oai-n77-pusch-20prb-fingerprint-dataset

该数据集名为'5G NR PUSCH RF Fingerprinting — 6 Devices, 3 Same-Model Pairs (fixed 20 PRB)'，包含来自六台真实5G设备的上行PUSCH（物理上行共享信道）IQ捕获数据，记录于基于OpenAirInterface的5G SA网络gNB侧。数据集共600,000条记录，每台设备100,000条，所有记录均采用相同的无线配置（固定20 PRB分配），以确保模型学习的是硬件差异而非载波或配置差异。数据集的突出特点是包含三对同型号设备：Quectel RM520N-GL（两个单元，同一制造批次）、Google Pixel 7（UE4和UE5，不同单元）和USRP B210（两个单元，同一制造批次）。每对设备均通过硬件标识符（IMEI、IMEISV或串号）验证为独立物理硬件。该数据集支持粗粒度（设备类别）和细粒度（同型号内部分辨）的设备识别任务。每条记录包含固定格式的元数据（如捕获序号、帧/时隙、RNTI、RB大小、RB起始位置、符号数、IMSI标签、时间戳）以及原始IQ数据和gNB上行信道估计。数据以二进制格式存储，并提供Python读取脚本。备注：记录中IMSI作为类别标签，但需注意IMSI标识SIM卡而非无线电硬件；数据集同时提供了同配置下51 PRB分配的姊妹数据集，以研究分配带宽对指纹识别的影响。建议使用时间戳分割而非随机采样来评估模型，并分别报告同型号设备对内的准确率与跨类别的准确率。The dataset is named 5G NR PUSCH RF Fingerprinting — 6 Devices, 3 Same-Model Pairs (fixed 20 PRB) and contains uplink PUSCH (Physical Uplink Shared Channel) IQ capture data from six real 5G devices, recorded at the gNB side of an OpenAirInterface-based 5G SA network. The dataset consists of 600,000 records, 100,000 per device, all with the same radio configuration (fixed 20 PRB allocation) to ensure the model learns hardware differences rather than carrier or configuration variations. A key feature is three pairs of same-model devices: Quectel RM520N-GL (two units, same manufacturing batch), Google Pixel 7 (UE4 and UE5, different units), and USRP B210 (two units, same manufacturing batch). Each pair is verified as independent physical hardware via hardware identifiers (IMEI, IMEISV, or serial number). The dataset supports both coarse-grained (device category) and fine-grained (within-model discrimination) device identification tasks. Each record includes fixed-format metadata (e.g., capture index, frame/slot, RNTI, RB size, RB start, number of symbols, IMSI label, timestamp), raw IQ data, and gNB uplink channel estimates. Data is stored in binary format with a Python reading script provided. Note: IMSI is used as class label, but it identifies the SIM card, not the radio hardware; a sister dataset with 51 PRB allocation under the same configuration is also available to study the impact of allocation bandwidth on fingerprinting. It is recommended to use time-based split rather than random sampling for model evaluation, and report accuracy both within same-model device pairs and across categories.

原始信息汇总

数据集概述

数据集名称：5G NR PUSCH RF Fingerprinting — 6 Devices, 3 Same-Model Pairs (fixed 20 PRB)

数据集地址：https://huggingface.co/datasets/ahancock516/oai-n77-pusch-20prb-fingerprint-dataset

数据集性质：射频指纹识别（RF Fingerprinting）数据集，基于真实的5G NR上行链路PUSCH信号捕获，用于设备识别与分类任务。

---

数据集核心信息

1. 任务类型与标签

• 任务类别：音频分类（audio-classification）
• 标签类型：设备级标签，使用IMSI作为类别标签。
• 设备数量：6台真实5G设备，分为3对“同型号设备对”（same-model pairs）。
• 记录总数：600,000条记录，每台设备100,000条。

