UrbanMIMOMap：基于射线追踪的 MIMO 信道状态信息数据集
机器学习
2025-09-09 v1 人工智能
摘要
六代 (6G) 系统需要环境感知式通信，驱动其本机人工智能 (AI) 和集成感知与通信 (ISAC)。无线电地图 (RM) 提供连续的信道信息，是关键使能器。然而，利用电磁 (EM) 模拟生成高保真 RM 基准数据计算量巨大，动力催化机器学习 (ML) 基于数据的方法构建 RM。这些数据驱动方法的有效性取决于大规模高质量训练数据的存在。当前公开数据集通常侧重于单输入单输出 (SISO) 和有限信息，如路径损耗，对需要详细信道状态信息 (CSI) 的高级多输入多输出 (MIMO) 系统不够。为填补这一差距，本文提出了 UrbanMIMOMap，一个新型大规模城市 MIMO CSI 数据集，采用高精度射线追踪生成。UrbanMIMOMap 提供跨稠密空间网格的综合性复杂 CSI 矩阵，超越传统路径损耗数据。这种丰富的 CSI 对构建高保真 RM 和作为数据驱动 RM 生成的基础资源至关重要，包括深度学习。我们通过对代表性 ML 方法进行基准性能评估，展示了数据集的实用性。本工作为高精度 RM 生成、MIMO 空间性能和 6G 环境感知的 ML 研究提供了关键数据集和参考。本作品的代码和数据可在 https://github.com/UNIC-Lab/UrbanMIMOMap 获取。
引用
@article{arxiv.2509.06270,
title = {UrbanMIMOMap: A Ray-Traced MIMO CSI Dataset with Precoding-Aware Maps and Benchmarks},
author = {Honggang Jia and Xiucheng Wang and Nan Cheng and Ruijin Sun and Changle Li},
journal= {arXiv preprint arXiv:2509.06270},
year = {2025}
}
备注
Accepted to IEEE Global Communications Conference (GLOBECOM) 2025