Future mobile networks are anticipated to not only enhance communication performance but also facilitate new sensing-based applications. This highlights the essential role of integrated sensing and communication (ISAC) in sixth-generation (6G) and beyond mobile networks. The seamless integration of sensing and communication poses challenges in deployment and resource allocation. Cell-free massive multiple-input multiple-output (MIMO) networks, characterized by multiple distributed access points, offer a promising infrastructure for ISAC implementation. However, the effective realization of ISAC necessitates joint design and resource allocation optimization. In this thesis, we study ISAC within cell-free massive MIMO systems, with a particular emphasis on developing power allocation algorithms under various scenarios.

In this thesis, we explore two scenarios: utilizing existing communication signals and incorporating additional sensing signals. We propose power allocation algorithms aiming to maximize the sensing performance while meeting communication and power constraints. In addition, we develop two maximum a posteriori ratio test (MAPRT) target detectors under clutter-free and cluttered scenarios. Results indicate that employing additional sensing signals enhances sensing performance, particularly in scenarios where the target has low reflectivity. Moreover, although the clutter-aware detector requires more advanced processing, it leads to better sensing performance. Furthermore, we introduced sensing spectral efficiency (SE) to measure the effect of resource block utilization, highlighting the integration advantages of ISAC over orthogonal resource sharing approaches. 

In the next part of the thesis, we study the energy efficiency aspects of ISAC in cell-free massive MIMO systems with ultra-reliable low-latency communications (URLLC) users. We propose a power allocation algorithm aiming to maximize energy efficiency of the system while meeting communication and sensing requirements. We conduct a comparative analysis between the proposed power allocation algorithms and a URLLC-only approach which takes into account only URLLC and power requirements. The results reveal that while the URLLC-only algorithm excels in energy efficiency, it is not able to support sensing requirements.   Moreover, we study the impact of ISAC on end-to-end (including radio and processing) energy consumption. Particularly, we present giga-operations per second (GOPS) analysis for both communication and sensing tasks. Two optimization problems are formulated and solved to minimize transmission and end-to-end energy through blocklength and power optimization. Results indicate that while end-to-end energy minimization offers substantial energy savings, its efficacy diminishes with sensing integration due to processing energy requirements.

Framtida mobila nätverk förväntas inte bara förbättra kommunikations-prestanda utan även mögliggöra nya applikationer baserade på sensorer. Dettaunderstryker den avgörande rollen för Integrerad avkänning och kommunika-tion (ISAC) i sjätte generationens (6G) och efterföljande mobila nätverk. Densömlösa integrationen av sensorer och kommunikation medför utmaningar iutrullning och resursallokering. Cellfria massiva flerantennsystem (MIMO-nätverk), kännetecknade av flera distribuerade åtkomstpunkter, erbjuder enlovande infrastruktur för implementering av ISAC. Dock kräver den effektivarealiseringen av ISAC samverkande design och optimering av resursallokering.I denna avhandling studerar vi ISAC inom cellfria massiva MIMO-system,med särskild tonvikt på att utveckla effektallokeringsalgoritmer under olikascenarier.Vi utforskar två scenarier: att utnyttja befintliga kommunikationssignaleroch att inkludera ytterligare sensorssignaler. Vi föreslår effektallokeringsalgo-ritmer med målet att maximera sensorsprestandan samtidigt som kommunika-tions och effektbegränsningar uppfylls. Dessutom utvecklar vi två detektorerbaserade på maximum a posteriori ratio test (MAPRT) under störningsfriaoch störda scenarier. Resultaten visar att användning av ytterligare sensors-signaler förbättrar sensorsprestandan, särskilt i scenarier där målet har lågreflektivitet. Dessutom, även om den störkänsliga detektorn kräver mer avan-cerad bearbetning, leder den till bättre sensorsprestanda. Vidare introducerarvi sensorerspektral effektivitet (SE) för att mäta effekten av resursblocksan-vändning och framhäva integrationsfördelarna med ISAC över ortogonala re-sursdelningsmetoder.I den andra delen av avhandlingen studerar vi energieffektivitetsaspek-terna av ISAC i cellfria massiva MIMO-system med användare med ultra-tillförlitlig låg-latens (URLLC) kommunikation. Vi föreslår en effektalloke-ringsalgoritm med syfte att maximera systemets energieffektivitet samtidigtsom kommunikations- och sensorskraven uppfylls. Vi utför en jämförande ana-lys mellan de föreslagna effektallokeringsalgoritmerna och ett URLLC-ensamttillvägagångssätt som tar hänsyn enbart till URLLC- och effektkrav. Resul-taten avslöjar att medan URLLC-ensamma algoritmen utmärker sig i energi-effektivitet, kan den inte stödja sensorskraven. Dessutom studerar vi effektenav ISAC på slut till slut (inklusive radios och bearbetning) energiförbruk-ning. Särskilt presenterar vi giga-operationer per sekund (GOPS) analys förbåde kommunikations- och sensorsuppgifter. Två optimeringsproblem formu-leras och löses för att minimera överförings- och slut till slut energi genomblocklängd- och effektoptimering. Resultaten indikerar att medan slut till slutenergiminimering erbjuder betydande energibesparingar, minskar dess effek-tivitet med sensorintegrationen på grund av bearbetningsenergikrav.

