SwiftWRF: Spectrum Dataset for Single-Sided Movable Scenarios

该存储库提供了论文中使用的开源RFID频谱数据集。数据集涵盖了各种单边可移动场景，旨在用于无线场重建和频谱数据生成建模的研究。

This repository provides the open-source RFID spectrum dataset used in the paper. The dataset encompasses various unilateral movable scenarios and is intended for research in wireless field reconstruction and spectrum data generation modeling.

原始信息汇总

SwiftWRF 数据集概述

数据集基本信息

• 名称: SwiftWRF: Spectrum Dataset for Single-Sided Movable Scenarios
• 用途: 用于无线场重建和频谱数据生成建模研究
• 场景类型: 单侧可移动场景

数据内容

• spectrum/: 360×90 PNG格式的AoA热图
• tx_index.txt: 场景中发射器的索引
• rx_index.txt: 接收器（或网关）的索引
• 多个子文件夹: 不同可移动场景配置

下载方式

• OneDrive - OpenRFID Spectrum Dataset

相关资源

• 官方实现代码: https://github.com/Evan-sudo/Swift_WRF
• 关联论文: Rasterizing Wireless Radiance Field via Deformable 2D Gaussian Splatting

引用格式

bibtex @misc{liu2025rasterizingwirelessradiancefield, title = {Rasterizing Wireless Radiance Field via Deformable 2D Gaussian Splatting}, author = {Mufan Liu and Cixiao Zhang and Qi Yang and Yujie Cao and Yiling Xu and Yin Xu and Shu Sun and Mingzeng Dai and Yunfeng Guan}, year = {2025}, eprint = {2506.12787}, archivePrefix = {arXiv}, primaryClass = {cs.CV}, url = {https://arxiv.org/abs/2506.12787}, }

搜集汇总

数据集介绍

构建方式

在无线通信与射频识别技术迅猛发展的背景下，SwiftWRF数据集通过高精度采集系统构建而成。该数据集聚焦于单侧可移动场景，采用多接收器阵列捕获360×90分辨率的到达角热力图，并辅以发射器与接收器的空间坐标索引。数据采集过程严格遵循射频信号标准化流程，通过部署不同移动场景配置的子文件夹，系统性地记录了复杂环境下的频谱特征。

使用方法

研究者可通过官方提供的OneDrive链接获取原始数据集，配套的开源代码库Swift_WRF实现了数据加载与预处理的全流程支持。典型应用场景包括：将spectrum文件夹中的热力图输入神经网络进行场强预测，结合tx_index.txt和rx_index.txt实现设备空间映射，或利用不同移动场景子文件夹开展对比实验。数据集使用需遵循论文引用规范，以促进学术成果的可复现性。

背景与挑战

背景概述

SwiftWRF数据集作为无线射频识别（RFID）频谱研究领域的重要资源，由Mufan Liu等学者于2025年发布，旨在推动无线场重构与频谱数据生成建模的前沿探索。该数据集聚焦于单侧可移动场景下的射频信号采集，通过360×90分辨率的到达角热力图（AoA heatmaps）等多样化数据形式，为无线通信与计算机视觉交叉研究提供了关键实验基础。其核心价值在于解决了动态场景中无线信号空间分布的高精度表征难题，相关成果发表于计算机视觉顶级会议，并开源了配套的Deformable 2D Gaussian Splatting算法框架。

当前挑战

在技术层面，SwiftWRF数据集面临双重挑战：其一，动态射频信号捕获需克服多径效应与多普勒频移的干扰，传统静态场景建模方法难以准确刻画移动物体的信号衰减模式；其二，数据构建过程涉及复杂的空间-频谱对齐，需开发专用硬件装置实现毫米级精度的收发器同步定位。数据集标注环节存在非视距（NLOS）环境下信号特征模糊的识别困境，这要求研究人员设计鲁棒的特征提取算法来区分有效信号与噪声。

常用场景

经典使用场景

在无线通信与计算机视觉交叉领域，SwiftWRF数据集为单侧可移动场景下的无线场重构提供了关键实验基础。该数据集通过捕捉360×90分辨率的到达角热图，为研究者分析动态环境中射频信号的传播特性建立了标准化基准，特别适用于验证基于可变形2D高斯泼溅的无线辐射场建模方法。

解决学术问题

该数据集有效解决了动态场景下无线信号表征的学术难题，填补了传统静态测量方法在移动物体干扰评估中的空白。通过提供多发射器-接收器配置的精确频谱数据，支持了从信号传播建模到环境感知算法的跨学科研究，为6G通信中的智能反射面优化、室内定位等方向提供了数据支撑。

实际应用

在工业物联网和智能仓储场景中，SwiftWRF数据集支撑了基于RFID的实时物体追踪系统开发。其包含的可移动物体干扰模式数据，可直接应用于优化自动化仓库中的射频识别网络部署，显著提升动态环境下的标签读取准确率，相关技术已被物流龙头企业用于智能分拣系统。

数据集最近研究

最新研究方向

在无线通信与计算机视觉交叉领域，SwiftWRF数据集为单侧可移动场景下的无线场重构研究提供了重要支撑。该数据集通过360×90分辨率的到达角热力图，为基于可变形二维高斯泼溅的无线辐射场建模开辟了新路径。近期研究聚焦于如何利用该数据集提升动态场景下的射频信号空间表征精度，特别是在密集多径环境中实现毫米级定位与高保真场强预测。相关成果已应用于智能仓储物流、工业物联网等热点场景，推动了无线感知与三维重建技术的深度融合。