Cell-Free Integrated Sensing and Communication: Principles, Advances, and Future Directions
Notice bibliographique
Résumé
Cell-free (CF) integrated sensing and communication (ISAC) combines CF architecture with ISAC. CF employs distributed access points, eliminates cell boundaries, and enhances coverage, spectral efficiency, and reliability. ISAC unifies radar sensing and communication, enabling simultaneous data transmission and environmental sensing within shared spectral and hardware resources. CF-ISAC leverages these strengths to improve spectral and energy efficiency while enhancing sensing in wireless networks. As a promising candidate for next-generation wireless systems, CF-ISAC supports robust multi-user communication, distributed multi-static sensing, and seamless resource optimization. However, a comprehensive survey on CF-ISAC has been lacking. This paper fills that gap by first revisiting CF and ISAC principles, covering cooperative transmission, radar cross-section, target parameter estimation, ISAC integration levels, sensing metrics, and applications. It then explores CF-ISAC systems, emphasizing their unique features and the benefits of multi-static sensing. State-of-the-art developments are categorized into performance analysis, resource allocation, security, and user/target-centric designs, offering a thorough literature review and case studies. Finally, the paper identifies key challenges such as synchronization, multi-target detection, interference management, and fronthaul capacity and latency. Emerging trends, including next-generation antenna technologies, network-assisted systems, near-field CF-ISAC, integration with other technologies, and machine learning approaches, are highlighted to outline the future trajectory of CF-ISAC research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».