Radio Map数据集

Radio Map介绍

Radio Map（无线电地图），有的地方也叫channel gain map，表示的是一个区域内的路损或接收信号强度值，所以每个位置点上只是一个标量，构建起来较为简单，也是现在较为热门的研究领域，因为其他信道参数地图构建难度目前还较大。
因为在城区等散射体较多的环境下难以对电磁传播进行准确的数学建模，所以目前构建Radio Map的方法主流还是基于深度学习的方法，下面列出几个该研究方向常见的几个Radio Map数据集。

1.RadioMapSeer

目前最主流的数据集，使用winprop射线追踪仿真软件采集了在700中不同的城区环境下，每种环境下在分别随机设置80个发射机位置，得到700*80=56000个Radio Map。该数据集还考虑了有汽车的情况作为dynamic Radio Map，后续还构建了3D Radio Map以及ToA Map。
下载链接：
https://ieee-dataport.org/documents/dataset-pathloss-and-toa-radio-maps-localization-application

2.CKM Imagenet

使用wireless insite射线追踪仿真软件采集的Radio Map,包含了路损地图以及角度地图。
下载链接：
https://github.com/Darwen9/CKMImagenet

3.BART-Lab Radiomap Dataset

使用winprop射线追踪仿真软件采集，直接提供的radio map较少，还需要使用开源代码以及安装winprop构建自己的数据集
https://github.com/BRATLab-UCD/Radiomap-Data

4.RSRPSet

由华为公司实际测量得到，但是出于隐私保护，没有地理环境地图。
下载链接：
https://ieee-dataport.org/documents/rsrpset-dataset-16th-cpgmcm
https://ieee-dataport.org/documents/rsrpseturban-radio-map-dense-urban

5.RadioMapSet(WirelesInsite)

我自己命名的，来自于“A Scalable and Generalizable Pathloss Map Prediction”这篇文章。在Boston,USC,UCLA三个环境下用RT仿真得到的RM，构建的RM图片不少，但是图片分辨率太低，图像的位深度也不够。
下载链接：
https://github.com/abman23/PMNet?tab=readme-ov-file

6.Active-Learning-for-5G-Measurement(Sionna)

也是我自己命令的，来自于"Bayesian Active Learning for Sample Efficient 5G Radio Map Reconstruction"这篇文章，有实测数据也有仿真数据，仿真数据使用Sionna射线追踪仿真库仿真。因为这篇文章用的是高斯过程回归这种传统机器学习方法构建RM，所以构造的数据集较少，当算法需要大量数据训练时不可用。
下载链接：
https://github.com/StrongWeiUMN/Active-Learning-for-5G-Measurement