数据论文 I 区论文(评审中) 版本 ZH2
下载
雷达回波序列中弱小飞机目标检测跟踪数据集
A dataset for dim target detection and tracking of aircraft in radar echo sequences
 >>
: 2019 - 10 - 29
: 2019 - 11 - 25
: 2019 - 11 - 25
520 16 0
摘要&关键词
摘要:杂波下的雷达弱小目标检测跟踪是低空安全防控、远程精确打击、区域态势监测、空天攻防对抗等军民应用领域中的重要研究内容。针对当前雷达弱小目标探测识别领域存在的数据场景针对性差、仿真数据真实性不足、实测数据格式不规范、场景描述与标定信息不全等问题,本数据集面向雷达低空弱小目标检测跟踪应用需求,通过外场实地数据录取与数据加工处理,提供一套以杂波下固定翼无人机为探测对象的雷达弱小目标检测跟踪数据集。数据集涵盖了强杂波、低信噪比、高动态、强机动、目标数目变化等复杂场景,共计15段数据,每段数据包含若干脉冲序列,以及与之对应的距离波门文件和标注真值文件。本数据集可为雷达弱小目标探测识别算法设计与验证、地面杂波特性研究等提供基础数据。
关键词:弱小目标;目标检测;目标跟踪;雷达回波序列;数据集
Abstract & Keywords
Abstract: Dim radar target detection and tracking under clutter is the main research content in military and civilian application fields, such as low-altitude security prevention and control, long-range precision strike, regional situation monitoring, battlefield intelligence and reconnaissance. In response to the data problem in the field of radar detection and recognition such as poor pertinence of data scenarios, insufficient authenticity of simulation data, nonstandard measured data format, incomplete scene description and calibration information, etc., a radar data for the detection and tracking of radar dim targets is provided, which takes the fixed-wing UAV under clutter as the detection object. This radar dataset is obtained through outfield recording and post data processing, covering complex scenarios such as strong clutter, low signal-to-noise ratio, high dynamic, strong maneuvering, and target number change. There are 15 radar echo sequences in total, and echo sequences contains a number of pulse signals, as well as a corresponding gate files and a label truth file. This dataset can provide basic data for the design and verification of target detection and tracking algorithm for dim radar target and the study of clutter characteristics.
Keywords:  dim target; target detection; target tracking; radar echo sequence; dataset
数据库(集)基本信息简介
数据库(集)名称雷达回波序列中弱小飞机目标检测跟踪数据集
数据作者 宋志勇,回丙伟,范红旗,周剑雄,朱永锋,达凯,张晓峰, 苏宏艳,金威,张永杰,杨彩霞,蔺震,樊润东
数据通信作者范红旗(fanhongqi@nudt.edu.cn)
数据时间范围2017–2019年
地理区域中国
杂波背景地面
雷达载频35 GHz
脉冲重复频率32 KHz
距离采样单元间隔1.875 m
数据量8.76 GB
数据格式*.mat, *.txt
数据服务系统网址http://www.sciencedb.cn/dataSet/handle/908
基金项目国家自然科学基金(61401475)
