D2D信道仿真MATLAB：SINR计算、干扰矩阵与资源分配

简介：这份D2D信道仿真MATLAB资料包面向无线通信方向的学生、课程设计者与科研入门者，围绕设备直连通信中的信道建模、干扰分析与频谱资源分配展开，适合用来理解直连通信在提升频谱效率、降低时延和扩展覆盖方面的基本机制。包内共22个文件，以20个m脚本为主体，另有2个asv自动备份文件，压缩包约16KB，体量轻便，便于直接放入MATLAB环境阅读、调试和二次修改。已有1214人学习下载，在D2D仿真学习场景中具有一定参考价值。内容覆盖多径与阴影衰落条件下的信道建模、路径损耗计算、常规用户与D2D对生成、干扰距离统计、随机分配与启发式资源分配、最优方案对照等环节，可帮助读者搭建从系统模型到性能评估的仿真链路，复现吞吐量、干扰和覆盖率等指标分析，并据此比较不同资源分配策略的优劣，形成较完整的实验思路。

1. 从一条链路的 SINR 说起：D2D 信道仿真 matlab 到底在算什么

跑 D2D 信道仿真 matlab 的人，十个里有八个第一次跑出来的 SINR 分布是错的——不是信道模型写错，而是 dBm 和 mW 混着算、自己对自己的干扰没剔掉、撒点用rand直接乘半径。这套资源的定位很直接：给一份能跑通「拓扑撒点 → 路损与衰落 → 干扰增益矩阵 → 资源分配 → SINR/速率/中断统计」整条链路的 MATLAB 源码，重心放在 D2D 复用蜂窝上行资源时的干扰建模，而不是单链路误码率那种玩具级仿真。

它适合两类人：一类是要验证 D2D 资源分配算法、但不想从零搭场景的研究生；另一类是刚转无线系统仿真、被「为什么我的中断概率曲线是平的」折磨过的工程师。读完你应该能把参数表改成自己的场景，知道哪几个数动一下曲线就会变，也知道结果不对劲时先怀疑哪里。

2. 参数先钉死：D2D 信道仿真里拓扑撒点、路损与衰落的三个落地细节

2.1 一份集中管理的参数结构体，顺便把量纲约定说清

仿真代码写崩，一半原因出在参数散落在十几个脚本里。包里所有可调项都收在一个函数返回的结构体里，谁要改场景就只改这一个地方。约定是这样的：带_dBm后缀的字段一律存 dBm，带_dB的存比值，进 SINR 计算前统一转成 mW。这个约定看起来啰嗦，但它能把后面 90% 的量纲事故挡在门外。

function cfg = sim_params() %SIM_PARAMS 仿真参数集中管理, 后续所有函数只读这个结构体 % 约定: 带 _dBm 后缀存 dBm, 带 _dB 后缀存比值, 进 SINR 前统一转 mW cfg.R_cell = 250; % 小区半径, m cfg.N_cue = 20; % 蜂窝用户数 cfg.N_d2d = 30; % D2D 对数 cfg.n_rb = 10; % 资源块个数 cfg.d_min = 3; % D2D 最近距离, m, 防止 log10(0) 发散 cfg.d_max = 30; % D2D 最远距离, m cfg.fc = 2e9; % 载波频率, Hz cfg.B_rb = 180e3; % 单个资源块带宽, Hz cfg.P_cue_dBm = 23; % 蜂窝用户发射功率 cfg.P_d2d_dBm = 20; % D2D 发射功率 cfg.NF_dB = 7; % 接收机噪声系数 cfg.N0_dBm_hz = -174; % 热噪声谱密度 cfg.n_los = 2.0; % LOS 路损指数 cfg.n_nlos = 3.7; % NLOS 路损指数 cfg.p_los = 0.5; % 简化 LOS 概率, 严谨做法按距离分段 cfg.sigma_sf = 8; % 阴影衰落标准差, dB cfg.K_rician = 10; % Rician K 因子, dB, 仅 LOS 链路使用 cfg.gamma_out = 0; % 中断门限, dB % 噪声功率三项都在 dB 域, 直接相加, 不要先转线性 cfg.P_noise_dBm = cfg.N0_dBm_hz + 10*log10(cfg.B_rb) + cfg.NF_dB; end

