DISC

DISC数据集是由意大利帕多瓦大学信息工程系和西班牙IMDEA网络研究所合作创建的，专注于毫米波系统中的集成感知和通信。该数据集包含7个主题执行4种不同活动的毫米波信道脉冲响应测量，数据集大小约为40分钟，包含高时间分辨率的CIR序列。创建过程中使用了基于IEEE 802.11ay Wi-Fi标准的开源软件定义无线电测试平台。DISC数据集主要应用于机器学习基础的人类活动识别、射频步态分析和稀疏感知算法，旨在解决下一代集成感知和通信中的关键问题。The DISC Dataset was co-created by the Department of Information Engineering, University of Padua, Italy, and the IMDEA Networks Institute, Spain, focusing on integrated sensing and communication in millimeter-wave systems. This dataset contains millimeter-wave channel impulse response (CIR) measurements collected from 7 subjects performing 4 distinct activities, with a total duration of approximately 40 minutes and high temporal-resolution CIR sequences. An open-source software-defined radio testbed compliant with the IEEE 802.11ay Wi-Fi standard was utilized during its development. The DISC Dataset is primarily applied to machine learning-based human activity recognition, radio frequency gait analysis and sparse sensing algorithms, aiming to address key challenges in next-generation integrated sensing and communication systems.

搜集汇总

数据集介绍

构建方式

在毫米波集成感知与通信领域，DISC数据集的构建依托于一套创新的软件定义无线电实验平台。该平台基于IEEE 802.11ay标准，在60 GHz频段发射符合规范的通信数据包，并通过全双工模式有效消除了载波频率偏移等硬件损伤。数据采集在室内复杂多径环境中进行，利用可配置的帧间间隔模拟真实Wi-Fi流量模式，同时支持波束跟踪技术以获取高精度的到达角信息。数据集包含均匀采样与稀疏采样两部分：前者以固定时间间隔捕获七名受试者执行四种活动的信道冲激响应序列；后者则依据真实Wi-Fi接入点的流量轨迹，注入额外数据包以生成不同稀疏度的感知数据。

特点

DISC数据集的核心特点在于其首次将标准兼容的毫米波通信波形与高分辨率感知数据相结合。区别于传统的雷达数据集，它同时提供了均匀采样与基于真实流量模式的稀疏采样信道冲激响应序列，每毫秒可产生超过三个估计值，具备极高的时间分辨率。数据集涵盖行走、奔跑、坐立和挥手四种人类活动，涉及七名受试者，并包含通过波束跟踪获取的多波束模式数据，支持到达角估计。此外，数据集不仅提供原始信道冲激响应多维数组，还附带了经过短时傅里叶变换或迭代硬阈值算法提取的微多普勒频谱图，为机器学习模型提供了丰富的特征层次。

使用方法

研究者可利用DISC数据集开展多类集成感知与通信算法的开发与验证。针对均匀采样数据，可训练深度学习模型进行人类活动识别或基于步态的身份鉴别，通过分析信道冲激响应或微多普勒特征实现细粒度感知。对于稀疏采样部分，数据集适用于稀疏重建算法的测试，如从非均匀采样信号中恢复微多普勒签名，或研究从均匀数据到稀疏数据的域适应问题。同时，结合提供的波束模式信息与时间戳，可进一步开发在缺失测量条件下的目标跟踪方法，或评估在真实通信流量约束下的感知性能。数据集以MAT文件和NumPy数组格式提供，配套的脚本支持数据解码与特征提取，便于集成至现有信号处理或机器学习流程中。

背景与挑战

背景概述

随着第六代移动通信网络（6G）与无线局域网中集成感知与通信（ISAC）技术的兴起，毫米波频段因其高带宽与方向性成为实现高精度感知与高速通信融合的关键载体。然而，该领域长期缺乏公开的实测数据集，制约了基于信号处理与机器学习算法的验证与发展。在此背景下，DISC数据集应运而生，由意大利帕多瓦大学与西班牙IMDEA网络研究所的研究团队于2023年联合创建。该数据集首次利用软件定义无线电实验平台，采集了符合IEEE 802.11ay标准的60 GHz毫米波信道冲激响应测量数据，涵盖了7名受试者在室内环境中执行4类不同活动时产生的信号反射。DISC不仅填补了毫米波ISAC领域公共数据资源的空白，还为人类活动识别、步态分析及稀疏感知算法等多任务研究提供了基准工具，有力推动了下一代无线网络感知通信一体化技术的创新探索。

当前挑战

DISC数据集致力于解决毫米波集成感知与通信领域的两大核心挑战。在领域问题层面，现有毫米波雷达系统通常采用专用的线性调频波形，无法兼容通信功能；而面向通信的毫米波平台则受限于载波频率偏移等硬件损伤，难以准确提取感知目标的多普勒频移与传播时延等关键参数。DISC通过构建全双工软件无线电平台，有效消除了频率偏移，实现了感知与通信波形的统一。在构建过程中，研究团队面临数据采集的复杂性挑战：需在真实室内多径环境中捕获高时空分辨率的信道冲激响应序列，同时模拟实际Wi-Fi部署中的稀疏流量模式，以反映ISAC系统在非均匀采样下的感知性能。此外，数据集还需支持大规模深度学习模型训练，要求数据兼具丰富性与真实性，这对实验设计、硬件同步与数据处理流程提出了极高要求。

常用场景

经典使用场景

在毫米波集成感知与通信领域，DISC数据集为机器学习算法提供了基准测试平台，尤其适用于人类活动识别任务。该数据集通过采集60 GHz频段下符合IEEE 802.11ay标准的信道冲激响应序列，捕捉了人体运动产生的信号反射特征。研究者可利用其均匀采样部分的高时间分辨率数据，提取微多普勒特征，训练深度学习模型以区分行走、奔跑、坐下站起及挥手等不同活动，从而推动无线感知技术在复杂室内环境中的精细化应用。

实际应用

在实际应用层面，DISC数据集可服务于智能家居、健康监护及安防监控等场景。基于其稀疏序列数据，系统能够在真实Wi-Fi流量模式下实现非侵入式人体活动监测，无需部署专用雷达设备。例如，在老年看护环境中，通过分析信道冲激响应中的微多普勒特征，可实时检测跌倒或异常行为；在办公场所，则可结合角度估计算法实现多目标轨迹跟踪，为空间感知与交互提供低功耗、高隐私保护的无线解决方案。

衍生相关工作

围绕DISC数据集，已衍生出多项经典研究工作，例如SPARCS框架利用迭代硬阈值算法从稀疏流量中重建微多普勒特征，提升了不规则采样下的感知鲁棒性。同时，RAPID项目通过波束训练与角度估计技术，将IEEE 802.11ay接入点改造为高精度室内人体检测平台。这些成果不仅深化了毫米波ISAC在算法层面的探索，也为后续基于域适应、协同滤波的跨场景感知研究提供了重要参考，推动了标准化通信波形与感知功能的深度融合。