简介：面向无线通信方向的学生与研究人员，这份 MATLAB 仿真资料聚焦 D2D 通信的信道建模与资源分配问题，适合已具备一定通信原理与 MATLAB 编程基础、希望动手复现启发式资源分配算法的读者。资源包共 22 个文件，以 20 个 .m 脚本为主体，辅以 2 个 .asv 自动备份文件，压缩包约 16KB，体积轻量便于快速导入本地环境运行。脚本覆盖信道建模、路径损耗计算、用户与 D2D 对生成、干扰距离统计、随机算法与启发式算法实现、最优方案求解等模块，可支撑从系统建模到性能对比的完整仿真流程。已有 1214 人学习，说明其在同类教学与科研场景中具备一定参考价值。读者可据此理解 D2D 直连通信的干扰协调思路，对比随机分配与启发式算法在吞吐量、覆盖率等指标上的差异，并在此基础上改写参数、扩展算法或验证自己的资源分配策略。
1. D2D 信道仿真 matlab：一份能跑通链路级仿真的资源包
做 D2D 通信研究的人大概都经历过这个阶段：论文里的公式看得懂，资源分配算法也能复述，但真要自己搭一套链路级仿真去验证，光是信道建模和干扰计算就能卡上一两周。这份 D2D 信道仿真 matlab 资源包，解决的就是这个从公式到可运行代码之间的断层。它把 D2D 链路和蜂窝链路共存的场景搭好了，信道模型、路径损耗、阴影衰落、干扰叠加这些底层模块都封装成可调用的函数，上层留出资源分配算法的接口。适合两类人：一类是刚进实验室、需要快速拿到仿真结果写开题或小论文的研究生；另一类是想验证自己资源分配算法、但不想从零搭仿真平台的工程师。下面按“资源里有什么、怎么跑起来、参数怎么调、哪里容易翻车”的顺序拆。
2. 资源结构与信道建模：先搞清楚每个文件在算什么
拿到一个 matlab 仿真包，最忌讳上来就点运行。先花十分钟把目录结构和函数调用关系理清楚，后面调参和排错能省下大量时间。这份资源包的组织方式比较典型，核心是“场景配置—信道生成—干扰计算—性能统计”四层。
2.1 目录分层与主脚本入口
资源包的主入口通常是一个main.m或run_simulation.m，它负责读取参数、循环遍历用户数和信噪比、调用信道生成函数、再调用资源分配函数、最后统计吞吐量和中断概率。信道相关的函数集中在channel/目录下，资源分配算法在algorithm/目录下，工具函数比如坐标生成、距离计算放在utils/下。这种分层的好处是，你换算法只需要动algorithm/里的文件，信道模型不用碰。
我一般会先打开主脚本，从上往下读一遍变量定义，重点看三个东西：小区半径、D2D 对的最大通信距离、蜂窝用户和 D2D 用户的数量配比。这三个参数决定了整个仿真的干扰格局，后面所有结果都建立在它们之上。如果主脚本里这些参数是硬编码的，建议先改成从配置文件读取，方便做参数扫描。
% main.m 典型结构（节选） clear; clc; close all; % 场景参数 cfg.R_cell = 250; % 小区半径，单位米 cfg.R_d2d = 50; % D2D 最大通信距离 cfg.N_cellular = 10; % 蜂窝用户数 cfg.N_d2d = 20; % D2D 对数 cfg.SNR_dB = 0:5:30; % 信噪比扫描范围 % 循环遍历信噪比 for idx = 1:length(cfg.SNR_dB) cfg.SNR = 10^(cfg.SNR_dB(idx)/10); [thr, outage] = simulate_once(cfg); result.throughput(idx) = thr; result.outage(idx) = outage; end这段代码的逻辑很直白：外层按信噪比扫描，内层simulate_once完成一次完整的场景生成和性能统计。cfg.R_cell和cfg.R_d2d的单位是米，改的时候注意别把半径和直径搞混，这是新手最常见的量纲错误。cfg.SNR_dB用 dB 存、用线性值算，转换那一步不能省，否则信道增益算出来会差好几个数量级。
2.2 路径损耗与阴影衰落的参数含义
D2D 信道和传统蜂窝信道最大的区别在于，D2D 链路两端都在地面附近，天线高度低，视距概率和路径损耗指数跟蜂窝链路不一样。资源包里一般会给两套路径损耗模型：蜂窝链路用经典的 128.1 + 37.6log10(d) 形式，D2D 链路用更贴近实测的模型，路径损耗指数通常在 3.5 到 4.5 之间可调。
