简介：本资源面向无线通信方向的学生与研究人员，聚焦D2D通信中的信道仿真与频谱资源分配问题，适合具备一定MATLAB基础、希望深入理解D2D系统建模与启发式算法实现的读者。压缩包共22个文件，以20个.m脚本为主，辅以2个.asv自动备份文件，整体约16KB，涵盖信道建模、路径损耗计算、用户与D2D对生成、干扰距离分析及多种资源分配算法等模块。内容围绕信道建模、系统模型、启发式算法实现、性能评估、干扰管理与结果分析展开，涉及瑞利衰落、阴影衰落、多普勒效应等信道特性，以及贪婪算法、遗传算法、粒子群优化等求解思路。已有1214人学习下载，读者可借助完整脚本快速复现仿真流程，对比不同分配策略在误码率、吞吐量与覆盖率上的表现，并在此基础上迭代优化自己的方案。
1. D2D 信道仿真：为什么你算出的信噪比比实验室低 6 dB
做过 D2D（Device-to-Device）链路级仿真的人，大概都遇到过这种玄学：代码跑通了，曲线也画出来了，可 SINR 分布就是比预期低一截，换个场景参数又对不上。问题往往不在算法，而在信道模型这一层——路径损耗、阴影衰落、快衰落三者的叠加顺序、参考点定义、天线增益的符号，任何一处含糊，结果就整体偏移。D2D 信道仿真要解决的核心问题，是把「两个终端直连时，电磁波在真实环境里到底衰减成什么样」这件事，用可复现的数学结构表达出来，再喂给资源分配、功率控制、模式选择这些上层算法。搞懂它的底层机制，你才能判断一条曲线是算法真的赢了，还是信道模型在偷偷放水。这份 MATLAB 仿真资源，正是围绕这条链路把模型、参数、流程串起来的。
2. 信道模型的骨架：路径损耗、阴影衰落、快衰落是怎么叠上去的
2.1 为什么必须拆成三层来建模
电磁波从发射端到接收端，衰减发生在三个完全不同的尺度上。第一层是路径损耗，它只跟距离和频率有关，是确定性的大尺度趋势，比如自由空间里功率随距离平方衰减，到了城区街道又会因为建筑遮挡变成更陡的幂律。第二层是阴影衰落，也叫大尺度衰落，描述的是同样距离下不同位置的接收功率差异——你站在路口和站在楼后，距离一样但信号差很多，这层用对数正态分布来刻画。第三层是快衰落，也叫小尺度衰落，波长量级的移动就能让相位翻转，接收幅度剧烈起伏，通常用瑞利或莱斯分布描述。
把这三层分开建模，不是为了好看，而是因为它们的时间尺度差了几个数量级。路径损耗在一次仿真里几乎不变，阴影衰落秒级变化，快衰落毫秒级变化。如果混在一起算，你根本没法判断性能波动到底来自用户移动还是来自环境变化。常见的实现思路是：先算大尺度平均功率，再乘上快衰落的复增益，最后叠加噪声和干扰。
% 三层衰落叠加的核心结构（示意） d = 50; % 收发距离，单位米 fc = 2e9; % 载波频率 2 GHz PL = pathloss(d, fc); % 路径损耗，dB，确定性 X_sigma = sigma_shadow * randn; % 阴影衰落，dB，对数正态 h_fast = (randn + 1j*randn)/sqrt(2); % 瑞利快衰落复增益 P_rx_dBm = P_tx_dBm - PL + X_sigma; % 大尺度接收功率 P_rx_lin = 10^(P_rx_dBm/10) * abs(h_fast)^2; % 叠加小尺度这段代码里，pathloss返回的是正数 dB 损耗，X_sigma是零均值高斯随机变量乘以阴影标准差，h_fast归一化到单位功率。关键点在于：阴影衰落加在 dB 域，快衰落乘在功率域，顺序不能反。如果你把快衰落也转成 dB 再加，得到的分布就错了，因为对数运算会改变随机变量的统计特性。
2.2 参考点与天线增益：最容易被忽略的偏移源
很多仿真结果整体偏移，根源在参考点定义。路径损耗公式里的距离，到底是从天线端口算，还是从设备几何中心算？天线增益是发射加接收都算，还是只算一端？这些细节在文档里常常一笔带过，但差一个 3 dBi 就是 2 倍功率。D2D 场景里终端高度低、天线方向图不规则，这个问题更突出。
我一般会这么理解：把整个链路拆成「发射功率 + 发射天线增益 - 路径损耗 - 穿透损耗 + 接收天线增益 - 阴影 - 快衰落」这条预算链，每一项都明确符号和单位。仿真代码里最好用一个结构体把参数集中管理，避免散落在各处。
