Jeu de données d'affaiblissement de voie issu de mesures de terrain à 3,5 GHz pour la cinquième génération de communications sans fil en environnements intérieurs

Pourquoi le signal de votre téléphone faiblit en intérieur

Chaque fois que vous perdez des barres sur votre téléphone dans un couloir, une salle de classe ou une bibliothèque, vous rencontrez un problème discret mais crucial : les signaux radio s’affaiblissent en se propageant. Cet affaiblissement, appelé perte de signal, détermine la rapidité et la fiabilité de votre connexion sans fil. À mesure que nos maisons, bureaux et campus se remplissent d’appareils 5G et d’objets connectés, les ingénieurs ont besoin de valeurs concrètes sur la façon dont les murs, les portes et l’agencement des pièces influent sur la puissance du signal. Cet article propose exactement cela : des données soigneusement mesurées qui montrent comment un signal pertinent pour la 5G se comporte à l’intérieur de bâtiments réels.

Mesurer la puissance du signal dans des bâtiments réels

Les auteurs se sont concentrés sur une fréquence de 3,5 gigahertz, l’un des « points idéaux » principaux pour les réseaux 5G en intérieur car il équilibre débit et couverture. Plutôt que de se limiter à des simulations informatiques ou à de petites expériences, ils ont réalisé de vastes campagnes de mesure dans trois environnements intérieurs ordinaires d’un centre de recherche à Mexico : un long couloir rempli de bureaux et de laboratoires, un bâtiment étudiant compact avec des salles d’étude, et un étage de bibliothèque moderne encombré de rayonnages et d’espaces d’étude. Les trois lieux présentent des obstacles familiers tels que murs en brique, baies vitrées, cloisons en plaque de plâtre, portes en bois, colonnes en métal et même une gaine d’ascenseur.

Dans chaque bâtiment, l’équipe a placé un émetteur qui diffusait en continu un signal à 3,5 GHz à une puissance fixe. Ils ont ensuite parcouru un récepteur selon une grille de points soigneusement conçue au sol, espacés d’environ un mètre. À chaque point, ils ont utilisé des instruments de précision et des antennes appariées pour enregistrer l’intensité du signal. Ils ont répété cela de deux façons : une fois avec les antennes de l’émetteur et du récepteur à la même hauteur, et une autre fois avec des hauteurs différentes, pour reproduire diverses installations pratiques comme des points d’accès au plafond et des appareils portables.

Transformer les relevés bruts en données exploitables

Chaque emplacement de chaque grille était accompagné d’une description complète : sa distance par rapport à l’émetteur, le nombre de murs en brique, en verre, en bois ou en plaque de plâtre traversés par la trajectoire directe, la présence éventuelle de colonnes ou d’un ascenseur, et le niveau de signal mesuré. Lorsqu’il était impossible de prendre une mesure — par exemple si une étagère ou un mobilier lourd occupait exactement l’emplacement — l’équipe a identifié ces cas et les a ensuite supprimés. Après avoir moyenné plusieurs échantillons rapides en chaque point pour réduire les fluctuations aléatoires, ils ont converti la puissance reçue en « perte de trajectoire », c’est‑à‑dire la réduction totale du signal entre l’émetteur et le récepteur. Cela a produit six jeux de données complets de puissance du signal et six jeux correspondants de perte de trajectoire pour les trois bâtiments et les deux configurations d’antenne.

Vérification de la qualité des données

Parce que ces mesures sont destinées à être réutilisées par d’autres chercheurs et ingénieurs, les auteurs ont consacré des efforts considérables au contrôle qualité des données. Ils ont vérifié que les distances et le comptage des obstacles avaient un sens physique, supprimé les entrées impossibles ou manquantes, et veillé à ce qu’il n’y ait pas d’enregistrements en double. Pour examiner les relations entre les différents facteurs, ils ont utilisé une technique statistique appelée corrélation de Spearman, qui peut détecter à la fois des relations linéaires et des relations légèrement courbées. Comme prévu, la perte de signal augmentait avec la distance, et l’ajout de murs de différents matériaux tendait à l’aggraver. Les graphiques montraient également une répartition saine des valeurs plutôt que des motifs artificiels, ce qui suggère que les mesures capturent la riche variété des conditions intérieures réelles.

Ce que d’autres peuvent faire avec ces mesures

Les jeux de données finaux sont partagés publiquement sous forme de fichiers simples de type tableur, chaque ligne décrivant un point de mesure et chaque colonne donnant une caractéristique telle que la distance, le nombre de murs de chaque type, et le niveau de signal ou la perte correspondante. Grâce à ces informations, les planificateurs de réseau peuvent tester et affiner des formules qui prédisent la couverture à l’intérieur des bâtiments, comparer le comportement à 3,5 GHz avec d’autres fréquences, ou concevoir un placement plus intelligent des stations de base et des routeurs. Les data scientists peuvent aussi appliquer des méthodes d’apprentissage automatique pour construire de nouveaux outils de prédiction sans avoir à mener leurs propres campagnes de mesure longues et coûteuses.

Comment cela améliore vos futures connexions

Concrètement, ce travail vise à s’assurer que votre téléphone, ordinateur portable ou capteur connecté conserve une connexion solide même lorsque vous êtes profondément à l’intérieur d’un bâtiment. En cartographiant la façon dont un signal à 3,5 GHz s’affaiblit en traversant différents agencements et matériaux, les auteurs fournissent un « jeu de vérité » sur lequel d’autres peuvent s’appuyer. Leurs mesures confirment que la perte de signal croît régulièrement avec la distance et avec chaque mur ou obstacle supplémentaire, mais désormais ces effets sont quantifiés en détail pour des environnements intérieurs réalistes. À mesure que les ingénieurs utilisent ces jeux de données publics pour ajuster leurs modèles et leurs conceptions, le résultat devrait être un service 5G intérieur plus fiable aujourd’hui, et une meilleure planification pour les futurs réseaux 6G et l’expansion de l’Internet des objets.

Citation: Perdomo-Reyes, P., Galvan-Tejada, G.M. & Meneses-Viveros, A. Path Loss Dataset from Field Measurements at 3.5 GHz for the Fifth Generation of Wireless Communications in Indoor Environments. Sci Data 13, 521 (2026). https://doi.org/10.1038/s41597-026-06650-4

Mots-clés: couverture 5G en intérieur, affaiblissement des ondes radio, mesures à 3,5 GHz, données de propagation radio, réseaux sans fil intérieurs