RadioMap_Dataset_Reflection/Scattering_Counts

该数据集使用基于TensorFlow的开源库Sionna模拟光线追踪生成，涵盖了中国不同城市区域的反射和散射计数。模拟区域为边长620米的正方形，发射器和接收器均位于1.5米高度。数据集包括原始模拟输出文件、RSSI灰度图像、发射器位置图像和场景图像。

This dataset was generated via ray-tracing simulations using Sionna, an open-source TensorFlow-based library. It covers the counts of reflections and scatterings across different urban areas in China. The simulation area is a square with a side length of 620 meters, and both the transmitter and receiver are positioned at a height of 1.5 meters. The dataset includes raw simulation output files, RSSI grayscale images, transmitter location images, and scene images.

原始信息汇总

RadioMap_Dataset_Reflection/Scattering_Counts

数据集概述

该数据集是通过基于TensorFlow的开源库Sionna进行射线追踪（RT）模拟生成的，模拟环境基于中国不同城市区域，重点关注一个边长为620米的正方形区域。发射器（TXs）均匀分布在1.5米的高度，地面接收器（RXs）高度固定在1.5米。

模拟参数

• 环境频率：2.5 GHz
• 发射功率：23 dBm
• 发射高度：1.5米
• 发射天线阵列：8×4元素，垂直和水平间距均为0.06米（半波长），各向同性辐射模式，双极化
• 接收高度：1.5米
• 接收天线阵列：单元素，各向同性辐射模式，交叉极化

数据文件

Scene_File

包含500个由Blender 3.6创建和导出的场景文件夹。

RadioMap_raw

由Sionna生成的原始模拟输出文件，文件名如1_10.npy至500_10.npy表示模拟场景编号。每个文件形状为256×256×10×6，对应(Rx_coordinates(i), Rx_coordinates(j), Tx_number, depth_max)，值表示RSSI。depth_max表示反射和散射的总数，depth_max=0表示不考虑反射和散射的场景。

RSSI

处理RadioMap_raw文件后得到的灰度图像，具体处理方法是将每个点的值转换为0到1之间的值，公式为(max{frac{P_{R} - P_{R, thr}}{P_{R, max} - P_{R, thr}}, 0})，其中(P_{R, max})为最大接收信号强度值，为-13dB，(P_{R, thr})设为-70dB。例如，1_0_0.png表示第1个场景、第0个Tx、depth_max为0时生成的RadioMap。

Tx

表示每个场景中Tx位置的灰度图像，像素值255表示Tx位置，其他值为0。例如，1_0.png表示第1个场景中第0个Tx的位置图。

Scene

表示场景的灰度图像，通过对3D模拟场景在1.5米处进行横截面操作生成。图像中像素值0表示建筑物，其他值为0。

示例

场景图像

场景1	Tx 1_0

RadioMap图像

RSSI 1_0_0	RSSI 1_0_1	RSSI 1_0_2

RSSI 1_0_3	RSSI 1_0_4	RSSI 1_0_5

在示例中，RSSI 1_0_0表示无反射和散射，RSSI 1_0_1表示总共一次反射和散射，依此类推。

未来更新

每个场景包含更多Tx的数据集正在处理中，即将更新。

搜集汇总

数据集介绍

构建方式

该数据集通过使用基于TensorFlow的开源库Sionna进行射线追踪（RT）模拟生成，模拟环境涵盖中国不同城市区域。模拟区域为一个边长620米的正方形，发射器（TXs）均匀分布在1.5米的高度，地面接收器（RXs）高度固定在1.5米。模拟参数包括2.5 GHz的环境频率、23 dBm的发射功率、8×4元素的发射天线阵列（垂直和水平间距为0.06米，即半波长），以及单元素的接收天线阵列。数据集包含500个场景文件，每个文件对应一个模拟场景，文件名中的数字表示模拟场景编号。每个文件的形状为256×256×10×6，对应接收器坐标、发射器编号和最大反射与散射次数，数值表示接收信号强度指示（RSSI）。

