LIVE-RIS

LIVE-RIS是波鸿鲁尔大学创建的首个真实飞行数据集，旨在促进无人机搭载可重构智能表面（RIS）的信道测量研究。该数据集包含来自多次飞行实验的扩展卡尔曼滤波状态估计、运动捕捉系统地面真值、优化后的RIS配置以及矢量网络分析仪采集的S21信道数据，覆盖三种几何场景与三种配置模式（动态、静态、关闭）。数据集通过定制化的硬件原型在室内实验室中采集，所有数据均经过时间同步与处理，以消除起飞、降落及配置切换阶段的干扰片段。该数据集为验证无人机RIS系统的实际性能提供了宝贵基础，有助于弥合理论仿真与真实部署之间的鸿沟，推动6G无线通信中动态环境控制技术的发展。LIVE-RIS is the first real-world flight dataset created by Ruhr-Universität Bochum, aiming to facilitate channel measurement research on unmanned aerial vehicles (UAVs) equipped with reconfigurable intelligent surfaces (RIS). This dataset includes extended Kalman filter (EKF) state estimates, motion capture system ground truth, optimized RIS configurations, and S21 channel data collected by vector network analyzers from multiple flight experiments, covering three geometric scenarios and three configuration modes (dynamic, static, and off). The dataset was collected in an indoor laboratory using customized hardware prototypes, and all data have undergone time synchronization and processing to eliminate interfering segments during takeoff, landing, and configuration switching phases. This dataset provides a valuable foundation for validating the actual performance of UAV-mounted RIS systems, helps bridge the gap between theoretical simulations and real-world deployments, and promotes the development of dynamic environment control technologies in 6G wireless communications.

原始信息汇总

LIVE-RIS: A Comprehensive In-Flight Dataset for UAV-Mounted RIS Channel Measurements

基本信息

• 版本: 1.0
• 发布日期: 2026年9月28日
• 资源类型: Dataset
• 发布平台: Zenodo
• DOI: 10.5281/zenodo.23011126
• 语言: English
• 许可协议: Creative Commons Attribution 4.0 International

作者与机构

• Müller, David（Ruhr University Bochum）
• Weinberger, Kevin（Ruhr University Bochum）
• Sezgin, Aydin（Ruhr University Bochum）
• Mönnigmann, Martin

数据集描述

本数据集包含在室内飞行实验中采集的测量数据，实验采用了无人机搭载的可重构智能表面（UAV-mounted RIS）。数据集涵盖以下内容：

• 基于 EKF 的 UAV 与 RIS 状态估计
• 地面真值（ground-truth）测量数据
• 通过优化得到的 RIS 配置
• 使用矢量网络分析仪（VNA）采集的对应 S21 信道测量数据
• 多种发射端（Tx）、接收端（Rx）以及无人机搭载 RIS 的部署位置，支持对不同相对几何构型的分析

文件信息

• 文件名称: risdataset.zip
• 文件大小: 19.7 MB
• MD5: 1da462554e6ee01b28201abb7b106206
• 总数据量: 196.7 MB

标识符

• arXiv: arXiv:2609.34993

资助信息

• Deutsche Forschungsgemeinschaft — SPP 2433 - Metrology on flying platforms MO 1086/17-1
• Deutsche Forschungsgemeinschaft — SPP 2433 - Metrology on flying platforms SE 1697/22-1
• Deutsche Forschungsgemeinschaft — INST 213/1028-1 FUGB

关键词

• reconfigurable
• intelligent
• surface
• RIS
• UAV
• prototype
• measurements
• experiments
• channel data
• VNA

软件信息

• 编程语言: Python, MATLAB
• 开发状态: Active

引用信息

Müller, D., Weinberger, K., Sezgin, A., & Mönnigmann, M. (2026). LIVE-RIS: A Comprehensive In-Flight Dataset for UAV-Mounted RIS Channel Measurements (Version 1.0) [Dataset]. Zenodo. https://doi.org/10.5281/zenodo.23011126

• 引用所有版本 DOI: 10.5281/zenodo.23011125
• 索引: OpenAIRE

统计信息

• 浏览量: 10
• 下载量: 10

日期信息

• 提交日期: 2026-09-28
• 创建日期: 2026年9月28日
• 修改日期: 2026年9月29日

搜集汇总

数据集介绍

构建方式

面向无人机载可重构智能表面（RIS）在真实飞行扰动下信道数据匮乏的现状，该数据集依托一款实时可控的无人机载RIS原型系统，在室内飞行实验室中开展了多场景测量活动。实验采用定制Holybro X500四旋翼搭载120单元RIS，通过扩展卡尔曼滤波融合运动捕捉系统与惯性测量单元数据，实现无人机与RIS位姿的实时估计。在三种收发端与RIS相对几何布局下，分别以动态、静态和关闭三种RIS配置方式执行悬停飞行，由矢量网络分析仪采集S21信道响应，并依据交替相位协议完成多源数据的时间同步，最终形成层次化存储的CSV文件集。

