本發明涉及無線通信，更具體的，涉及：1、一種基于預訓練大語言模型的感知輔助信道預測方法；2、一種基于預訓練大語言模型的感知輔助信道預測系統。
背景技術：
1、獲取準確的信道狀態信息(csi)對于在多天線無線通信系統中的波束形成和預編碼變得越來越重要。通常csi是通過信道估計獲取的，而估計頻率取決于信道相干時間。對于高速移動場景，信道相干時間顯著減少，導致信道估計的開銷的增加和系統頻譜效率的降低。因此，傳統的csi獲取方式將會不可避免地導致大規模多天線通信系統的頻譜效率降低。
2、為了減少信道估計的開銷，提升系統頻譜效率，信道預測引起了廣泛的關注——其利用過去和未來信道狀態之間的時間相關性，以根據歷史觀察結果進行預測未來一段時間的通信csi。在現有工作中存在一些信道預測方法，比如基于網絡模型或深度學習的技術，但其在精度和泛化能力方面都表現出一定的局限性。例如專利號為202410790833.6的中國發明專利即公開了一種基于預訓練大語言模型的信道預測方法，應用于典型的基站-單用戶通信場景，其在預訓練大語言模型的基礎上設計并構建信道預測網絡模型，將構建的信道預測網絡模型在信道預測數據集上訓練，實現分雙工(tdd)和頻分雙工(fdd)信道預測。該專利雖與本案的具體使用場景不同，但也存在現有方法的問題——在實際使用時，精度、泛化性并未達到理想效果。在對該專利進行分析后，發現其依賴于歷史通信csi作為唯一的輸入，無法完全捕獲現實世界信道行為復雜性，進而導致使用效果不佳。
技術實現思路
1、基于此，有必要針對現有信道預測方法存在精度、泛化性不足的問題，提供一種基于預訓練大語言模型的感知輔助信道預測方法、系統。
2、本發明采用以下技術方案實現：
3、第一方面，本發明公開了一種基于預訓練大語言模型的感知輔助信道預測方法，其用在基站與移動用戶進行通信的同時接收回波信號進行感知的目標場景。
4、基于預訓練大語言模型的感知輔助信道預測方法包括以下步驟：
5、步驟一，對通信信道、感知信道進行建模以得到通信信道模型hc,t(τ)、感知信道模型hs,t(τ)；
6、步驟二，基于hc,t(τ)、hs,t(τ)構建出訓練數據集；
7、其中，訓練數據集包括m個數據樣本；每個數據樣本包括：基站與移動通信用戶之間一段連續時間內的p+q個時隙的通信csi數據以及基站感知接收的前p個時隙的感知csi數據
8、步驟三，構建感知輔助型信道預測網絡、并在訓練數據集中進行訓練，直至得到訓練好的感知輔助型信道預測網絡；
9、其中，感知輔助型信道預測網絡具有雙輸入、單輸出；
10、在訓練時，雙輸入包括：輸入一輸入二hp；單輸出包括：預測的后q個時隙的通信csi數據hq；hp為或對進行降維得到的作為真值、并用于與hq比較以進行網絡參數調整；表示中前p個時隙的通信csi數據；表示中后q個時隙的通信csi數據；
11、感知輔助型信道預測網絡包括：預處理層、特征提取和融合層、預訓練大語言層、輸出層；預處理層用于對hp進行預處理以得到數值輸出特征提取和融合層用于對進行特征提取和融合，得到嵌入特征預訓練大語言層用于基于預訓練大語言模型結合xpe,n對進行處理以得到特征輸出xllm,n；輸出層用于對xllm,n進一步處理以得到預測結果其中，
12、步驟四，使用訓練好的感知輔助型信道預測網絡進行預測。
13、該種基于預訓練大語言模型的感知輔助信道預測方法實現根據本公開的實施例的方法或過程。
14、第二方面，本發明公開了一種基于預訓練大語言模型的感知輔助信道預測系統，其使用了第一方面公開的基于預訓練大語言模型的感知輔助信道預測方法。
15、基于預訓練大語言模型的感知輔助信道預測系統包括：信道建模模塊、數據集構建模塊、模型訓練模塊、模型預測模塊。
16、信道建模模塊用于對通信信道、感知信道進行建模以得到通信信道模型hc,t(τ)、感知信道模型hs,t(τ)。數據集構建模塊用于基于hc,t(τ)、hs,t(τ)構建出訓練數據集。模型訓練模塊用于構建感知輔助型信道預測網絡、并在訓練數據集中進行訓練，直至得到訓練好的感知輔助型信道預測網絡。模型預測模塊用于使用訓練好的感知輔助型信道預測網絡進行預測。
17、該種基于預訓練大語言模型的感知輔助信道預測系統實現根據本公開的實施例的方法或過程。
18、與現有技術相比，本發明具備如下有益效果：
19、本發明提供了基于預訓練大語言模型的感知輔助信道預測，一方面利用單基站感知信道與雙基站通信信道之間的固有環境相關性，將感知信道納入考慮范疇、并對通信信道、感知信道進行正確建模以確定其內在時空關系；另一方面構建了基于預訓練大語言模型的感知輔助型信道預測網絡，將感知信道作為輔助，通過聯合學習歷史感知csi數據和歷史通信csi數據中的時空關系來預測未來的通信csi數據。本發明相較于現有方法具有更高精度和強泛化性的信道預測效果。
1.一種基于預訓練大語言模型的感知輔助信道預測方法，其特征在于，其用在基站與移動用戶進行通信的同時接收回波信號進行感知的目標場景；其包括以下步驟：
2.根據權利要求1所述的基于預訓練大語言模型的感知輔助信道預測方法，其特征在于，目標場景中的散射體包括：共享散射體、通信散射體、感知散射體；
3.根據權利要求2所述的基于預訓練大語言模型的感知輔助信道預測方法，其特征在于，步驟一中，hc,t(τ)的數學表達式為：
4.根據權利要求3所述的基于預訓練大語言模型的感知輔助信道預測方法，其特征在于，步驟二包括：
5.根據權利要求1所述的基于預訓練大語言模型的感知輔助信道預測方法，其特征在于，預處理層包括：感知數據預處理部、通信數據預處理部；
6.根據權利要求1所述的基于預訓練大語言模型的感知輔助信道預測方法，其特征在于，特征提取和融合層包括：感知數據特征提取部、通信數據特征提取部、特征融合部、全連接層；
7.根據權利要求1所述的基于預訓練大語言模型的感知輔助信道預測方法，其特征在于，預訓練大語言層包括：位置編碼層、預訓練大語言模型；
8.根據權利要求7所述的基于預訓練大語言模型的感知輔助信道預測方法，其特征在于，在步驟三中，輸出層先通過全連接層將xllm,n映射到低維空間，再進行維度重排，接著進行反歸一化處理得到變換結果xout,n，最后基于xout,n構建出
9.根據權利要求1所述的基于預訓練大語言模型的感知輔助信道預測方法，其特征在于，步驟四中，向訓練好的感知輔助型信道預測網絡輸入歷史前p個時隙的通信csi數據、感知csi數據，則經過訓練好的感知輔助型信道預測網絡處理，輸出預測的未來q個時隙的通信csi數據。
10.一種基于預訓練大語言模型的感知輔助信道預測系統，其特征在于，其使用了如權利要求1-9中任一項所述的基于預訓練大語言模型的感知輔助信道預測方法；