在科技飞速发展的当下，第六代移动通信系统（6G）的研究正如火如荼地进行着。其中，环境感知通信逐步成为 6G 的核心使能技术之一，其重要性不言而喻。为了让这一技术在复杂的三维环境中能够顺利部署，西安电子科技大学携手香港中文大学（深圳）以及加拿大滑铁卢大学的研究团队，展开了一场科研攻坚，成果斐然 —— 不仅提出了高分辨率多模态三维无线电图谱数据集 UrbanRadio3D，还构建了基于扩散模型的三维无线电图生成框架 RadioDiff-3D，为 6G 环境感知通信体系的发展开辟了新路径。
6G 通信智能化演进与挑战
面向 6G 的新一代通信系统，正经历着从单纯 “连接万物” 到 “感知环境、理解空间” 的智能化范式转变。未来的网络架构不再局限于传统的地面基站和终端，而是朝着空天地一体化的方向拓展。在这个宏大的架构中，低轨卫星、高空无人机、智能车辆以及楼宇通信等高密度异构节点将协同运行。但这种多尺度、多层级的复杂传播环境，给传统通信技术带来了严峻挑战。传统依赖导频的信道估计方法，在这样的环境中暴露出开销高、泛化差、适应慢等问题，就如同在复杂多变的战场上，传统的通信手段难以满足瞬息万变的作战需求。
在这样的背景下，无线电地图（RM）作为一种将环境物理属性映射为空间信道状态的离线感知工具，走进了科研人员的视野，并迅速受到广泛关注。通过提前构建无线电地图，系统能够实现不依赖导频的信道推理，这一特性在干扰规避、波束指向预测、信号源定位、能量高效调度等关键任务中发挥着重要作用。可以说，RM 就像是通信系统的 “智慧地图”，为其在复杂环境中指明方向。更进一步，RM 作为 “电磁 – 空间孪生” 的一种形式，为环境感知通信奠定了坚实基础，成为开启 6G 通信新时代大门的一把关键钥匙。
现存 RM 构建与数据集的困境
尽管无线电地图潜力巨大，但当前主流的 RM 构建方法与数据集却存在诸多限制，犹如一道道高墙，阻碍着 6G 环境感知通信的发展进程。
空间维度受限是首要问题。多数现有的数据集还停留在二维或简单的 2.5D 切片表达，这对于真实城市中高空无人机、楼宇间通信等三维异构传播特性的反映，显得力不从心。想象一下，在一座高楼林立的现代化都市中，无人机在不同高度穿梭，信号在楼宇间复杂传播，而二维或 2.5D 的数据集却无法完整呈现这样的三维场景，无疑会影响通信系统对环境的准确感知和决策。
通道模态单一也是一大弊病。现有的很多数据集仅仅提供路径损耗信息，而在传播路径中，时延、方向性等更细粒度的传播特征同样关键。这就好比只知道一条道路的长度，却对道路的宽窄、坡度、弯道等信息一无所知，在实际行驶过程中，必然会面临诸多困难。
数据稠密度低和结构信息缺失也是不容忽视的问题。现有数据样本数量有限，并且缺乏建筑高度图、语义结构等辅助信息，这使得 AI 建图方法难以进行多模态融合，无法充分发挥人工智能的强大能力。就如同拼图缺少了关键的板块，难以还原出完整的画面。
此外，缺乏标准化基准也是当前面临的重要挑战。目前缺少具备统一规范、支持生成模型训练、覆盖典型城市场景的开放性基准数据集，这极大地限制了算法的可复现性与横向对比研究。不同科研团队各自为战，难以在统一的标准下进行公平竞争和经验交流，不利于整个行业的快速发展。
UrbanRadio3D 数据集：突破限制的全新利器
面对这些困境，研究人员决心打造一款全新的数据集，打破现有局限，为 6G 环境感知通信提供有力支持，UrbanRadio3D 数据集应运而生。
为了构建这个数据集，研究人员基于高保真电磁仿真器（射线追踪引擎），对全球 6 座具有代表性城市的城市街区进行了精细建模，最终形成了 UrbanRadio3D 数据集。该数据集涵盖了 701 个典型城市子区域，这些子区域具有不同的城市结构密度、建筑高度形态与街区几何布局，真实且全面地还原了典型城市环境下的三维无线传播特性。
与传统的二维无线电图谱相比，UrbanRadio3D 数据集实现了全面升级，以 “3D 空间 ×3D 模态” 的立体范式重构了三维传播过程中的核心物理要素。在空间维度上，每个城市区域被建模为 256×256×20 米的立方体空间体素，空间分辨率精细到 1 立方米，能够全面覆盖地面与近地空域通信场景，无论是地面车辆的通信，还是低空无人机的信号传输，都能在这个数据集中得到精准体现。
在多通道传播模态方面，每个体素包含了路径损耗、到达方向（包括水平角与俯仰角，用于描述信号传播方向性）、到达时间（刻画信号传播时延，揭示多径结构）等核心传播参数，为通信系统提供了丰富而全面的信息。
除了无线传播模态，数据集中还为每个区域提供了建筑高度图、建筑语义图、发射源分布图、射线路径图等结构辅助图像，这些图像就像是数据集的 “注释”，为理解无线传播环境提供了重要的结构先验信息。所有数据均以结构化 PNG 图像和 npy 张量文件形式存储，方便与计算机视觉和神经网络方法相结合，进行建图、推理与增强等操作。
