MMWiLoc

MMWiLoc是一个多传感器数据集，同步捕捉了来自毫米波Wi-Fi、2.4GHz Wi-Fi和毫米波雷达传感器的人类运动数据。该数据集使得直接比较不同传感模式成为可能，并有助于室内定位的可重复研究。数据集包括同步的雷达、2.4GHz Wi-Fi和毫米波Wi-Fi的测量数据，以及所有运动模式的真实位置数据。它包含六种运动模式，每种模式记录40次，涵盖了不同的场景。数据集的创建旨在解决当前缺乏使用毫米波Wi-Fi进行定位的方法的问题，并推动低成本传感解决方案的发展。MMWiLoc is a multi-sensor dataset that synchronously captures human motion data from millimeter-wave Wi-Fi, 2.4GHz Wi-Fi, and millimeter-wave radar sensors. This dataset enables direct comparison of different sensing modalities and facilitates reproducible research on indoor positioning. The dataset includes synchronized measurement data from radar, 2.4GHz Wi-Fi and millimeter-wave Wi-Fi, as well as ground-truth position data for all motion patterns. It contains six motion patterns, with 40 trials recorded for each pattern, covering diverse scenarios. The dataset was created to address the current lack of localization methods using millimeter-wave Wi-Fi, and promote the development of low-cost sensing solutions.

原始信息汇总

MMWiLoc 数据集概述

基本信息

• 数据集名称：MMWiLoc
• 发布状态：待发布

数据集描述

• 当前无可用描述信息。

注意事项

• 该数据集尚未正式发布，详情请关注后续更新。

搜集汇总

数据集介绍

构建方式

MMWiLoc数据集的构建依托于多传感器同步采集平台，该平台集成了毫米波Wi-Fi设备、2.4GHz Wi-Fi设备和毫米波雷达系统。数据采集过程中，三种传感器通过NTP时间服务器实现毫秒级同步，在5m×3.5m的测量区域内记录六种标准化运动轨迹（沙漏形、菱形、方形等），每种模式重复40次。毫米波Wi-Fi设备采用802.11ad标准的Talon AD7200路由器，通过定制固件采集36个波束扇区的beamSNR数据；2.4GHz Wi-Fi系统基于Intel 5300网卡获取CSI信息；雷达系统则采用TI AWR1843设备采集FMCW信号。所有运动轨迹均通过地面标记提供厘米级精度的真实位置参考。

特点

该数据集的核心价值在于其多模态同步特性，首次实现了毫米波Wi-Fi、传统Wi-Fi与雷达传感数据的时空对齐。数据集包含超过9,600组同步采样记录，涵盖不同距离、角度和运动复杂度的场景。毫米波Wi-Fi数据具有4GHz超宽带宽和32单元相控阵提供的空间分辨率优势，2.4GHz Wi-Fi数据保留完整的CSI幅度相位信息，雷达数据则提供精确的距离-多普勒矩阵。特别值得注意的是，数据集通过严格的实验设计控制了运动速度（1.2m/s）、环境反射等变量，为跨模态算法比较建立了标准化基准。

使用方法

研究者可通过GitHub获取数据集后，利用提供的Python处理脚本解析三种传感器的原始数据。毫米波Wi-Fi的beamSNR矩阵适用于波束成形分析，建议先采用论文提出的EM算法校准测量矩阵，再通过多尺度压缩感知进行AoA估计。2.4GHz Wi-Fi的CSI数据适合传统ToF/DFS特征提取，可与毫米波数据进行融合定位。雷达的FMCW信号推荐使用FFT-CFAR-CAPON处理流程获取距离-角度信息。数据集已按运动模式分类存储，并包含时间对齐索引文件，支持单独或组合使用各模态数据。典型应用场景包括：跨模态定位算法验证、传感器融合模型训练、毫米波信道特性研究等。

背景与挑战

背景概述

MMWiLoc数据集由哈尔滨工业大学电子工程研究所的研究团队于2025年提出，旨在解决毫米波Wi-Fi设备在无设备室内定位中的关键问题。随着802.11ad/ay标准的普及，60GHz频段毫米波Wi-Fi因其4GHz带宽和波束成形能力，为高精度定位提供了新的可能性。该数据集创新性地同步采集了毫米波Wi-Fi、2.4GHz Wi-Fi和毫米波雷达的多模态传感数据，填补了该领域缺乏跨模态基准数据集的空白。其核心价值在于通过商用现货设备实现厘米级定位精度，为智能建筑管理、医疗监护等应用提供了低成本解决方案，推动了无线感知与多传感器融合领域的研究进展。

当前挑战

在领域问题层面，毫米波Wi-Fi定位面临三大挑战：1) 单载波架构导致实际天线辐射模式与理论模型存在偏差，直接影响基于波束模式的定位可靠性；2) 现有深度学习方案存在泛化性不足和环境适应性差的问题；3) 缺乏与雷达等成熟技术的性能对比基准。在数据集构建过程中，研究团队需攻克多传感器时间同步、毫米波信号标定以及复杂移动轨迹标注等技术难题，特别是解决商用设备固件限制导致的原始波束SNR数据采集问题。这些挑战使得毫米波Wi-Fi定位在保持高精度的同时，还需兼顾计算效率和部署成本。

常用场景

经典使用场景

MMWiLoc数据集在室内定位领域具有广泛的应用价值，尤其在基于毫米波Wi-Fi的设备无关定位研究中表现突出。该数据集通过同步采集毫米波Wi-Fi、2.4GHz Wi-Fi和毫米波雷达的多模态数据，为研究者提供了丰富的实验素材。在经典使用场景中，研究者可以利用该数据集验证新型定位算法的性能，特别是在复杂室内环境下的人体运动轨迹追踪。数据集包含六种标准运动模式（沙漏形、钻石形、方形等）的40次重复实验数据，为算法鲁棒性评估提供了坚实基础。

解决学术问题

MMWiLoc数据集有效解决了毫米波Wi-Fi定位研究中的关键学术问题。传统2.4GHz Wi-Fi系统受限于带宽和波束成形能力，定位精度难以突破。该数据集通过提供同步多传感器数据，支持研究者比较不同传感模态的性能差异，解决了跨技术基准测试的难题。特别地，数据集包含的波束信噪比（beamSNR）信息为开发基于压缩感知的到达角估计算法提供了可能，突破了商用毫米波Wi-Fi设备天线模式不理想的限制。

衍生相关工作

MMWiLoc数据集已催生多个相关领域的经典研究工作。在算法层面，基于该数据集开发的增强型期望最大化算法和多尺度压缩感知框架，为毫米波Wi-Fi信号处理设立了新标准。在系统层面，研究者们借鉴其多传感器同步采集方案，开发了WiTraj等运动追踪系统。此外，该数据集还被用于验证深度学习在RF传感中的应用，如Object Trajectory Estimation等工作中使用的连续时间神经动态学习方法。