A Real-World Multi-Band RF Dataset from a Mass-Gathering Event

一个真实世界的多频段RF频谱感知数据集，记录自加拿大蒙特利尔国际烟花节期间。数据集完全非合成，包含43个频段、92,843个标注帧，捕获了真实人群和协议干扰下的频谱占用情况。A real-world multi-band RF spectrum sensing dataset recorded during the International Fireworks Festival in Montreal, Canada. This dataset is fully non-synthetic, containing 43 frequency bands and 92,843 labeled frames, capturing spectrum occupancy under real human-induced and protocol-based interference.

原始信息汇总

数据集概述

FedSense 是一个完全非合成的多频段射频（RF）频谱感知数据集，记录于2026年8月6日加拿大蒙特利尔国际烟花节（International des Feux Loto-Québec）期间，持续51分钟（21:48–22:39 EDT）。该数据集由 IEEE DataPort 发布（DOI: 10.21227/f2rv-ms26），代码采用 MIT 许可，数据采用 CC BY 4.0 许可。

---

采集设置

项目	详情
接收机	Ettus USRP B205mini-i (AD9364)，RX2端口
天线	Superbat 双频 2.4/5/5.8 GHz 全向天线
采样率	25 MS/s，覆盖7个频段的43个频段片（tiles）
宿主	单台商用笔记本，USB 3.0
数据规模	92,843 个标注帧，占用率为 11.18%

---

数据特点

• 完全非合成：未注入噪声、未模拟信道，所有干扰和拥塞均来自约10万真实人群聚集产生的真实协议竞争。
• 真实占用先验：11.2% 的占用率是宽带监测的真实先验，而非人为平衡的类别分布。
• 功率以 dBFS 表示（未校准为 dBm），天线增益、线缆损耗和接收增益均已包含在内。
• 标签为能量检测代理，并非已验证的 ground truth；无法区分 WLAN、蓝牙或微波炉等信号类型。
• 原始 I/Q 数据仅覆盖 7 个频段中的 3 个，PSD 层级覆盖全部7个频段。
• 占用帧无低于 10 dB 的样本，无法评估接近噪声底的检测器性能。
• 单站点、单接收机、单晚，属于案例研究而非通用模型。

---

仓库内容

脚本	功能
collect_wifi.py	采集：占空比循环扫描43个频段片、逐片增益校准、Welch PSD、时域突发统计、SigMF写入
build_wifi_dataset.py	导出：将会话打包为 HDF5、MATLAB v7.3 和原始 .dat 格式，含自我验证
plot_spectrum_monitoring.py	可视化：生成10幅调查图（瀑布图、平均PSD、占用掩码、每频段面板等）
train_spectrum_sensing_SOTA_v3.py	训练与评估：13个检测器，集中式和 MIRA 联邦学习，Neyman-Pearson 评估

---

检测器（13个）

包括两种 MobileNetV2 变体、PET-CGDNN，以及从同行评审文献中复现的10种架构：

• mobilenetv2_1d / _2d：基于 I/Q 和 log-STFT 的 MobileNetV2
• petcgdnn：参数估计 + CNN + GRU
• cnn_lstm_s1：协方差 → CNN → LSTM
• cm_cnn_s2：协方差矩阵 CNN
• activity_cnn_s3：活动模式感知 CNN
• deepsense_s4：紧凑一维 CNN（FPGA目标）
• spectrum_transformer_s5：Patch 分词注意力检测器
• cnn_transformer_s6：卷积主干 + 注意力
• denoise_transformer_s7：去噪自编码器 + Transformer
• spectrogram_cnn_s8：频谱图 CNN
• tprime_s9：紧凑边缘 Transformer
• deep_coop_cnn_s10：能量向量 CNN

范围说明：S1、S2、S6、S10 原为协作式检测器（多传感器融合），本数据集仅单天线单接收机，仅复现其特征提取器和决策头，不可称为协作结果。

---

联邦学习框架 MIRA

MIRA 不同于 FedAvg，为每个客户端保留一个模型，通过图拉普拉斯耦合：

• 相似性图基于物理意义：客户端按时间顺序排列，a_cℓ ∝ exp(−|c−ℓ|/τ)，τ=1.5，只耦合时间相邻客户端。
• 不使用 LoRA：全部参数向量参与联邦，而非低秩更新。
• 客户端划分采用"自然"策略：按（设备，时间段）划分，合并相邻块直到每个客户端都包含两类样本。

