本文提出了一种新颖的混合方法，将数据驱动的神经网络与传统状态空间模型结合，解决毫米波时变信道预测的局限性。该方法无需专家知识，能够有效跟踪信道动态，并通过无监督学习利用无标签数据训练神经网络。实验结果显示，该方法在信道预测的精度和鲁棒性上优于现有技术。

北京大学电子学院程翔团队提出了基于预训练大语言模型的MIMO-OFDM信道预测方案LLM4CP，适用于TDD和FDD通信系统。研究团队构建了基于预训练GPT-2的信道预测神经网络，提高了大语言模型在信道预测中的能力和泛化能力。该方案在TDD和FDD信道预测任务上取得了最先进的性能，具有较低的训练和推理时间成本。该研究为大语言模型在无线通信物理层任务中的应用开辟了新的可能性。