2. 设备构成

• 设备分类：3种硬件类别——嵌入式调制解调器、智能手机基带、软件无线电（SDR）。
• 同型号对：
  • Quectel RM520N-GL：两台设备（unit A/B），同型号、同批次（IMEI近连续）。
  • Google Pixel 7：两台设备（UE4/UE5），同型号但不同批次。
  • USRP B210：两台设备（unit 1/2），同型号、同批次（序列号相邻）。
• 硬件标识：每台设备均通过硬件标识符（IMEI、IMEISV、USRP序列号）验证物理唯一性，确保标签对应不同的发射机。

---

数据采集与配置

1. 网络环境

• 网络架构：OpenAirInterface 5G SA独立组网。
• 基站配置：
  • gNB：OpenAirInterface，配置文件 gnb.sa.band77.51prbs.x410.oaibox.conf
  • gNB主机：NVIDIA DGX Spark (ARM64) + USRP X410
• 频段与带宽：
  • 频段：n77
  • 运营商带宽：51 PRB，子载波间隔30 kHz（numerology 1）
  • 中心频率：4009.26 MHz
  • SSB位置：4008.00 MHz（ARFCN 667200）

2. 无线配置（所有设备一致）

• PUSCH分配：固定20 PRB（通过gNB调度器补丁 FIXED_PUSCH_RB_SIZE 实现），所有记录中 rb_size == 20。
• TDD模式：DDSUU，周期2.5 ms（2个DL时隙+6个DL符号，2个UL时隙+4个UL符号）。
• 其他参数：min_rxtxtime=3，PRACH DTX threshold=150，pMax=26，ssPBCH_BlockPower=-20。

3. 数据格式

• 文件格式：二进制，PUSC magic，格式v5。
• 记录结构：64字节文件头 + 定长记录（148字节记录头 + 载荷）。
• 载荷内容：原始上行IQ数据（iq_bytes）和gNB上行信道估计（chest_bytes）。
• 关键字段：
  • imsi：类别标签
  • rb_size：固定为20
  • rb_start：起始PRB位置（不固定，需按记录读取）
  • num_symbols：3、12或13（根据调度分配）
• 读取工具：仓库内置了 read_pusch_dataset.py 脚本，仅依赖numpy，支持流式读取和记录查看。

---

数据统计与质量

1. 每设备测量指标（由gNB MAC/PHY统计）

指标	RM520N A	RM520N B	Pixel UE4	Pixel UE5	B210 u1	B210 u2
UL SNR中位数	20.0 dB	20.0 dB	20.5 dB	20.0 dB	23.0 dB	24.0 dB
UL SNR范围	17.0–23.5	17.5–26.5	15.5–25.0	16.5–22.5	19.5–27.5	21.0–29.0
UL BLER中位数	0.064	0.073	0.087	0.090	0.085	—
UL MCS表	1	1	1	1	0	0
RSRP中位数	−70 dBm	−75 dBm	−80 dBm	−82 dBm	−84 dBm	−86 dBm

• RSRP跨度：−70 dBm至−86 dBm（12 dB差异），反映物理位置差异，建议进行功率归一化预处理。
• UL SNR：匹配良好（20–24 dB中位数），B210略高3–4 dB。

2. 授权大小分布（num_symbols）

设备	13符号	3符号	12符号
RM520N-GL A	65,237 (65%)	32,620 (33%)	2,143
RM520N-GL B	64,334 (64%)	33,563 (34%)	2,103
Pixel 7 UE4	63,064 (63%)	34,578 (35%)	2,358
Pixel 7 UE5	59,975 (60%)	37,589 (38%)	2,436
B210 unit 1	60,470 (60%)	37,610 (38%)	1,920
B210 unit 2	65,110 (65%)	32,312 (32%)	2,578

• 所有设备13符号占比在60–65%之间，已刻意平衡（早期存在29%和72%的极端偏斜数据，已剔除）。

---

设计与实验意图

1. 核心设计目标

• 同型号对区分：数据集重点在于区分同一型号、甚至同一生产批次的设备对，这是比区分不同类别设备更困难的任务。
• 固定分配宽度：固定20 PRB作为控制变量，消除带宽分配对分类的影响；同时与51 PRB配套数据集形成对照实验。