cfg.Ptx_dBm = 23; % 发射功率 cfg.Gtx_dBi = 0; % 发射天线增益 cfg.Grx_dBi = 0; % 接收天线增益 cfg.fc_GHz = 2.0; % 载波频率 cfg.shadow_dB = 8; % 阴影标准差 cfg.noise_dBm = -174 + 10*log10(180e3) + 7; % 热噪声+噪声系数参数集中之后，任何一项改动都能追溯。噪声底的计算也常被写错：-174 dBm/Hz是室温热噪声谱密度，加上带宽的对数再叠噪声系数，才是接收端实际噪声功率。带宽用 Hz，别用 kHz 混进去。
2.3 干扰建模：D2D 和蜂窝共存的真正难点
D2D 仿真和普通链路仿真最大的区别，是干扰结构复杂。D2D 用户可能复用蜂窝上行或下行资源，于是存在三类干扰：D2D 对基站的干扰、蜂窝用户对 D2D 接收端的干扰、D2D 对之间的同频干扰。每一类都要单独算信道增益，不能共用一个路径损耗值。
常见的实现思路是维护一个增益矩阵G(i,j)，表示第 j 个发射端到第 i 个接收端的信道增益，包含路径损耗、阴影和快衰落。资源分配算法在这个矩阵上做优化，比如最大化总速率或最小化干扰。矩阵的维度是接收端数量乘以发射端数量，规模随用户数平方增长，这也是 D2D 仿真比单链路慢得多的原因。
提示：增益矩阵里每一项的随机种子要独立控制，否则快衰落会在不同链路上产生虚假相关性，干扰统计就失真了。
3. 资源分配算法怎么嵌进信道仿真：从 SINR 到调度决策
3.1 SINR 计算：所有算法的输入都从这里来
资源分配算法看到的不是信道增益，而是 SINR。SINR 的计算把有用信号功率除以干扰加噪声功率，公式本身简单，但每一项的来源要清楚。有用信号是服务基站或对端 D2D 的接收功率，干扰是所有同频发射端到本接收端的功率之和，噪声是前面算的噪声底。
% 计算第 k 个接收端的 SINR S = P_rx_serving(k); % 有用信号功率，线性值 I = sum(P_rx_interf(k, mask)); % 同频干扰功率之和 N = 10^(cfg.noise_dBm/10); % 噪声功率，线性值 SINR_lin = S / (I + N); SINR_dB = 10*log10(SINR_lin);mask用来标记哪些发射端和当前接收端同频。如果资源分配是动态的，这个 mask 每个调度周期都要更新。注意功率全部转成线性值再相加，dB 域相加是错的——这是新手最常见的翻车点之一。
3.2 调度周期与信道更新频率的匹配
信道仿真和资源分配的时间粒度必须匹配。快衰落变化快，如果调度周期是 1 ms，而信道每 10 ms 才更新一次，那算法看到的就是过时信息，性能评估会偏乐观。反过来，信道更新太频繁，仿真时间又爆炸。
常见的做法是：大尺度参数（路径损耗、阴影）按用户移动速度更新，比如每 100 ms 一次；小尺度快衰落按相干时间更新，相干时间约等于0.423 / (fc * v)，其中 v 是移动速度。2 GHz、30 km/h 时相干时间大约 1.7 ms，所以快衰落至少每毫秒要重采样一次。
v = 30/3.6; % 速度转 m/s fc = 2e9; Tc = 0.423 / (fc * v); % 相干时间，秒 update_interval = Tc / 2; % 至少半相干时间更新一次这个细节决定了仿真结果是否可信。如果资源分配算法依赖信道状态信息，而信道更新慢于调度周期，算法实际上在用旧信息做决策，评估出来的吞吐量会虚高。
3.3 模式选择：D2D 到底该不该建链
D2D 仿真的一个核心输出，是模式选择决策：某个用户对是走基站中转，还是直接建 D2D 链路。判据通常是比较两种模式的 SINR 或可达速率。D2D 直连省了双跳资源，但引入了干扰；基站中转干扰可控，但占用两份资源。
仿真里实现模式选择，一般是在每个调度周期遍历所有用户对，分别计算两种模式下的 SINR，选高的那个。这里有个坑：D2D 模式的 SINR 依赖对端距离，而距离是随机分布的，所以模式选择结果本身也是随机的。评估时要跑足够多的随机拓扑，取统计平均，不能只看一次实现。