阴影衰落是另一个容易忽略的点。蜂窝链路的阴影衰落标准差一般取 8 dB，D2D 链路取 6 到 8 dB 不等。资源包里如果把这个值写死成 8，而你研究的场景是密集城区，可能需要调到 10 甚至更高。改这个参数的时候，注意它影响的是大尺度衰落，跟小尺度快衰落是两回事，别混在一个函数里改。
function PL = pathloss_d2d(d, fc, alpha) % d : 链路距离，单位米 % fc : 载波频率，单位 GHz % alpha : 路径损耗指数 d0 = 1; % 参考距离 1 米 PL0 = 20*log10(4*pi*fc*1e9*d0/3e8); % 自由空间参考损耗 PL = PL0 + 10*alpha*log10(d/d0); end这个函数里fc的单位是 GHz，内部乘了 1e9 转成 Hz，如果你传参时已经用了 Hz，这里就会重复乘，结果偏大几十 dB。alpha的典型取值：视距场景 2.0 到 2.5，非视距场景 3.5 到 4.5。资源包默认值一般是非视距的保守估计，做对比实验时可以按场景分别设置。
2.3 干扰叠加的计算顺序
D2D 场景的干扰关系比纯蜂窝复杂：蜂窝用户干扰 D2D 接收端，D2D 发射端干扰基站，D2D 对之间还互相干扰。资源包里计算干扰的顺序通常是先算所有链路的信道增益矩阵，再按资源块逐个叠加干扰。这个顺序不能乱，因为资源分配算法依赖增益矩阵做决策，如果先分配再算增益，逻辑就反了。
计算增益矩阵时，注意区分大尺度和小尺度。大尺度增益（路径损耗加阴影衰落）在一次场景生成内保持不变，小尺度快衰落每个资源块都要重新生成。资源包如果为了提速只算了大尺度，结果会偏乐观，中断概率偏低。做链路级仿真时，至少要在每个传输时间间隔内重新生成小尺度衰落，否则多径分集的效果体现不出来。
3. 资源分配算法接入：把论文公式翻译成可跑的代码
信道模型跑通之后，下一步是把资源分配算法接进去。这份资源包的价值很大程度上体现在它留了清晰的算法接口，你不需要改信道代码，只需要实现一个分配函数，输入增益矩阵和约束条件，输出资源块分配结果。
3.1 算法接口的输入输出约定
资源包一般约定分配函数的签名为[assignment, power] = allocate(gain_matrix, cfg)。gain_matrix是一个三维或二维矩阵，行是用户、列是资源块，值是对应的信道增益；cfg里带着功率上限、最小速率要求这些约束。输出assignment是用户到资源块的映射，power是每个用户在各资源块上的发射功率。
接入自己的算法时，最容易出错的是矩阵维度对不上。比如你的算法按 D2D 对编号索引，但增益矩阵的行顺序是先蜂窝后 D2D，中间差了一个偏移量。我一般会在分配函数开头加一段断言，把维度打印出来核对一遍，跑通之后再删掉。
function [assignment, power] = allocate(gain_matrix, cfg) [N_user, N_rb] = size(gain_matrix); assert(N_user == cfg.N_cellular + cfg.N_d2d, ... '用户数与配置不一致，检查增益矩阵行顺序'); assignment = zeros(N_user, 1); power = zeros(N_user, N_rb); % 贪心分配示例：每个用户选增益最大的资源块 for u = 1:N_user [~, best_rb] = max(gain_matrix(u, :)); assignment(u) = best_rb; power(u, best_rb) = cfg.P_max / cfg.N_rb; % 功率均分 end end这段贪心代码只是占位，目的是让你看清接口怎么用。cfg.P_max是总功率上限，除以资源块数做均分是最保守的做法，实际算法里功率控制往往是重头戏。assignment用列向量存每个用户占用的资源块编号，如果你的算法允许一个用户占多个资源块，这里要改成矩阵或元胞数组，接口约定要提前想清楚，不然后面统计吞吐量时对不上。
3.2 基于信道增益的贪心分配与对比基线
