3GPP Technical Reports Library Dataset

一个手工精选的、节级别的3GPP技术报告数据集，将报告中的表格、公式和参数提取为结构化数据（Markdown、CSV、YAML），并提供类型化的Python API用于无线仿真。A hand-curated, section-level 3GPP technical report dataset that extracts tables, formulas and parameters from the reports into structured data formats including Markdown, CSV and YAML, and provides typed Python APIs for wireless simulation.

原始信息汇总

3gpp-tr-library 数据集总结

数据集概述

3gpp-tr-library 是一个3GPP技术报告（TR）的深度结构化数据集，由Mehdi Zafari在博士研究期间开发，并由A. Lee Swindlehurst教授支持。该数据集将3GPP技术报告中关键部分的手工验证内容转换为可查询的Markdown、CSV和YAML格式，并提供类型化的Python API，可直接将信道模型参数用于仿真代码。

核心特点

• 人工验证：每个已验证的值都经过多种独立源格式交叉检查，包括DOCX结构、渲染PDF视觉检查和HTML导出文本
• 三格式协同：每个处理过的章节均以三种相互验证的格式发布
• 版本固定：参数通过API直接获取，无需人工转录，避免转录错误
• LLM友好：Markdown格式设计为可整体摄取用于RAG（检索增强生成）

当前覆盖内容

技术报告	版本	章节	覆盖范围
TR 38.901	v19.4.0	§7.4	路径损耗、LOS概率和O2I穿透模型
TR 38.901	v19.4.0	§7.5	快速衰落模型——完整12步信道系数生成过程及12个支持表
TR 38.901	v19.4.0	§7.9	ISAC信道模型——完整Rel-19条款（32张表，约37个方程）
TR 36.777	v15.0.0	Annex B	空中UE（无人机）信道模型，与TR 38.901地面模型的高度相关增量

三种格式的用途

• Markdown (.md)：供人类阅读和RAG摄取，包含元数据前端、释义散文、内联表格和LaTeX方程
• CSV (.csv)：供电子表格、pandas和diff比较，文件名使用TR原始表号
• YAML + 类型化API：供仿真代码使用，通过Pydantic模型验证可查询参数

tr_api Python包

提供类型化的pip可安装API，直接读取结构化数据，包括：

• 路径损耗公式查询（如UMi-StreetCanyon NLOS场景）
• 大规模参数查询（如UMa NLOS的延迟扩展均值）
• 空中UE路径损耗查询（支持高度频带）
• 自描述CLI工具（tr-api），支持列表、描述、获取和导出功能

验证机制

• 自动化Python脚本（verify_tables.py）和GitHub Actions CI确保每次推送时CSV、YAML和Markdown间的一致性
• 旧版TR（如TR 36.777）中的公式因以图像形式呈现，采用PDF视觉验证，并如实标注为单源验证

数据组织

3gpp-tr-library/ ├── TR-38.901/、TR-36.777/ # 按TR和版本组织 ├── schemas/ # 共享YAML模式 ├── tools/ │ ├── tr_api/ # pip可安装的类型化Python API │ └── verify_tables.py # 交叉验证检查 ├── tests/ # pytest测试套件 └── docs/ # 文档和贡献指南

引用信息

• 许可证：MIT
• DOI：10.5281/zenodo.21501655（v0.1.0，Zenodo存档）
• 底层源文档：3GPP TR 38.901 v19.4.0和3GPP TR 36.777 v15.0.0（未被包含在仓库中，仓库仅提供人工验证的结构化摘录）

搜集汇总

数据集介绍

构建方式

该数据集以3GPP技术报告为蓝本，聚焦于信道模型等关键章节，通过人工精读与多源交叉验证，从原始文档中提取表格、公式与参数，并将其结构化为Markdown、CSV及YAML三种协调格式。构建过程严格遵循分节处理原则，每个节段均附带元数据（如TR编号、版本、子句号），并利用自动化脚本（verify_tables.py）与持续集成流程，确保三种格式间的数据一致性与模式合规性。对于无法自动校验的旧版文档，则采用人工视觉复核并如实标注验证级别，以此实现高保真、可追踪的数据资产化。

特点

该数据集的核心特色在于其深度与精确性，而非广度覆盖。针对所选3GPP技术报告的高价值章节，提供手工核验、相互校验的结构化数据，彻底规避了PDF提取与LLM处理中常见的表格错乱与公式失真问题。每种格式均针对特定消费场景设计：Markdown便于人类阅读及检索增强生成（RAG）管道集成，CSV适配数据表格与版本差异分析，YAML则与类型化Python API（tr_api）无缝衔接，为仿真代码提供版本固定的参数直取能力。尤为突出的是其‘verified’状态机制，所有数值均经过多源格式比对，确保可靠性，且诚实记录验证级别，构筑了数据信任的基石。

