本研究解决了动态或隐私敏感环境中无线电图谱（RM）构建方法依赖于精确环境数据和基站位置的局限性。提出的RadioDiff-Inverse框架利用无条件生成扩散模型学习RM先验，从而在噪音稀疏测量下进行无训练的无线电图谱重构，显著提高了构建准确性及环境重构的鲁棒性。

移动设备上的用户体验受到有限的电池容量和处理能力的限制，但 6G 技术的进步正在迅速促使移动技术的演进。移动边缘计算（MEC）提供了一种解决方案，将计算密集型任务卸载到边缘云服务器，与本地处理相比减少了电池消耗。即将到来的移动通信的集成感知与通信可能改善轨迹预测和处理延迟。本研究提出了一种贪婪资源分配优化策略，用于多用户网络以最小化聚合能量使用。数值结果显示，每 1000...

车载网络中的通信信道具有时变特性和双倍动态现象，对实时预编码器设计提出挑战。研究者提出使用约束深度强化学习（CDRL）来促进ISAC预编码器设计的动态更新，并采用PD-DDPG和Wolpertinger结构来训练算法以适应复杂约束和可变用户数量。实验证实了该方案的优越性。

提出了一种名为 X2Track 的框架，通过多模态 CSI 指标和跨领域优化的方式模型化追踪功能，并设计了基于转换神经网络和对抗学习技术的高效深度学习算法，以实现在稀缺的 UL 数据流量和强干扰条件下的几毫米级轴向追踪误差，并能够适应多种部署环境，只需少于 5% 的训练数据或等效于 5 分钟的 UE 轨迹进行标注。

情报共享在网络安全中至关重要，特别是与网络犯罪分子斗争时。五眼联盟是最大的情报共享网络之一。ISAC帮助减轻电力行业的安全威胁。保护关键基础设施需要加强安全控制和合作。威胁情报共享可以是人与人、机器对机器或机器可读和人类可读。目标是帮助企业了解风险并做出明智决策。