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.