Integrated sensing and communication (ISAC) has emerged as a key paradigm for future wireless networks, enabling communication infrastructures to support data transmission and environmental sensing within a unified framework. This integration, however, introduces new challenges in deployment, signal processing, and resource allocation. Cell-free massive multiple-input multiple-output (CF-mMIMO) networks, characterized by a large number of distributed access points (APs), provide a promising platform for ISAC. Through coordinated operation among distributed APs, CF-mMIMO systems can support flexible bi-static and multi-static sensing configurations, thereby avoiding the full-duplex requirement of conventional mono-static sensing systems. Moreover, the distributed AP architecture provides spatial diversity and multiplexing gains, making CF-mMIMO well-suited for advanced sensing and communication services.

Despite these advantages, integrating sensing into CF-mMIMO networks increases overall network power consumption and imposes additional demands on radio, fronthaul, and cloud-processing resources. Therefore, the effective realization of green CF-mMIMO ISAC requires joint system design and resource allocation frameworks that account for both sensing and communication requirements.

This thesis studies ISAC in CF-mMIMO systems, with a focus on efficient resource allocation, reliable sensing and communication, and end-to-end network power consumption. The main objective is to develop green CF-mMIMO ISAC frameworks that jointly design sensing and communication functionalities while addressing reliability, energy-efficiency, and scalability challenges.

The thesis first investigates power allocation for target detection in CF-mMIMO systems. By exploiting both communication signals and dedicated sensing signals, the work characterizes the trade-off between sensing and communication performance. Maximum a posteriori ratio test (MAPRT)-based detectors are developed to enable reliable target detection from signals received at distributed APs under both clutter-free and cluttered sensing environments.

Building on this foundation, the thesis extends the analysis to ultra-reliable low-latency communication (URLLC) scenarios, where sensing information is used to support target-aware actuation use cases. In such scenarios, sensing information must be delivered reliably and within stringent latency constraints. A joint power and blocklength optimization framework is proposed to minimize energy consumption across the radio and cloud domains. The results characterize the interplay among sensing performance, communication reliability, latency, and processing workload, highlighting the importance of jointly optimizing system parameters under strict quality-of-service requirements.

A central contribution of the thesis is the development of end-to-end network power models for CF-mMIMO ISAC systems. Unlike conventional approaches that focus primarily on transmit power, the proposed models incorporate radio, fronthaul, and cloud-processing power consumption. This enables a more comprehensive evaluation of energy efficiency in ISAC networks and reveals the impact of sensing-related processing and signaling overhead on the total network power consumption.

To address scalability challenges in large-scale deployments, the thesis further investigates distributed sensing architectures. Two sensing-information levels, namely fully-informed and partially-informed systems, are considered to capture different trade-offs among sensing accuracy, computational complexity, and fronthaul signaling overhead. A cross-layer optimization framework is then developed to jointly manage radio, fronthaul, and cloud resources, substantially reducing total network power consumption while maintaining reliable sensing and communication performance.

Overall, the results demonstrate that CF-mMIMO is a promising architecture for green ISAC by enabling flexible resource allocation, scalable sensing architectures, and significant energy savings. The proposed methods provide practical insights into the design of next-generation wireless networks that integrate sensing and communication in an energy-efficient and scalable manner.