数据库(集)组成本数据集由15个数据段组成,每个数据段包含3部分:(1)dataX.mat是第X段包含有目标的雷达回波序列;(2)dataX_gate.mat是第X段雷达回波序列对应的距离波门信息序列;(3)dataX_value.txt 是对应于第X段数据对应的标记文件,标记信息包括对应数据段中从零时刻开始每间隔50ms所处时刻的目标数、目标编号、目标速度、目标距离。
Dataset Profile
TitleA dataset for dim target detection and tracking of aircraft in radar echo sequences
Data corresponding authorHongqi Fan (fanhongqi@nudt.edu.cn)
Data authorsSong Zhiyong, Hui Bingwei, Fan Hongqi1, Zhou Jianxiong, Zhu Yongfeng, Da Kai, Zhang Xiaofeng, Su Hongyan, Jin Wei, Zhang Yongjie, Yang Caixia, Lin Zhen, Fan Rundong
Time range2017–2019
Geographical scopeChina
Clutter backgroundLand
Radar carrier frequency35 GHz
Pulse repetition rate32 KHz
Distance unit sampling interval1.875 m
Data volume8.76 GB
Data format*.mat, *.txt
Data service system<http://www.sciencedb.cn/dataSet/handle/908>
Source of fundingNational Natural Science Foundation of China (61401475)
Dataset compositionThe dataset consists of 15 data subsets. The subsets are recorded as data1.zip data2.zip…data15.zip. Each subset comprises three parts: (1) dataX.mat is an radar echo sequence with aircraft target; (2) dataX_gate.mat is an radar range gate information corresponding to the echo sequence; (3) dataX_value.txt is the corresponding label file of dataX.mat. The label information includes the total target number, target serial number, target velocity and target range corresponding to every time interval of 50 ms in the radar echo sequence.
引 言
雷达具有全天时、全天候、高精度、快响应的探测优势,作为一类特殊的传感器在目标探测、环境感知、目标识别、制导对抗等军民领域应用广泛,特别是随着信息化、智能化的发展,对雷达的检测跟踪识别性能提出了新的要求。主要表现在:(1)弱小目标检测跟踪需求。随着隐身技术、无人技术的发展,各类目标的RCS越来越小,给雷达目标探测带来的挑战[1]。需要雷达在更远距离对更小的目标实现稳定的探测跟踪;(2)多目标检测跟踪需求。随着信息网络技术的发展,集群化、协同化、无人化成为一种新的目标形态,需要雷达同时对场景内的多个不同目标进行检测跟踪,实现对态势的探测感知[2];(3)复杂环境下目标检测跟踪需求。目标环境复杂多变,各类杂波、干扰给雷达的探测带来很大影响,低信杂比、高干信比下的目标检测成为常态[3]。然而,与上述紧迫的需求不相匹配的是,当前科研领域的雷达数据比较分散,关于数据的描述、格式、标注等没有统一的标准规范,也没有形成可以服务于雷达弱小目标检测跟踪应用的公开的标准回波数据集,因此导致该领域的科研学术研究缺乏行业标准化数据支撑,相关的算法性能测试、评估等缺乏一致的数据标准。
鉴于上述迫切的应用需求和匮乏的数据现状,本数据集通过典型场景设计、外场试验录取、数据处理标注、数据使用方法及评价准则设计等步骤和方法制备了面向雷达回波序列中弱小飞机目标检测跟踪数据集。本数据集尚属首次成系统地公开发布以杂波下雷达弱小目标检测跟踪为研究需求的雷达回波序列数据集,填补了雷达目标探测识别领域中标准公开数据集的空白。
此外,本数据集中的部分数据已经提供给由**科技大学和中国航天科工二院联合主办的第二届“空天杯”创新创意大赛——探测识别算法挑战赛(雷达赛题方向)使用。
1   数据采集和处理方法
1.1   数据采集方法
数据采集用到的主要设施和设备为高塔和转台,试验地点位于陕西省宝鸡市眉县(图1)。数据采集试验采用高塔架设转台并搭载带伺服雷达传感器的方式开展。高塔距离地面约90米,窄波束雷达安装于转台上,转台固定于平台边缘并下俯一定角度。视野无遮挡,地貌为玉米、小麦、猕猴桃园等多类农作物。高塔、转台以及伺服系统的使用为获取不同场景的目标雷达回波序列提供了保障。


