1. D2D模式选择到底在选什么1.1 三种模式与系统模型做通信方向的同学大概率绕不开一个词——D2D通信也就是Device-to-Device终端直通。简单说你手里的手机不发到基站而是直接发给旁边另一台手机这就是D2D。模式选择是D2D方向里最经典、也最容易出成果的切入点之一而MATLAB则是做这类系统级仿真最顺手的工具没有之一。为什么需要模式选择因为D2D用户并不是永远都适合直通。两台设备离得近直通当然划算能把数据从基站那绕开的路径缩短一大截时延低、链路质量好基站负载也轻。但如果两台设备隔着半个小区直通链路的信号衰减得厉害这时候老老实实走蜂窝模式反而更稳。所以模式选择干的事就一句话根据当前信道状态和干扰环境给每个D2D用户对决定用哪种通信模式。我习惯把模式归纳成三种蜂窝模式也就是走基站中转、专用D2D模式用专门的频谱资源直通、复用D2D模式复用蜂窝用户的同频资源直通。第三种模式还能细分复用上行还是下行通常复用上行是最常见的因为基站是集中式接收端调度和干扰控制相对好做而且蜂窝上行频谱利用率往往不高给D2D用的空间大。做仿真之前先把系统模型搭清楚。我建议用单小区场景起步基站放在中心小区半径按典型城区宏站设成250米到500米之间。蜂窝用户随机撒在小区里D2D用户对随机撒在小区里且每对之间距离不超过某个值比如30米或50米。模型里需要考虑四条链路基站到蜂窝用户的下行链路、蜂窝用户到基站的上行链路、D2D发射端到D2D接收端的直通链路、以及跨链路干扰——复用模式下蜂窝用户会干扰D2D接收端D2D发射端也会干扰基站接收。搞清楚这四条链路的关系整个仿真的物理基础就立住了。实际动手前我想多说一句模式选择不是单纯的阈值判断它的本质是资源分配策略。你让多少D2D对进入复用模式就会给蜂窝链路引入多少干扰你让多少D2D对进入专用模式就要占用多少专用频谱全推到蜂窝模式D2D带来的增益又归零。所以仿真的目标函数和约束条件比模式判断本身更重要。1.2 判决准则的设计思路模式选择的判决逻辑常见的做法有三类。第一类是距离准则最简单——D2D对之间的几何距离小于某个门限就允许直通。二是SINR门限准则——D2D接收端算一下自己实际收到的信号噪声干扰比大于等于某个门限就切到D2D模式。三是最大化效用准则——分别算蜂窝模式和D2D模式的吞吐量或频谱效率谁高选谁。三种准则不是互斥的实际仿真里经常组合用。我做这套仿真的时候主体逻辑是“先距离初筛再SINR精判”。距离初筛把明显不适合直通的远距离对排除掉节省计算量也符合实际部署策略——网络侧不可能对所有远端做高精度信道估计。SINR精判则负责真实链路质量校验就算距离近如果附近恰好有一个发射功率很大的蜂窝用户D2D接收端受干扰很强也应该回退到蜂窝模式。这里有个仿真新手常犯的认知误区SINR门限定成一个全局固定值这其实不太合理。不同D2D对的业务需求、目标QoS都不同门限应该跟着业务走。比如语音业务门限低一点没关系视频业务门限就得调高。所以仿真参数表里我特意把SINR门限做成一个可扫描的向量方便后面看趋势而不是锁死一个数。准则设计完之后还有一个绕不开的问题判决周期。模式选择应该隔多久做一次实时做信令开销太大隔太久又跟不上信道变化。典型的做法是慢速判决在几百毫秒到数秒的粒度上做模式切换仿真里用快照Snapshot来模拟这一点。2. 仿真框架设计与MATLAB代码骨架2.1 模块划分与数据流这套仿真我从一开始就定了四个模块系统初始化模块、信道生成模块、模式选择模块、性能统计模块。系统初始化模块负责定义所有公共参数包括小区拓扑参数、用户发射功率、噪声系数、带宽、路径损耗模型系数。信道生成模块负责给每条链路算大尺度衰落和小尺度衰落。模式选择模块读入信道矩阵和干扰矩阵输出每个D2D对的模式决策。性能统计模块算吞吐量、中断概率、频谱效率这些指标。模块间的数据流是这样的初始化模块输出参数结构体信道生成模块读入参数输出所有链路的信道增益矩阵。模式选择模块读入信道增益矩阵结合发射功率算SINR输出模式标签向量。统计模块读模式标签和SINR计算结果汇总成性能指标。这个数据流跑通之后后面换信道模型、换判决准则都很方便不用大改代码。很多同学写仿真喜欢从头到尾一个脚本梭哈参数一多就乱套。我自己也是踩了几次改参数的坑之后才下定决心把模块划分清楚。2.2 核心代码系统初始化与信道生成初始化模块先定义参数结构体我贴一段我实战用过的配置参数取值都是以典型LTE系统为基础的参考值换场景时扫一眼就知道改哪些地方。