MATLAB D2D信道仿真：路径损耗与瑞利/莱斯衰落建模

简介面向D2D通信研究者和无线通信学习者这份MATLAB源码包聚焦Device-to-Device信道仿真与资源分配问题覆盖瑞利衰落、多径传播等信道建模并结合贪婪算法、遗传算法等启发式方法优化频谱资源用于分析吞吐量、误码率和干扰管理。资源共22个文件以20个m脚本为核心涵盖主程序、用户生成、路径损耗计算、启发式分配及最优对照等功能模块另有2个asv自动保存版本整体体积仅16KB轻量易读适合快速跑通实验并二次开发。已有1214人学习下载。通过运行main.m可复现D2D对与普通用户同频共存的典型场景观察启发式算法与随机算法、最优算法的性能差异代码中附有干扰计算、配对优化等细节实现便于理解系统模型并扩展自己的仿真实验。1. D2D 信道仿真在仿什么不经过基站的那一跳信道模型从哪开始改两个终端在停车场负一层和地面出口之间互传文件数据不经过基站只在设备之间直连。这一段叫做 D2DDevice-to-Device链路而 D2D 信道仿真要做的事情就是把这段直连链路的传播特性数学化让工程师在做功率控制、资源调度、干扰协调之前先回答一个问题这一跳到底能不能通通到什么程度。很多人拿蜂窝链路的模型直接改两个参数来用发现接收功率高估了几十 dB链路预算变成纸上谈兵。根子在于 D2D 链路的几何条件和蜂窝链路完全不同收发两端都在地面高度天线低、移动方向随机收发之间可能是视距也可能隔着墙和车身周围的散射体比宏基站场景复杂得多。D2D 信道仿真在 MATLAB 里落地并不需要从零推导电磁波理论而是要把三条主线理清楚路径损耗选哪个模型、小尺度衰落用瑞利还是莱斯、参数怎么映射到 MATLAB 的 Comm Toolbox 信道对象上。这篇文章按这个顺序把方案讲完最后落到误码率仿真和常见翻车点。2. 建 D2D 信道模型路径损耗与小尺度衰落的选型逻辑2.1 三层参数先定下来频段、距离与移动性动手写代码之前第一件事是确定仿真的物理场景。D2D 信道模型不是一套参数走天下频率、距离、移动速度这三层参数决定了后面的所有选择。频率决定了波长的量级也决定了路径损耗的基准值。D2D 研究里最常用的是 2.4 GHz 和 3.5 GHz 附近这两个频段前者贴近 WiFi 和蓝牙的实测数据后者贴近 5G 侧链路SL的规划频段。在 MATLAB 里波长直接由c / fc算出这一步通常放在脚本最前面方便后面算多普勒频移。距离是第二层参数。D2D 链路的典型距离在 20 m 到 500 m 之间超过 500 m 之后直连的功率优势往往被路径损耗抵消不如走基站中继。这个范围决定了路径损耗模型的适用区间——大部分模型是拟合出来的经验公式外推超出拟合范围会严重失真。移动性是最容易被忽略的一层。如果两个终端都在步行者手里相对速度 1~3 m/s载频 2.4 GHz 时最大多普勒频移只有 8~24 Hz如果一辆车对着另一辆车开过来相对速度 30 m/s约 108 km/h多普勒频移直接跳到 240 Hz。这一差就是十倍量级直接影响小尺度衰落的相干时间也决定了仿真里一帧数据要设多长。这三层参数在脚本里建议做成一目了然的配置区不要散落在代码各处。一个常见的开头是这样fc 2.4e9; % 载频 2.4 GHz c 3e8; % 光速 lambda c / fc; % 波长 dist 100; % D2D 链路距离 100 m speed_rel 1.5; % 终端相对移动速度 1.5 m/s fd_max speed_rel / lambda; % 最大多普勒频移约 12 Hz这段代码的价值在于把后文所有模型输入参数集中在一处。fd_max后面会传给comm.RayleighChannel的MaximumDopplerShift参数如果发现仿真结果异常先回来看这个值算得对不对。特别提醒一点speed_rel是相对速度不是单个终端的移动速度D2D 双方都在动相对速度才是决定信道时变性的量。2.2 路径损耗模型对比3GPP 侧链路模型、对数距离模型与自由空间的边界路径损耗模型决定了接收功率的基准水平。做 D2D 仿真时业界最常用的是这样几类自由空间模型、对数距离路径损耗模型以及 3GPP TR 36.843 中面向侧链路/D2D 场景给出的经验模型。自由空间模型适合两个条件同时满足的场合收发之间无遮挡、距离远大于波长。它的公式简单接收功率只随距离平方衰减。但它假设了第一菲涅尔区完全干净室内或城市环境里几乎不可能成立一般只用来做上限参考。