简介这份资源面向无线通信方向的学生与研究人员提供一套基于 MATLAB 的 D2D 信道仿真与资源分配代码用于解决设备直连通信中信道建模、干扰分析与频谱资源优化等问题适合具备一定 MATLAB 基础、正在学习或验证 D2D 系统性能的读者。压缩包共 22 个文件以 20 个 .m 脚本为主体辅以 2 个 .asv 自动备份文件整体约 16KB体积轻量便于直接运行与二次修改。代码覆盖信道建模、路径损耗计算、用户与 D2D 对生成、干扰距离统计等模块并实现了随机算法、启发式算法与最优方案对比可帮助读者复现吞吐量、覆盖率等性能评估流程理解贪婪、遗传、粒子群等启发式思路在资源分配中的落地方式。目前已有 1214 人学习适合作为 D2D 通信入门仿真与算法对照的实验素材。1. 拿到这份 D2D 信道仿真 MATLAB 资源先搞清楚它能替你省掉哪段苦力如果你正在做 D2D 通信相关的课题大概率经历过这个阶段论文里的系统模型画得清清楚楚公式也推完了可真要跑出一条像样的 SINR 曲线或者资源分配对比图就得从零搭一套 MATLAB 仿真环境——信道怎么建模、干扰怎么算、功率怎么配、调度怎么排每一步都是坑。这份 D2D 信道仿真 MATLAB 资源解决的就是这段“从公式到图”的苦力活。它把 D2D 通信场景下的信道建模、干扰计算和资源分配仿真串成了一条可运行的链路适合通信方向的研究生、做链路级仿真的工程师以及需要快速验证资源分配算法思路的开发者。你不需要从空白脚本开始拿到手就能改参数、换算法、出对比图。2. 项目结构与技术底座这套仿真到底由哪几块拼起来2.1 整体架构三层结构撑起一条完整仿真链路这套 MATLAB 仿真代码的组织方式我拆下来看是典型的三层结构和大多数通信链路级仿真的工程习惯一致场景配置层负责定义小区半径、用户数量、D2D 对数量、带宽、噪声功率谱密度、路径损耗模型参数等。这一层通常是一个参数脚本或者结构体初始化函数所有后续模块都从这里取参数。信道与干扰计算层根据用户位置计算大尺度衰落路径损耗加阴影衰落再叠加小尺度衰落最终算出每个接收端的 SINR。D2D 场景的特殊之处在于蜂窝链路和 D2D 链路共享频谱干扰关系比纯蜂窝复杂得多——D2D 发射端干扰基站上行接收D2D 接收端又被蜂窝用户干扰。资源分配与调度层决定哪些 D2D 对复用哪些蜂窝用户的资源块以及功率怎么分配。这一层是大多数论文的核心创新点所在也是你二次开发时改动最频繁的地方。三层之间的数据流很清晰配置层生成场景 → 信道层算出信道增益矩阵 → 分配层根据增益做决策 → 回到信道层算 SINR → 统计吞吐量或中断概率。理解这条链路后面改代码就不会迷路。2.2 目录与文件组织常见做法是这样拆的虽然具体文件名可能因版本而异但这类仿真项目的文件组织通常遵循以下模式你拿到资源后可以对照着找D2D_Simulation/ ├── main.m % 主入口串起整个仿真流程 ├── config/ │ └── sim_params.m % 仿真参数集中管理 ├── channel/ │ ├── path_loss.m % 路径损耗计算 │ ├── shadowing.m % 阴影衰落生成 │ └── rayleigh_fading.m % 小尺度衰落 ├── resource/ │ ├── random_alloc.m % 随机资源分配基线 │ └── proposed_alloc.m % 核心分配算法 ├── utils/ │ ├── generate_positions.m % 用户位置生成 │ └── calc_sinr.m % SINR 统一计算入口 └── results/ └── plot_results.m % 结果可视化这种拆法的好处是每个文件职责单一改信道模型只动channel/下的文件换分配算法只动resource/下的文件互不牵连。我一般建议先打开main.m从头到尾读一遍看清楚调用顺序再钻进具体模块。2.3 参数配置所有可调项集中在一处参数集中管理是这套代码里最值得保留的设计习惯。典型配置长这样% sim_params.m - 仿真参数集中配置 function params sim_params() params.numCells 1; % 小区数量 params.cellRadius 250; % 小区半径 (m) params.numCUE 20; % 蜂窝用户数 params.numD2D 10; % D2D 对数量 params.bandwidth 10e6; % 系统带宽 (Hz) params.numRB 50; % 资源块数量 params.noisePSD -174; % 噪声功率谱密度 (dBm/Hz) params.maxTxPowerCUE 23; % 蜂窝用户最大发射功率 (dBm) params.maxTxPowerD2D 23; % D2D 最大发射功率 (dBm) params.pathLossExp 3.5; % 路径损耗指数 params.shadowStd 8; % 阴影衰落标准差 (dB) params.numRealizations 1000; % 蒙特卡洛仿真次数 end这里每个参数都直接影响仿真结果的可信度。