2. 配套数据集

• 51 PRB版本：同一批设备、同一配置，仅PUSCH分配宽度不同（612子载波 vs 240）。地址：https://huggingface.co/datasets/ahancock516/oai-n77-pusch-51prb-fingerprint-dataset
• 研究问题：带宽对指纹可分性的影响、跨带宽模型的迁移性、同批次设备对的对比。

3. 数据划分建议

• 按时间划分：建议按 timestamp_ns 划分训练/测试集，避免随机采样导致时间相邻记录的信道状态泄漏。
• 评估指标：分别报告同型号对（within-pair）和跨类别（across-class）的准确率，其中同型号对结果更具意义。

---

限制与注意事项

1. 已知混杂因素

• MCS表差异：B210使用MCS表0，商业设备使用表1，可能导致SDR与商业设备分类过度依赖此信号。
• RSRP差异：12 dB的接收功率跨度，建议进行每记录功率归一化。
• B210 unit 2链路不稳定：2,460次UL DTX、6,306次pucch0 DTX，信道变异性较大。
• DRB TX/RX比：受流量模式影响，商业设备接近1:1，B210存在偏离（2.92:1和0.54:1），RM520N-B的2.46:1源于主机USB丢包（未影响空中传输）。

2. 排除的数据

• 高SNR（41 dB，26 dB spread）的B210会话：功率压缩导致接受机非线性，已丢弃。
• 授权大小偏斜（29%和72%）的会话：已重采。
• 主机USB故障导致上行流量受限的会话：已丢弃。

3. 使用范围

• 适用：5G NR上行波形训练与评估射频指纹识别/设备识别模型。
• 不适用：配对、互易性、密钥生成等需要匹配下行链路的工作。

---

数据来源与生成

• 采集日期：2026年8月4日
• 采集系统：自建OpenAirInterface 5G SA网络（DGX Spark + USRP X410），使用NVIDIA Sionna Research Kit的 nr_pusch_capture 插件。
• 标签完整性：每台设备捕获110,000个接受的时隙，修剪至恰好100,000条IMSI标记记录，类别完全平衡。
• 数据验证：每条记录的IMSI唯一且 rb_size == 20，确认后才纳入数据集。

搜集汇总

数据集介绍

构建方式

该数据集源自对真实5G SA网络中六个设备的物理层上行PUSCH信号的采集，数据在gNB侧通过OpenAirInterface平台记录，每个设备均捕获100,000条记录，总计600,000条。为确保实验变量的纯净性，所有设备均在同一固定20 PRB的无线资源配置下运行，并采用gNB调度器补丁固定PUSCH分配宽度。设备选择涵盖三种硬件类别，包括嵌入式调制解调器、智能手机基带和软件定义无线电（SDR），且包含三对同型号设备，其中两对来自同一生产批次，通过硬件标识符（IMEI、IMEISV、USRP序列号）验证其物理唯一性，为细粒度的设备指纹识别提供了严苛的测试条件。

使用方法

该数据集适用于训练和评估射频指纹识别模型，尤其针对5G NR上行链路。使用时建议基于时间戳进行时序划分，避免随机采样导致的信息泄漏。数据集提供了Python阅读脚本，可高效解析二进制格式并提取IQ数据和信道估计。推荐的使用流程包括对每个记录进行功率归一化，以消除因设备位置不同导致的RSRP差异，并分别评估同型号设备对内的分类精度与跨类别精度，以深入分析模型对硬件微小差异的辨识能力。此外，该数据集可与同设备在51 PRB分配宽度下的配套数据集联合使用，以研究分配带宽对指纹识别性能的影响。

背景与挑战

背景概述

随着第五代移动通信（5G）的广泛部署，射频指纹识别作为一种极具潜力的物理层安全技术，在设备认证与入侵检测领域引起了广泛关注。该数据集由NVIDIA Sionna研究团队于2026年创建，旨在解决5G新空口（NR）上行链路中设备识别的核心问题。研究团队利用OpenAirInterface搭建了独立的5G独立组网（SA）测试平台，通过gNB侧采集了六款真实5G设备的物理上行共享信道（PUSCH）同相正交（IQ）数据，总计60万条记录。该数据集的独特之处在于包含三对同型号设备，其中两对甚至来自同一生产批次，从而为评估模型在区分硬件细微差异方面的能力提供了极具挑战性的基准。此外，数据集通过固定20个物理资源块（PRB）的分配策略，有效消除了带宽分配等混杂因素，使模型能够专注于学习发射机固有的硬件特征。作为公开可用的真实5G上行射频指纹数据集，它填补了该领域缺乏标准化评估资源的空白，对推动射频指纹识别技术从仿真走向实际应用具有重要价值。

