Map2APS

Map2APS是由西安电子科技大学研究团队构建的一个用于直接角度功率谱预测的标准化基准数据集。该数据集包含51个等高度城市地图，通过智能射线追踪模拟生成约255万个Tx-Rx样本，每个样本提供180维的APS标签，数据量庞大且结构严谨。其创建过程基于物理传播模型，对路径级记录进行聚合与归一化处理，旨在消除绝对尺度变化，聚焦于频谱形状与主导峰结构。该数据集主要应用于无线通信领域，特别是环境感知学习，旨在解决从城市几何结构直接预测角度功率谱的难题，以支持波束管理和MIMO处理，并评估模型在未见城市布局上的泛化能力。

Map2APS is a standardized benchmark dataset for direct Angle Power Spectrum (APS) prediction, developed by the research team from Xidian University. This dataset includes 51 city maps with consistent elevation, generating approximately 2.55 million Tx-Rx samples via intelligent ray tracing simulations. Each sample provides an 180-dimensional APS label, making the dataset large-scale and rigorously structured. Its construction is based on physical propagation models, where path-level records are aggregated and normalized to eliminate absolute scale variations, focusing on the spectral shape and dominant peak structure of the APS. Primarily applied in the field of wireless communications, especially for environment-aware learning, this dataset aims to address the challenge of directly predicting APS from urban geometric structures, supporting beam management and MIMO processing, as well as evaluating the generalization ability of models on unseen urban layouts.

原始信息汇总

数据集概述

Map2APS 是一个用于从城市几何结构和发射器/接收器位置直接预测角度功率谱（APS）的数据集。

数据集来源

• 数据集链接（百度网盘）：https://pan.baidu.com/s/1GHPOfXYwvDfO1zmtPpc0yw?pwd=p7sz
• 提取码：p7sz

数据格式与结构

• 原始数据布局：
  • <raw_root>/map_<id>/<id>_adps/aps/aps_*.npy
  • <buildings_dir>/<id>.json
• 预处理后的样本存储在 .npz 文件中，位于：<processed_dir>/samples/

样本内容

每个预处理样本包含：

• aps_norm：归一化的APS向量，形状为 (180,)
• cond_img：条件图像，形状为 (3, 256, 256)

数据划分

• 训练集：地图编号 0-45
• 测试集：地图编号 46-50（用于留出评估）

支持的基线方法

方法名称	代码路径
MS-AReg	baselines/ms_areg/
Adv-MLP	baselines/adv_mlp/
MS-MLP	baselines/ms_mlp/
RadioUNet	baselines/radiounet/
ResNet-MLP	baselines/resnet_mlp/
ResNet-Conv1D	baselines/resnet_conv1d/
ViT-Reg	baselines/vit_reg/

预处理步骤

使用以下命令进行数据预处理： bash python data/preprocess.py --aps_root <raw_root> --buildings_dir <buildings_dir> --output_dir <processed_dir> --aps_norm std

使用说明

• 实验基于 PyTorch 和 CUDA GPU 开发
• 训练前需编辑 YAML 配置文件，设置 data.preprocessed_dir 和 logging.checkpoint_dir 路径
• 数据集不包含在仓库中，需从百度网盘下载原始数据

搜集汇总

数据集介绍

构建方式

Map2APS数据集基于智能射线追踪（IRT）路径级传播记录构建，覆盖51幅等高层建筑的城市地图，包含约255万个发-收链路样本。每个样本的输入为三通道条件图像，由二值化建筑地图、发射机高斯热图和接收机高斯热图叠加而成。APS标签通过延迟域sinc插值核与角度阵列响应核聚合路径贡献，并于每个角度采样点保留主导方向能量，生成180维方位角功率谱，分辨率为2度。数据采用严格的跨地图划分，0至45号地图用于训练与验证，46至50号地图作为独立测试集，以评估模型对未见城市布局的泛化能力。

特点

Map2APS数据集具有显著的物理基础与结构化特性。其标签并非标量功率值，而是表征信号功率在方位角上完整分布的定向谱，包含丰富的地理环境信息。该数据集呈现稀疏且定位敏感的主导峰值结构，约75%的测试样本包含不超过两个主导峰，平均峰数为2.28。评价体系涵盖谱形一致性、峰值定位精度、主导方向恢复能力及推理效率，引入余弦相似度、峰值定位误差、Top-1命中率与主导峰召回率等多元指标，全面刻画预测结果对真实传播方向的忠实程度。