numRealizations设成 1000 意味着整个场景要重复生成 1000 次取平均这是通信仿真里消除随机性影响的常规做法——单次 realization 的曲线抖动很大取平均之后才能看出算法之间的真实差距。pathLossExp和shadowStd要和你参考的论文或标准对齐否则算出来的 SINR 分布对不上后面所有结论都站不住。提示改参数之前先把numRealizations调小到 10 跑一遍确认流程能走通、没有报错再调回 1000 做正式仿真。1000 次跑下来可能要几分钟到十几分钟别一上来就等。3. 核心模块拆解信道建模、干扰计算与资源分配怎么落地3.1 信道增益计算大尺度加小尺度一步不能少D2D 仿真里最基础也最容易写错的就是信道增益。完整做法是路径损耗、阴影衰落、小尺度衰落三者相乘dB 域相加少任何一项SINR 分布都会偏。% calc_channel_gain.m - 计算任意两点间的信道增益 function gain_dB calc_channel_gain(dist, params, fadingType) % 路径损耗对数距离模型 pathLoss_dB 32.4 20*log10(2.1e9) ... 10*params.pathLossExp*log10(max(dist, 1)); % 阴影衰落对数正态分布 shadow_dB params.shadowStd * randn(); % 小尺度衰落瑞利或莱斯 if strcmp(fadingType, rayleigh) h (randn() 1j*randn()) / sqrt(2); fading_dB 20*log10(abs(h)); else fading_dB 0; % 简化场景可忽略小尺度 end gain_dB -pathLoss_dB shadow_dB fading_dB; end逐段说清楚pathLoss_dB用的是对数距离路径损耗模型32.4 20*log10(f)是 2.1 GHz 载频下的自由空间参考损耗后面那项按距离的pathLossExp次方衰减。max(dist, 1)是防止距离趋近于零时log10炸掉这个保护在用户位置随机生成时非常必要——两个用户恰好靠得很近的概率虽小但 1000 次 realization 里总会碰上。shadow_dB用randn()生成标准正态再乘标准差这是对数正态阴影的标准做法。小尺度衰落用复高斯除以sqrt(2)保证平均功率归一化取模再转 dB。注意randn()每次调用都消耗随机数流如果你在循环里反复调用而不控制随机种子结果不可复现。正式跑之前用rng(seed)固定种子方便对比不同算法时排除随机性干扰。3.2 SINR 计算D2D 场景的干扰关系是重点SINR 计算是整套仿真的心脏。D2D 复用蜂窝上行资源时接收端的干扰来源和纯蜂窝完全不同写错了干扰项后面资源分配算法再精巧也是白搭。% calc_sinr_d2d.m - 计算 D2D 接收端的 SINR function sinr_dB calc_sinr_d2d(d2dRx, d2dTx, cueTx, gainMatrix, params) % 有用信号对应 D2D 发射端的信道增益 signal_dBm params.maxTxPowerD2D gainMatrix(d2dTx, d2dRx); % 干扰 1复用同一 RB 的蜂窝用户 interference_cue 0; for k 1:length(cueTx) if is_reusing(cueTx(k), d2dRx) % 判断是否同 RB interference_cue interference_cue ... 10^( (params.maxTxPowerCUE gainMatrix(cueTx(k), d2dRx))/10 ); end end % 干扰 2其他复用同一 RB 的 D2D 发射端 interference_d2d 0; for j 1:length(d2dTx) if j ~ d2dTx is_reusing(d2dTx(j), d2dRx) interference_d2d interference_d2d ... 10^( (params.maxTxPowerD2D gainMatrix(d2dTx(j), d2dRx))/10 ); end end % 噪声 noise_mW 10^( (params.noisePSD 10*log10(params.bandwidth) - 30)/10 ); % 线性域合成后转 dB signal_mW 10^(signal_dBm/10); sinr_dB 10*log10( signal_mW / (interference_cue interference_d2d noise_mW) ); end这段代码的关键在于干扰项的枚举逻辑。