面向6G的新一代通信系統(tǒng)，正在逐步從「連接萬物」向「感知環(huán)境、理解空間」的智能化范式演進。未來網(wǎng)絡(luò)架構(gòu)將不僅局限于地面基站和終端，而是向空天地一體化方向拓展，支持包括低軌衛(wèi)星、高空無人機、智能車輛、樓宇通信等在內(nèi)的高密度異構(gòu)節(jié)點協(xié)同運行。在這種多尺度、多層級的復(fù)雜傳播環(huán)境中，傳統(tǒng)依賴導(dǎo)頻（pilot）的信道估計方法將面臨開銷高、泛化差、適應(yīng)慢等瓶頸。

無線電地圖（Radio Map, RM）作為一種將環(huán)境物理屬性映射為空間信道狀態(tài)的離線感知工具，近年來受到廣泛關(guān)注。通過先驗建圖，系統(tǒng)能夠?qū)崿F(xiàn)非依賴pilot的信道推理，從而在諸如干擾規(guī)避、波束指向預(yù)測、信號源定位、能量高效調(diào)度等關(guān)鍵任務(wù)中發(fā)揮作用。更進一步，RM作為一種「電磁-空間孿生」形式，為環(huán)境感知通信（Environment-Aware Communication, EAC）奠定了基礎(chǔ)。

然而，當(dāng)前主流的RM構(gòu)建方法與數(shù)據(jù)集仍存在以下四方面的核心限制：

• 空間維度受限：多數(shù)數(shù)據(jù)集停留在二維（2D）或簡單的2.5D切片表達，無法反映實際城市中高空無人機、樓宇間通信等三維異構(gòu)傳播特性；
• 通道模態(tài)單一：僅提供路徑損耗（Pathloss）信息，無法覆蓋傳播路徑中的時延（ToA）、方向性（DoA）等更細粒度的傳播特征；
• 數(shù)據(jù)稠密度低，結(jié)構(gòu)信息缺失：現(xiàn)有數(shù)據(jù)樣本數(shù)量有限，缺乏建筑高度圖、語義結(jié)構(gòu)等輔助信息，無法支持AI建圖方法的多模態(tài)融合；
• 缺乏標準化基準：當(dāng)前缺少具備統(tǒng)一規(guī)范、支持生成模型訓(xùn)練、覆蓋典型城市場景的開放性基準數(shù)據(jù)集，限制了算法的可復(fù)現(xiàn)性與橫向?qū)Ρ妊芯俊?/span>

基于此，西安電子科技大學(xué)、香港中文大學(xué)（深圳）和加拿大滑鐵盧大學(xué)的研究人員系統(tǒng)性構(gòu)建了全球首個三維空間×多通道模態(tài)構(gòu)成的高分辨率無線電地圖數(shù)據(jù)集——UrbanRadio3D，并進一步提出了首個支持全空間RM重建的生成式建圖基準框架RadioDiff-3D，致力于探索6G環(huán)境感知通信體系下的下一代空間信道建圖范式。

論文鏈接：https://arxiv.org/pdf/2507.12166

代碼鏈接：https://github.com/UNIC-Lab/UrbanRadio3D

發(fā)表期刊：IEEE Transactions on Network Science and Engineering

與現(xiàn)存其他數(shù)據(jù)集對比

UrbanRadio3D

高分辨率三維無線電地圖數(shù)據(jù)集

為構(gòu)建一套適用于環(huán)境感知通信任務(wù)的標準化空間建圖基準平臺，研究人員基于高保真電磁仿真器（射線追蹤引擎）精細建模了來自全球6座代表性城市的城市街區(qū)，構(gòu)成了UrbanRadio3D數(shù)據(jù)集。

該數(shù)據(jù)集共覆蓋701個典型城市子區(qū)域，涵蓋不同的城市結(jié)構(gòu)密度、建筑高度形態(tài)與街區(qū)幾何布局，真實還原了典型城市環(huán)境下的三維無線傳播特性。

數(shù)據(jù)集內(nèi)容示例

與現(xiàn)有二維無線電圖譜不同，UrbanRadio3D以 「3D空間×3D模態(tài)」的立體范式重構(gòu)了三維傳播過程中的核心物理要素，并在空間粒度、通道模態(tài)、結(jié)構(gòu)信息豐富性等方面實現(xiàn)全面升級。

數(shù)據(jù)集特性題

空間維度

每個城市區(qū)域建模為256×256×20米的立方體空間體素（Voxel Grid），空間分辨率精細至1立方米（1m3/voxel），可全面覆蓋地面與近地空域通信場景。

多通道傳播模態(tài)

每個體素包含以下核心傳播參數(shù)：

• 路徑損耗（Pathloss）：建模大尺度信號衰減特性；
• 到達方向（DoA）：包含水平角與俯仰角，用于描述信號傳播方向性；
• 到達時間（ToA）：刻畫信號傳播時延，揭示多徑結(jié)構(gòu)。