%% 系统参数初始化 clear; clc; close all; % 拓扑参数 para.cellRadius 250; % 小区半径(m) para.numCU 20; % 蜂窝用户数 para.numD2D 10; % D2D对数量 para.dD2DMax 50; % D2D对最大通信距离(m) % 功率参数 para.Pc 23; % 蜂窝用户发射功率(dBm) para.Pd 20; % D2D发射端发射功率(dBm) para.Pbs 46; % 基站发射功率(dBm) % 噪声与带宽 para.N0dBm -174 10*log10(180e3); % 单RB噪声功率(dBm)考虑了180kHz带宽 para.BW 180e3; % 子信道带宽(Hz) % 信道模型参数 para.pathLossFactor 37.6; % 路径损耗指数 para.shadowStd 8; % 阴影衰落标准差(dB) para.alpha 3.68; % D2D近场路径损耗指数噪声功率那行是仿真的细节关键。很多人直接用-174dBm/Hz的噪声谱密度忘了乘带宽算出来的SINR和吞吐量全部偏大结果图漂亮得不真实投稿或答辩时经不起细问。我一般先取-174dBm/Hz换算成单个资源块180kHz下的噪声功率算出来大约是-121.4dBm再把接收机噪声系数加上去比如加7dB最终落到-114.4dBm左右。这个细节直接决定你仿真结论的可信度务必注意。信道生成模块我按经验把链路分成两类蜂窝链路和D2D链路。蜂窝链路距离长用宏小区路径损耗模型D2D链路距离短用自由空间为主、额外计入阴影衰落。代码可以这么写%% 信道生成函数 function H generateChannel(para, d_LOS, shadowEn) % d_LOS: 链路距离向量(m) % shadowEn: 阴影衰落向量(dB) % 返回线性功率域信道增益 PL_dB 128.1 37.6*log10(d_LOS/1000); % 宏小区城区模型 H 10.^(-(PL_dB shadowEn)/10); endD2D链路因为距离短我会稍微降低路径损耗指数模拟近场传播环境更好、绕射更少的特点。这组参数做到“看起来合理”很容易但要“经得起推敲”就得在论文里写清楚模型选择依据。我的体会是参数不要随手编至少对着参考模型校准一次。2.3 核心代码模式选择与SINR计算模式选择模块是整个仿真的心脏它做的事是把当前所有用户的位置、信道增益、发射功率拿来逐个候选项算SINR然后做判决。SINR的计算要分链路。蜂窝用户上行到基站这条链路基站侧收到的信号来自蜂窝用户干扰则来自正在复用同一块频谱的所有D2D发射端。D2D链路的接收端收到的信号来自配对D2D发射端干扰则来自复用同一块频谱的蜂窝用户以及其他D2D对。这段干扰关系如果没理清楚后面的结果全是乱的。我贴一下模式选择和SINR计算的核心代码%% 模式选择距离初筛 SINR精判 modeFlag zeros(1, para.numD2D); % 0蜂窝模式, 1D2D模式 for k 1:para.numD2D % 距离初筛 d_d2d norm(d2dPos(2*k-1,:) - d2dPos(2*k,:)); if d_d2d dTh modeFlag(k) 0; continue; end % 干扰计算(复用上行场景) I_d2d 0; for m 1:para.numCU I_d2d I_d2d Pc * H_d2d_to_cu(m,k); end sinr_d2d Pd * H_d2d_link(k) / (I_d2d N0); if sinr_d2d gammaTh modeFlag(k) 1; else modeFlag(k) 0; end end注意到这段代码里干扰项累加用的是线性功率域而信道增益H是线性值。很多同学在干扰计算那一步把dB和线性搞混导致干扰算出来不是大几个数量级就是小几个数量级。我的建议是整个仿真里只有两个地方允许出现dB——参数输入和结果画图中间运算全部用线性值。这是我在反复修改代码之后立下的规矩。吞吐量统计就简单了用香农公式%% 吞吐量计算 rateD2D BW * log2(1 sinr_d2d); % bps做的事情不多但每一步都有坑。下面我会把参数配置和完整流程串一遍。3. 参数配置与仿真流程3.1 一组可以直接抄的基础参数表完整参数是仿真的地基我把一套能稳定跑出趋势、又贴近真实系统的参数列出来。这些参数的取值依据参考了典型蜂窝网络的公开配置也兼顾了仿真收敛速度适合第一版跑通用。