DataAI-6G

DataAI-6G数据集由北京邮电大学网络与交换技术国家重点实验室创建，专为AI-6G研究设计，包含约22万条数据。该数据集通过Wireless InSite模拟器生成，提供了出发角、到达角、延迟、相位、每条路径的功率以及任意收发器天线对之间的路径损耗等详细信息。数据集支持用户移动功能，考虑了多普勒效应，适用于高速移动通信场景的研究。此外，数据集还考虑了空间非平稳特性，支持用户自定义移动路径和速度，以及任意数量的用户点生成，为6G通信系统的机器学习研究提供了丰富的数据资源。The DataAI-6G dataset, developed by the State Key Laboratory of Networking and Switching Technology at Beijing University of Posts and Telecommunications, is specifically designed for AI-6G research, containing approximately 220,000 data entries. Generated via the Wireless InSite simulator, it provides detailed information including angle of departure (AoD), angle of arrival (AoA), propagation delay, phase, the power of each propagation path, and path loss between any transmitter-receiver antenna pairs. The dataset supports user mobility functionality, takes Doppler effect into consideration, and is applicable to research on high-speed mobile communication scenarios. Additionally, the dataset accounts for spatial non-stationary characteristics, supports custom user movement paths and speeds, as well as the generation of any number of user points, providing abundant data resources for machine learning research on 6G communication systems.

搜集汇总

数据集介绍

构建方式

在第六代移动通信系统研究蓬勃发展的背景下，DataAI-6G数据集通过高保真的射线追踪仿真构建而成。其核心构建流程依托于业界广泛验证的Wireless InSite仿真平台，在一个包含八座基站与十二个用户网格的复杂城市街道场景中，模拟了3.5GHz、28GHz及60GHz等多个频段的信号传播。仿真过程精细地考虑了多达四次反射与一次衍射的传播机制，为每条路径独立提取了离开角、到达角、时延、相位、功率及路径损耗等关键参数。随后，通过一套专用的代码框架，将这些原始路径参数合成为包含空间非平稳特性、上下行链路映射以及用户移动特征的完整信道状态信息。

特点

该数据集的核心特点在于其前瞻性地整合了面向6G研究的关键信道特征。首先，它通过逐天线单元仿真而非平面波合成方法，有效捕捉了大规模天线阵列引入的近场空间非平稳特性。其次，数据集创新性地实现了用户自定义移动功能，允许研究者自由配置用户的移动路径与速度，并通过引入多普勒相移计算，精确模拟高速移动状态下的信道响应变化。此外，数据集提供了灵活的上下行链路信道合成能力，研究者可根据需求配置载波频率与带宽，从而生成具有强相关性的上下行信道对，为跨频段映射研究提供了坚实基础。

使用方法

为支持人工智能在无线通信领域的多样化研究，DataAI-6G提供了高度可配置的使用框架。研究者首先通过配置文件激活特定的基站、用户区域及频段，并可自由设定天线数量与阵列模式。数据集的核心代码随后将根据配置，从原始仿真数据中提取路径参数，并利用内置的信道响应合成公式，生成静态或移动场景下的信道矩阵。对于移动性研究，用户仅需设置移动标志、方向与速度，代码将自动进行路径点采样并计算多普勒相移，最终输出包含时间演进特性的信道序列。该流程使得数据集能够便捷地服务于波束预测、信道反馈、阻塞预测等各类机器学习模型的训练与验证。

背景与挑战

背景概述

随着第五代移动通信技术商业化进程的加速推进，以及面向第六代通信系统的研究日益深入，通信系统呈现出高频段、多频带、用户高速移动和大规模天线阵列等复杂特征。这些特征使得获取精确的信道状态信息面临诸多困难，传统通信方法的性能因此受到显著制约。在此背景下，利用人工智能技术替代或优化传统方法以提升通信性能成为研究热点。为支持人工智能在通信领域的深入探索，北京邮电大学网络与交换技术国家重点实验室的研究团队于2023年6月发布了DataAI-6G数据集。该数据集旨在为6G通信中的人工智能研究提供一个系统参数可配置的信道数据资源，核心研究问题聚焦于如何在高移动性、空间非平稳性等复杂场景下，为基于人工智能的信道建模、波束预测等关键任务提供高质量、多特征的数据支撑，对推动智能通信算法的发展具有重要影响力。

当前挑战

DataAI-6G数据集致力于解决未来6G通信中智能信道建模与预测所面临的领域挑战，主要包括在高移动性环境下信道状态信息的快速时变问题、大规模天线阵列引入的空间非平稳性表征难题，以及多频段系统中上行与下行信道映射的复杂性。在构建过程中，研究团队需克服多重技术挑战：首先，需在仿真中精确模拟每个天线单元的独立响应，以捕捉近场空间非平稳特征，而非依赖传统的平面波合成方法；其次，为实现用户移动功能，必须将多普勒相移有效地集成到信道响应合成中，并允许用户自定义移动路径与速度；此外，数据集还需提供灵活的上行与下行载频配置能力，尽管目前仅能基于下行仿真数据近似合成上行信道，在准确性上仍存在提升空间。

常用场景

经典使用场景

在第六代移动通信系统的研究中，DataAI-6G数据集被广泛应用于人工智能驱动的信道建模与优化任务。该数据集通过集成空间非平稳性、用户移动性以及上下行链路映射等关键特征，为机器学习算法提供了高度仿真的训练环境。研究人员利用其可配置的系统参数，能够灵活构建多频段、多天线场景下的信道状态信息，从而支撑波束预测、信道外推等核心算法的开发与验证。

衍生相关工作

基于DataAI-6G数据集，学术界衍生出一系列经典研究工作，如结合卷积神经网络与长短期记忆网络的混合模型用于波束预测，显著提升了预测精度与速度适应性。该数据集还支撑了上下行信道映射、近场空间非平稳性分析等方向的研究，并促进了与计算机视觉领域算法的交叉融合，为6G智能通信的算法创新提供了持续动力。

数据集最近研究

最新研究方向

在第六代移动通信系统（6G）的演进背景下，DataAI-6G数据集作为专为人工智能驱动的无线信道研究设计的资源，正引领着该领域的前沿探索。该数据集通过集成空间非平稳性、用户移动性及上下行链路映射等关键特征，为信道状态信息的智能获取与预测提供了高保真仿真环境。当前研究热点聚焦于利用深度学习模型，如卷积长短期记忆网络（Conv-LSTM），实现毫米波频段波束预测与阻塞规避，显著提升高速移动场景下的通信可靠性。这些进展不仅推动了6G智能信道建模的精准化，也为未来超大规模天线阵列与可重构智能表面等技术的集成奠定了数据基础，对降低系统开销、增强网络自适应能力具有深远意义。

相关研究论文

• DataAI-6G: A System Parameters Configurable Channel Dataset for AI-6G Research

  北京邮电大学网络与交换技术国家重点实验室 · 2023年