SignalLLM：用于自动信号处理的通用LLM代理框架

于红博

摘要: 现代信号处理（SP）管线，无论是基于模型还是数据驱动，通常受到复杂和分散的工作流程的限制，严重依赖专家知识和手工工程，并在有限数据下难以适应和推广。相比之下，大型语言模型（LLMs）提供强大的推理能力、广泛的通用知识、上下文学习和跨模态转移能力，将它们定位为自动化和泛化SP工作流程的强大工具。受到这些潜力的启发，我们引入了SignalLLM，这是第一个用于一般SP任务的通用LLM基于代理框架。与以往基于LLM的SP方法不同，SignalLLM引入了一个有原则的、模块化的架构。它通过上下文学习和领域特定检索将高级SP目标分解为结构化子任务，随后通过自适应检索增强生成（RAG）和细化进行层次规划；然后通过基于提示的推理、跨模态推理、代码合成、模型调用或数据驱动的LLM辅助建模来执行这些子任务。其可泛化的设计使其能够在不同信号模态、任务类型和数据条件下灵活选择问题解决策略。我们通过通信和感知中的五个代表性任务（如雷达目标检测、人体活动识别和文本压缩）展示了SignalLLM的多功能性和有效性。实验结果显示，在传统和现有LLM方法中，特别是在少样本和零样本设置中，SignalLLM表现出优越性能。

更新时间: 2025-10-30 15:26:13

领域: cs.LG,cs.AI,eess.SP

下载: http://arxiv.org/abs/2509.17197v2