使用方法

使用该数据集时，研究者可先通过INDEX.md索引定位所需技术报告及章节，或直接安装tr_api Python包，在代码中调用类型化接口（如tr38901.section("7.4").pathloss("UMi-StreetCanyon", "NLOS")）获取精确参数，无需手动转述160页文档。此外，自描述的命令行工具tr-api支持列举、描述、获取及转储数据，便于快速探索与集成。该数据集专为两类场景设计：其一，作为检索增强生成（RAG）的高质量语料源，供大型语言模型整体摄取；其二，作为仿真代码的参数直查库，确保3GPP标准参数以版本固定、机器可读的形态直接嵌入研究流程，极大提升科研复现性与效率。

背景与挑战

背景概述

3GPP技术报告（TR）作为移动通信标准化的核心文档，承载着信道模型、路径损耗等关键参数，对于无线通信系统的设计与仿真不可或缺。然而，这些报告往往以PDF形式发布，内含大量合并单元格、图像渲染公式及场景特定条件，传统文本提取工具及大型语言模型（LLM）难以精准解析，无形中构筑了信息获取的壁垒。为攻克此难题，Mehdi Zafari博士在加州大学欧文分校LS-Wireless实验室，于其博士研究期间，创建了3GPP TR Library数据集。该数据集聚焦于TR 38.901与TR 36.777等高价值技术报告，通过人工精细校验与多源交叉验证，将章节级内容转化为结构化的Markdown、CSV及YAML格式，并配套提供类型安全的Python API（tr_api），实现了从规范文本到仿真代码的无缝对接。自发布以来，该数据集极大提升了3GPP参数在研究与工程中的可获取性与准确性，为LLM增强检索（RAG）及无线仿真领域提供了高可信度的数据基石，推动了通信标准知识的结构化与民主化进程。

当前挑战

当前数据集面临的挑战多维且深刻。其首要挑战源于领域本质：3GPP报告内部表格、公式与参数高度复杂，且分散于冗长文本之中，传统PDF解析工具及生成式模型常因合并单元格、图像化公式与条件化场景描述而产生错漏，导致信息失真。为应对此问题，构建过程确立了严苛的验证标准，需对每个参数进行跨格式（DOCX结构、渲染PDF视觉阅读、HTML导出方程文本）的独立交叉核验，耗时费力，这限定了可处理的技术报告数量与版本覆盖范围。此外，数据集的扩展性受限于人工验证的通量，新章节或新TR的引入需遵循复杂的工作流与质量标准，门槛较高。现有内容集中于少数高价值TR的特定章节，对于广泛而快速演进的3GPP标准体系而言，覆盖广度尚显不足，这在一定程度上制约了其在共性研究场景中的普适应用。

常用场景

经典使用场景

在无线通信系统仿真与标准化研究中，该数据集作为3GPP技术报告（TR 38.901、TR 36.777）的高精度结构化知识库，主要服务于信道建模参数的精确提取与复现。其经典应用场景涵盖：基于路径损耗公式、大尺度参数（如延迟扩展、角度扩展）及快速衰落生成流程，构建物理层仿真链路；针对无人机通信场景（RMa-AV、UMa-AV等）进行高度相关的信道特性模拟；同时支持ISAC（通感一体化）场景下的目标回波信道建模。研究者通过Python API直接调用版本钉定的参数，避免了人工转录误差，显著提升了仿真结果的可靠性。

衍生相关工作

该数据集衍生了一系列关键工作，首先与TSpec-LLM数据集形成互补——后者提供广泛的规格文本供LLM训练，而本库聚焦高价值TR的深度结构化，二者结合可实现从广泛理解到精确查询的多层次应用。其次，其催生了3GPP MCP服务器等工具，使LLM客户端能够标准化访问标准化参数。此外，公开的验证流程（含CI门禁）为后续贡献者提供了蓝图，推动了社区对更多TR章节（如TR 38.901 §7.8）的持续精化，并启发了将类似方法论应用于其他标准化组织文档（如ETSI）的研究方向。

数据集最近研究

最新研究方向

随着6G通感一体化与低空经济等前沿场景的加速演进，无线信道建模领域对高精度、结构化3GPP技术报告数据的需求日益迫切。该数据集聚焦于TR 38.901与TR 36.777等核心文档，通过人工核验与多源交叉比对，将路径损耗、快衰落参数及无人机信道模型等关键内容转化为机器可读的Markdown、CSV与YAML格式，并配套类型化Python API，直接服务于仿真代码与检索增强生成（RAG）流水线。其研究价值在于弥合原始PDF与LLM解析之间的精度鸿沟，为通感一体化信道校准、无人机通信覆盖优化等热点课题提供可信、可复现的参数基础，推动从规范文本到科研模型的端到端自动化验证流程。