16,180 个样本，含真实建筑高度
数据集包含 16,180 个 CKM 样本，取自 66 座城市的 3,236 个城区位置，全部在 7.125 GHz 下仿真，UxNB 发射机高度从 10 m 到 500 m。每个样本是 1 m 水平分辨率的 513×513 网格，作者指出该分辨率在此频率下对应 24 个波长。
每个样本存储六个对齐图层：两个环境图层（建筑高度剖面和二元建筑占用掩码）和四个信道图层（二元 LOS/NLOS 可见性、以 dB 为单位的衰减、以 ns 为单位的多径 RMS 时延扩展、以度为单位的多径 RMS 角度扩展）。建筑内部元素置零，训练和评估时应被掩蔽。
环境图层来自全球尺度的三维建筑数据集，而非仅依赖 OpenStreetMap。论文认为这一点很重要，因为 OSM 的高度标签仅在不到 10% 的情况下可用，而 UxNB 建模高度依赖部署高度。作者还指出两个全球建筑数据源都存在地理缺口，因此他们先检索较新的一个，再用另一个作为备份。
FR3 与 500 m 高度打破地面假设
FR3 位于 7 至 24 GHz 之间，论文将其定位为在 sub-6 GHz FR1 的可靠传播与毫米波 FR2 的大带宽之间的平衡。选择 7.125 GHz 载波，是因为 WRC-23 将其确定为所有 ITU 区域都可用的唯一 FR3 测试频段。
作者认为现有 CKM 数据集不适用于这一场景，给出三点理由：它们只覆盖 FR1 或 FR2；不使用 UxNB 特有的几何参数，如 300–500 m 覆盖直径和高空发射机；依赖精度较低的三维城市模型。唯一包含某种三维信道内容的数据集 UrbanRadio3D 使用最高 20 m 的接收机高度，论文称这并不足够。
原因在于几何本身。UxNB 高度可达 500 m，由此产生的信道与地面信道差异显著，而空对地建模需要准确的建筑高度信息。这正是该数据集要填补的空白。
LOS 分支加入双径项与拟合查找表
模型利用数据集可见性掩码把地图分为 LOS 和 NLOS 区域，再逐元素组合 LOS 衰减估计与 NLOS 估计。报告的精度假设该掩码已提供；通过射线追踪或阴影投影生成掩码的时间不计入计时，但论文称其与所提方案处于同一数量级。
对于 LOS，衰减等于自由空间路径损耗加上相干地面反射双径项，再加上高度相关的标量偏置和一项捕捉水平距离与发射机高度效应的残差项。双径项保留直达路径与反射路径之间的相位差，包含有效反射场幅度和拟合的相位偏移。
校准分两步。在每个 5 m 高度分箱内，评估从 0 到 1.5、步长 0.05 的候选反射幅度以及 [−π, π) 内 48 个均匀间隔相位，保留使分箱 RMSE 最小的组合；剩余的径向项取残差误差均值。实现上这成为一张随高度和距离变化的查找表，推理时线性插值。
NLOS 分支用局部几何重校准 COST 231-Hata
对于 NLOS 接收机，模型从 COST 231-Hata 基线出发，加入由建筑高度网格和建筑存在图导出的 13 个上下文特征。这些特征包括建筑密度、归一化建筑高度、两种窗口尺寸（15 和 41 像素，对应 ±7 m 和 20 m 尺度）下的阴影地面占比、归一化路径仰角、确定性阴影代理以及交互交叉项。
论文明确指出 COST 231-Hata 是为 sub-3 GHz 地面链路设计的，因此这里把它当作回归特征，系数在训练数据上拟合，而非把它当作 7.125 GHz 下物理有效的模型。预测是 14 维特征向量与校准权重向量的点积。
权重按情景分别拟合。场景按三种 ITU 拓扑（郊区、城区、密集城区）与三个高度分箱交叉划分为九个情景：低（h_tx ≤ 60 m）、中（60 m < h_tx ≤ 100 m）、高（h_tx > 100 m）。每个情景中，每个训练样本最多 1,024 个 NLOS 信道实现输入带 L2 惩罚且不含截距的岭回归。
未见城市总体 1.93 dB，NLOS 为 3.54 dB
数据划分严格按城市进行：37 座训练城市 10,840 个样本，15 座验证城市 2,750 个样本，14 座最终测试城市 2,590 个样本，城市不在划分之间移动。排除建筑内部和缺少有效射线追踪输出的信道后，测试集评估超过 4.23×10^8 个地面接收机。
总体测试 RMSE 为 1.93 dB，其中 LOS 为 1.74 dB，NLOS 为 3.54 dB。论文指出，由于 UxNB 几何较高，这些接收机中只有 7.4% 处于 NLOS 状态，因此按元素加权的总体分数由 LOS 主导；但 2,590 张测试地图中仍有 424 张包含超过 25% 的 NLOS 接收机，这正是需要单独报告分情景结果的原因。