参数数值说明载波频率2 GHz典型LTE频段系统带宽10 MHz仿真按子信道调度子信道带宽180 kHz一个资源块的带宽小区半径250 m单基站三扇区小区中的单扇区近似蜂窝用户数20单扇区典型负载D2D对数量10可扫描变量D2D最大距离10~80 m距离初筛门限蜂窝用户发射功率23 dBm典型LTE终端的最大发射功率D2D发射功率20 dBm略低于普通蜂窝终端减少干扰基站发射功率46 dBm宏站典型值噪声系数7 dB接收端典型值路径损耗指数37.6城区宏小区参考值阴影衰落标准差8 dB对数正态分布dD2DMax这里做个扫描10米到80米步长10米每次蒙特卡洛跑1000个快照。之所以选快照式仿真而不是连续时域仿真是因为模式选择本身就是慢速判决信道在一个快照周期内认为不变这个假设在低速场景下完全成立。快照式仿真在MATLAB里实现简单运行效率也高第一版先用它跑通后续要加时间相关性再扩展。仿真前必须明确一件事随机种子。我习惯于在每个快照开始前用rng(seed)固定当前快照的随机数种子。如果完全不固定种子两次仿真的平均吞吐量可能差3%~5%看起来没多少但画曲线时毛刺特别多原因就是不同运行之间的随机性没对齐。固定种子之后对比不同参数曲线时除了被扫描参数以外所有随机因素完全一致曲线平滑度立刻上一个档次。这个技巧很小但是对结果图的美观度和可信度都是实质性的提升。3.2 蒙特卡洛仿真完整流程蒙特卡洛循环是整个仿真的骨架。我不会把整个循环体都写在脚本里而是拆成三层外层快照循环、中层用户遍历、内层资源复用计算。外层快照循环每个快照做一次拓扑生成和信道生成。拓扑生成要注意均匀撒点蜂窝用户用sqrt(rand)*cellRadius控制径向分布这样弧形面积和随机数概率密度是对应的用户在小区的分布才是均匀的。直接rand*cellRadius会让用户集中在圆心附近这是仿真新手几乎必踩的坑。D2D对生成时每对的距离要限制在dD2DMax范围内可以这么实现先随机生成一个方向角再在[0, dD2DMax]里取随机距离两个端点落在圆内即可。中层用户遍历是对所有D2D对逐个做模式判决。前面模式选择模块的代码已经展示了这部分逻辑。内层资源复用计算我考虑到多个D2D对可能复用同一份频谱这时候D2D对之间的共信道干扰也要算进去。为了控制复杂度第一版我安排每个D2D对随机独立分配一份频谱资源不主动做频谱复用优化。这样干扰关系就只有“D2D对 vs 蜂窝用户”这一层逻辑清晰适合验证模式选择算法本身。等模式选择跑稳定了再把“多个D2D对复用同一资源”的干扰处理加进去一次只加一个变量出问题也好定位。%% 蒙特卡洛主循环框架 % 外层快照循环 Nsnap 1000; % 快照数 snrAcc zeros(1, Nsnap); % 每快照的平均D2D SINR for snap 1:Nsnap rng(snap); % 固定快照随机种子 % 1. 生成用户位置 % 2. 生成信道增益矩阵 % 3. 预分配模式标签 % 4. 遍历D2D对做模式选择 % 5. 统计本快照的吞吐量与中断数 end % 平均统计 avgSINR mean(snrAcc);循环跑完之后统计所有快照的模式标签分布比例、平均SINR、平均吞吐量和中断概率保存成向量方便后面扫描参数时做对比。4. 从仿真结果里真正能读到什么4.1 基准场景分析与趋势判断先跑一个基准场景D2D对距离上限50米SINR门限设为3dB复用上行频谱。结果会有几个明显特征。第一D2D对距离一旦超过某个临界值模式选择算法几乎全部判到蜂窝模式第二D2D对的SINR出现一个明显的分层——处于复用模式的D2D对平均SINR可能就10dB出头而蜂窝模式虽然更稳但它占用基站资源系统总吞吐量上不去第三随着D2D对数量增加系统频谱效率先升后降因为D2D对带来的新增频谱资源被它制造的干扰消耗掉了。有个判断很直接把整个系统总吞吐量画出来和“全部用户走蜂窝模式”的基准曲线对比两条线交叉的位置就是D2D的“盈亏平衡点”。在D2D对数量少时D2D带来的增益完全来自复用蜂窝空闲频谱但D2D对超过一定密度后复用导致的干扰会让蜂窝用户吞吐量明显下降总吞吐量反而跌破蜂窝基准。这个折中趋势是D2D领域非常经典的结论仿真能把它复现出来说明你的平台可信度很高。模式比例的统计也值得仔细看。我扫过一组结果在D2D最大距离20米时约88%的D2D对能进入D2D模式到80米时这个比例降到50%以下。这个结论本身不稀奇有趣的是中间曲线的形态——不是线性下降而是在40到60米之间出现一个较陡的跌落段。原因在于距离不仅影响直通链路质量还影响D2D发射端与基站之间的干扰距离两者共同作用导致模式切换的概率密度在该区间集中释放。这个物理机制用一句话总结就是模式选择收敛的临界区间往往藏在几何距离和干扰距离的交汇处。4.2 参数敏感性SINR门限与发射功率的博弈SINR门限是模式选择里最直接可控的参数。我把门限从0dB扫到10dB后发现一张很典型的曲线门限越低复用模式的D2D对越多D2D总吞吐量越高但蜂窝用户SINR下降得厉害门限越高D2D接入率下降系统总吞吐量反而因蜂窝链路变稳而保持平稳。