ESPARGOS

ESPARGOS是一个公开可用的WiFi信道状态信息数据集集合，包含大量相位同步的多输入多输出（MIMO）天线。这些数据集适用于无线感知研究，特别是在信道绘图应用中，具有标准WiFi设备和实时能力的优势。

ESPARGOS is a publicly available collection of WiFi Channel State Information (CSI) datasets, which are collected using a large number of phase-synchronized Multiple-Input Multiple-Output (MIMO) antennas. These datasets are suitable for wireless sensing research, particularly in channel mapping applications, and offer the advantages of standard WiFi devices and real-time capabilities.

原始信息汇总

ESPARGOS WiFi Channel Charting 数据集

数据集概述

本数据集由 ESPARGOS 生成，包含大量相位同步的多输入多输出（MIMO）天线的 WiFi 信道状态信息（CSI）数据。数据集的一个潜在应用是信道图谱（Channel Charting），旨在实现发射机的绝对或相对定位。

数据集详情

数据集 espargos-0001

• 天线配置：四个分布式的 4 × 2 ESPARGOS 天线阵列，主要为视距（LoS）路径。
• 增强型信道图谱：基于 Siamese 神经网络的信道图谱，通过经典三角测量增强。
• 性能指标：
  • CT（连续性）：0.99
  • TW（可信度）：0.99
  • KS（Kruskal 应力）：0.10
  • MAE（平均绝对误差）：0.13米
  • CEP（圆形误差概率）：0.12米

数据集 espargos-0002

• 天线配置：一个大型 8 × 4 ESPARGOS 天线阵列，金属墙确保非视距（NLoS）传播。
• 信道图谱：基于 Triplet 神经网络，学习基于 CSI 数据和时间戳的信道图谱。
• 性能指标：
  • CT（连续性）：0.96
  • TW（可信度）：0.96
  • KS（Kruskal 应力）：0.20
  • MAE（平均绝对误差）：0.44米（经过最优仿射变换后）
  • CEP（圆形误差概率）：0.42米（经过最优仿射变换后）

代码和环境

• 编程语言和库：Python, TensorFlow, NumPy, SciPy, Matplotlib
• 代码格式：Jupyter Notebook
• 运行环境：JupyterHub 服务器，配备 NVMe 存储、AMD EPYC 7262 8 核处理器、64GB RAM 和 NVIDIA GeForce RTX 4080 GPU。

引用

@inproceedings{euchner2024espargos, author = {Euchner, Florian and ten Brink, Stephan}, title = {{ESPARGOS: Phase-Coherent WiFi CSI Datasets for Wireless Sensing Research}}, booktitle = {Kleinheubacher Tagung}, year = {2024} }

搜集汇总

数据集介绍

构建方式

在无线通信领域，ESPARGOS数据集的构建基于大规模的WiFi信道状态信息（CSI）采集。该数据集通过使用ESPARGOS系统，捕捉了大量相位同步的多输入多输出（MIMO）天线的CSI数据。这些数据集不仅涵盖了多种环境下的传播路径，还包括了不同天线配置和物理障碍物的设置，以确保数据的多样性和代表性。通过这种方式，ESPARGOS数据集为无线感知研究提供了丰富的实验基础。

特点

ESPARGOS数据集的显著特点在于其高度的相位同步性和实时处理能力。相较于之前的DICHASUS数据集，ESPARGOS使用标准WiFi设备进行数据采集，使其更易于将研究成果转化为实际应用。此外，数据集中的CSI数据经过精心处理，确保了其在信道绘图（Channel Charting）等应用中的高精度表现。这些特性使得ESPARGOS成为无线通信和定位研究中的宝贵资源。

使用方法

使用ESPARGOS数据集进行研究时，用户可以通过提供的Jupyter Notebook文件直接访问和分析数据。这些Notebook文件包含了基于Siamese神经网络和Triplet神经网络的信道绘图实验代码，用户可以根据需要进行修改和扩展。此外，数据集的预处理和实验结果展示均在Notebook中详细记录，便于用户理解和复现实验。为了确保计算效率，建议在具备高性能GPU的系统上运行这些Notebook文件。

背景与挑战

背景概述

ESPARGOS数据集由Florian Euchner和Stephan ten Brink于2024年创建，旨在为无线传感研究提供高质量的WiFi信道状态信息（CSI）数据。该数据集包含大量相位同步的多输入多输出（MIMO）天线数据，主要应用于信道图谱（Channel Charting）技术，以实现发射机的绝对或相对定位。ESPARGOS的优势在于其使用标准WiFi设备，并具备实时处理能力，使得研究成果更易于转化为实际应用。该数据集的发布对无线传感领域具有重要影响，特别是在提升定位精度和扩展应用场景方面。

当前挑战

ESPARGOS数据集在构建过程中面临的主要挑战包括：1) 确保相位同步的MIMO天线数据的高质量采集，这要求精确的硬件配置和数据处理技术；2) 在信道图谱应用中，如何有效融合CSI数据与时间戳信息，以提升定位精度；3) 在实际应用中，如何处理非视距（NLoS）传播条件下的数据，确保定位结果的可靠性。此外，数据集的实时处理能力要求高效的计算资源和优化的算法设计，以满足实际应用的需求。

常用场景

经典使用场景

在无线通信领域，ESPARGOS数据集的经典使用场景主要集中在信道图谱（Channel Charting）的应用上。通过分析WiFi信道状态信息（CSI），研究人员能够利用ESPARGOS数据集进行绝对或相对的定位任务。例如，Siamese神经网络和Triplet神经网络被广泛应用于这些数据集，以学习信道图谱，从而实现对发射器的精确定位。这种技术不仅在学术研究中具有重要意义，也为实际应用中的无线定位技术提供了坚实的基础。

衍生相关工作

基于ESPARGOS数据集，衍生了一系列重要的研究工作。例如，Siamese神经网络和Triplet神经网络的应用不仅在信道图谱领域取得了显著成果，还启发了其他基于相似度度量的信道图谱研究。此外，ESPARGOS的成功应用也促进了WiFi定位技术的进一步发展，如ToA/AoA联合定位技术的研究。这些衍生工作不仅丰富了无线通信领域的研究内容，也为实际应用提供了更多可能性。

数据集最近研究

最新研究方向

在无线通信领域，ESPARGOS数据集因其高精度的相位同步WiFi信道状态信息（CSI）数据而备受关注。最新研究方向主要集中在利用深度学习技术进行信道绘图（Channel Charting），以实现发射机的绝对或相对定位。具体应用包括基于Siamese神经网络的增强型信道绘图和基于Triplet神经网络的信道绘图，后者通过CSI数据和时间戳学习信道图，无需模型增强。这些研究不仅提升了定位精度，还为实时应用提供了可能性，推动了无线感知技术的发展。