面向 AFAR 挑战的数字孪生与真实环境下的 UAV 基 RSS 测量集合
信号处理
2025-09-30 v2 音频与语音处理
摘要
本文介绍了作为 NSF Aerial Experimentation and Research Platform for Advanced Wireless (AERPAW) 测试平台组织的 AERPAW Find A Rover (AFAR) 挑战收集的全面真实世界和数字孪生 (DT) 数据集。AFAR 挑战是由 AERPAW 测试平台在北卡罗来纳州肯特惠尔费尔德举办的比赛，旨在推动创新无人机 (UAV) 辅助射频 (RF) 来源定位。参赛团队需设计 UAV 飞行轨迹和定位算法，以检测发出由 GNU Radio 生成探针信号的隐藏无人机地面车辆 (UGV) 的位置。该比赛旨在评估在 DT 环境中的解决方案，随后在 AERPAW 户外无线测试平台上进行部署和测试。对于每个团队，UGV 在三个不同位置放置，导致总共 29 个数据集，其中 15 个在 DT 仿真环境中收集，14 个在物理户外测试平台中收集。每个数据集包含接收信号强度 (RSS)、接收信号质量 (RSQ)、GPS 坐标、UAV 速度以及 UAV 姿态 (滚转、俯仰和偏航) 的时间同步测量。数据按团队、环境 (DT 和真实世界) 以及 UGV 位置组织成结构化文件夹。该数据集支持 UAV 辅助 RF 来源定位、空地 (A2G) 无线传播建模、轨迹优化、信号预测、自动导航以及 DT 验证等研究。该数据集包含 30 万个真实实验的时间同步样本，为深度学习 (DL) 模型的有效训练/测试提供支持，并支持可靠的 UAV 基于无线通信和感知研究。
引用
@article{arxiv.2505.06823,
title = {Collection: UAV-Based RSS Measurements from the AFAR Challenge in Digital Twin and Real-World Environments},
author = {Saad Masrur and Ozgur Ozdemir and Anil Gurses and Ismail Guvenc and Mihail L. Sichitiu and Rudra Dutta and Magreth Mushi and homas Zajkowski and Cole Dickerson and Gautham Reddy and Sergio Vargas Villar and Chau-Wai Wong and Baisakhi Chatterjee and Sonali Chaudhari and Zhizhen Li and Yuchen Liu and Paul Kudyba and Haijian Sun and Jaya Sravani Mandapaka and Kamesh Namuduri and Weijie Wang and Fraida Fund},
journal= {arXiv preprint arXiv:2505.06823},
year = {2025}
}
备注
Accepted at IEEE Data Descriptions