这个权衡不是简单单调的最佳门限落在一个中间区域大约3到5dB。发射功率的敏感性也非常值得做一组实验。D2D发射功率每提高3dBD2D链路吞吐量大约提升10%到15%但当你把D2D发射功率设到和蜂窝用户相同时蜂窝用户在中高负载下的SINR损失开始变得不可忽略。仿真到这一步功率控制这个方向就自然浮现出来——不是让D2D对傻乎乎地全功率发射而是每对根据目标SINR反向调节发射功率能用最低功率满足门限才是最优策略。这组敏感性分析做完整个仿真的“故事线”就完整了先是模式选择的判决逻辑然后是D2D带来的系统增益最后是干扰管控带来的优化空间。这套链路跑明白之后论文或者项目报告的框架基本就立住了。5. 常见问题与排查技巧实录5.1 仿真结果离奇时的排查顺序这套仿真我前前后后写了三版每一版都遇到了些让人挠头的问题。第一类是吞吐量数值离谱。最典型的表现是曲线图上吞吐量达到几百Mbps甚至Gbps这在180kHz带宽下不可能实现。排查顺序如下先看带宽有没有乘错再看到底用没用电平域归一化。如果你在用log2(1 SINR)时SINR单位还是dB而不是线性倍率算出来的吞吐量会大得离谱。这条规则我已经撞过两次墙现在每换一个场景就直接在SINR后面加实时检查。第二类表现是中断概率始终为零。D2D的SINR在高信道质量下当然不高中断概率为零要么说明你的发射功率设得过高要么说明SINR门限设得太低。我建议从极端参数开始排查——把D2D发射功率降10dB如果结果图纹丝不动说明信道增益或者噪声计算那块链路没接上。第三类问题是结果曲线毛刺太多。前面提过先检查随机种子有没有统一再检查快照数是不是太少了。快照数低于300时曲线波动可能超过10%很多趋势根本看不出来。我一般把快照数定在1000以上复杂场景5000也不嫌多反正单快照计算量不大循环跑得快。5.2 代码提速与可复现性优化MATLAB做蒙特卡洛仿真性能瓶颈几乎都出在循环和信道重算上。我实测下来两个优化收益最大。一是预先分配所有大数组。在快照循环开始之前H_d2d zeros(numD2D, numCU)这类预分配一定要做。不做预分配的话数组反复动态扩容1000快照跑下来慢得离谱。二是向量化干扰求和。把内层用户遍历的干扰累加改成矩阵乘法I sum(Pc * H, 2)这种写法比for循环快好几倍。我第一版代码跑1000快照要40多秒优化后8秒跑完肉眼可见的差距。可复现性方面我养成了一个习惯每次仿真运行前把当前所有随机数种子和参数结构体保存成.mat文件。这样即使后面算法改坏了只要回滚到种子文件就能精确还原之前的图。很多同学用rng shuffle跑仿真结果曲线复现不了每次运行结果都不一样审稿人或者导师要求复现时就很被动。最后分享一个小工具把扫描参数的循环封装成单独函数用parfor做并行加速。要注意的是parfor里每个worker要独立设置随机种子否则多个worker可能生成完全相同的随机序列那结果就废了。用rng(seed workerId * offset)的方式隔离每个worker的随机序列实测下来并行加速能到4到6倍1000快照的扫描任务能在一分钟内跑完。还有一个很容易被忽略的问题分布式随机数生成的一致性。如果每个快照里撒点的顺序变了后面即使固定了种子结果也和之前不同。所以我习惯用三层随机流——外层快照种子、中层用户位置种子、内层信道衰落种子三层独立管理这样改动任何模块都不会影响到其他模块的随机一致性。这招是我在多次对比试验中发现结果总差一点后琢磨出来的现在已成为我碰任何大型仿真都保持的固定习惯。5.3 一套避坑清单照着做省一周时间最后整理一个避坑清单都是实测过的经验照着检查能省大量返工时间。检查项常见问题建议做法用户撒点用rand直接乘半径用户集中在中心用sqrt(rand)*cellRadius做均匀撒点噪声功率忘记乘带宽或用错单位噪声功率谱密度10log10(带宽)噪声系数SINR单位用dB值直接代入香农公式全链路线性域计算只在输入输出做dB换算频谱分配所有D2D对复用同一资源干扰爆炸先做正交分配再加复用干扰随机种子快照间不固定曲线抖动大每快照固定种子种子随快照索引递增预分配大数组未预分配运行慢所有矩阵进循环前预先zeros这套避坑思路不光适用于D2D模式选择仿真对任何基于MATLAB的无线通信系统级仿真都通用。我个人在做这套仿真时最大的体会是仿真平台本身写起来并不难真正花时间的全在细节排查上。你能把每个异常结果都解释清楚这套代码才算真正属于你了。后续扩展的方向也很明确——加入功率控制、多用户调度、非正交资源分配把模式选择和资源分配联合建模这套平台都能直接接着用。
