Sensiverse

Sensiverse是由华为技术有限公司创建的数据集，旨在支持集成感知与通信（ISAC）研究。该数据集包含全球25个城市的3D地图模型和相应的通道数据，支持多种应用场景，如移动目标检测和3D环境重建。数据集通过使用光线追踪技术降低计算复杂性，并支持多场景和多模式感知通道的构建。Sensiverse不仅用于评估ISAC系统的性能，还可用于混合通道模型的校准和机器学习训练，为学术和工业界提供了一个宝贵的资源，以解决无线通信和感知领域的问题。Sensiverse is a dataset created by Huawei Technologies Co., Ltd. aimed at supporting research on Integrated Sensing and Communication (ISAC). The dataset contains 3D map models and corresponding channel data from 25 cities worldwide, supporting multiple application scenarios such as moving target detection and 3D environment reconstruction. It reduces computational complexity by utilizing ray tracing technology, and enables the construction of multi-scenario and multi-modal sensing channels. Sensiverse can not only be used to evaluate the performance of ISAC systems, but also for hybrid channel model calibration and machine learning training, serving as a valuable resource for both academic and industrial circles to address issues in the fields of wireless communication and sensing.

搜集汇总

数据集介绍

构建方式

在集成感知与通信（ISAC）研究领域，传统通信信道模型难以直接用于感知性能评估。为应对这一挑战，Sensiverse数据集通过系统化流程构建而成。其构建过程始于从OpenStreetMap获取全球25个城市的开放街道地图数据，并转换为.obj格式的三维场景模型。随后，对模型进行分层聚合，划分为建筑、植被、桥梁、水体与地面五类电磁层。基于这些三维地图与预设的发射/接收节点部署信息，利用射线追踪引擎进行确定性电磁计算，生成频域信道数据。最终，数据集以结构化目录组织，涵盖环境感知与目标感知两大应用场景，并进一步按单站与双站模式、节点角色组合及工作频段进行分类存储。

特点

Sensiverse数据集展现出多维度特点，其核心在于提供高保真度的确定性信道数据。数据集覆盖全球多个典型城市区域，每个区域约4平方公里，确保了地理场景的多样性。信道数据通过射线追踪方法生成，避免了传统随机模型在感知评估中可能失真的问题，能够精确反映环境电磁特性。数据组织具有清晰的层级结构，按城市、应用类型、工作模式、节点角色与频段进行细分，便于用户针对性检索。此外，数据集同时包含静态环境与动态目标的信道响应，并附有详细的元信息文件，支持移动目标检测、三维环境成像重建等多种ISAC用例的算法开发与性能验证。

使用方法

该数据集为ISAC研究提供了可直接调用的信道资源。用户首先根据研究目标，如环境重建或移动目标跟踪，在数据集目录结构中选择对应的城市、应用类别与工作模式。信道数据以H_freq.csv文件格式存储，包含频率点及其对应的信道频率响应实部与虚部，同时可通过metainfo.txt文件获取发射/接收天线姿态、方向图及目标状态等元数据。在具体应用中，例如进行实孔径成像，用户可加载选定频段的信道数据，结合发射信号模型（如FMCW信号）生成回波信号，进而应用数字波束成形、匹配滤波等算法处理数据，实现场景成像或目标参数估计。数据集提供的示例文件进一步演示了从数据加载到结果生成的整体处理流程。

背景与挑战

背景概述

随着无线通信与感知技术的深度融合，集成感知与通信（ISAC）已成为第六代移动通信系统的关键研究方向。然而，该领域长期面临缺乏适用信道模型的挑战，传统通信信道模型难以直接用于感知性能评估。为此，华为技术有限公司的研究团队于近年发布了Sensiverse数据集，旨在为ISAC研究提供多场景、高精度的信道数据支持。该数据集通过射线追踪技术生成，覆盖全球25个城市的3D地图模型，支持环境重建与移动目标检测等多种应用场景，为学术界与工业界提供了重要的基准工具，推动了ISAC系统评估方法的标准化进程。

当前挑战

在ISAC领域，核心挑战在于如何构建能够同时满足通信与感知需求的统一信道模型。传统通信信道模型侧重于统计特性，无法精确反映环境物理信息，导致感知性能评估失真。Sensiverse数据集构建过程中，需克服高计算复杂度的难题：采用确定性电磁仿真虽能提升精度，但大规模场景模拟消耗巨大计算资源。此外，数据集需整合多样化的3D地图与多频段信道数据，确保数据的一致性与可用性，同时支持单站、双站等多种感知模式，以适配不同应用场景的评估需求。

常用场景

经典使用场景

在集成感知与通信（ISAC）领域，Sensiverse数据集为研究者提供了一个多场景、多模式的感知信道资源库。该数据集通过射线追踪技术生成，覆盖全球25个城市的3D地图模型，支持单静态与双静态感知模式，并包含基站与用户设备的不同角色组合。其经典使用场景主要体现在3D环境重建与移动目标检测的评估中，例如利用数字波束成形技术进行真实孔径成像，或通过虚拟孔径感知实现建筑物几何形状的高分辨率重构。这些场景为ISAC系统的性能验证提供了标准化的测试平台，促进了感知算法与通信协议的协同优化。

衍生相关工作

Sensiverse数据集的发布催生了ISAC领域一系列经典研究工作。基于其提供的信道数据，学者们开发了先进的感知算法，如结合数字波束成形与匹配滤波技术的环境成像方法，以及利用干扰消除算法提升移动目标检测精度的信号处理流程。该数据集还促进了虚拟孔径感知与网络化感知框架的发展，例如通过多基站协同实现扩展孔径成像。此外，部分研究利用数据集中的多场景信息，训练深度学习模型以预测复杂环境下的信道特性，为ISAC系统的自适应优化提供了新思路。

数据集最近研究

最新研究方向

在无线通信与感知融合（ISAC）领域，Sensiverse数据集正成为前沿研究的关键工具，其通过高精度射线追踪技术生成的多场景信道数据，为环境重建与移动目标检测等任务提供了物理真实的评估基准。当前研究聚焦于利用该数据集训练机器学习模型，以优化感知算法在复杂城市环境中的鲁棒性，同时探索其在6G网络智能反射面与分布式感知架构中的应用潜力。随着国际电信联盟将ISAC纳入6G核心场景，该数据集不仅推动了标准化信道模型的演进，还为跨学科研究搭建了实验桥梁，加速了通信感知一体化技术的实用化进程。

相关研究论文

• Sensiverse: A dataset for ISAC study

  华为技术有限公司 · 2023年