图1   雷达回波数据录取场景
数据采集使用的传感器为Ka频段通用录取设备,该设备的基本性能参数如表1所示。
表1   Ka频段雷达的基本性能参数
指标项性能参数
载频35GHz
波形体制线性调频脉冲
脉冲重复频率32KHz
距离采样单元间隔1.875m
数据采集的对象为空中固定翼无人机。转台以及目标无人机上装配有GPS通信站,引导计算机接收并解算二者的GPS信息,实时发送角度和距离等解算结果用于引导雷达伺服转动,对无人机目标进行跟踪以维持目标位于雷达的视场中,同时数据录取设备进行回波的同步采集与保存。
数据采集的主要环境背景及场景设计如表2所示。
表2   数据场景情况
数据段名场景说明
data1地物背景、高信噪比、双目标、目标由远及近、时长2s
data2地物背景、中等信噪比、双目标、目标由远及近、时长2s
data3地物背景、低信噪比、双目标、目标由远及近、时长2s
data4地物背景、高信噪比、双目标、目标由近及远、时长2s
data5地物背景、中等信噪比、双目标、目标由近及远、时长2s
data6地物背景、低信噪比、双目标、目标由近及远、时长2s
data7地物背景、高信噪比、双目标、目标接近和远离、时长4s
data8地物背景、中等信噪比、双目标、目标接近和远离、时长4s
data9地物背景、低信噪比、双目标、目标由近及远、时长6s
data10地物背景、高信噪比、目标数目变化、目标由近及远、时长6s
data11地物背景、中等信噪比、目标数目变化、目标接近和远离、时长6s
data12地物背景、低信噪比、双目标、目标接近和远离、时长4s
data13地海背景、高信噪比、目标数目变化、目标由远及近、时长6s
data14地海背景、中等信噪比、目标数目变化、目标由远及近、时长6s
data15地海背景、低信噪比、双目标、目标接近和远离、时长6s
注:其中双目标指波束内包含一个大目标和一个小目标,大目标信噪比越20 dB,且不变化。信噪比参数指的是小目标的信噪比,低信噪比条件为小目标信噪比3 dB左右,中等信噪比条件为小目标信噪比7 dB左右,高信噪比条件为小目标信噪比15 dB左右。
1.2   数据处理与标注
数据处理与标注是将采集到的原始雷达回波数据进行格式转换,剔除无效及污染数据,按一定的原则,对数据进行加工处理,并为感兴趣的真实目标进行标注,提供真值的过程。
1.2.1   数据预处理
雷达工作模式为脉冲–多普勒模式,每个雷达数据段的原始数据为连续时间采样后的离散数字信号,在数据预处理结果将离散数字信号按照脉冲时刻以及重复周期进行数字下变频处理、抽取滤波处理以及脉冲压缩处理,形成脉冲压缩后的时域脉冲序列[4-5]。由于原始数据中存在由于数据录取设备原因导致的丢帧问题,故在预处理阶段需要剔除丢帧数据,同步修正波门数据,以确保数据的连续性和一致性[6]
1.2.2   数据标注
雷达数据标注的本质就是通过对数据进行处理,获得确定时刻数据中感兴趣目标的真值,在距离-多普勒模式下真值主要指当前时刻下目标的数目、目标的序号、目标的速度以及距离。考虑到录取的雷达回波数据中杂波强度大、目标动态范围大、信噪比较低等特点,通过对数据进行确定时长的相参积累[7]、CFAR检测[8]、航迹跟踪[9],以及与录取记录的GPS数据进行比对,采用自动标注与人工标注相结合的方式获得雷达回波序列间隔50 ms时刻波束内目标的数据以及对应目标的距离和速度值,以此作为真值。
2   数据样本描述
本数据集共包含有15个数据段,数据段的命名从data1开始依次递增至data15。每个数据段都主要包括雷达回波序列、雷达波门数据以及标注真值数据三类,下面分别对这三类数的典型样本进行描述和分析。
2.1   雷达回波数据样本
雷达回波数据集中每段数据为一定时长内所有脉冲进行脉冲压缩后形成的连续时间脉冲序列,数据形式为二维数组,后缀名为mat,对于某一段数据,文件名为dataX.mat。每个脉冲的采样点数固定为319个,对于慢时间维,脉冲重复频率为32 kHz,脉冲数目根据选取时长的不同而不同,因此对应的二维数组大小不一样。每段数据的采样时刻皆从0时刻开始。单个雷达回波数据样本示例如图2所示,行序号代表慢时间脉冲数,列序号代表快时间采样点数。