1. D2D模式选择到底在选什么1.1 三种模式与系统模型做通信方向的同学大概率绕不开一个词——D2D通信也就是Device-to-Device终端直通。简单说你手里的手机不发到基站而是直接发给旁边另一台手机这就是D2D。模式选择是D2D方向里最经典、也最容易出成果的切入点之一而MATLAB则是做这类系统级仿真最顺手的工具没有之一。为什么需要模式选择因为D2D用户并不是永远都适合直通。两台设备离得近直通当然划算能把数据从基站那绕开的路径缩短一大截时延低、链路质量好基站负载也轻。但如果两台设备隔着半个小区直通链路的信号衰减得厉害这时候老老实实走蜂窝模式反而更稳。所以模式选择干的事就一句话根据当前信道状态和干扰环境给每个D2D用户对决定用哪种通信模式。我习惯把模式归纳成三种蜂窝模式也就是走基站中转、专用D2D模式用专门的频谱资源直通、复用D2D模式复用蜂窝用户的同频资源直通。第三种模式还能细分复用上行还是下行通常复用上行是最常见的因为基站是集中式接收端调度和干扰控制相对好做而且蜂窝上行频谱利用率往往不高给D2D用的空间大。做仿真之前先把系统模型搭清楚。我建议用单小区场景起步基站放在中心小区半径按典型城区宏站设成250米到500米之间。蜂窝用户随机撒在小区里D2D用户对随机撒在小区里且每对之间距离不超过某个值比如30米或50米。模型里需要考虑四条链路基站到蜂窝用户的下行链路、蜂窝用户到基站的上行链路、D2D发射端到D2D接收端的直通链路、以及跨链路干扰——复用模式下蜂窝用户会干扰D2D接收端D2D发射端也会干扰基站接收。搞清楚这四条链路的关系整个仿真的物理基础就立住了。实际动手前我想多说一句模式选择不是单纯的阈值判断它的本质是资源分配策略。你让多少D2D对进入复用模式就会给蜂窝链路引入多少干扰你让多少D2D对进入专用模式就要占用多少专用频谱全推到蜂窝模式D2D带来的增益又归零。所以仿真的目标函数和约束条件比模式判断本身更重要。1.2 判决准则的设计思路模式选择的判决逻辑常见的做法有三类。第一类是距离准则最简单——D2D对之间的几何距离小于某个门限就允许直通。二是SINR门限准则——D2D接收端算一下自己实际收到的信号噪声干扰比大于等于某个门限就切到D2D模式。三是最大化效用准则——分别算蜂窝模式和D2D模式的吞吐量或频谱效率谁高选谁。三种准则不是互斥的实际仿真里经常组合用。我做这套仿真的时候主体逻辑是“先距离初筛再SINR精判”。距离初筛把明显不适合直通的远距离对排除掉节省计算量也符合实际部署策略——网络侧不可能对所有远端做高精度信道估计。SINR精判则负责真实链路质量校验就算距离近如果附近恰好有一个发射功率很大的蜂窝用户D2D接收端受干扰很强也应该回退到蜂窝模式。这里有个仿真新手常犯的认知误区SINR门限定成一个全局固定值这其实不太合理。不同D2D对的业务需求、目标QoS都不同门限应该跟着业务走。比如语音业务门限低一点没关系视频业务门限就得调高。所以仿真参数表里我特意把SINR门限做成一个可扫描的向量方便后面看趋势而不是锁死一个数。准则设计完之后还有一个绕不开的问题判决周期。模式选择应该隔多久做一次实时做信令开销太大隔太久又跟不上信道变化。典型的做法是慢速判决在几百毫秒到数秒的粒度上做模式切换仿真里用快照Snapshot来模拟这一点。2. 仿真框架设计与MATLAB代码骨架2.1 模块划分与数据流这套仿真我从一开始就定了四个模块系统初始化模块、信道生成模块、模式选择模块、性能统计模块。系统初始化模块负责定义所有公共参数包括小区拓扑参数、用户发射功率、噪声系数、带宽、路径损耗模型系数。信道生成模块负责给每条链路算大尺度衰落和小尺度衰落。模式选择模块读入信道矩阵和干扰矩阵输出每个D2D对的模式决策。性能统计模块算吞吐量、中断概率、频谱效率这些指标。模块间的数据流是这样的初始化模块输出参数结构体信道生成模块读入参数输出所有链路的信道增益矩阵。模式选择模块读入信道增益矩阵结合发射功率算SINR输出模式标签向量。统计模块读模式标签和SINR计算结果汇总成性能指标。这个数据流跑通之后后面换信道模型、换判决准则都很方便不用大改代码。很多同学写仿真喜欢从头到尾一个脚本梭哈参数一多就乱套。我自己也是踩了几次改参数的坑之后才下定决心把模块划分清楚。2.2 核心代码系统初始化与信道生成初始化模块先定义参数结构体我贴一段我实战用过的配置参数取值都是以典型LTE系统为基础的参考值换场景时扫一眼就知道改哪些地方。