用于广播地图生成和无线网络规划的大型语言模型代理

《IEEE Networking Letters》：Large Language Model Agents for Radio Map Generation and Wireless Network Planning

无线电地图生成与无线网络规划中采用LLM代理自动化解决方案，减少商业软件手动操作需求，提升城市环境下的覆盖率和SINR性能。

　　

摘要：

使用商业软件生成无线电地图和进行无线网络规划通常需要复杂的手动操作，这在可扩展性、适应性和用户友好性方面带来了显著挑战。为了解决这些问题，我们提出了一种自动化解决方案，该方案采用了大型语言模型（LLM）代理。这些代理被设计为能够自主生成无线电地图，并为指定区域简化无线网络规划过程，从而减少对大量手动干预的需求。为了验证我们提出的解决方案的有效性，我们开发了一个集成LLM代理的软件平台。实验结果表明，通过使用这种LLM代理可以节省大量手动操作，并且自动化解决方案能够在城市环境中实现更好的覆盖范围和信噪比（SINR）。

引言

在快速发展的电信领域，对高效、可扩展且可靠的无线网络服务的需求日益迫切[1]、[2]。无线网络的部署和优化需要精确的无线电地图生成，以确保最佳的覆盖范围和性能[3]、[4]。传统的地图创建和网络基础设施规划方法，如插值[5]、光线追踪算法[6]和人工智能（AI）模型[7]，往往具有复杂性、高成本以及需要大量训练数据的特点。网络运营商采用的一种常规且先进的方法是使用商业软件来进行无线电地图和网络规划。然而，在未来5G-A/6G网络中面对日益密集和动态的城市环境时，由于商业软件中存在大量的手动操作，使用商业软件在可扩展性、适应性和用户友好性方面可能会遇到困难。