特点

该数据集的核心价值在于其真实飞行条件下的多维同步观测能力。每个文件以50Hz采样率记录500个时间步，涵盖无人机与RIS的扩展卡尔曼滤波状态估计、运动捕捉系统提供的地面真值位姿、逐元素二进制RIS配置以及频域分辨的S21信道数据。数据组织按场景、配置方法和飞行架次分层，既包含最优镜面反射布局，也涵盖偏离视距路径的非常规部署，能够支撑对动态扰动、位姿不确定性及部署位置敏感性的量化分析，弥补了纯理论仿真忽视实际约束的不足。

使用方法

研究者可从Zenodo或GitHub获取数据，依据文件头部的单位说明解析各字段。利用同步时间戳，可将RIS配置向量与S21测量值逐时刻对齐，进而评估不同波束赋形策略的实际增益。地面真值位姿可用于量化扩展卡尔曼滤波估计误差，或替换估计值以仿真更大偏移场景。二进制配置向量按图4索引映射至物理单元，便于复现或重新优化相位分布。该数据集适用于信道建模、扰动鲁棒性分析、部署优化及算法验证等多种研究目的。

背景与挑战

背景概述

可重构智能表面（RIS）凭借其对电磁波相位的动态调控能力，被视为第六代无线网络中重塑传播环境的关键使能技术。将RIS搭载于无人机可突破固定部署的空间局限，借助视距链路增益拓展覆盖范围与部署灵活性，近年来引发广泛研究关注。然而，既有工作多依赖理想化数值仿真，鲜有顾及实际飞行中机体振动、姿态扰动与定位不确定性对信道性能的削弱。在此背景下，德国波鸿鲁尔大学的研究人员于2026年构建了LIVE-RIS数据集，依托其自主研发的首个无人机载RIS实时原型系统，在室内飞行实验室中开展了多场景实测，采集了扩展卡尔曼滤波状态估计、运动捕捉系统真值、优化得到的RIS配置及S21信道响应等同步数据，为弥合理论分析与工程实践之间的鸿沟提供了宝贵的实测依据。

当前挑战

无人机载RIS系统的核心难题在于，RIS与收发端之间的级联信道对平台位姿高度敏感，旋翼振动与定位误差会引致相位失配，进而严重侵蚀波束赋形增益。同时，实时优化需在50Hz的更新周期内完成对120个反射单元的相位决策，计算复杂度与硬件约束形成尖锐矛盾；1比特量化带来的3dB反射损耗亦限制了性能上限。在数据集构建层面，室内环境无法获取卫星导航信号，须借助运动捕捉系统替代定位源并与机载扩展卡尔曼滤波数据实现微秒级时间同步；矢量网络分析仪需通过时间门控技术剥离多径干扰以提取RIS反射分量，而飞行航迹的固有差异又使不同架次间的可比性面临挑战。

常用场景

经典使用场景

在空天地一体化通信与第六代移动通信网络研究的浪潮中，LIVE-RIS数据集为无人机搭载可重构智能表面系统的信道测量与性能评估提供了极具价值的实测数据支撑。其最经典的使用场景在于，研究者可借助数据集内同步采集的扩展卡尔曼滤波状态估计、运动捕获系统提供的真值位姿、优化生成的RIS配置以及矢量网络分析仪测得的S21信道数据，系统性地分析动态飞行条件下无人机姿态扰动、部署几何差异与RIS相位配置策略对级联信道增益的影响，从而在真实物理环境中验证波束赋形与实时重配置算法的有效性。

实际应用

在实际应用层面，LIVE-RIS数据集可服务于无人机辅助应急通信、临时热点覆盖以及复杂地形下的视距链路建立等场景。工程人员能够利用数据集中的真实飞行位姿与信道响应，训练和验证面向动态平台的RIS相位优化算法，评估不同部署位置与配置策略下的链路预算，进而指导实际系统中无人机航迹规划、RIS安装位置选择与实时控制频率的设定，从而提升空基可重构智能表面在真实电磁环境中的通信可靠性与能效表现。

衍生相关工作

该数据集衍生了一系列围绕无人机搭载可重构智能表面展开的经典研究工作。基于其公开的实测数据，研究者相继开展了扩展卡尔曼滤波位置与姿态不确定性对RIS信道性能影响的量化分析，提出了面向位置不确定性的无人机搭载RIS设计与部署准则，并探索了基于实时飞行状态的动态相位配置优化方法。这些工作不仅验证了数据集在推动空基RIS信道建模与系统优化方面的基础性作用，也为后续空天地一体化智能反射面网络的研究奠定了坚实的实验数据基础。