主要结果：最强的三个检测器在联邦下性能提升（CNN-Former +0.030、DnFormer +0.058、DeepSense +0.015 平衡准确率），同时虚警率低于 0.8%；最弱的检测器最多损失 0.077。

---

关键设计决策

• 帧和标签耦合：标签基于模型实际接收的精确样本计算，避免裁剪导致的标签噪声。
• 频率混淆测试：中心频率和频段名称不进入模型输入，提供留一频段审计。
• 阈值校准：在验证集上按 Pfa ≤ 0.10 选择阈值，测试集不变。
• 每组 SNR 曲线：H₁ 帧与整个 H₀ 池对比，避免单类别箱导致 AUC 无定义。
• 泛化差距以平衡准确率报告：训练/测试占用率分别为 10.2% 和 15.0%，需扣除先验偏移。
• 联邦分支使用 GroupNorm：避免跨客户端 BatchNorm 统计平均带来的性能崩溃（AUC 从 0.92 降至 0.18）。
• 25 MS/s 而非 56 MS/s：确保 USB 3.0 可靠吞吐，保留 12 位 ADC 的动态范围。
• ADC 满量程读取而非假设：不同设备（USRP 与 ADALM-PLUTO）的样本对齐方式不同，错误假设会导致 24.1 dB 偏移。
• 崩溃安全恢复：每个（arm, model, mode）单元写入原子完成标记，配置更改自动失效。

---

复现配置

python CONFIG.update({ "frame_len": 32768, # 25 MS/s 下 1311 µs "label_segment": "model_input", "epochs": 40, "fl_algorithm": "mira", "fl_rounds": 40, "mira_lambda": 0.30, "mira_adjacency": "temporal", "client_partition": "natural", "threshold_mode": "target_pfa", "target_pfa": 0.10, })

13 模型 × 2 模式 = 26 次运行，输出位于 results_spectrum_sensing/combined/。

---

法律与伦理说明

采集为仅接收操作，发射路径从未启用。数据集仅包含 I/Q、频谱和聚合占用数据，未解调、未存储帧内容、未记录任何设备标识符（MAC、SSID、IMSI、TMSI）。根据加拿大《无线电通信法》，被动接收本身不构成问题，但用户若解调原始 I/Q 需自行承担司法辖区合规责任。

---

引用

bibtex @data{mahabub2026dataset, author = {Mahabub, Atik and Vakili, Shervin}, title = {A Real-World Multi-Band {RF} Dataset from a Mass-Gathering Event for Spectrum Analysis Framework}, publisher = {IEEE Dataport}, year = {2026}, doi = {10.21227/f2rv-ms26}, url = {https://dx.doi.org/10.21227/f2rv-ms26} }

---

数据集链接

• IEEE DataPort：https://ieee-dataport.org/documents/real-world-multi-band-rf-dataset-mass-gathering-event-spectrum-analysis-framework
• DOI：https://dx.doi.org/10.21227/f2rv-ms26

搜集汇总

数据集介绍

构建方式

该数据集源自2026年8月6日蒙特利尔国际焰火比赛期间，采用Ettus USRP B205mini-i接收机与双频全向天线，通过占空比循环的瓦片扫描方式，以25 MS/s采样率在7个频段内采集43个瓦片的射频信号，全程51分钟，共记录92,843个标注帧。数据采集完全基于真实环境，未注入任何合成噪声或模拟信道，确保了数据的自然性与真实性。采集完成后，通过专门的导出脚本将数据打包为HDF5、MATLAB v7.3及原始.dat格式，并辅以自验证过程确保数据完整性。