最后一行是整套代码里最容易写错的一行。噪声功率不是「噪声谱密度乘带宽」这么简单转一下就完事，正确顺序是先把谱密度和带宽都换成 dB 再相加，因为 10·log10(B) 本身就是个 dB 值。按上表算出来约 -114.4 dBm，换成线性是 3.6e-15 W 量级，后面所有功率都得在同一个量纲下做除法，差一个 1000 倍曲线就整体平移。

几个参数对结果的影响方向，先给个直观对照：

2.2 拓扑撒点：均匀分布不等于rand乘半径

这一段是血泪经验。圆内均匀撒点的正确做法是对半径取平方根变换，r = R*sqrt(rand)，而不是r = R*rand。后者会让点往圆心堆，小区边缘几乎没有用户，而你算出来的平均路损会莫名其妙地好看。同样的问题会出现在 D2D 对端撒点上，如果先撒中心再在周围撒对端，对端有可能落到小区外，这时候要么裁掉要么反射回来，两种处理对边缘干扰统计的影响不一样。

function [cue, d2d] = gen_topology(cfg) %GEN_TOPOLOGY 生成蜂窝用户与 D2D 对的二维位置 % 蜂窝用户: 极坐标撒点, 半径必须做 sqrt 变换才面积均匀 r = cfg.R_cell * sqrt(rand(cfg.N_cue,1)); th = 2*pi*rand(cfg.N_cue,1); cue.pos = [r.*cos(th), r.*sin(th)]; % D2D: 中心点面积均匀撒点, 对端在 [d_min, d_max] 圆环内随机取方向 rc = cfg.R_cell * sqrt(rand(cfg.N_d2d,1)); thc = 2*pi*rand(cfg.N_d2d,1); tx = [rc.*cos(thc), rc.*sin(thc)]; d = cfg.d_min + (cfg.d_max - cfg.d_min)*rand(cfg.N_d2d,1); phi = 2*pi*rand(cfg.N_d2d,1); rx = tx + [d.*cos(phi), d.*sin(phi)]; d2d.tx = tx; d2d.rx = rx; d2d.dist = d; % 保存真实距离, 后面算自身链路增益要用 end

d2d.dist这一行别省。有人图省事，后面用pdist2(d2d.tx, d2d.rx)的对角线当自身距离，逻辑上没错，但一旦你把对端裁到小区内、位置被改过，对角线距离就和当初撒点的d对不上了，增益矩阵和拓扑从此不一致。

2.3 路损与快衰落：把随机性关进一个函数里

路损用对数距离模型，自由空间参考点取 1 m，后面叠阴影衰落和快衰落。这样写的好处是模型可换：做对比实验时只要换一个同签名的函数，主流程一行不动。参考距离处的自由空间路损是 20·log10(4πd₀f/c)，2 GHz、d₀=1 m 时约 38.5 dB，这个数在很多论文里被直接省略掉，导致不同人算出来的绝对路损差几十 dB，横向比结果时对不上号。

function [g_lin, pl_dB, is_los] = chan_gain(cfg, d) %CHAN_GAIN 输入距离(米), 输出线性功率增益(不含发射功率), 衰落均值归一为 1 d = max(d(:), cfg.d_min); % 兜底, 防止 log10(0) is_los = rand(size(d)) < cfg.p_los; % 路损: 对数距离模型 + 对数正态阴影 n = cfg.n_los.*is_los + cfg.n_nlos.*(~is_los); PL0 = 20*log10(4*pi*1*cfg.fc/3e8); % 1 m 处自由空间路损 pl_dB = PL0 + 10*n.*log10(d) + cfg.sigma_sf*randn(size(d)); % 快衰落: LOS 用 Rician, NLOS 用 Rayleigh, 两者功率增益均值都是 1 K = 10^(cfg.K_rician/10); h = zeros(size(d)); nl = nnz(is_los); h(is_los) = abs(sqrt(K/(K+1)) + sqrt(1/(K+1))* ... (randn(nl,1)+1i*randn(nl,1))/sqrt(2)).^2; h(~is_los) = abs((randn(nnz(~is_los),1)+1i*randn(nnz(~is_los),1))/sqrt(2)).^2; g_lin = 10.^(-pl_dB/10) .* h; % 路损耗散 x 衰落起伏 end