for pair = 1:num_pairs sinr_cellular = calc_sinr_cellular(pair, G, cfg); sinr_d2d = calc_sinr_d2d(pair, G, cfg); if sinr_d2d > sinr_cellular + margin mode(pair) = "d2d"; else mode(pair) = "cellular"; end endmargin是切换门限，防止在边界反复抖动。这个值取 0 到 3 dB 都常见，具体看场景。没有 margin 的话，模式选择会在两个选项间高频切换，仿真里表现为决策序列剧烈跳变。
4. 避坑与排查：D2D 信道仿真里那些让人怀疑人生的偏差
4.1 曲线整体平移，算法排序却不变
现象：所有方案的 SINR 分布都比预期低几个 dB，但相对排序正常。原因通常是路径损耗模型选错，或者参考距离、参考损耗没对齐。比如 3GPP 的 UMi 模型和自由空间模型在 50 米处能差 10 dB 以上。解决：先单独验证路径损耗模块，画一条「接收功率 vs 距离」曲线，和标准公式逐点对比，确认无误再接入完整链路。
4.2 干扰功率算出来比有用信号还大
现象：SINR 长期为负，系统几乎不可用。原因多半是干扰端数量或发射功率配置错误，也可能是增益矩阵的索引写反了，把服务链路当成了干扰。解决：打印增益矩阵的前几行，人工核对对角元（服务链路）和非对角元（干扰链路）的量级关系。服务链路的增益应该明显高于同距离的干扰链路，除非有强视距。
4.3 快衰落统计不对，瑞利分布变成了别的形状
现象：接收幅度直方图和理论瑞利分布对不上，尾部偏厚或偏薄。原因通常是复高斯实部虚部方差不相等，或者忘了归一化。解决：单独生成 10 万个快衰落样本，画直方图叠加理论曲线，确认均值和方差。标准瑞利衰落的复增益实部虚部各服从零均值、方差 0.5 的高斯分布，这样包络平方的均值才是 1。
4.4 仿真跑得越久结果越差
现象：增加仿真时长后，平均吞吐量反而下降。原因可能是用户移动导致大尺度参数漂移，而资源分配算法没有跟着更新，或者阴影衰落的相关性没建模，每次重采样都独立，长期平均被极端值拉低。解决：检查大尺度参数的更新逻辑，确认阴影衰落是否用了相关模型（比如一阶滤波），而不是每次独立抽样。
4.5 不同随机种子下结果方差巨大
现象：换一个种子，性能曲线就变一个样，结论无法复现。原因是样本数不够，或者关键随机变量没有固定种子。解决：固定所有随机源的种子，跑至少 100 次独立拓扑取平均，报告均值和置信区间。D2D 场景里用户位置、阴影、快衰落三层随机性叠加，样本需求比单链路大得多。
5. 从仿真到结论：怎么判断你的 D2D 模型值得信
一套 D2D 信道仿真能不能用，不取决于代码跑得多顺，而取决于它能不能在已知条件下复现已知结论。我习惯做三件事来验证。第一，退化测试：把 D2D 距离拉到很近、干扰设为 0，SINR 应该趋近于只有噪声时的理论值，偏差超过 1 dB 就说明链路预算有问题。第二，单调性测试：固定其他参数，只增加干扰端数量，SINR 必须单调下降，如果出现反弹，说明干扰求和或资源掩码有 bug。第三，极限测试：把阴影标准差设为 0、快衰落关闭，结果应该和纯路径损耗公式完全一致，这是排查叠加顺序错误最有效的手段。
这三步做完，模型的可信度基本就有了。剩下的工作是参数标定：路径损耗指数、阴影标准差、噪声系数，这些值要和目标场景对齐。城区、室内、郊区差异很大，拿错参数比写错代码更隐蔽。
| 验证项 | 操作 | 通过判据 |
|---|---|---|
| 退化测试 | 距离趋近 0，干扰置 0 | SINR 接近噪声受限理论值，偏差 < 1 dB |
| 单调性测试 | 逐步增加干扰端 | SINR 单调不增 |
| 极限测试 | 关闭阴影和快衰落 | 与纯路径损耗公式逐点一致 |
| 统计测试 | 固定种子跑 100 次 | 均值稳定，置信区间收窄 |
这份 MATLAB 仿真资源把上面这些环节都落成了可运行的脚本和函数，参数结构、增益矩阵、SINR 计算、模式选择都有对应实现，适合拿来对照自己的代码逐段排查。如果你正在做 D2D 资源分配，或者被信道模型的偏差折腾过，把这份代码跑一遍，比对着文档猜要快得多。
从那以后我每次搭 D2D 仿真，都强制先跑一遍退化测试和极限测试，确认链路预算没错再往上叠算法。这个习惯帮我省掉了无数次「算法明明对、曲线就是不对」的返工。希望帮到你。
本文还有配套的精品资源，点击获取