數(shù)據(jù)集不同維度示例

結(jié)構(gòu)輔助圖像（結(jié)構(gòu)先驗）

除無線傳播模態(tài)外，數(shù)據(jù)集中還為每個區(qū)域提供：

• 建筑高度圖&建筑語義圖：表示城市環(huán)境中的遮擋分布與物理構(gòu)型；
• 發(fā)射源分布圖&射線路徑圖（可視射線）：可用于可視區(qū)域分析、路徑特性建模等任務(wù)。

結(jié)構(gòu)輔助圖像示例

所有數(shù)據(jù)均以結(jié)構(gòu)化PNG圖像和npy張量文件形式存儲，便于融合計算機視覺與神經(jīng)網(wǎng)絡(luò)方法進行建圖、推理與增強。

數(shù)據(jù)量級與分布

• 發(fā)射源數(shù)目：每個區(qū)域部署約200個發(fā)射節(jié)點，包含隨機與規(guī)則布局；
• 接收高度維度：覆蓋地面到空域1–20米，共計20層，體現(xiàn)真實三維感知需求；
• 信道響應(yīng)樣本量：總計超1100萬條高分辨率信道響應(yīng)體素數(shù)據(jù)，采樣密度遠超現(xiàn)有SOTA級別（高出約37倍）。

該數(shù)據(jù)集是目前已知規(guī)模最大、結(jié)構(gòu)最完備的三維無線電圖譜數(shù)據(jù)集，可廣泛用于AI信道建圖、路徑規(guī)劃、毫米波波束搜索、室外定位與協(xié)同通信等任務(wù)，具備良好的可復(fù)現(xiàn)性與工程通用性。

RadioDiff-3D

支持3D×3D建圖的擴散式基準框架題

為了充分發(fā)揮UrbanRadio3D數(shù)據(jù)集在智能建圖任務(wù)中的價值，研究團隊進一步構(gòu)建了一個具備生成能力的基準性模型框架——RadioDiff-3D，這是首個面向三維無線電圖重建的三維卷積擴散生成模型（3D Convolutional Diffusion Model）。

其設(shè)計核心在于：在已知部分環(huán)境結(jié)構(gòu)與稀疏觀測點的基礎(chǔ)上，生成完整的高分辨率三維多模態(tài)無線電圖譜，以模擬「全空間感知」的能力。

該框架面向AI+通信的泛化應(yīng)用，融合物理結(jié)構(gòu)建模、概率生成建模與空間推理機制，是一次將擴散模型引入環(huán)境感知通信任務(wù)的開創(chuàng)性探索。

模型架構(gòu)與建圖機制

RadioDiff-3D整體采用基于3D卷積的U-Net網(wǎng)絡(luò)作為擴散模型的生成主體，在結(jié)構(gòu)設(shè)計上充分考慮了無線傳播中的空間連續(xù)性、方向一致性與結(jié)構(gòu)條件依賴性。其主要模塊與工作流程如下：

• 核心模型：基于3D卷積U-Net，可接收空間張量輸入并生成三維體素圖；
• 條件輸入：包含兩類結(jié)構(gòu)先驗——建筑結(jié)構(gòu)圖（建筑語義、高度圖）、發(fā)射源分布圖（基站位置與覆蓋信息）
• 輸出模態(tài)：三通道重建，覆蓋Pathloss（路徑損耗）、Direction of Arrival（到達方向，方位角+俯仰角）、Time of Arrival（到達時間）

此外，模型在建圖機制中引入以下關(guān)鍵策略，提升生成穩(wěn)定性與物理合理性：

• 擴散式生成建模（DDPM/DDIM）：在高斯噪聲退火框架下，逐步生成空間連續(xù)信道響應(yīng)，增強全局一致性；
• 高度自回歸生成（Height-wise Autoregressive）：按高度方向逐層生成三維圖譜，提升垂直精度與結(jié)構(gòu)一致性；
• 條件融合與采樣一致性引導(dǎo)（Conditional & Consistency Sampling）：聯(lián)合結(jié)構(gòu)先驗與觀測點，約束生成分布收斂于物理可行域，提升樣本可控性。

神經(jīng)網(wǎng)絡(luò)模型架構(gòu)

任務(wù)設(shè)定與適用場景

RadioDiff-3D適用于多類環(huán)境感知任務(wù)，框架支持兩種典型建圖模式：

1. 基站已知場景（Radiation-aware）

系統(tǒng)已知發(fā)射源的完整位置與結(jié)構(gòu)先驗，可用于全區(qū)域RM重建任務(wù)，如網(wǎng)絡(luò)部署規(guī)劃、站點協(xié)同波束控制等場景。

2. 基站未知場景（Radiation-unaware）

系統(tǒng)不掌握發(fā)射源信息，僅依賴環(huán)境結(jié)構(gòu)與稀疏觀測點完成RM推理，可用于入侵檢測、源反演、災(zāi)區(qū)通信感知等復(fù)雜應(yīng)用。