图2   Matlab导入某数据段样本中回波序列详情
对于图2所示的脉冲压缩后的回波序列,通过选取不同的脉冲数目可以进行不同时长的相参脉冲积累,从而获得距离–多普勒图像。图3显示了单目标和多目标场景下基于脉冲压缩回波序列进行相参积累后获得的距离–多普勒图像情况。

(a)


(b)

图3   不同目标场景下的距离–多普勒图像
(a) 2个目标的R-D图像示例; (b) 单个目标的R-D图像示例
2.2   距离波门数据样本
对应于每一段雷达数据,提供一个雷达距离波门数据文件,数据形式按时间排序的一维数组,后缀名为mat。波门起始位置对应第一个采样点,在整个数据段中随目标移动,更新率为1ms(32个脉冲更新一次)。某一段数据对应的距离波门数据文件名为dataX_gate.mat。单个雷达回波距离波门数据样本示例如图4所示。

(a)


(b)

图4   不同目标场景下的距离–多普勒图像
(a) 波门文件dataX_gate数据格式; (b) dataX_gate对应时间与波门距离关系图
2.3   标注真值数据样本
标注数据结果以的dataX_value*.txt文件为格式存储,其中dataX为对应的回波序列文件名称(如data1、data2等),具体格式约定如表3所示。标注文件的具体约束事项如下:
(1)每段雷达回波序列的标注结果保存为1个文件;
(2)按照50ms的数据率给出标注结果,即每1600个脉冲输出1次结果,第1600*N个脉冲时刻为数据输出时刻,以此类推;
(3)目标的距离和速度估计值的数据类型为浮点类型;
(4)结果文件中所有英文标识均使用小写字母,所有数量标识均使用阿拉伯数字;
(5)输出的检测和估计结果按行存储,若对应输出时刻未检测到目标,则目标数记为0;
(6)同一数据行内不同字段之间以空格间隔;
(7)字段中的标点符号“:”为英文字符;
(8)每个结果文件中的目标都从1开始递增编号。
表3   数据标注文件格式说明
第1行50 ms目标数object:1速度距离object:2速度距离……
第2行100 ms目标数object:1速度距离object:2速度距离……
…………
第N行50*N ms目标数object:1速度距离object:2速度距离……
下面以数据集中data2数据为例对标注数据进行解释说明,如图5所示。
在第1行中,字段“50 ms”表示从第1个脉冲开始至1600个脉冲时刻的时间,即表示本行输出的目标及参数信息为第50 ms时刻对应回波中的目标情况;字段“1”表达当前时刻波束内只有1个目标;字段“object:1”表示接续下来的两个字段是目标1的速度真值和距离真值;字段“40.401786”表示目标1的速度真值,保留小数点后6位;字段“1572.979364”表示目标1的距离真值,保留小数点后6位。第2–44行的字段含义同第1行,可依次类推。在第45行中,字段“2250ms”表示本行的结果对应的是第2250 ms时刻,也就是第72000个脉冲时刻对应的目标真值信息;字段“2”表达当前时刻波束内有2个目标;字段“object:1”表示接续下来的两个字段是目标1的速度真值和距离真值;字段“40.312500”表示目标1的速度真值;字段“1484.205737”表示目标1的距离真值;字段“object:2”表示接续下来的两个字段是目标2的速度真值和距离真值;字段“107.081051”表示目标2的速度真值;字段“1799.357029”表示目标2的距离真值。第46及之后的字段含义同第45行,可依次类推。


图5   数据标注文件样本举例
3   数据质量控制和评估
本数据集中的所有雷达回波数据都是通过Ka频段通用录取设备在专门设计的实验中实测采集得到,目标、杂波等特性真实可靠。雷达回波序列中确定时刻对应的目标真值信息均为全自动标注和人工确认的结果,并经过多次核查检验,以确保数据质量[10]。数据集中所提供的评分准则及程序都已经过大量的实测验证,评分结果符合设计指标[11]
本数据集中的部分数据已在第二届“空天杯”创新创意大赛(2019)——探测识别算法挑战赛中发布供参赛选手测试及正式比赛使用。目前大赛已经正式落下帷幕,数据集作为探测识别算法挑战赛雷达专题下算法性能比测的重要依据,为大赛评选出了相应奖项类别。该大赛的圆满举办证实了本数据集中图像数据、目标标注和评分准则的质量和科学可信度,可作为更广泛科研人员的数据素材。
4   数据价值
本数据集针对固定翼无人机目标的雷达回波序列检测跟踪问题,设计了15个典型场景,具体涵盖了单目标、多目标、高信噪比、低信噪比、目标由远及近、目标由近及远、目标进出波束、目标穿越主杂波、目标机动等场景。每个典型场景对应1个段数据、共计15个数据段。该类型的数据集在国内尚属首次成系列的公开发布,这些数据情况包括了当前雷达弱小目标检测识别的以下重难点问题:
(1)低信噪比下的弱小目标检测跟踪;
(2)多目标情况下的弱小目标检测;
(3)强杂波下的弱小目标检测。
为满足检测跟踪识别算法性能评估的需要,数据集对雷达回波序列按照50 ms等间隔时刻进行了目标真值的标注,并在这些标注结果的基础上,综合考虑检测正确性、检测精度、航迹正确性、目标漏警、目标虚警等关键评价要素,研究提出了满足复杂场景下雷达弱小目标检测跟踪算法性能综合评测准则,并开放了评分程序代码。本数据集在为雷达检测跟踪相关研究人员开展学习研究工作提供测试实验数据的同时,也能促进部分现有成果的实用化开发,打破当前雷达目标检测跟踪领域数据库分散、数据集不标准、数据流动性和开放性差的困局,为算法研究提供交流、评测和提升的渠道。
此外,在第二届“空天杯”创新创意大赛结束后,众多参赛选手和国内同行对本数据集的补充完善版本都提出了申请需求,这也印证了本数据集的科研价值。图6为空天杯雷达算法挑战赛优秀选手利用本数据集提出的弱小目标检测跟踪框架和部分检测跟踪结果。图7为空天杯雷达算法挑战赛参赛选手基于本数据进行信号与数据处理获得的部分结果图。