三个细节值得说。第一，衰落功率增益必须归一化到均值 1，否则你算出来的 SINR 会整体偏移，而偏移量还跟 K 因子有关，很难反查。第二，Rician 那行里sqrt(K/(K+1))是直射分量、sqrt(1/(K+1))是散射分量的幅度缩放，这样构造出来均值正好是 1，抄的时候别把两个系数写反。第三，is_los每次调用独立抽样，意味着同一个 D2D 对在不同快照里可能一会儿 LOS 一会儿 NLOS，这正是我们想要的——如果你希望一条链路的 LOS 状态在整段仿真里固定，就得把is_los提到快照外层生成再传进来。

提示：chan_gain返回的是「不含发射功率」的纯信道增益。把发射功率乘进来这件事只在一个地方做，就是 SINR 计算函数。散着乘，迟早乘两次。

3. 干扰增益矩阵：资源分配之前必须对齐的四类链路与 SINR 向量化

3.1 四类链路增益，先把矩阵维度对齐

D2D 复用蜂窝上行资源这个场景，一共涉及五组距离，归并成四个增益矩阵。不把这几个维度写清楚，后面*和.*混用一次，MATLAB 不报错，静默广播出一个错误结果，你调一下午都找不到原因。

function G = build_gain_matrix(cfg, cue, d2d) %BUILD_GAIN_MATRIX 五组距离分五次调用 chan_gain, 保证衰落相互独立 G.cb = chan_gain(cfg, vecnorm(cue.pos, 2, 2)); % N_cue x 1 G.db = chan_gain(cfg, vecnorm(d2d.tx, 2, 2)); % N_d2d x 1 G.cd = chan_gain(cfg, pdist2(d2d.rx, cue.pos)); % N_d2d x N_cue % pdist2(tx, rx) 的第 (i',i) 元素 = 第 i' 个 tx 到第 i 个 rx 的距离 % 正好对应「干扰源 i' 打到受害接收机 i」, 对角线就是自身链路 G.cross = chan_gain(cfg, pdist2(d2d.tx, d2d.rx)); % N_d2d x N_d2d end

一个必须强调的点：这里故意分五次调用chan_gain，而不是把五组距离拼成一个大矩阵一次性算。拼起来算看着快，但阴影衰落和快衰落的随机数消耗顺序会随场景规模变化，你想复现某一次结果时对不上账。分开调用，随机数消耗是确定的。

3.2 SINR 与速率的向量化计算

单次快照里，最慢的一段往往是 SINR 的三重循环。向量化之后整个快照能压到毫秒级，蒙特卡洛才跑得动两万次。核心是把资源分配结果写成两个 0/1 矩阵：X(i,k)=1表示第 i 对 D2D 复用了第 k 个 RB，M(j,k)=1表示第 j 个 CUE 占用第 k 个 RB。

function [sinr_d, sinr_c] = calc_sinr(cfg, G, X, M) %CALC_SINR X: N_d2d x n_rb 复用指示; M: N_cue x n_rb 资源块归属 Pc = 10^(cfg.P_cue_dBm/10); % mW Pd = 10^(cfg.P_d2d_dBm/10); Pn = 10^(cfg.P_noise_dBm/10); % 关键一步: 把 cross 的对角线扣掉, 剩下的才是「其他 D2D」的干扰 Gx = G.cross - diag(diag(G.cross)); I_d = Pc*(G.cd*M) + Pd*(Gx*X); % N_d2d x n_rb S_d = Pd*diag(G.cross).*X; % 只有被调度的位置才有信号 sinr_d = S_d ./ (I_d + Pn); sinr_d(X == 0) = 0; % 未调度的位置强制置零, 别留着噪声倒数 % 蜂窝侧: 同一 RB 上所有复用它的 D2D 干扰先求和, 再广播给该 RB 的 CUE I_c = Pd * (ones(cfg.N_cue,1) * (G.db.' * X)); % N_cue x n_rb S_c = Pc * G.cb .* M; % 隐式扩展, 需 R2016b 以上 sinr_c = S_c ./ (I_c + Pn); sinr_c(M == 0) = 0; end