当前挑战

该数据集所面临的挑战主要源于射频指纹识别任务本身的复杂性以及数据构建过程中的严格质量控制。在领域层面，核心挑战在于区分同型号甚至同批次设备——这些设备具有极为相似的硬件设计和元器件容差，其差异可能仅源于不可约的硅片级随机波动，这要求模型具备极高的敏感度以捕捉微弱的发射机特征。此外，不同设备类别（如软件定义无线电与商用基带）在调制编码方案（MCS）表上的固有差异，可能导致模型利用非射频特征进行区分，从而干扰对真实硬件指纹的学习。在数据构建过程中，团队面临了诸多严苛挑战：例如，早期捕获的B210设备在全功率发射时产生压缩效应，导致信噪比高达41分贝且波动达26分贝，必须剔除；另外，调度器产生的授权符号数分布严重偏斜（13符号占比达29%或72%），可能使分类器仅凭符号计数即可区分设备，因此相关数据被重新采集；此外，USB传输故障导致的丢包问题也迫使特定数据包被丢弃。这些挑战凸显了在真实5G环境中采集高质量射频指纹数据的艰巨性，也体现了数据集的严谨性与可靠性。

常用场景

经典使用场景

该数据集为射频指纹识别领域提供了珍贵的真实5G NR上行信号资源，聚焦于同型号设备对（包含同批次生产）的细微硬件差异区分。在经典的设备识别任务中，研究者可利用固定的20 PRB上行分配和统一的无线电配置，训练深度学习模型从物理层IQ样本中提取设备特有的硬件指纹，从而在相同型号、甚至相同批次的设备间实现精准的身份辨识，为射频指纹识别技术的验证与比较提供了标准化基准。

解决学术问题

此数据集解决了射频指纹识别研究中长期存在的关键挑战：如何在严格控制变量的条件下，验证设备指纹的独特性与稳健性。通过固定所有无线电参数（如频段、带宽、TDD模式）并引入同批次设备对，它消除了载波配置和信道质量等混淆因素，使模型学习到的差异真正源于硬件本身的非线性特征。这为研究上行链路设备识别的可行性、带宽对指纹可分离性的影响，以及跨配置指纹迁移性等学术问题提供了坚实的数据基础，推动了物理层安全与无线设备认证领域的发展。

实际应用

在实际应用中，该数据集直接服务于5G网络的安全增强与设备管理。基于射频指纹的设备识别技术可用于非法设备检测、入侵防御、无线网络接入控制以及物联网设备身份验证，无需依赖传统的密码学方法或侵入式硬件修改。由于数据采集于gNB侧，该方案可无缝部署于现有5G基础设施，实现对终端设备的无源、主动监控，尤其适用于高安全性要求的专网、军事通信及关键基础设施保护，为无线通信系统的主动防御提供了新思路。

数据集最近研究

最新研究方向

该数据集聚焦于5G NR上行链路物理共享信道（PUSCH）的射频指纹识别，通过采集真实5G设备在相同无线电配置下的IQ数据，旨在探究基于硬件差异的设备识别方法的可行性。其核心创新在于纳入了三对同型号、同批次设备，如Quectel RM520N-GL和USRP B210，为细粒度设备区分提供了极具挑战性的基准。当前前沿研究关注如何消除分配带宽等混淆因素，并验证同批次设备间指纹的可区分性。该数据集与固定51 PRB的配套数据集相结合，为研究占用带宽对指纹识别性能的影响提供了理想平台，有助于推动无线安全与设备认证领域向更精细、更鲁棒的方向发展。