特点

数据集的核心特点在于其非合成性与高复杂度，真实再现了大规模人群聚集场景下异构协议共存的频谱拥塞现象，占用先验仅为11.18%，突破了传统平衡数据集的人为设定。其标签基于能量检测器生成，虽非绝对真值，但提供了原始I/Q数据以供用户自定义标注。此外，数据集设计精巧，将帧与标签绑定，避免标签噪声；采用逐帧RMS归一化抑制频率混淆效应；并针对联邦学习场景，引入了基于图拉普拉斯的多客户端个性化机制（MIRA），保留了客户端间的异质性。

使用方法

使用者可通过IEEE DataPort获取数据，并运行仓库内脚本进行数据导出、可视化与模型训练。训练脚本集成了13种检测器，支持集中式与MIRA联邦学习两种模式，并提供了Neyman-Pearson评估与效率分析。为复现论文结果，需按指定配置设置帧长、标签段、联邦算法等参数。数据集还附有崩溃恢复机制，确保长时训练任务的稳定性。使用时应注意频率混淆审计与阈值校准步骤，以公平评估模型性能。

背景与挑战

背景概述

该数据集由加拿大蒙特利尔INRS-EMT的Atik Mahabub和Shervin Vakili于2026年8月6日在一场大型烟花活动期间采集，记录了约10万观众聚集场景下51分钟的真实多频段射频信号。数据集采用USRP B205mini-i接收机，覆盖2.4/5/5.8 GHz等7个频段的43个信道，包含92,843个标注帧，其中占用率仅为11.18%。该数据集的构建旨在突破现有频谱感知研究依赖合成数据的局限，为联邦学习在动态、异构且非平稳的真实无线环境中的性能评估提供基准。它填补了大规模人群事件中频谱占用模式实测数据的空白，对频谱监测、动态频谱共享及联邦学习在无线通信领域的应用具有重要参考价值。

当前挑战

数据集面临的挑战首先在于真实环境的复杂性：非平稳的频谱占用、异构协议的干扰以及接收链的实际损伤，使得传统基于仿真数据的模型难以泛化。其次，构建过程中面临多方面的技术难题，包括在25 MS/s采样率下平衡数据吞吐与动态范围、处理8 dBi天线增益未校准及功率为dBFS而非dBm的局限、避免搬移标签噪声（标注与模型输入不一致导致25%的标签噪声）、消除频率混淆（部分频段持续占用而其他频段空闲）以及处理时空混叠问题（短于扫描周期的事件被随机采样）。此外，数据集中无低于10 dB的占用帧，限制了低信噪比下检测器的评估，且单一地点、单接收机、单晚的采集使数据作为案例研究而非普适模型。

常用场景

经典使用场景

该数据集聚焦于大规模聚集事件中的多频段射频（RF）频谱感知，其经典使用场景是评估和提升深度学习模型在真实、非平稳、协议异构的无线环境中的频谱占用检测性能。鉴于传统仿真数据集在模拟真实信道损伤和拥塞模式上的局限性，此数据集提供了完全非合成（non-synthetic）的采集数据，覆盖7个频段的43个频点，包含92,843个标注帧（占空比11.18%）。研究者可借此基准测试各类频谱感知网络（如CNN、Transformer、混合架构）的鲁棒性，尤其在事件场景下动态频谱接入（DSA）中的机遇性频谱利用。

实际应用

实际应用中，该数据集可用于开发和验证面向大型公共活动（如烟火表演、体育赛事、音乐会）的频谱监管与干扰识别系统。通过训练和测试模型，可实现对活动期间多频段频谱占用率的实时监测，辅助动态频谱分配、干扰定位及应急通信保障。此外，其联邦学习框架（MIRA）支持多节点协同感知，适用于分布式无线网络中的隐私保护频谱监测，为智慧城市和物联网中的频谱资源优化提供数据驱动方案。

衍生相关工作

该数据集衍生了多个关键工作，包括对13种主流频谱感知深度学习检测器的统一评估，其中涵盖卷积网络、Transformer及混合架构，并揭示了联邦学习中个性化与全局性能的权衡。其基于图拉普拉斯正则化的MIRA联邦算法创新性地解决了客户端异构性问题，提升了联合感知的鲁棒性。此外，关于标签噪声、频率混淆和阈值校准的系统性分析，为后续研究提供了方法论参考，推动了频谱感知基准的标准化和真实数据集的构建。