%% 系统参数初始化 clear; clc; close all; % 拓扑参数 para.cellRadius 250; % 小区半径(m) para.numCU 20; % 蜂窝用户数 para.numD2D 10; % D2D对数量 para.dD2DMax 50; % D2D对最大通信距离(m) % 功率参数 para.Pc 23; % 蜂窝用户发射功率(dBm) para.Pd 20; % D2D发射端发射功率(dBm) para.Pbs 46; % 基站发射功率(dBm) % 噪声与带宽 para.N0dBm -174 10*log10(180e3); % 单RB噪声功率(dBm)考虑了180kHz带宽 para.BW 180e3; % 子信道带宽(Hz) % 信道模型参数 para.pathLossFactor 37.6; % 路径损耗指数 para.shadowStd 8; % 阴影衰落标准差(dB) para.alpha 3.68; % D2D近场路径损耗指数噪声功率那行是仿真的细节关键。很多人直接用-174dBm/Hz的噪声谱密度忘了乘带宽算出来的SINR和吞吐量全部偏大结果图漂亮得不真实投稿或答辩时经不起细问。我一般先取-174dBm/Hz换算成单个资源块180kHz下的噪声功率算出来大约是-121.4dBm再把接收机噪声系数加上去比如加7dB最终落到-114.4dBm左右。这个细节直接决定你仿真结论的可信度务必注意。信道生成模块我按经验把链路分成两类蜂窝链路和D2D链路。蜂窝链路距离长用宏小区路径损耗模型D2D链路距离短用自由空间为主、额外计入阴影衰落。代码可以这么写%% 信道生成函数 function H generateChannel(para, d_LOS, shadowEn) % d_LOS: 链路距离向量(m) % shadowEn: 阴影衰落向量(dB) % 返回线性功率域信道增益 PL_dB 128.1 37.6*log10(d_LOS/1000); % 宏小区城区模型 H 10.^(-(PL_dB shadowEn)/10); endD2D链路因为距离短我会稍微降低路径损耗指数模拟近场传播环境更好、绕射更少的特点。这组参数做到“看起来合理”很容易但要“经得起推敲”就得在论文里写清楚模型选择依据。我的体会是参数不要随手编至少对着参考模型校准一次。2.3 核心代码模式选择与SINR计算模式选择模块是整个仿真的心脏它做的事是把当前所有用户的位置、信道增益、发射功率拿来逐个候选项算SINR然后做判决。SINR的计算要分链路。蜂窝用户上行到基站这条链路基站侧收到的信号来自蜂窝用户干扰则来自正在复用同一块频谱的所有D2D发射端。D2D链路的接收端收到的信号来自配对D2D发射端干扰则来自复用同一块频谱的蜂窝用户以及其他D2D对。这段干扰关系如果没理清楚后面的结果全是乱的。我贴一下模式选择和SINR计算的核心代码%% 模式选择距离初筛 SINR精判 modeFlag zeros(1, para.numD2D); % 0蜂窝模式, 1D2D模式 for k 1:para.numD2D % 距离初筛 d_d2d norm(d2dPos(2*k-1,:) - d2dPos(2*k,:)); if d_d2d dTh modeFlag(k) 0; continue; end % 干扰计算(复用上行场景) I_d2d 0; for m 1:para.numCU I_d2d I_d2d Pc * H_d2d_to_cu(m,k); end sinr_d2d Pd * H_d2d_link(k) / (I_d2d N0); if sinr_d2d gammaTh modeFlag(k) 1; else modeFlag(k) 0; end end注意到这段代码里干扰项累加用的是线性功率域而信道增益H是线性值。很多同学在干扰计算那一步把dB和线性搞混导致干扰算出来不是大几个数量级就是小几个数量级。我的建议是整个仿真里只有两个地方允许出现dB——参数输入和结果画图中间运算全部用线性值。这是我在反复修改代码之后立下的规矩。吞吐量统计就简单了用香农公式%% 吞吐量计算 rateD2D BW * log2(1 sinr_d2d); % bps做的事情不多但每一步都有坑。下面我会把参数配置和完整流程串一遍。3. 参数配置与仿真流程3.1 一组可以直接抄的基础参数表完整参数是仿真的地基我把一套能稳定跑出趋势、又贴近真实系统的参数列出来。这些参数的取值依据参考了典型蜂窝网络的公开配置也兼顾了仿真收敛速度适合第一版跑通用。参数数值说明载波频率2 GHz典型LTE频段系统带宽10 MHz仿真按子信道调度子信道带宽180 kHz一个资源块的带宽小区半径250 m单基站三扇区小区中的单扇区近似蜂窝用户数20单扇区典型负载D2D对数量10可扫描变量D2D最大距离10~80 m距离初筛门限蜂窝用户发射功率23 dBm典型LTE终端的最大发射功率D2D发射功率20 dBm略低于普通蜂窝终端减少干扰基站发射功率46 dBm宏站典型值噪声系数7 dB接收端典型值路径损耗指数37.6城区宏小区参考值阴影衰落标准差8 dB对数正态分布dD2DMax这里做个扫描10米到80米步长10米每次蒙特卡洛跑1000个快照。