UrbanMIMOMap

UrbanMIMOMap 是一个基于高精度射线追踪生成的大规模城市 MIMO 信道状态信息 (CSI) 数据集。该数据集提供了密集空间网格上的完整复数 CSI 矩阵，超越了传统的路径损耗数据。UrbanMIMOMap 捕捉了真实城市布局，并提供了完整的复数 CSI 矩阵，克服了现有数据集的局限性。该数据集支持数据驱动 RM 生成，包括深度学习方法，并通过基准性能评估展示了其效用。UrbanMIMOMap is a large-scale urban Multiple-Input Multiple-Output (MIMO) channel state information (CSI) dataset generated based on high-precision ray tracing. This dataset provides complete complex CSI matrices over dense spatial grids, surpassing traditional path loss data. UrbanMIMOMap captures realistic urban layouts and offers full complex CSI matrices, overcoming the limitations of existing datasets. It supports data-driven radio map (RM) generation including deep learning-based methods, and demonstrates its utility through benchmark performance evaluations.

原始信息汇总

UrbanMIMOMap 数据集概述

数据集基本信息

• 标题：UrbanMIMOMap: A Ray-Traced MIMO CSI Dataset with Precoding-Aware Maps and Benchmarks
• arXiv标识符：2509.06270
• 提交日期：2025年9月8日
• 作者：Honggang Jia, Xiucheng Wang, Nan Cheng, Ruijin Sun, Changle Li
• 会议信息：已接受至IEEE全球通信会议（GLOBECOM 2025）

数据集描述

UrbanMIMOMap是一个通过高精度射线追踪生成的大规模城市MIMO CSI数据集。该数据集提供密集空间网格上的全面复杂CSI矩阵，超越了传统的路径损耗数据。丰富的CSI对于构建高保真无线电地图（RMs）至关重要，并作为数据驱动的RM生成（包括深度学习）的基本资源。

数据集特点

• 生成方法：采用高精度射线追踪技术生成。
• 数据内容：包含密集空间网格上的全面复杂CSI矩阵。
• 应用目标：支持高保真无线电地图构建，为数据驱动的RM生成提供基础资源。

性能评估

通过代表性机器学习方法在RM构建上的基线性能评估，展示了数据集的实用性。

可用性

代码和数据可在以下地址获取：https://arxiv.org/abs/2509.06270

搜集汇总

数据集介绍

构建方式

在无线通信领域，高精度环境建模是构建可靠数据集的基础。UrbanMIMOMap采用三阶段构建流程：首先基于OpenStreetMap真实地理数据建立精细三维城市模型，包含建筑与车辆细节；随后利用Altair WinProp射线追踪引擎结合主导路径模型计算传播信息，平衡精度与效率；最终通过MIMO后处理合成4×4复信道矩阵，支持灵活天线参数配置，无需重复仿真。

特点

该数据集的核心优势体现在其多维创新性。其提供完整的复信道矩阵，包含幅度与相位信息，支持精确的MIMO分析与波束成形研究；空间分辨率达0.5米，满足6G细粒度感知需求；基于真实城市几何布局，涵盖多样场景与动态要素；同时预生成可视化无线电地图，可直接用于图像式深度学习模型，兼具结构严谨性与应用灵活性。

使用方法

研究人员可借助该数据集开展多维度探索。通过解析复信道矩阵，可推导接收信号强度、信道容量等物理层指标，并评估不同预编码策略下的空间性能；其结构化文件组织支持按场景、基站及天线方位角调用数据；此外，数据集兼容深度学习框架，如以环境地图、发射器位置及天线角度为输入，训练RadioUNet等模型实现无线电地图的智能生成与预测。

背景与挑战

背景概述

随着第六代移动通信系统（6G）向环境感知通信架构演进，集成感知与通信（ISAC）和原生人工智能（AI）成为核心驱动力。无线电地图（Radio Maps, RMs）作为提供空间连续信道信息的关键工具，其高精度构建面临巨大挑战。UrbanMIMOMap数据集由西安电子科技大学电信工程学院的研究团队于2025年提出，旨在通过高精度射线追踪技术生成大规模城市多输入多输出（MIMO）信道状态信息（CSI）数据，以支持6G环境感知通信中的高保真RM构建与机器学习研究。该数据集填补了现有公开数据在MIMO支持、空间分辨率及复杂信道矩阵完整性方面的空白，为6G无线通信研究提供了重要基础资源。

当前挑战

在领域问题方面，UrbanMIMOMap致力于解决高精度MIMO无线电地图构建中的多重挑战，包括复杂城市环境下的多径效应建模、空间相关性捕获以及毫米波频段下的波束管理优化。传统数据集多局限于单输入单输出（SISO）配置或简化路径损耗指标，难以满足现代MIMO系统对详细信道状态信息的需求。在构建过程中，该数据集面临射线追踪计算密集型问题，需平衡电磁仿真精度与大规模场景生成效率；同时，高空间分辨率（0.5米）和复杂天线阵列配置（如4x4 MIMO）的数据合成需克服存储与处理开销，并确保环境模型（如建筑与车辆几何）的真实性与一致性，以支持数据驱动方法的泛化能力。

常用场景

经典使用场景

在第六代移动通信系统研究中，UrbanMIMOMap数据集通过高精度射线追踪技术生成的城市多输入多输出信道状态信息，为环境感知通信提供了关键数据支撑。该数据集最典型的应用场景包括构建高保真无线电地图，支持毫米波波束管理和厘米级定位等先进6G应用，其密集的空间采样和完整的复杂信道矩阵为多天线系统性能分析奠定了坚实基础。

衍生相关工作

基于UrbanMIMOMap数据集衍生的经典研究包括RadioUNet架构的无线电地图构建算法优化，以及针对不同预编码策略的性能评估研究。该数据集还催生了关于天线参数配置对信道特性影响的一系列研究工作，为大规模MIMO系统的波束成形和空间信号处理提供了新的理论基础和实践验证平台。

数据集最近研究

最新研究方向

在第六代移动通信系统的发展浪潮中，UrbanMIMOMap数据集正推动环境感知通信的前沿研究，特别是在集成感知与通信（ISAC）和人工智能原生网络架构领域。该数据集以其高精度射线追踪生成的密集空间多输入多输出（MIMO）信道状态信息（CSI），为构建高保真无线电地图（RM）提供了关键数据支撑。当前研究热点聚焦于利用深度学习模型如RadioUNet进行RM的智能生成与预测，同时探索MIMO预编码策略对空间性能的优化，以及信道容量的空间分布分析。这些研究方向不仅助力6G网络中的厘米级定位和精细波束管理，还为未来智能城市的通信感知一体化提供了理论基础与实践验证，具有显著的学术价值与工程应用潜力。

相关研究论文

• UrbanMIMOMap: A Ray-Traced MIMO CSI Dataset with Precoding-Aware Maps and Benchmarks

  西安电子科技大学电信工程学院 · 2025年