做资源分配研究，一定要有基线对比，否则审稿人第一个问题就是“你的算法比谁好”。资源包里通常自带一两个基线，比如随机分配和最大增益贪心。随机分配作为下界，最大增益贪心作为上界参考，你的算法落在两者之间才有说服力。
贪心分配的复杂度是 O(N_user × N_rb)，在用户数和资源块数都不大的时候完全够用。但要注意，纯贪心不考虑用户间的公平性，边缘用户可能一直分不到好资源，中断概率会偏高。如果你的研究点是公平性，基线就要换成比例公平，而不是纯贪心。
% 随机分配基线 assignment_rand = randi(cfg.N_rb, cfg.N_user, 1); % 最大增益贪心基线 assignment_greedy = zeros(cfg.N_user, 1); for u = 1:cfg.N_user [~, assignment_greedy(u)] = max(gain_matrix(u, :)); end对比实验时，三个算法要用同一套信道实现，也就是同一个随机种子。matlab 里用rng(seed)固定种子，每次换算法前重置，否则信道随机性会掩盖算法差异。这一点在写论文时尤其重要，血泪经验是：不固定种子跑出来的对比曲线，自己回头看都不敢信。
3.3 功率控制参数的联动影响
资源分配和功率控制是耦合的，分开调很容易顾此失彼。资源包里如果功率是均分写死的，你接自己的算法时要把功率变量暴露出来。D2D 发射功率的典型范围是 -10 dBm 到 23 dBm，具体取值受限于对基站的干扰门限。功率调大，D2D 吞吐量上去，但蜂窝上行中断概率也跟着涨，这是一条此消彼长的曲线。
调功率参数时，建议先固定资源分配策略，单独扫功率，画出 D2D 吞吐量和蜂窝中断概率随功率变化的曲线，找到拐点之后再联合调。资源包里如果有P_d2d_max和P_cellular_max两个独立参数，注意它们单位是否一致，一个用 dBm 一个用瓦特的情况我见过不止一次，跑出来的结果量纲都是乱的。
4. 仿真参数配置与结果验证：别让曲线骗了你
代码能跑出图，不等于结果可信。链路级仿真最常见的翻车是“曲线很漂亮，但物理上说不通”。这一章讲怎么配置参数、怎么用已知结论做 sanity check，把不可信的结果挡在论文之外。
4.1 关键参数的取值区间与依据
下面这张表是我整理的一份常用参数区间，资源包里的默认值如果落在区间外，要么是笔误，要么是特定场景的设定，需要确认。
| 参数 | 典型区间 | 说明 |
|---|---|---|
| 小区半径 | 100–500 m | 密集城区取小值 |
| D2D 最大距离 | 20–100 m | 超过 100 m 干扰难控 |
| 载波频率 | 2–3.5 GHz | 与蜂窝频段一致 |
| 路径损耗指数（D2D） | 3.5–4.5 | 非视距保守取值 |
| 阴影衰落标准差 | 6–10 dB | D2D 略低于蜂窝 |
| D2D 发射功率 | -10–23 dBm | 受干扰门限约束 |
| 噪声功率谱密度 | -174 dBm/Hz | 加噪声系数 |
参数之间不是独立的。比如你把 D2D 最大距离从 50 m 调到 100 m，路径损耗会多出十几 dB，如果不相应调高发射功率，D2D 链路直接断掉，吞吐量曲线会掉到零附近，这时候别急着怀疑算法，先检查链路预算。
4.2 用香农容量做 sanity check
最直接的验证方法：在不考虑干扰、只考虑噪声的理想情况下，仿真出来的吞吐量应该逼近香农容量 log2(1+SNR)。资源包里如果有单链路测试脚本，先跑这个，确认信道增益和噪声功率的计算没出错。如果单链路结果比理论值低 3 dB 以上，大概率是噪声带宽或者天线增益漏乘了。
另一个检查点是中断概率随信噪比的变化趋势。正常情况下，信噪比每提高 10 dB，中断概率应该显著下降，曲线单调。如果出现平台或者反弹，通常是干扰项没随信噪比正确缩放，或者随机种子没固定导致统计波动被误读。
4.3 蒙特卡洛次数与收敛判断
链路级仿真的结果是统计量，蒙特卡洛次数不够，曲线会抖。资源包默认的循环次数可能只有几百次，跑出来的中断概率误差很大。我的习惯是至少跑 5000 次独立场景，中断概率的置信区间才收得比较紧。判断收敛的土办法：把总次数分成两半，分别统计，两个结果差在 5% 以内就认为收敛了。
