用于无线电地图生成和无线网络规划的大型语言模型代理

这篇论文主要探讨了大语言模型（LLM）代理在无线网络规划和无线电地图生成中的应用，并提出了一种自动化解决方案，以减少传统方法中大量的手动操作。以下是对论文的详细总结：

引言

在电信领域，随着技术的快速发展，对高效、可扩展和可靠的无线网络服务的需求变得非常迫切。无线网络的部署和优化需要精确的无线电地图生成，以确保最佳的覆盖和性能。传统方法（如插值、射线追踪算法和人工智能模型）通常因其复杂性、高成本和大量的训练数据需求而受到限制。尤其是在未来5G-A/6G网络中，面对日益密集和动态的城市环境，使用商业软件可能在可扩展性、适应性和用户友好性方面面临挑战。

大语言模型的应用

最近，大语言模型在自然语言处理、医学和数学发现等领域展现了新的可能性。LLM在模式识别、预测分析和理解非结构化数据方面表现出色，使其成为解决传统无线网络规划过程中固有挑战的有力工具。通过利用LLM代理的高级能力，可以开发出更自动化、智能化的系统，能够在最少的人为监督下生成准确的无线电地图和规划无线网络。

软件平台的开发

论文中开发的软件平台集成了LLM代理，旨在通过自动化RANPLAN ACADEMIC V6.8.0软件来显著提高任务执行效率，同时确保规划的无线网络的高性能。该平台使用PYSIDE6和PYTHON设计，并已导出为可执行程序，简化了启动和使用过程。平台的用户界面包括五个功能区域：设置区域、提示和日志区域、日志区域、执行区域和进度条区域。

实验结果

为了验证所提方案的有效性，研究人员进行了基于真实场景设置的实验。实验结果表明，使用LLM代理可以显著减少手动操作，并在城市环境中实现增强的覆盖和信号干扰噪声比（SINR）。具体来说，LLM代理通过自动化无线电地图生成和网络规划任务，减少了91.4%和93.0%的手动操作。

关键术语解释

• 无线电地图：用于表示无线信号在特定区域内的传播情况，帮助优化网络覆盖和性能。
• 信号干扰噪声比（SINR）：衡量信号质量的指标，表示信号强度与干扰和噪声的比值。
• 自动小区优化（ACO）：一种优化功能，用于调整基站配置以增强信号强度和消除冗余。

结论

论文提出了首个LLM代理框架及相应的软件平台，用于无线电地图生成和无线网络规划任务。通过自动化RANPLAN ACADEMIC V6.8.0软件，所提LLM代理显著提高了任务执行效率，并在规划的无线网络中确保了高性能。未来，该创新的LLM代理软件平台可用于大规模无线电地图的全自动生成，以支持AI训练，并为涉及公共和私人网络设计和部署的运营商、企业、电信供应商和系统集成商提供重要价值。

这篇论文通过引入LLM代理，展示了在无线网络规划中实现自动化和智能化的潜力，为未来的研究和应用提供了坚实的基础。