广西类脑计算与智能芯片重点实验室(BCIC)曾海勇老师团队在通信领域的国际学术期刊《IEEE Internet of Things Journal》（中科院一区，JCR Q1）刊发了题为——《Frame Structure and Resource Optimization for Hybrid Long and Short Packet NOMA-based Data Collection in IIoT with Imperfect SIC》的最新研究成果。

论文简介                                                    

本文探讨了在工业物联网（IIoT）环境中，基于混合长短包非正交多址接入（NOMA）进行数据收集的框架结构和资源优化问题。研究重点关注在非完美的干扰消除（SIC）条件下，如何有效地管理资源以提高数据传输效率。论文首先提出了一种新的框架结构，结合长包和短包的优点，以适应不同类型的数据传输需求。接着，作者通过数学建模分析了系统性能，并提出了一种优化算法，以最大化网络的吞吐量和能量效率。实验结果表明，该方法在面对不完美SIC时，仍能显著提高数据收集的可靠性和效率。论文的研究为IIoT中的数据传输提供了新的视角，尤其是在资源受限和干扰环境下，具有重要的理论意义和实际应用价值。

图1 基于混合长包和短包的非正交多址接入（NOMA）数据收集系统模型，其中多个短包和长包可以同时复用相同的频带，以保证异构的服务质量（QoS）需求。具体来说，短包可以首先被解码以保持低延迟，随后解码叠加的长包以维持高信噪比（SINR）

原文链接：https://ieeexplore.ieee.org/document/10637450