特点

此数据集的显著特点在于其细致的模拟环境和多样的反射与散射次数设置。通过Sionna库生成的数据，不仅捕捉了复杂城市环境中的无线电传播特性，还通过不同反射与散射次数的模拟，提供了对信号传播路径的深入理解。此外，数据集中的每个场景文件都经过Blender 3.6的渲染，确保了场景的真实性和可视化效果。数据集还提供了经过处理的RSSI灰度图像，便于直观分析信号强度分布。

使用方法

使用该数据集时，研究者可以首先加载特定的场景文件，通过解析文件名获取对应的模拟场景编号和发射器信息。随后，可以提取并分析不同反射与散射次数下的RSSI数据，以研究信号在复杂环境中的传播特性。数据集中的灰度图像可用于可视化分析，帮助理解信号强度在空间中的分布。此外，数据集还提供了发射器位置的灰度图像，便于定位发射源。研究者可以根据需要，结合其他分析工具，进一步挖掘数据集中的潜在信息。

背景与挑战

背景概述

Scattering_Counts数据集是由基于TensorFlow的开源库Sionna生成的，旨在模拟无线电波在不同城市环境中的反射和散射现象。该数据集的核心研究问题在于通过模拟不同反射和散射次数下的无线电信号强度（RSSI），来研究城市环境中无线电波传播的复杂性。数据集的创建涉及中国多个城市区域的模拟，每个区域被定义为一个620米边长的正方形，发射器（TX）和接收器（RX）的高度均固定在1.5米。该数据集的主要研究人员或机构尚未明确，但其对无线通信领域的研究具有重要意义，尤其是在城市环境下的信号传播模拟与优化方面。

当前挑战

Scattering_Counts数据集在构建过程中面临多项挑战。首先，模拟复杂的城市环境需要高精度的三维建模和大量的计算资源，这增加了数据生成的难度。其次，数据集需要处理不同反射和散射次数下的信号强度变化，这对数据处理和分析提出了高要求。此外，数据集的更新和扩展也是一个持续的挑战，特别是当每个场景中的发射器数量增加时，数据处理和存储的需求将显著增加。最后，确保数据集的准确性和可靠性是另一个重要挑战，特别是在模拟结果与实际环境之间的差异可能影响研究结论的情况下。

常用场景

经典使用场景

在无线通信领域，Scattering_Counts数据集的经典使用场景主要集中在无线电地图（RadioMap）的生成与分析。该数据集通过模拟不同城市区域的无线电传播环境，生成了包含反射和散射效应的无线电地图。这些地图可以用于研究无线信号在复杂城市环境中的传播特性，特别是在多路径效应显著的情况下。通过分析不同反射和散射次数下的接收信号强度指示（RSSI），研究人员能够更准确地预测和优化无线通信系统的性能。

衍生相关工作

基于Scattering_Counts数据集，研究人员已经开展了一系列相关工作。例如，有学者利用该数据集开发了新的无线电传播模型，能够更准确地预测城市环境中的信号强度分布。此外，还有研究团队利用数据集中的反射和散射信息，设计了新型的自适应天线系统，以优化信号接收和传输。这些衍生工作不仅丰富了无线通信领域的研究内容，还为实际应用提供了新的技术手段和解决方案。

数据集最近研究

最新研究方向

在无线通信领域，Scattering_Counts数据集因其对反射和散射现象的精细模拟而备受关注。该数据集通过Sionna库生成的射线追踪模拟，提供了不同城市区域中反射和散射的详细数据，这对于研究无线信号在复杂环境中的传播特性具有重要意义。当前，该数据集的前沿研究方向主要集中在利用深度学习技术对反射和散射数据进行分析，以提高无线通信系统的性能和可靠性。此外，结合地理信息系统（GIS）和机器学习算法，研究人员正探索如何更精确地预测和优化无线信号覆盖范围，这对于5G及未来通信网络的部署具有深远影响。