is_reusing判断某个发射端是否和当前 D2D 接收端占用同一个资源块——这是 D2D 仿真的核心耦合点资源分配算法改的就是这个映射关系。干扰功率在线性域mW累加最后统一转 dB这是标准做法如果在 dB 域直接相加会得到错误结果这是新手最容易翻车的地方之一。噪声功率由噪声谱密度加带宽再减 30dBm 转 dBW 的换算得到量纲要对齐。3.3 资源分配从随机基线到你的算法资源分配模块是二次开发的主战场。一套合格的仿真至少要有随机分配作为基线否则你没法证明自己的算法“好”。% random_alloc.m - 随机资源分配基线 function rbAssignment random_alloc(numD2D, numRB) % 每个 D2D 对随机选一个 RB允许复用 rbAssignment randi(numRB, 1, numD2D); end % proposed_alloc.m - 基于信道质量的贪婪分配 function rbAssignment proposed_alloc(gainMatrix, numD2D, numRB) rbAssignment zeros(1, numD2D); rbLoad zeros(1, numRB); % 记录每个 RB 被复用的次数 for d 1:numD2D % 选信道增益最大且负载最轻的 RB score gainMatrix(d, :) - 3 * rbLoad; [~, bestRB] max(score); rbAssignment(d) bestRB; rbLoad(bestRB) rbLoad(bestRB) 1; end endrandom_alloc就是一行randi作为对照基线足够用了。proposed_alloc展示了一个典型的贪婪思路score里第一项是信道增益第二项-3*rbLoad是对负载的惩罚系数 3 是我随手设的权重你可以根据场景调——惩罚太轻会导致所有 D2D 挤在同一个 RB 上互相干扰惩罚太重又会让信道好的 RB 利用率不足。这个权重本质上是吞吐量和公平性的折中旋钮调参时建议画一条“D2D 数量 vs 平均吞吐量”的曲线来观察拐点。提示换算法时保持函数签名一致输入增益矩阵和数量输出 RB 分配向量这样main.m里只需要改一行函数名就能切换算法做对比不用动其他代码。4. 跑起来从零到出图的完整操作路径4.1 环境准备与首次运行MATLAB 版本建议 R2018b 及以上这套代码用到的函数都是基础通信和统计工具箱里的不需要额外工具箱——但如果你后续要加优化求解可能会用到 Optimization Toolbox。首次运行按这个顺序来把整个项目文件夹添加到 MATLAB 路径addpath(genpath(D2D_Simulation))。打开main.m把numRealizations临时改成 10。直接运行main.m观察命令行输出有没有报错、有没有 NaN。确认流程走通后改回 1000跑正式仿真。main.m的典型结构是外层循环遍历 realization内层依次调用位置生成、信道计算、资源分配、SINR 统计最后把每次的结果存进数组循环结束后取平均画图。第一次跑建议在main.m里加一句disp([Realization , num2str(r), /, num2str(params.numRealizations)])不然 1000 次跑下来你完全不知道进度到哪了干等着心里没底。4.2 结果验证先看分布再看曲线跑出结果后别急着下结论先做两个基本检查。第一画 SINR 的 CDF 图看分布形状是否合理——D2D 接收端的 SINR 通常集中在 0 到 20 dB 之间如果出现大量负几十 dB 的值大概率是干扰项算重了或者路径损耗参数不对。第二对比随机分配和你的算法在 D2D 数量较少时两者差距应该不大随着 D2D 数量增加好的算法优势才逐渐显现。如果一开始差距就巨大反而要怀疑是不是基线写错了。% plot_results.m - 画 SINR CDF 对比 figure; cdfplot(sinr_random); hold on; cdfplot(sinr_proposed); legend(Random, Proposed); xlabel(SINR (dB)); ylabel(CDF); grid on;cdfplot是统计工具箱的函数如果没有用sort加linspace手写也就三行。这张图是你论文里最常出现的图之一横轴 SINR、纵轴累积概率两条曲线的水平间距就是算法增益的直观体现。4.3 常见参数调整场景不同课题对参数的需求不一样这里列几个高频调整场景和对应改法调整目标改哪个参数注意事项增大 D2D 密度numD2D同步观察干扰是否饱和吞吐量曲线会出现平台改变小区规模cellRadius路径损耗随之变化SINR 整体平移模拟不同衰落环境pathLossExp、shadowStd要和参考论文对齐否则结论不可比控制仿真时长numRealizations先小后大正式结果不低于 500调整功率约束maxTxPowerD2D功率增大干扰也增大存在最优值改numD2D时特别要注意D2D 对数量增加后如果资源块数量不变复用程度加剧干扰会快速上升吞吐量曲线可能在某个点之后不升反降。