CSRD2025：面向无线通信频谱感知的大规模合成无线电数据集
信号处理
2025-08-28 v1
摘要
无线通信大型 AI 模型（LAM）的开发，特别是对于频谱感知等复杂任务，严重依赖于海量、多样且逼真的数据集的可用性。为满足这一需求，本文介绍了 ChangShuoRadioData（CSRD）框架，这是一个开源的模块化仿真平台，旨在生成大规模合成射频（RF）数据。CSRD 模拟了端到端的发送和接收过程，包含了广泛的调制方案（100 种类型，包括模拟、数字、OFDM 和 OTFS）、具有统计衰落和使用 OpenStreetMap 数据的特定位置光线追踪的可配置信道模型，以及针对各种天线配置（SISO/MISO/MIMO）的逼真射频前端损伤的详细建模。利用该框架，我们构建了 CSRD2025，这是一个包含超过 25,000,000 帧（约 200TB）的大型数据集基准，比广泛使用的 RML2018 数据集大约大 10,000 倍。CSRD2025 提供了前所未有的信号多样性和复杂性，专门设计用于弥合 Sim2Real 差距。此外，我们提供了将 IQ 数据转换为 COCO 格式标注的频谱图的处理流水线，从而促进用于时频信号分析的目标检测方法。该数据集规范包括标准化的 8:1:1 训练、验证和测试划分（通过帧索引），以确保研究的可重复性。CSRD 框架已在 https://github.com/Singingkettle/ChangShuoRadioData 发布，以加速 AI 驱动的频谱感知和管理的发展。
引用
@article{arxiv.2508.19552,
title = {CSRD2025: A Large-Scale Synthetic Radio Dataset for Spectrum Sensing in Wireless Communications},
author = {Shuo Chang and Rui Sun and Jiashuo He and Sai Huang and Kan Yu and Zhiyong Feng},
journal= {arXiv preprint arXiv:2508.19552},
year = {2025}
}