本研究提出了LibIQ，一个用于O-RAN架构中实时频谱分类的创新库，旨在解决数据延迟和隐私问题。通过在5G网络模拟器上测试，该模型实现了约97.8%的分类准确率，展现了在频谱监测和信号识别方面的潜力。

本文研究了通过特定信号识别认知活动的可能性，并以参与者游戏识别为基础。通过构建三种不同游戏和游戏间暂停的分类器，并在独立和依赖于参与者的场景中验证，讨论了在依赖于参与者的情况下，基于生物特征的个人识别方面的改进。考虑了智能监控和个人数据量化方面的潜在应用。