使用方法

Map2APS作为标准化基准，支持多种回归模型在统一协议下的评估。研究者可将三通道条件图像输入任意模型架构，如ResNet-MLP、RadioUNet或ViT-Reg，输出预测的180维归一化APS。数据集提供明确的训练/测试划分与完备的基准管线，覆盖谱形、定位、延迟及方向性指标。配套的MS-AReg参考基线结合多尺度编码与训练时正则化，展示了高效的推理性能（0.101毫秒/样本）与优秀的谱形恢复能力。所有数据、代码与评估脚本已在GitHub上开源，便于复现与扩展研究。

背景与挑战

背景概述

Map2APS数据集由西安电子科技大学UNIC实验室的Junxi Huang、Xiucheng Wang、Nan Cheng等人于2026年创建，旨在解决从城市几何结构直接预测到达角功率谱（APS）这一尚未被标准化基准覆盖的研究问题。传统APS获取依赖射线追踪或大规模场测，计算成本高昂且难以复用。尽管环境感知学习已在无线地图和路径损耗预测中广泛应用，但直接进行地图到APS的结构化方向谱预测仍缺乏统一评估平台。Map2APS基于智能射线追踪（IRT）路径级传播记录构建，覆盖51张等高校区地图与约255万收发样本，采用严格的地图级交叉分割评估模型对未见城市布局的泛化能力，为波束管理、MIMO处理等方向提供了物理驱动的标准化基准，推动了环境感知无线通信的发展。

当前挑战

Map2APS面临的挑战体现在两个层面。在领域问题层面，APS预测不同于传统的无线地图或路径损耗预测，其输出是结构化方向谱而非标量或空间场，评估需兼顾点幅度精度、全局谱形一致性及主导角峰准确定位，而城市局部几何结构（如建筑边界、街道开口）会导致主导到达方向偏移，使得谱形与峰值联合预测极具难度。在构建过程中，挑战在于从IRT路径级记录中紧凑聚合180径方向谱标签，并确保跨地图分割下测试集完全无重叠以严格评估泛化性；同时，需设计统一的评估协议涵盖谱形、峰位、延迟和主导方向指标，以应对不同模型架构（如CNN、Transformer）在精度与效率间的权衡。

常用场景

经典使用场景

在无线通信与电磁传播研究领域，Map2APS数据集被广泛用于从城市几何结构直接预测角度功率谱（APS）的任务。该数据集将栅格化的城市建筑地图与发射接收位置热图结合为三通道条件图像，目标输出为180维的方位角功率谱。经典使用方式聚焦于监督学习框架下的回归建模，要求模型在无需射线追踪推理的前提下，从输入图像中准确重建结构化定向频谱。研究者通过该基准评估不同回归架构（如卷积网络、变换器、UNet等）在频谱形状一致性、峰值定位精度和推理效率方面的综合表现，推动环境感知无线预测技术从标量路径损耗预测向结构化谱预测的范式演进。

衍生相关工作

Map2APS数据集催生了多项富有启发性的后续研究工作。在其基础上，学者们发展了多尺度特征融合与训练阶段正则化相结合的MS-AReg参考基线，通过分离编码器多级特征与添加结构兼容性评分，显著提升了频谱形状建模与主峰定位能力。该数据集还引发了针对频谱峰值稀疏性建模的进一步探索，如基于注意力机制的峰值感知解码器与对比学习预训练策略。此外，差分射线追踪工具（如Sionna RT）与信道知识地图的结合研究，借鉴了Map2APS中条件图像与定向标签的构造范式，推动了物理驱动与数据驱动方法的交汇。围绕该数据集的社区竞赛与开源代码库持续激发着更轻量、更泛化的回归架构创新。

数据集最近研究

最新研究方向

当前，Map2APS数据集引领了从城市几何结构直接预测角度功率谱（APS）这一前沿研究方向，其核心创新在于将环境感知学习从传统的标量无线电地图和路径损耗预测拓展至结构化方向谱领域。该数据集通过智能射线追踪构建了涵盖51种城市布局、约255万发射-接收样本的物理基准，并采用严格的跨地图划分以评估模型对未见城市布局的泛化能力。在此基础上，研究者聚焦于评估预测谱的全局形状一致性、主峰定位精度及主导到达方向保留能力，提出了MS-AReg等先进基线模型，实现了余弦相似度0.948、峰值定位误差1.20°及每样本0.101毫秒的低延迟推理。这一基准的发布显著推动了波束管理与MIMO处理中环境感知决策的可靠性，为未来集成3D传播环境与实测数据校准的研究奠定了坚实基础。

相关研究论文

• Map2APS: A Physically Grounded Benchmark for Direct Angle Power Spectrum Prediction from Urban Geometry

  西安电子科技大学·综合业务网理论及关键技术国家重点实验室; 西安电子科技大学·通信工程学院 · 2026年