Gx = G.cross - diag(diag(G.cross))这行是整段代码的灵魂。少了它，第 i 对 D2D 会把自己的发射信号当成干扰算进去，SINR 直接掉一个数量级，而且掉的程度跟发射功率成正比——你会发现「功率越大 SINR 反而越差」这种反直觉现象，然后开始怀疑人生。

G.db.' * X得到的是 1×n_rb 的行向量，含义是每个 RB 上受到的 D2D 总干扰功率；再用ones(N_cue,1)*广播成 N_cue×n_rb，因为同一 RB 上的所有 CUE 承受的 D2D 干扰是一样的。这一步如果写成repmat也没问题，但用隐式扩展更容易读，只要你的 MATLAB 是 R2016b 以后。

速率按香农界算，加一个衰减因子alpha更接近链路级仿真的有效值：

function [Rd, Rc] = sum_rate(cfg, sinr_d, sinr_c) % 带衰减因子的香农界, alpha=0.5 常用于系统级仿真对齐链路级结果 alpha = 0.5; Rd = sum(alpha * cfg.B_rb * log2(1 + sinr_d(:)/alpha)) / 1e6; % Mbit/s Rc = sum(alpha * cfg.B_rb * log2(1 + sinr_c(:)/alpha)) / 1e6; end

alpha这个 0.5 是玄学参数，别当真理。它的作用是让系统级仿真的频谱效率落在链路级能给出的范围内，不同场景取值从 0.4 到 0.75 都有人用，写论文时把取值和理由交代清楚就行。

3.3 资源分配算法的接入点：随机、贪婪与最大权匹配

资源分配这一层，代码里留的是函数句柄形式的接入点，签名统一为X = sched_fcn(cfg, G, M)。包里带三个基线：随机复用、单 RB 贪心、以及基于matchpairs的最大权匹配。你自己写的新算法只要满足这个签名，直接塞进run_snapshot就行，主流程不用改。

function X = sched_matching(cfg, G, M) %SCHED_MATCHING 以「只考虑 CUE 干扰时的可达速率」为权重做最大权匹配 Pd = 10^(cfg.P_d2d_dBm/10); Pc = 10^(cfg.P_cue_dBm/10); Pn = 10^(cfg.P_noise_dBm/10); W = zeros(cfg.N_d2d, cfg.n_rb); for k = 1:cfg.n_rb j = find(M(:,k), 1); % 该 RB 上绑定的蜂窝用户 if isempty(j), continue; end s = Pd*diag(G.cross) ./ (Pc*G.cd(:,j) + Pn); W(:,k) = cfg.B_rb*log2(1 + s) / 1e6; % 权重单位 Mbit/s end pairs = matchpairs(-W, 0); % 取负号变成最小化, 0 为不匹配代价 X = zeros(cfg.N_d2d, cfg.n_rb); X(sub2ind(size(X), pairs(:,1), pairs(:,2))) = 1; end

权重矩阵里只算了 CUE 干扰、没算 D2D 之间的干扰，这是有意为之：匹配阶段如果要把对间干扰算进去，就成了一个耦合的组合优化，规模稍微一大就跑不动。实际做法是先按单干扰假设贪心排一遍，再用calc_sinr得到真实 SINR 回代评估。这两步之间的差距，本身就是一篇论文可以讨论的点。

4. 蒙特卡洛扫参：把单次快照跑成带置信区间的曲线

4.1 快照函数与随机流的隔离

单次快照把撒点、信道、调度、统计串起来，返回一个只含标量和向量的结构体，不要返回整个G和X——那些是中间产物，存下来会让内存迅速爆掉。

function res = run_snapshot(cfg, sched_fcn) %RUN_SNAPSHOT 一次快照: 撒点 -> 信道 -> 调度 -> SINR -> 统计 [cue, d2d] = gen_topology(cfg); G = build_gain_matrix(cfg, cue, d2d); M = rand(cfg.N_cue, cfg.n_rb) < 0.3; % 简化: 每 CUE 随机占若干 RB M(any(M,2) == 0, 1) = true; % 兜底, 保证每个 CUE 至少占一个 X = sched_fcn(cfg, G, M); [sinr_d, sinr_c] = calc_sinr(cfg, G, X, M); res.sinr_d = sinr_d(X == 1); res.sinr_c = sinr_c(M == 1); res.out_d = mean(res.sinr_d < 10^(cfg.gamma_out/10)); res.out_c = mean(res.sinr_c < 10^(cfg.gamma_out/10)); [res.rate_d, res.rate_c] = sum_rate(cfg, res.sinr_d, res.sinr_c); end