之所以选快照式仿真而不是连续时域仿真是因为模式选择本身就是慢速判决信道在一个快照周期内认为不变这个假设在低速场景下完全成立。快照式仿真在MATLAB里实现简单运行效率也高第一版先用它跑通后续要加时间相关性再扩展。仿真前必须明确一件事随机种子。我习惯于在每个快照开始前用rng(seed)固定当前快照的随机数种子。如果完全不固定种子两次仿真的平均吞吐量可能差3%~5%看起来没多少但画曲线时毛刺特别多原因就是不同运行之间的随机性没对齐。固定种子之后对比不同参数曲线时除了被扫描参数以外所有随机因素完全一致曲线平滑度立刻上一个档次。这个技巧很小但是对结果图的美观度和可信度都是实质性的提升。3.2 蒙特卡洛仿真完整流程蒙特卡洛循环是整个仿真的骨架。我不会把整个循环体都写在脚本里而是拆成三层外层快照循环、中层用户遍历、内层资源复用计算。外层快照循环每个快照做一次拓扑生成和信道生成。拓扑生成要注意均匀撒点蜂窝用户用sqrt(rand)*cellRadius控制径向分布这样弧形面积和随机数概率密度是对应的用户在小区的分布才是均匀的。直接rand*cellRadius会让用户集中在圆心附近这是仿真新手几乎必踩的坑。D2D对生成时每对的距离要限制在dD2DMax范围内可以这么实现先随机生成一个方向角再在[0, dD2DMax]里取随机距离两个端点落在圆内即可。中层用户遍历是对所有D2D对逐个做模式判决。前面模式选择模块的代码已经展示了这部分逻辑。内层资源复用计算我考虑到多个D2D对可能复用同一份频谱这时候D2D对之间的共信道干扰也要算进去。为了控制复杂度第一版我安排每个D2D对随机独立分配一份频谱资源不主动做频谱复用优化。这样干扰关系就只有“D2D对 vs 蜂窝用户”这一层逻辑清晰适合验证模式选择算法本身。等模式选择跑稳定了再把“多个D2D对复用同一资源”的干扰处理加进去一次只加一个变量出问题也好定位。%% 蒙特卡洛主循环框架 % 外层快照循环 Nsnap 1000; % 快照数 snrAcc zeros(1, Nsnap); % 每快照的平均D2D SINR for snap 1:Nsnap rng(snap); % 固定快照随机种子 % 1. 生成用户位置 % 2. 生成信道增益矩阵 % 3. 预分配模式标签 % 4. 遍历D2D对做模式选择 % 5. 统计本快照的吞吐量与中断数 end % 平均统计 avgSINR mean(snrAcc);循环跑完之后统计所有快照的模式标签分布比例、平均SINR、平均吞吐量和中断概率保存成向量方便后面扫描参数时做对比。4. 从仿真结果里真正能读到什么4.1 基准场景分析与趋势判断先跑一个基准场景D2D对距离上限50米SINR门限设为3dB复用上行频谱。结果会有几个明显特征。第一D2D对距离一旦超过某个临界值模式选择算法几乎全部判到蜂窝模式第二D2D对的SINR出现一个明显的分层——处于复用模式的D2D对平均SINR可能就10dB出头而蜂窝模式虽然更稳但它占用基站资源系统总吞吐量上不去第三随着D2D对数量增加系统频谱效率先升后降因为D2D对带来的新增频谱资源被它制造的干扰消耗掉了。有个判断很直接把整个系统总吞吐量画出来和“全部用户走蜂窝模式”的基准曲线对比两条线交叉的位置就是D2D的“盈亏平衡点”。在D2D对数量少时D2D带来的增益完全来自复用蜂窝空闲频谱但D2D对超过一定密度后复用导致的干扰会让蜂窝用户吞吐量明显下降总吞吐量反而跌破蜂窝基准。这个折中趋势是D2D领域非常经典的结论仿真能把它复现出来说明你的平台可信度很高。模式比例的统计也值得仔细看。我扫过一组结果在D2D最大距离20米时约88%的D2D对能进入D2D模式到80米时这个比例降到50%以下。这个结论本身不稀奇有趣的是中间曲线的形态——不是线性下降而是在40到60米之间出现一个较陡的跌落段。原因在于距离不仅影响直通链路质量还影响D2D发射端与基站之间的干扰距离两者共同作用导致模式切换的概率密度在该区间集中释放。这个物理机制用一句话总结就是模式选择收敛的临界区间往往藏在几何距离和干扰距离的交汇处。4.2 参数敏感性SINR门限与发射功率的博弈SINR门限是模式选择里最直接可控的参数。我把门限从0dB扫到10dB后发现一张很典型的曲线门限越低复用模式的D2D对越多D2D总吞吐量越高但蜂窝用户SINR下降得厉害门限越高D2D接入率下降系统总吞吐量反而因蜂窝链路变稳而保持平稳。