This paper presents a novel cognitive beamspace algorithm for integrated sensing and communications (ISAC) systems, focusing on the optimization of spatial resources. The proposed method operates in the beamspace domain that enables an orthogonal design between the sensing and communication functions. Additionally, the approach leverages the principles of Thompson sampling, known for effectively balancing exploration and exploitation in uncertain environments. It enables the ISAC system to dynamically adjust radar target search strategies based on environmental feedback while maintaining acceptable communication rates with the user equipment. We demonstrate the algorithm's effectiveness over traditional methods through numerical simulations. These simulations reveal significant improvements in radar search functionality while meeting the communications quality of service constraints.

The use of one-bit analog-to-digital converter (ADC) has been considered as a viable alternative to high resolution counterparts in realizing and commercializing massive multiple-input multiple-output (MIMO) systems. However, the issue of discarding the amplitude information by one-bit quantizers has to be compensated. Thus, carefully tailored methods need to be developed for one-bit channel estimation and data detection as the conventional ones cannot be used. To address these issues, the problems of one-bit channel estimation and data detection for MIMO orthogonal frequency division multiplexing (OFDM) system that operates over uncorrelated frequency selective channels are investigated here. We first develop channel estimators that exploit Gaussian discriminant analysis (GDA) classifier and approximate versions of it as the so-called weak classifiers in an adaptive boosting (AdaBoost) approach. Particularly, the combination of the approximate GDA classifiers with AdaBoost offers the benefit of scalability with the linear order of computations, which is critical in massive MIMO-OFDM systems. We then take advantage of the same idea for proposing the data detectors. Numerical results validate the efficiency of the proposed channel estimators and data detectors compared to other methods. They show comparable/better performance to that of the state-of-the-art methods, but require dramatically lower computational complexities and run times.

A noise covariance matrix estimation approach in unknown noise field for direction finding applicable for the practically important cases of nonuniform and block-diagonal sensor noise is proposed. It is based on an alternating procedure that can be adjusted for a specific noise type. Numerical simulations are conducted in order to establish the generality and superiority of the proposed approach over the existing state-of-the-art methods, especially in challenging scenarios.