M(any(M,2)==0, 1) = true这行兜底看着多余，其实很必要：rand < 0.3有概率让某个 CUE 一个 RB 都没占上，这个 CUE 就从统计里消失了，而它恰恰可能是干扰最重的那批用户之一（因为它压根没被调度）。这种样本选择偏差不会报错，只会让你的 CUE 中断率偏低。

4.2 置信区间与收敛判据

只报一个均值没有说服力。用 95% 置信区间的半宽作为收敛判据，半宽小于目标精度的 1% 就停，比拍脑袋定「跑一万次」靠谱得多。

function [m, hw] = mean_ci95(x) %MEAN_CI95 均值和 95% 置信区间半宽 x = x(~isnan(x)); m = mean(x); hw = 1.96*std(x)/sqrt(numel(x)); end

中断概率这类伯努利统计量，方差上界是 0.25，跑两千次时半宽约 0.022，想精确到 0.005 就得跑三万多快照。实际工程里我会先跑两千次看趋势，等曲线形状定下来了再对关键点做加密。速率这类连续量收敛快得多，两千次通常够用。

4.3 扫 D2D 密度：一份可直接改的扫参脚本

并行跑的时候，随机流必须按快照编号播种，否则 worker 之间的调度顺序会让结果每次都不一样，那时候你连自己改的参数是不是真起了作用都判断不了。

function out = sweep_density(cfg0, sched_fcn, dens_list, n_snap, seed) %SWEEP_DENSITY 扫 D2D 对数, 每个密度点跑 n_snap 次快照 out.dens = dens_list(:); out.out_d = zeros(numel(dens_list),1); out.hw_d = zeros(numel(dens_list),1); out.rate_c = zeros(numel(dens_list),1); for di = 1:numel(dens_list) cfg = cfg0; cfg.N_d2d = dens_list(di); od = zeros(n_snap,1); rc = zeros(n_snap,1); parfor t = 1:n_snap % 按 (密度序号, 快照序号) 播种, 保证可复现且各 worker 互不干扰 RandStream.setGlobalStream( ... RandStream('mt19937ar', 'Seed', seed + 10000*di + t)); r = run_snapshot(cfg, sched_fcn); od(t) = r.out_d; rc(t) = r.rate_c; end [out.out_d(di), out.hw_d(di)] = mean_ci95(od); out.rate_c(di) = mean(rc); end end

10000*di + t这种拼种子方式很土但很稳：只要密度列表和快照数不变，任何一个点的结果都能单独复现。有人喜欢用rng('shuffle')，那是给自己挖坑——出了问题连重跑一次看看的机会都没有。

画图建议把误差棒一起画上：errorbar(out.dens, out.out_d, out.hw_d, 'o-')。两条曲线的置信区间一旦重叠，就别急着在正文里宣称「方案 A 优于方案 B」。

5. 常见问题排查：SINR 和中断概率对不上时按这五条顺序查

5.1 量纲类：SINR 高得离谱或低得离谱

现象一：单链路 SINR 算出来 60 dB 以上，或者 -40 dB 以下，跟链路预算完全对不上。

原因几乎一定是 dBm 直接参与了除法。SINR 是两个功率的比值，必须在 mW（或 W）这种线性量纲下做除法，dB 域只能做加减。有人写sinr = P_dBm - I_dBm - N_dBm，减法是对的，但把三项都当成了信号减干扰再减噪声，符号一错结果就荒谬。

解决：所有功率字段进calc_sinr第一件事就是10^(x/10)，函数内部从此不再出现 dBm。写完后拿一个单链路手算核对：发射 20 dBm、路损 80 dB、噪声 -114.4 dBm，

本文还有配套的精品资源，点击获取