Integrerad sensning och kommunikation (ISAC) har framträtt som ett centralt paradigm för framtida trådlösa nätverk, där kommunikationsinfrastrukturer kan stödja dataöverföring och miljöavkänning inom ett gemensamt ramverk. Denna integration medför dock nya utmaningar relaterade till implementering, signalbehandling och resursallokering. Cellfria massiva multipelantennsystem, eller cell-free massive multiple-input multiple-output (CF-mMIMO), som kännetecknas av ett stort antal distribuerade accesspunkter (AP:er), utgör en lovande plattform för ISAC. Genom koordinerad drift mellan distribuerade AP:er kan CF-mMIMO-system stödja flexibla bistatiska och multistatiska sensningskonfigurationer, vilket undviker kravet på full-duplexdrift i konventionella monostatiska sensningssystem. Dessutom ger den distribuerade AP-arkitekturen rumslig diversitet och multiplexeringsvinster, vilket gör CF-mMIMO väl lämpat för avancerade sensnings- och kommunikationstjänster.

Trots dessa fördelar ökar integreringen av sensning i CF-mMIMO-nätverk den totala effektförbrukningen och ställer ytterligare krav på radio-, fronthaul- och molnbaserade beräkningsresurser. En effektiv realisering av grön CF-mMIMO-baserad ISAC kräver därför gemensam systemdesign och resursallokering som beaktar både sensnings- och kommunikationskrav.

Denna avhandling studerar ISAC i CF-mMIMO-system, med fokus på effektiv resursallokering, tillförlitlig sensning och kommunikation samt end-to-end-effektförbrukning i nätverket. Huvudmålet är att utveckla ramverk för grön CF-mMIMO-baserad ISAC där sensnings- och kommunikationsfunktioner utformas gemensamt, samtidigt som utmaningar kopplade till tillförlitlighet, energieffektivitet och skalbarhet hanteras.

Avhandlingen undersöker först effektallokering för måldetektering i CF-mMIMO-system. Genom att utnyttja både kommunikationssignaler och dedikerade sensningssignaler karakteriseras avvägningen mellan sensnings- och kommunikationsprestanda. Detektorer baserade på maximum a posteriori ratio test (MAPRT) utvecklas för att möjliggöra tillförlitlig måldetektering med hjälp av signaler som tas emot vid distribuerade AP:er, både i störningsfria och i klutterpåverkade sensningsmiljöer.

Med detta som grund utvidgas analysen till scenarier med ultratillförlitlig kommunikation med låg latens, ultra-reliable low-latency communication (URLLC), där sensningsinformation används för att stödja målanpassade styrningsapplikationer. I sådana scenarier måste sensningsinformationen levereras tillförlitligt och inom strikta latenskrav. Ett gemensamt optimeringsramverk för effekt och blocklängd föreslås för att minimera energiförbrukningen inom både radio- och molndomänerna. Resultaten karakteriserar samspelet mellan sensningsprestanda, kommunikationstillförlitlighet, latens och beräkningsbelastning, och visar vikten av att optimera systemparametrar gemensamt under strikta tjänstekvalitetskrav.

Ett centralt bidrag i avhandlingen är utvecklingen av end-to-end-effektmodeller för CF-mMIMO-baserade ISAC-system. Till skillnad från konventionella metoder, som främst fokuserar på sändareffekt, inkluderar de föreslagna modellerna effektförbrukning i radio-, fronthaul- och molnbaserad signalbehandling. Detta möjliggör en mer heltäckande utvärdering av energieffektivitet i ISAC-nätverk och tydliggör hur sensningsrelaterad beräkning och signaleringsbelastning påverkar den totala effektförbrukningen i nätverket.

För att hantera skalbarhetsutmaningar i storskaliga implementationer undersöker avhandlingen även distribuerade sensningsarkitekturer. Två nivåer av sensningsinformation, nämligen fullt informerade och delvis informerade system, beaktas för att beskriva olika avvägningar mellan sensningsnoggrannhet, beräkningskomplexitet och signaleringsbelastning i fronthaul. Därefter utvecklas ett optimeringsramverk över flera lager för att gemensamt hantera radio-, fronthaul- och molnresurser, vilket avsevärt minskar den totala effektförbrukningen i nätverket samtidigt som tillförlitlig sensnings- och kommunikationsprestanda bibehålls.

Sammanfattningsvis visar resultaten att CF-mMIMO är en lovande arkitektur för grön ISAC genom att möjliggöra flexibel resursallokering, skalbara sensningsarkitekturer och betydande energibesparingar. De föreslagna metoderna ger praktiska insikter för utformningen av nästa generations trådlösa nätverk, där sensning och kommunikation integreras på ett energieffektivt och skalbart sätt.