(a)


(b)

图6   空天杯雷达检测跟踪挑战赛部分参赛作品
(a) 207号作品框架; (b) 207号作品框架

(a)


(b)


(c)

图7   空天杯雷达检测跟踪挑战赛部分参赛作品处理结果
(a) 信号积累结果; (b) CFAR检测结果; (c) 目标跟踪轨迹
5   数据使用方法和建议
5.1   数据使用方法
数据的推荐使用方法是:首先使用者利用自己编制的雷达弱小目标检测跟踪算法或软件读取一段雷达回波序列,并根据算法进行目标的检测跟踪;然后根据标注文件的存储格式,将改段数据的检测跟踪结果保存在自定义文件中;最后通过本数据集提供的评测准则(推荐使用数据集提供的评分程序代码)将真值数据与检测跟踪结果进行比对计算得分,作为当前数据段的结果,也可根据具体的实际应用需求,基于标注结果自行设计新的评分规则并计分比较。
5.2   数据使用评价
数据使用后其结果评价可通过如下原则计分评价,分数越高表示性能越好。检测跟踪得分标准为:
(1)正确检测且估计精度满足预定要求:即目标测量/滤波结果位于以真值为中心大小为[±5m(R)×±0.12m/s(V)]的矩形框内(含),每次加1分;
(2)正确检测但估计精度不满足预定要求:即目标测量/滤波结果位于以真值为中心大小为[±5m(R)×±0.12m/s(V)]的矩形框外,但同时不超出大小为[±10m(R)×±0.5m/s(V)]的矩形框,每次加0分;
(3)漏检(指以真值为中心的[±10m(R)×0.5m/s(V)]的范围内(含)无检测结果),每出现1次减1分;
(4)虚警(指在以真值为中心的[±10m(R)×0.5m/s(V)]的范围外出现检测结果),每个虚警减2分。
在上述数据使用评价准则下,利用本数据集测试结果满分为2286分。本数据集提供上述评价准则的评分程序代码。
致 谢
本数据集中的部分数据曾供第二届“空天杯”创新创意大赛(2019)——探测识别算法挑战赛(雷达探测识别方向)使用,感谢大赛组委会对本数据集的认可和采纳。在数据集整理、测试、评审和发布,特别是评分准则设计的过程中,得到了**研究院邱志明院士,中国空空导弹研究院白晓东研究员,中国航天科工二院陈军文研究员,北京航空航天大学王俊教授,厦门大学王程教授,华中科技大学张天序教授,北京理工大学杨小鹏教授,**装备发展部朱南机研究员,**科技大学付强、王宏强、王壮、张焱教授的指导,本数据集也凝结了这些专家们的宝贵经验和智慧。对上述专家辛勤付出,在此表示由衷的感谢。感谢**科技大学付强带领的科研团队在第二届“空天杯”大赛前对本数据集中的部分数据进行了大量细致的测试和准备工作,并为数据的发布提供了大量帮助。感谢来自全国各大高校的30余支参赛队伍对本数据集提出了许多有益的建议和意见。
[1]
丁鹜飞,耿富录,陈建春. 雷达原理(第五版)[M]. 北京: 电子工业出版社, 2014.
[2]
斯科尼克. 雷达系统导论(第三版)[M]. 北京: 电子工业出版社, 2014.
[3]
吴顺君. 雷达信号处理和数据处理技术[M]. 北京: 电子工业出版社, 2008
[4]
C.阿拉巴斯特. 脉冲多普勒雷达——原理、技术与应用[M]. 北京: 电子工业出版社, 2016.
[5]
蔡飞. 雷达弱小目标检测与跟踪技术研究[D]. 长沙: **科学技术大学, 2015.
[6]
陈帅霖. 机动微弱目标能量积累检测方法研究[D]. 西安: 西安电子科技大学, 2017.
[7]
Chen H, Varshney P K, Kay S M, et al. Theory of the Stochastic Resonance Effect in Signal Detection: Part I-Fixed Detectors[J]. IEEE Transactions on Signal Processing, 2007, 55 (7): 3172–3184.
[8]
