MUMV-CSCI Dataset

MUMV-CSCI数据集是由山东大学和北京大学的研究团队构建的，旨在支持6G多无人机对多车辆通信场景下的信道建模研究。该数据集包含96,000个LiDAR点云和553,500条通信链路，数据来源于AirSim和Wireless InSite平台的仿真结果。数据集通过融合LiDAR点云和信道信息，首次将散射体分为静态、地面动态和空中动态三类，并量化了不同TTD和ATD条件下的散射体数量、距离、角度和功率等参数。该数据集的应用领域主要集中在6G智能低空交通通信系统的信道建模与仿真，旨在解决高动态、复杂环境下的信道非平稳性和一致性建模问题。The MUMV-CSCI Dataset was constructed by research teams from Shandong University and Peking University, with the goal of supporting channel modeling research for 6G multi-unmanned aerial vehicle (UAV)-to-multi-ground vehicle communication scenarios. This dataset contains 96,000 LiDAR point clouds and 553,500 communication links, with data derived from simulation results generated via the AirSim and Wireless InSite platforms. By fusing LiDAR point cloud and channel information, this dataset is the first to classify scatterers into three types: static, ground-dynamic, and aerial-dynamic, and quantifies parameters including the number, distance, angle, and power of scatterers under different TTD and ATD conditions. The application scope of this dataset primarily centers on channel modeling and simulation for 6G intelligent low-altitude traffic communication systems, aiming to resolve the issues of channel non-stationarity and consistency modeling in highly dynamic and complex environments.

搜集汇总

数据集介绍

构建方式

MUMV-CSCI数据集的构建基于多无人机（UAV）与多车辆（Vehicle）通信场景下的多模态感知与通信集成。通过融合AirSim和Wireless InSite两个仿真平台，数据集在郊区场景中模拟了不同地面交通密度（TTD）和空中交通密度（ATD）条件下的通信与感知数据。具体而言，数据集通过激光雷达（LiDAR）点云数据量化了电磁空间中静态散射体、地面动态散射体和空中动态散射体的参数，如数量、距离、角度和功率等。数据集的构建过程还包括对不同TTD和ATD条件下的通信链路进行测量，并利用统计分布对散射体进行分类和建模。

特点

MUMV-CSCI数据集的特点在于其多模态感知与通信的深度集成。数据集不仅包含了传统的通信信道信息，还融合了LiDAR点云数据，能够精确区分静态、地面动态和空中动态散射体。此外，数据集首次引入了TTD和ATD参数，能够反映不同交通密度对信道特性的影响。数据集的另一个显著特点是其高动态性和复杂性，能够模拟多UAV与多Vehicle通信场景中的时变信道特性，包括时域、空域和频域的非平稳性。

使用方法

MUMV-CSCI数据集的使用方法主要包括信道建模、仿真验证和性能分析。研究人员可以利用数据集中的LiDAR点云和信道信息，构建多UAV与多Vehicle通信场景下的信道模型，并通过仿真验证模型的准确性。数据集还可用于分析不同TTD和ATD条件下的信道统计特性，如时-空-频相关函数（TSF-CF）、时间平稳间隔（TSI）和多普勒功率谱密度（DPSD）。此外，数据集支持基于机器学习的方法，用于优化6G低空交通通信系统的设计和性能评估。

背景与挑战

背景概述

MUMV-CSCI数据集是为第六代（6G）多无人机（UAV）对多车辆通信场景设计的多模态智能信道模型数据集。该数据集由山东大学与新加坡南洋理工大学联合人工智能研究中心（C-FAIR）的研究团队于2025年创建，主要研究人员包括Lu Bai、Mengyuan Lu、Ziwei Huang和Xiang Cheng。该数据集的核心研究问题是通过结合物理环境与电磁空间的映射关系，探索复杂多无人机对多车辆通信场景下的信道特性。数据集首次引入了地面交通密度（TTD）和空中交通密度（ATD）作为关键参数，并通过激光雷达（LiDAR）点云数据量化静态、地面动态和空中动态散射体的参数。该数据集为6G低空智能交通通信系统的设计与分析提供了重要的基础数据支持，推动了多模态感知与通信融合技术的发展。

当前挑战

MUMV-CSCI数据集在构建和应用过程中面临多重挑战。首先，多无人机对多车辆通信场景具有高度动态性和复杂性，传统的信道模型难以准确描述其非平稳性和一致性特性。其次，数据集的构建需要精确对齐物理环境与电磁空间，这依赖于多模态传感器（如LiDAR）与通信设备的协同工作，数据采集与处理的复杂度较高。此外，数据集还需解决高密度交通场景下的信道统计特性建模问题，尤其是在不同TTD和ATD条件下，如何有效区分静态、地面动态和空中动态散射体仍是一个技术难点。最后，数据集的仿真与实测结果之间的验证也面临挑战，尤其是在高动态场景下，如何确保仿真结果的准确性仍需进一步研究。

常用场景

经典使用场景

MUMV-CSCI数据集在6G多无人机对多车辆通信场景中具有广泛的应用。该数据集通过结合LiDAR点云数据，能够精确量化电磁空间中的静态散射体、地面动态散射体和空中动态散射体的参数，如数量、距离、角度和功率等。这一数据集在郊区场景下，通过模拟不同地面交通密度（TTD）和空中交通密度（ATD）条件下的通信环境，为6G低空智能交通通信系统的设计和分析提供了重要的基础数据支持。

衍生相关工作

MUMV-CSCI数据集的提出为相关领域的研究工作提供了新的方向。基于该数据集，研究人员可以进一步开发更加精确的多模态智能信道模型，探索无人机与车辆之间的协同通信机制。此外，该数据集还推动了LiDAR与通信数据融合的研究，促进了多模态感知与通信集成技术的发展。相关研究工作包括基于该数据集的非平稳信道建模、低空交通通信系统的优化设计以及无人机与车辆协同感知算法的开发等，为6G通信系统的实际应用奠定了坚实的基础。

数据集最近研究

最新研究方向

随着第六代移动通信技术（6G）的快速发展，多无人机（UAV）与多车辆（Vehicle）通信场景成为研究热点。MUMV-CSCI数据集作为首个面向6G多无人机-多车辆通信的多模态智能感知-通信集成数据集，为复杂低空交通环境下的信道建模提供了重要支持。该数据集通过结合激光雷达（LiDAR）点云数据，首次量化了不同地面交通密度（TTD）和空中交通密度（ATD）条件下的静态散射体、地面动态散射体和空中动态散射体的参数，如数量、距离、角度和功率等。这一创新为6G低空智能交通通信系统的设计提供了更精确的信道特性分析工具。当前，基于MUMV-CSCI数据集的研究主要集中在多模态感知与通信的深度融合、信道非平稳性与一致性建模、以及高动态环境下的信道统计特性分析等方面。这些研究不仅推动了6G通信技术的发展，也为未来低空经济中的智能交通系统提供了理论支持。

相关研究论文

• A Multi-modal Intelligent Channel Model for 6G Multi-UAV-to-Multi-Vehicle Communications

  山东大学-南洋理工大学人工智能联合研究中心（C-FAIR），北京大学先进光通信系统与网络国家重点实验室 · 2025年