按 ITU 拓扑划分，郊区总体误差最低，为 1.70 dB；城区为 2.30 dB；密集城区最差，总体 2.57 dB，NLOS 为 4.13 dB。各城市 RMSE 从哈利法克斯的 1.61 dB 到大阪的 2.59 dB，14 座城市的未加权均值为 1.98 dB。作者指出，拟合系数向量在不同拓扑间变化显著，因此单一全局斜率集合会混合不同的关系。
UxNB 越高越容易，神经基线各有胜负
按高度分解测试误差，总体 RMSE 从低情景的 2.14 dB 单调下降到中情景的 1.97 dB 和高情景的 1.71 dB。论文将此与更高高度信道通常更稳定、更可预测的观察相对应。
与在同一划分上训练、在同一 2,590 张地图和掩码上评估的高度条件 GMM U-Net 相比，所提模型总体更优（1.93 dB 对 4.36 dB），LOS 也更优（1.74 dB 对 4.43 dB）。神经基线在 NLOS 上更好（3.34 dB 对 3.54 dB），作者将其解读为神经输出层适合建模多径 NLOS 信道，而校准后的 LOS 模型更稳定。
论文提醒不要把这些数字与已发表的 CKM 和无线电地图模型直接排名，因为那些模型是在不同频率、高度和生成输出条件下设计的。论文仅提供规模参照：RadioUNet 在固定高度 256×256 RadioMapSeer 网格上报告 1.60 dB，TSRDiff 在稀疏目标采样下达到 3.62 dB，RO-HMTGP 在实测 RSRP 数据上报告 4.19–6.00 dB。
每个校准项都有贡献，单图运行 0.06 s
在 2,750 个样本的验证集上做消融，表明相干地面反射项把 LOS RMSE 从 3.79 dB 降到 1.74 dB。对于 NLOS，未校准的原始 COST 231-Hata 模型在 7.125 GHz 下 RMSE 高达 25 dB，而加入拟合回归系数以及拓扑和高度特定校准后，验证集上达到 3.20 dB。
作者还报告，一个保留 14 个特征中 8 个、仅使用较大窗口且不含交互交叉项的紧凑模型，保留了完整模型相对 COST 231-Hata 改进的 90% 以上。
在禁用 GPU 的 AMD Ryzen 5 5600X 上，所提模型在提供掩码且无文件 I/O 的情况下，单张地图 CPU 运行时间中位数为 0.06 s。论文报告每张地图存储 66.8k 个标量加 126 个 NLOS 系数、计数 3.684M 次 MAC，而 RadioUNet 和 PMNet 在 256×256 网格上分别为 12.73G 和 52.71G，MATLAB 射线追踪在 513×513 上为 102.289 s。论文标注这些计时仅供参考，不可直接比较。
先信 LOS 数字，再看 NLOS 占比
这篇论文中最具决策意义的分野不是头条的 1.93 dB，而是 LOS 的 1.74 dB 与 NLOS 的 3.54 dB 之间的差距，再加上被评估接收机中只有 7.4% 处于 NLOS。读者在把该模型与其他方案比较时，应先问自己部署中接收机有多大比例落在 NLOS，因为按元素加权的总体数字由更容易的 LOS 情形主导。
第二个分野是按高度情景。误差从低情景的 2.14 dB 单调下降到高情景的 1.71 dB，因此模型的精度主张对高空 UxNB 最强，在测试范围 10 m 一端最弱。第三个是拓扑：密集城区 NLOS 的 4.13 dB 是郊区 LOS 的 1.60 dB 的两倍以上。
两个边界限定这些数字。精度假设可见性掩码已提供，而生成该掩码的时间不计入报告的运行时间。数据集是射线追踪仿真而非实测，因此 1.93 dB 描述的是与射线追踪的一致性，而非与现场数据的一致性。在这些边界内，论文自身的优先级很清楚：校准后的 LOS 分支是结果中稳定的部分，而 NLOS 分支正是神经方法已经胜过它的地方。
本文引用的文献
Channel Knowledge Maps for FR3 UAV Base Stations: Dataset and ML-based Modeling
一个 7.125 GHz 射线追踪 CKM 数据集包含来自 66 座城市 3,236 个位置的 16,180 个样本，支撑一个高度感知衰减模型，在来自 14 座未见城市的 2,590 个样本上达到 1.93 dB 总体 RMSE（LOS 1.74 dB，NLOS 3.54 dB）。