这个拐点本身就是有价值的仿真结论别把它当成 bug 去“修”。5. 避坑与排查这几处翻车点我替你踩过了5.1 现象SINR 全是负值或者低得离谱原因最常见的是 dB 和线性域混用。比如把 dBm 的功率直接和 dB 的增益相加得到“功率”或者在线性域算完干扰又忘了转回 dB。另一个可能是噪声功率量纲错了noisePSD是 dBm/Hz加带宽时如果带宽用了 MHz 而没换算噪声会小三个数量级SINR 虚高反过来如果多除了一个 1000噪声偏大SINR 就全负了。解决在calc_sinr_d2d里临时加disp打印信号功率、干扰功率、噪声功率三个中间量逐个核对量纲。信号功率应该在 -20 到 0 dBm 量级噪声在 -100 dBm 量级10 MHz 带宽下对不上就查换算。5.2 现象每次运行结果都不一样没法对比算法原因随机数种子没固定。MATLAB 启动时默认用时间做种子每次randn序列都不同1000 次 realization 取平均虽然能压住大部分波动但两种算法如果不在同一组随机场景下对比差异里混着随机噪声。解决在main.m最开头加rng(42)并且在切换算法对比时确保两种算法跑的是同一组信道实现——常见做法是把信道增益矩阵先全部生成好存起来再分别喂给不同分配算法而不是每个算法各自重新生成场景。5.3 现象用户位置生成后出现距离为零或极小的点原因均匀分布在圆内生成点时如果直接用rand乘半径点会向圆心聚集面积元是r*dr不是dr导致大量用户挤在基站附近距离趋近零路径损耗公式里的log10出问题。解决圆内均匀采样要用r R*sqrt(rand())开根号是为了抵消面积随半径增长的影响。同时在路径损耗函数里保留max(dist, 1)的保护双保险。5.4 现象仿真跑得极慢1000 次要几个小时原因循环里反复调用函数、动态扩容数组、或者在最内层做了本可以向量化的操作。MATLAB 的循环开销不小尤其是嵌套循环里每次randn单独调用。解决把能向量化的都向量化——信道增益矩阵一次性算完别在双重循环里逐个算预分配结果数组sinr_all zeros(1, numRealizations)而不是sinr_all(end1) ...随机数一次性生成randn(N,1)而不是循环里调 N 次。这几招下来通常能快一个数量级。5.5 现象换了自己的分配算法后结果反而不如随机基线原因大概率是算法输出的 RB 索引和仿真框架期望的格式不一致比如你的算法返回 0 起始索引而框架用 1 起始或者返回的是矩阵而框架期望向量导致is_reusing判断全错干扰算成了零或者全干扰。解决在main.m里分配完之后加一句assert(all(rbAssignment 1 rbAssignment params.numRB))先把索引范围卡死。再打印几个样本的分配结果人工核对确认映射关系符合预期再跑全量。6. 二次开发把这份仿真改成你自己的算法验证平台拿到这套代码之后真正有价值的工作是把它变成你课题的验证平台。我的建议是从“替换一个模块、保持接口不变”开始而不是推倒重写。具体来说资源分配层是最容易替换的——保持rbAssignment your_alloc(gainMatrix, numD2D, numRB)这个签名内部随便你怎么写main.m里改一行函数名就能跑对比。这样你可以在同一组信道实现下把随机分配、贪婪分配、你的算法三条曲线画在一张图上结论才有说服力。如果你要做功率控制而不是资源分配改动点在calc_sinr_d2d的功率取值上——把固定的maxTxPowerD2D换成一个由功率控制函数返回的向量注意干扰项里其他 D2D 的功率也要同步更新别只改了有用信号那一项。这是我在类似项目里翻过车的地方只改发射功率忘了改干扰计算结果功率越大 SINR 越高物理上完全说不通查了半天才发现是干扰项还用的旧功率。验证方法上我习惯做两个 sanity check。第一把 D2D 数量设成 0此时系统退化成纯蜂窝SINR 分布应该和经典蜂窝仿真结果吻合对不上说明信道或干扰模型有问题。第二把路径损耗指数设成 2、阴影标准差设成 0退化成自由空间此时理论 SINR 可以手算和仿真结果对比误差应该在 1 dB 以内。这两个检查花不了十分钟但能帮你排除掉大部分模型层面的错误。还有一个实用技巧把每次仿真的关键参数和结果摘要存成一个结构体save(result_xxx.mat, params, sinr_all)文件名带上日期和算法名。做对比实验时最怕的就是跑完忘了当时用的什么参数回头想复现都复现不了。从那以后我每次跑正式仿真都强制走一遍“存参数加存结果”的流程后悔药这东西能提前吃就别等出事。希望这份拆解能帮你少走几步弯路把精力花在算法本身而不是环境搭建上。本文还有配套的精品资源点击获取