通過靈活適配不同條件約束與任務(wù)目標，RadioDiff-3D為6G環(huán)境感知通信中的「全空間無線建圖」提供了強有力的技術(shù)支撐與基準參考。

實驗結(jié)果與性能對比

UrbanRadio3D數(shù)據(jù)集上，研究團隊圍繞路徑損耗（Pathloss）、到達方向（Direction of Arrival, DoA）和到達時間（Time of Arrival, ToA）三種核心通道模態(tài)，對所提出的RadioDiff-3D框架進行了多維度評估，涵蓋定量指標分析、空間一致性驗證、模態(tài)重構(gòu)表現(xiàn)等多個方面。

在稀疏采樣建圖任務(wù)中，RadioDiff-3D在10%觀測點下即可恢復(fù)完整的三維無線電圖，生成結(jié)果在均方根誤差（RMSE）、結(jié)構(gòu)相似性（SSIM）和峰值信噪比（PSNR）指標上均顯著優(yōu)于傳統(tǒng)二維模型。

相比于基于2D卷積的U-Net和DiffUNet，RadioDiff-3D在建圖精度上取得了大幅提升，展現(xiàn)出更強的空間表達能力與重建保真度。

不同參數(shù)下生成RM和Ground Truth的細節(jié)對比

為了進一步檢驗?zāi)Ｐ偷娜S泛化能力，實驗設(shè)置了全高度范圍（z=0–19）的重建任務(wù)，評估模型在不同接收層級上的穩(wěn)定性與誤差分布。

結(jié)果表明，RadioDiff-3D在大部分高度層均能穩(wěn)定輸出，且誤差熱圖顯示其在復(fù)雜傳播區(qū)域（如遮擋陰影、建筑物邊緣、非視距路徑）也能保持良好的空間一致性。

相比之下，2D模型在建筑拐角處出現(xiàn)明顯失真或「漏判」現(xiàn)象。

在三通道模態(tài)重建任務(wù)中，RadioDiff-3D展現(xiàn)出卓越的整體性能：

在路徑損耗通道中，強信號集中區(qū)、陰影衰減區(qū)等物理特征均被準確還原，空間梯度過渡自然；

在到達方向通道中，生成的角度信息在水平方向與俯仰方向上均保持連續(xù)性，未出現(xiàn)邊界跳變或異常偏移；

在到達時間通道中，模型有效捕捉多徑結(jié)構(gòu)下的時間延遲分布，反映了其對復(fù)雜傳播機制的建模能力。

此外，實驗還評估了不同模塊對模型性能的貢獻。消融分析顯示，引入高度方向自回歸機制后，模型在層級一致性方面有明顯提升；而條件引導(dǎo)與一致性采樣策略則進一步增強了空間結(jié)構(gòu)對多模態(tài)輸出的調(diào)控能力。

在不同采樣率設(shè)定下（如1%、10%、30%、50%），RadioDiff-3D均保持良好表現(xiàn)，特別是在極低采樣率條件下仍能生成高保真圖像，體現(xiàn)出極強的魯棒性與采樣效率。

相較于現(xiàn)有方法，RadioDiff-3D更適用于低成本、弱協(xié)作通信環(huán)境下的快速場景感知任務(wù)。

不同采樣策略下的重建效果

小結(jié)與展望

研究人員圍繞6G智能通信的空間感知建圖需求，系統(tǒng)構(gòu)建了UrbanRadio3D數(shù)據(jù)集與配套的RadioDiff-3D生成式建圖框架，共同構(gòu)成了一個統(tǒng)一、開放、標準化的3D×3D無線電地圖研究平臺，填補了當(dāng)前無線建圖領(lǐng)域在三維建模與生成基準上的關(guān)鍵空白。

平臺具備以下技術(shù)亮點與研究意義：

• 三維感知建圖首個標準數(shù)據(jù)集：空間維度、模態(tài)維度均遠超現(xiàn)有2D/2.5D方案；
• 支持協(xié)作/非協(xié)作雙任務(wù)范式：靈活適配復(fù)雜真實應(yīng)用場景；
• 多模態(tài)信道輸出結(jié)構(gòu)：可擴展至方向、時延、多徑等更高階任務(wù)；
• 統(tǒng)一的訓(xùn)練與評測流程：為未來算法對比與性能評估提供基準性支持。

面向未來，研究團隊計劃在以下方向進一步拓展與深化：

• 多頻段信道構(gòu)建與頻率泛化能力遷移；
• 動態(tài)環(huán)境下的遮擋感知與時間一致性生成；
• 結(jié)合圖神經(jīng)網(wǎng)絡(luò)（GNN）、點云建圖（Point Cloud Completion）與衛(wèi)星遙感感知（RS），提升建圖泛化性與可解釋性；
• 在車聯(lián)網(wǎng)、衛(wèi)星通信、低空飛行器導(dǎo)航等場景中實現(xiàn)多尺度RM推理部署。