Galy J, Chaumette E, Larzabal P. Joint Detection Estimation Problem ofMonopulse Angle Measurement[J]. IEEE Transactions on Aerospace and Electronic Systems. 2010, 46 (1): 397–413.
[9]
郑乐. 宽频带雷达目标跟踪理论与算法研究[D]. 北京: 北京理工大学, 2014.
[10]
Rutten M, Gordon N, Maskell S. Recursive track-before-detect with target amplitude fluctuations[J]. IEE Proceedings-Radar, Sonar and Navigation, 2005, 152 (5): 345–352.
[11]
Morelande M, Ristic B. Signal-to-noise ratio threshold effect in track before detect[J]. IET Radar, Sonar and Navigation. 2009, 3 (6): 601–608.
数据引用格式
宋志勇, 回丙伟, 范红旗, 等. 雷达回波序列中弱小飞机目标检测跟踪数据集[DB/OL]. Science Data Bank, 2019. (2019-10-29). DOI: 10.11922/sciencedb.908.
稿件与作者信息
论文引用格式
宋志勇, 回丙伟, 范红旗, 等. 雷达回波序列中弱小飞机目标检测跟踪数据集[J/OL]. 中国科学数据, 2019. (2019-11-25). DOI: 10.11922/csdata.2019.0075.zh.
宋志勇
Song Zhiyong
主要承担工作:数据加工与标注,数据集制作,数据使用评价。
男,湖南省长沙市人,博士,副教授,研究方向为雷达数据处理与目标识别。
回丙伟
Hui Bingwei
主要承担工作:数据处理与加工。
男,河北省衡水市人,博士,讲师,研究方向为目标识别数据工程。
范红旗
Fan Hongqi
主要承担工作:数据集设计。
fanhongqi@nudt.edu.cn
男,陕西省渭南市人,博士,副教授,研究方向为数据科学与雷达目标识别。
周剑雄
Zhou Jianxiong
主要承担工作:数据处理与数据标注。
女,湖南省湘潭市人,博士,教授,研究方向为雷达成像技术。
朱永锋
Zhu Yongfeng
主要承担工作:数据集设计。
男,江苏省南通市人,博士,副研究员,研究方向为雷达波形与信息处理。
达凯
Da Kai
主要承担工作:数据加工处理。
男,湖南省邵阳市人,博士生,研究方向为多传感器信息融合。
张晓峰
Zhang Xiaofeng
主要承担工作:数据采集方案制定。
男,黑龙江省哈尔滨市人,博士,研究员,研究方向为精确制导。
苏红艳
Su Hongyang
主要承担工作:数据采集。
女,陕西省西安市人,博士,研究员,研究方向为精确制导。
金威
Jin Wei
主要承担工作:数据采集。
男,天津市人,博士,高工,研究方向为信号处理。
张永杰
Zhang Yongjie
主要承担工作:数据采集。
男,安徽省阜阳市人,博士,研究员,研究方向为精确制导。
杨彩霞
Yang Cixia
主要承担工作:数据采集。
女,山西省朔州市人,博士,研究员,研究方向为信号处理。
蔺震
Lin Zhen
主要承担工作:数据采集。
男,内蒙古鄂尔多斯市人,博士,工程师,研究方向为信号处理。
樊润东
Fan Rundong
主要承担工作:数据采集。
男,湖南省益阳市人,硕士,工程师,研究方向为信号处理。
出版历史
I区发布时间:2019年11月25日 ( 版本ZH2
参考文献列表中查看
中国科学数据
csdata