这个权衡不是简单单调的最佳门限落在一个中间区域大约3到5dB。发射功率的敏感性也非常值得做一组实验。D2D发射功率每提高3dBD2D链路吞吐量大约提升10%到15%但当你把D2D发射功率设到和蜂窝用户相同时蜂窝用户在中高负载下的SINR损失开始变得不可忽略。仿真到这一步功率控制这个方向就自然浮现出来——不是让D2D对傻乎乎地全功率发射而是每对根据目标SINR反向调节发射功率能用最低功率满足门限才是最优策略。这组敏感性分析做完整个仿真的“故事线”就完整了先是模式选择的判决逻辑然后是D2D带来的系统增益最后是干扰管控带来的优化空间。这套链路跑明白之后论文或者项目报告的框架基本就立住了。5. 常见问题与排查技巧实录5.1 仿真结果离奇时的排查顺序这套仿真我前前后后写了三版每一版都遇到了些让人挠头的问题。第一类是吞吐量数值离谱。最典型的表现是曲线图上吞吐量达到几百Mbps甚至Gbps这在180kHz带宽下不可能实现。排查顺序如下先看带宽有没有乘错再看到底用没用电平域归一化。如果你在用log2(1 SINR)时SINR单位还是dB而不是线性倍率算出来的吞吐量会大得离谱。这条规则我已经撞过两次墙现在每换一个场景就直接在SINR后面加实时检查。第二类表现是中断概率始终为零。D2D的SINR在高信道质量下当然不高中断概率为零要么说明你的发射功率设得过高要么说明SINR门限设得太低。我建议从极端参数开始排查——把D2D发射功率降10dB如果结果图纹丝不动说明信道增益或者噪声计算那块链路没接上。第三类问题是结果曲线毛刺太多。前面提过先检查随机种子有没有统一再检查快照数是不是太少了。快照数低于300时曲线波动可能超过10%很多趋势根本看不出来。我一般把快照数定在1000以上复杂场景5000也不嫌多反正单快照计算量不大循环跑得快。5.2 代码提速与可复现性优化MATLAB做蒙特卡洛仿真性能瓶颈几乎都出在循环和信道重算上。我实测下来两个优化收益最大。一是预先分配所有大数组。在快照循环开始之前H_d2d zeros(numD2D, numCU)这类预分配一定要做。不做预分配的话数组反复动态扩容1000快照跑下来慢得离谱。二是向量化干扰求和。把内层用户遍历的干扰累加改成矩阵乘法I sum(Pc * H, 2)这种写法比for循环快好几倍。我第一版代码跑1000快照要40多秒优化后8秒跑完肉眼可见的差距。可复现性方面我养成了一个习惯每次仿真运行前把当前所有随机数种子和参数结构体保存成.mat文件。这样即使后面算法改坏了只要回滚到种子文件就能精确还原之前的图。很多同学用rng shuffle跑仿真结果曲线复现不了每次运行结果都不一样审稿人或者导师要求复现时就很被动。最后分享一个小工具把扫描参数的循环封装成单独函数用parfor做并行加速。要注意的是parfor里每个worker要独立设置随机种子否则多个worker可能生成完全相同的随机序列那结果就废了。用rng(seed workerId * offset)的方式隔离每个worker的随机序列实测下来并行加速能到4到6倍1000快照的扫描任务能在一分钟内跑完。还有一个很容易被忽略的问题分布式随机数生成的一致性。如果每个快照里撒点的顺序变了后面即使固定了种子结果也和之前不同。所以我习惯用三层随机流——外层快照种子、中层用户位置种子、内层信道衰落种子三层独立管理这样改动任何模块都不会影响到其他模块的随机一致性。这招是我在多次对比试验中发现结果总差一点后琢磨出来的现在已成为我碰任何大型仿真都保持的固定习惯。5.3 一套避坑清单照着做省一周时间最后整理一个避坑清单都是实测过的经验照着检查能省大量返工时间。检查项常见问题建议做法用户撒点用rand直接乘半径用户集中在中心用sqrt(rand)*cellRadius做均匀撒点噪声功率忘记乘带宽或用错单位噪声功率谱密度10log10(带宽)噪声系数SINR单位用dB值直接代入香农公式全链路线性域计算只在输入输出做dB换算频谱分配所有D2D对复用同一资源干扰爆炸先做正交分配再加复用干扰随机种子快照间不固定曲线抖动大每快照固定种子种子随快照索引递增预分配大数组未预分配运行慢所有矩阵进循环前预先zeros这套避坑思路不光适用于D2D模式选择仿真对任何基于MATLAB的无线通信系统级仿真都通用。我个人在做这套仿真时最大的体会是仿真平台本身写起来并不难真正花时间的全在细节排查上。你能把每个异常结果都解释清楚这套代码才算真正属于你了。后续扩展的方向也很明确——加入功率控制、多用户调度、非正交资源分配把模式选择和资源分配联合建模这套平台都能直接接着用。
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
