沉淀为可复用的行业观察。

  • 十年建站经验,覆盖建材、制造、服务、文创等
  • 项目经理把关选题与事实准确性
  • 工程师与设计师联合撰写专业细节
  • 统一编辑规范,保证文风与排版一致
  • 每月复盘转化数据,迭代选题方向

延伸阅读

相关资讯与近期热门内容

深度阅读推荐

建站决策前值得细读的三篇

网站改版的5个关键决策
2024-08-12

网站改版的5个关键决策

什么时候该改版、改到什么程度、如何避免流量掉光,京华建材集团改版复盘给出答案。

获取专属建站方案

看完文章,把您的行业与预算告诉我们,免费获取一份量身定制的官网建设方案与报价。

立即免费咨询