基于能效优化的D2D通信分布式功率控制系统

资 源 简 介

本项目在MATLAB平台上构建了一个D2D（Device-to-Device）通信复用蜂窝网络上行链路资源的仿真环境，重点实现了一种以能效优化为目标的分布式功率控制方法。项目首先建立包含基站、蜂窝用户（CUE）和多对D2D用户的系统模型，模拟真实的大尺度路径损耗和小尺度瑞利衰落信道环境。核心功能在于求解一个在满足蜂窝用户和D2D用户服务质量（QoS）约束（即最小SINR要求）以及最大发射功率约束下的能效最大化问题。该方法采用了基于博弈论的分布式算法框架，为每个D2D对设计包含吞吐量收益与干扰代价的效用函数。在仿真过程中，算法通过迭代方式更新发射功率，每个D2D发送端依据本地信道状态信息（CSI）和接收到的干扰水平自主调节功率，无需中心基站进行集中式的大规模信令交互。功能模块还包括对算法收敛性的验证，通过多轮迭代展示功率和能效的动态变化过程，最终输出并对比不同参数设置下系统的总能效、频谱效率以及用户接入成功率，验证该方案在降低网络能耗和抑制干扰方面的有效性。

详 情 说 明

基于能效优化的D2D通信分布式功率控制仿真系统

项目简介

本项目是一个基于MATLAB平台的通信仿真系统，旨在研究和验证Device-to-Device (D2D) 通信复用蜂窝网络上行链路资源时的功率控制策略。项目核心聚焦于一种分布式能效优化算法，该算法在保证蜂窝用户（CUE）服务质量（QoS）的前提下，最大化D2D用户的能效（Energy Efficiency, EE）。仿真环境模拟了包含基站、蜂窝用户和D2D对的单小区网络，并实现了完整的信道建模、算法迭代与性能评估流程。

功能特性

• 异构网络建模：构建包含基站、CUE和D2D用户的单蜂窝小区拓扑，支持参数化配置用户数量和小区半径。
• 真实信道仿真：模拟无线通信环境，包含基于距离的大尺度路径损耗（Path Loss）和服从指数分布的小尺度瑞利衰落（Rayleigh Fading）。
• 分布式功率控制：实现基于能效最大化的分布式迭代算法，无需中心节点集中调度，用户根据本地信息自主调节功率。
• QoS保护机制：通过计算干扰温度上限，严格限制D2D用户对基站造成的干扰，确保CUE的最小信号与干扰加噪声比（SINR）满足要求。
• 多算法对比：集成三种功率分配策略（分布式能效优化、最大功率传输、随机功率分配）进行性能基准对比。
• 可视化分析：提供功率收敛轨迹、总能效变化、系统总吞吐量以及SINR分布的图表展示。

系统要求

• MATLAB R2016a 或更高版本
• Optimization Toolbox（用于求解一维搜索问题）

使用方法

直接运行 main.m 脚本即可启动仿真。程序将按序执行以下步骤：

1. 初始化系统参数。
2. 生成网络拓扑与信道增益。
3. 依次运行分布式能效优化算法及对比算法。
4. 计算统计指标并生成性能分析图表。

核心算法与代码逻辑分析

本项目主要依靠 main.m 中的逻辑实现仿真，以下是关键功能模块的详细实现解析：

1. 系统参数初始化

代码首先定义了完整的物理层参数，包括系统带宽（1MHz）、噪声功率谱密度（-114dBm/Hz）、最大/最小发射功率（23dBm / -10dBm）以及电路固定功耗（10dBm）。同时，设定了收敛条件（最大迭代50次，容忍度1e-4）和QoS门限（CUE最小SINR 10dB）。所有功率参数在计算前均被转换为瓦特（Watt）线性单位。

2. 网络拓扑与信道建模 (init_network)

该模块负责构建仿真场景：

• 节点与位置：基站位于原点 (0,0)；CUE和D2D发射机（Tx）在小区半径（50-500m）内均匀随机分布；D2D接收机（Rx）分布在以Tx为中心、距离15-50m的圆环区域内。
• 信道增益计算：

* 路径损耗模型：采用经典的 128.1 + 37.6 * log10(d) 模型，其中 d 为公里数。 * 小尺度衰落：使用 exprnd 函数生成服从指数分布的随机数，模拟功率域的瑞利衰落。 * 干扰链路：计算四类信道增益矩阵——CUE到基站、D2D到基站（干扰）、D2D对内（信号）、CUE到D2D接收机（干扰）。

3. 分布式能效优化算法 (run_algorithm_dee)

这是本系统的核心算法实现，采用迭代更新机制：

• 干扰感知：在每一轮迭代中，首先计算基站接收到的总干扰以及每个D2D接收机受到的总干扰（来自CUE和其他D2D对）。
• CUE保护约束（干扰温度）：

* 算法并不盲目追求D2D性能，而是优先计算D2D对基站的允许干扰上限。 * 根据公式 I_limit = (P_cue * h_cb) / SINR_min - Noise 计算基站能承受的最大总干扰。 * 反推当前D2D用户允许的最大发射功率 p_max_protect，确保CUE的SINR不低于预设门限。

• 能效最大化求解：

* 目标函数：定义能效函数 EE = log2(1 + p * h_eff) / (p + P_cir)。 * 优化过程：使用 MATLAB 内置函数 fminbnd 在 [P_min, min(P_max, p_max_protect)] 区间内进行一维搜索，寻找使能效最大化的最佳发射功率。这体现了分式规划的思想。

• 平滑更新：采用权重因子 alpha = 0.7 对功率更新进行平滑处理，即 p_new = 0.7 * p_old + 0.3 * p_opt，以防止震荡并加速收敛。
• 收敛判定：通过检测功率向量的范数变化 norm(p_d2d - p_prev) 是否小于 Tol 来判定算法是否收敛。

4. 基准对比算法

为了验证算法性能，代码中包含两个对比方案：

• 最大功率传输 (run_algorithm_max)：D2D用户始终以最大允许功率发射。
• 随机功率分配 (run_algorithm_rand)：在功率约束范围内随机选择发射功率。

5. 性能指标计算

仿真过程中实时记录以下关键数据：

• 功率轨迹：记录所有D2D用户在每次迭代的功率值，用于验证收敛性。
• 能效轨迹：计算系统的平均能效或总能效。
• 和速率：统计系统的总数据传输速率。
• SINR追踪：监控CUE的SINR实际值，验证保护机制的有效性。

修改与扩展建议

• 当前代码假设只要 CUE SINR 不满足要求就施加极高的价格惩罚，但在实际优化循环中，主要通过硬性的功率上界 (p_upper) 来实施保护。
• 信道模型目前是静态快照，如果需要模拟移动性，需在主循环外层添加时间演进逻辑。
• 当前模型简化假设所有D2D复用同一个CUE的资源块（RB），如需模拟多RB场景，需增加RB分配的逻辑矩阵。