次数上去之后运行时间会变长，matlab 里可以用parfor并行化外层循环，但要注意随机数流的管理，每个 worker 要用独立的子流，否则并行结果和串行对不上。资源包如果没做并行适配，改的时候把rng的调用放到循环内部，用rng(seed + idx)这种形式给每个场景独立种子。
5. 避坑与排查：五个让仿真结果失真的常见问题
这一章是我自己踩过、也见过别人反复踩的坑，按“现象—原因—解决”列出来，对着排查能省不少时间。
现象一：吞吐量曲线在高信噪比处饱和，怎么调算法都不涨。原因通常是干扰受限，D2D 用户之间的同频干扰随功率线性增长，信噪比提高带来的增益被干扰抵消。解决方法是检查资源分配是否做了干扰协调，比如相邻 D2D 对是否被分到正交资源块；如果算法本身没考虑干扰，饱和是正常物理现象，不是代码 bug。
现象二：中断概率大于 1 或者出现负值。原因是统计时的分母用错了，比如用中断次数除以总用户数而不是总链路数，或者把未分配资源的用户也算进了分母。解决方法是回到统计函数，把分子分母的含义在注释里写清楚，逐行核对。
现象三：换一个随机种子，算法排名就反转。原因是蒙特卡洛次数太少，统计噪声大于算法差异。解决方法是把次数提到 5000 以上，或者对多个种子取平均，报告均值加置信区间，而不是单次结果。
现象四：D2D 链路增益算出来是正无穷或者 NaN。原因是距离为零或者负数，坐标生成时两个用户重合了。解决方法是在距离计算里加一个下限，比如max(d, 1)，同时检查用户坐标生成是否允许重合，必要时做最小间距约束。
现象五：并行跑和串行跑结果不一致。原因是随机数流没隔离，多个 worker 共享了同一个全局流。解决方法是用RandStream给每个并行任务创建独立流，或者在parfor内部按索引重置种子。
提示：每次改完参数，先跑单场景打印中间变量，确认增益矩阵、干扰功率、信噪比都在合理范围，再跑全量统计。跳过这一步直接看曲线，翻车概率很高。
6. 进阶技巧：把仿真包改造成参数扫描工具
资源包能跑通只是起点，真正提高效率的是把它改造成能批量出图的工具。我一般会写一个外层脚本，把用户数、D2D 距离、功率这几个维度做成参数网格，自动遍历、自动存结果、自动画图。这样一次跑完，论文里需要的对比曲线基本就齐了。
% sweep.m 参数扫描外层脚本 N_d2d_list = [10, 20, 30, 40]; P_d2d_list = [-5, 0, 5, 10]; % dBm results = cell(length(N_d2d_list), length(P_d2d_list)); for i = 1:length(N_d2d_list) for j = 1:length(P_d2d_list) cfg.N_d2d = N_d2d_list(i); cfg.P_d2d = 10^(P_d2d_list(j)/10) * 1e-3; % dBm 转瓦特 results{i,j} = run_batch(cfg, 5000); % 5000 次蒙特卡洛 fprintf('N_d2d=%d, P_d2d=%d dBm 完成\n', ... N_d2d_list(i), P_d2d_list(j)); end end save('sweep_results.mat', 'results', 'N_d2d_list', 'P_d2d_list');这段脚本的关键在单位转换那一行：P_d2d_list用 dBm 存，转瓦特要除以 10 再取 10 的幂，再乘 1e-3。这个转换写错，功率会差三个数量级，曲线全废。run_batch是你封装好的批量仿真函数，内部固定种子、跑蒙特卡洛、返回统计量。结果存成.mat而不是直接画图，是为了后面换画图样式时不用重跑仿真。
参数扫描的维度不要一次开太多，四个维度以上跑一晚上都出不来。我的习惯是先扫两个最关键的维度，看趋势对不对，再决定要不要加第三个维度。另外，扫描脚本里加个进度打印，不然跑几个小时不知道卡在哪一组，这种等待最磨人。
从那以后我每次拿到新的仿真包，都强制先跑单链路 sanity check、再固定种子跑基线、最后才接自己的算法，这三步一步不省。希望这份拆解能帮到你，少走几段弯路。
本文还有配套的精品资源，点击获取