从数据量级与分布来看，UrbanRadio3D 数据集同样表现出色。每个区域部署约 200 个发射节点，包含随机与规则布局，接收高度维度覆盖地面到空域 1–20 米，共计 20 层，总计拥有超 1100 万条高分辨率信道响应体素数据，采样密度远超现有同类型先进水平，是其约 37 倍。如此大规模、高分辨率且结构完备的数据集，为 AI 信道建图、路径规划、毫米波波束搜索、室外定位与协同通信等任务提供了强大的数据支持，具有良好的可复现性与工程通用性，成为推动 6G 环境感知通信发展的重要基石。
RadioDiff-3D 框架：开启智能建图新篇章
有了强大的数据集，还需要与之匹配的高效模型框架来充分发挥其价值。为此，研究团队构建了 RadioDiff-3D 框架，这是首个面向三维无线电图重建的三维卷积扩散生成模型。
RadioDiff-3D 框架的设计核心，是在已知部分环境结构与稀疏观测点的基础上，生成完整的高分辨率三维多模态无线电图谱，模拟 “全空间感知” 的能力。该框架融合了物理结构建模、概率生成建模与空间推理机制，是将扩散模型引入环境感知通信任务的开创性探索。
其整体采用基于 3D 卷积的 U-Net 网络作为扩散模型的生成主体，在结构设计上充分考虑了无线传播中的空间连续性、方向一致性与结构条件依赖性。条件输入包含建筑结构图和发射源分布图两类结构先验信息，输出模态则覆盖路径损耗、到达方向、到达时间三通道。
在建图机制中，RadioDiff-3D 框架引入了一系列关键策略来提升生成稳定性与物理合理性。通过扩散式生成建模，在高斯噪声退火框架下逐步生成空间连续信道响应，增强全局一致性；采用高度自回归生成，按高度方向逐层生成三维图谱，提升垂直精度与结构一致性；运用条件融合与采样一致性引导，联合结构先验与观测点，约束生成分布收敛于物理可行域，提升样本可控性。
RadioDiff-3D 框架适用于多类环境感知任务，支持基站已知和基站未知两种典型建图模式，能够灵活适配不同条件约束与任务目标，为 6G 环境感知通信中的 “全空间无线建图” 提供了强有力的技术支撑与基准参考。
实验验证：卓越性能崭露头角
为了验证 UrbanRadio3D 数据集和 RadioDiff-3D 框架的有效性，研究团队进行了全面而深入的实验。在稀疏采样建图任务中，RadioDiff-3D 框架在仅 10% 观测点的情况下，就能恢复完整的三维无线电图，生成结果在均方根误差、结构相似性和峰值信噪比等指标上，均显著优于传统二维模型，充分展现了其强大的空间表达能力与重建保真度。
在全高度范围的重建任务中，RadioDiff-3D 框架在大部分高度层都能稳定输出，且在复杂传播区域，如遮挡阴影、建筑物边缘、非视距路径等，也能保持良好的空间一致性。相比之下，传统的 2D 模型在建筑拐角处则出现了明显失真或 “漏判” 现象。
在三通道模态重建任务中，RadioDiff-3D 框架同样表现卓越。在路径损耗通道，能够准确还原强信号集中区、阴影衰减区等物理特征，空间梯度过渡自然；在到达方向通道，生成的角度信息在水平和俯仰方向均保持连续性，无边界跳变或异常偏移；在到达时间通道，有效捕捉多径结构下的时间延迟分布，体现出对复杂传播机制的强大建模能力。
消融分析实验进一步评估了不同模块对模型性能的贡献。结果显示，引入高度方向自回归机制后，模型在层级一致性方面有明显提升；条件引导与一致性采样策略则增强了空间结构对多模态输出的调控能力。并且，在不同采样率设定下，RadioDiff-3D 框架均保持良好表现，特别是在极低采样率条件下仍能生成高保真图像，体现出极强的鲁棒性与采样效率，相较于现有方法，更适用于低成本、弱协作通信环境下的快速场景感知任务。
小结与展望：开启 6G 感知通信新征程
研究人员围绕 6G 智能通信的空间感知建图需求，成功构建了 UrbanRadio3D 数据集与 RadioDiff-3D 生成式建图框架，二者共同构成了一个统一、开放、标准化的 3D×3D 无线电地图研究平台，填补了当前无线建图领域在三维建模与生成基准上的关键空白。
这个平台具有诸多技术亮点与研究意义。它拥有首个三维感知建图标准数据集，在空间维度和模态维度上远超现有 2D/2.5D 方案；支持协作 / 非协作双任务范式，能够灵活适配复杂的真实应用场景；具备多模态信道输出结构，可扩展至方向、时延、多径等更高阶任务；还提供了统一的训练与评测流程，为未来算法对比与性能评估提供了基准性支持。
展望未来，研究团队计划在多个方向进一步拓展与深化研究。在技术层面，将开展多频段信道构建与频率泛化能力迁移研究，探索动态环境下的遮挡感知与时间一致性生成，结合图神经网络、点云建图与卫星遥感感知，提升建图泛化性与可解释性。在应用层面，将致力于在车联网、卫星通信、低空飞行器导航等场景中实现多尺度 RM 推理部署，让这一研究成果在更多领域落地生根，为 6G 环境感知通信的广泛应用贡献力量，推动 6G 技术从理论研究走向实际应用，开启 6G 感知通信的全新征程。