对数距离模型加入了环境因子公式是PL(d) PL(d0) 10 * n * log10(d / d0) Xσ。这里的n是路径损耗指数开阔环境取 2 左右市区环境取 3~4室内穿墙场景取 4~5。Xσ是阴影衰落服从零均值高斯分布标准差一般在 4~10 dB 之间。这个模型的优点是参数直观、MATLAB 里几行代码就能实现缺点是模型没有区分视距和非视距。3GPP TR 36.843 的侧链路模型是 D2D 仿真里更贴近标准的选择。它把场景分成视距和非视距两类分别给出路径损耗公式并且在近距离范围内带入了一个断点距离。它的基本形式可以写成视距场景下近似自由空间、非视距场景下指数显著提升的两段式模型。宏基站场景下来的工程师第一次用这个模型通常会被非视距条件下的指数吓一跳但这恰恰符合 D2D 的实际经验——两个终端在地面高度通信一辆车、一堵墙、一群人就能把链路质量拉下来一大截。三类模型的适用边界可以整理成一张表模型适用场景关键参数是否区分视距自由空间开阔地、短距视距频率、距离否对数距离工程近似室内外通用路径损耗指数 n、阴影标准差 σ否3GPP TR 36.843侧链路/D2D 标准评估场景类别、断点距离、阴影标准差是选型逻辑其实就一条先看仿真报告要回答什么问题。如果只是做链路预算级别的估算对数距离模型够用如果要和 3GPP 标准流程对标或者要跑系统级仿真就别省这一步直接上 TR 36.843 的分场景模型。否则评审的时候被问一句“你这个路径损耗模型是哪来的”整套结果的可信度都会打折。2.3 小尺度衰落选瑞利还是莱斯视距概率说了算路径损耗算的是接收功率的“平均水位”小尺度衰落决定的是这个水位上下的波动幅度和波动速度。D2D 仿真里最常见的两个选择是瑞利衰落和莱斯衰落。瑞利衰落适用的情况是接收信号中没有占主导的直达分量大量散射路径叠加合成信号的包络服从瑞利分布。室内密集散射、车辆密集的城市街道、非视距的拐角链路都属于这类。瑞利信道下信号幅度会深度衰落出现低于均值 20 dB 的深衰落是常态这是无线通信里误码率曲线的“地板效应”的主要来源。莱斯衰落则对应存在较强直达分量的场景。D2D 短距离链路大概率有视距比如停车场里的两个终端之间没有遮挡或者开阔广场上的两台设备。莱斯信道用一个 K 因子描述直达分量和散射分量的功率比K 因子越大信道越接近高斯白噪声信道衰落越浅。D2D 场景里 K 因子取 5~15 dB 都是常见范围具体取值通常要配合视距概率模型使用。MATLAB 里这两类信道都有现成对象comm.RayleighChannel和comm.RicianChannel。两者的参数结构基本一致差别就在莱斯信道多一个KFactor参数。很多教材习惯用瑞利信道讲原理所以 D2D 仿真初学者也照抄瑞利这对短距离视距链路来说其实过于悲观。判断方法不复杂看你的仿真场景里收发两端之间是否有稳定的直视路径。有用莱斯没有用瑞利。如果拿不准就两个模型各跑一遍把结果当上下界呈现这比选错模型更有说服力。3. 用 MATLAB 把 D2D 信道跑起来最小脚本与三个必调参数3.1 链路预算先算一步接收功率与 SNR 的底账信道仿真不能一上来就生成随机衰落序列先用手算把链路预算打出来确认平均 SNR 处在合理区间后面所有误码率统计才有参照系。这一步在 MATLAB 里就是一个函数调用的事。链路预算的输入是发射功率、收发天线增益、路径损耗和噪声功率。D2D 场景里发射功率通常比基站小得多终端发射功率一般在 10~23 dBm 之间。接收功率的表达式是Pt_dBm 20; % 发射功率 20 dBm Gt_dB 0; % 发射天线增益 0 dBi Gr_dB 0; % 接收天线增益 0 dBi PL_dB 68 10 * 2.5 * log10(dist / 10); % 对数距离模型n2.5参考距离 10 m Pr_dBm Pt_dBm Gt_dB Gr_dB - PL_dB; % 接收功率 B 1e6; % 信道带宽 1 MHz No_dBm 10 * log10(1.38e-23 * 290 * B * 1000); % 热噪声功率单位 dBm SNR_dB_avg Pr_dBm - No_dBm; % 平均信噪比这里有两处容易出问题。第一PL_dB用的参考距离是 10 m如果 D2D 距离只有 20 m路径损耗算出来相对较小跟实测容易有偏差第二噪声功率的计算里要注意带宽的单位MATLAB 里如果前面用的是 MHz这里就要换算成 Hz 再乘 1000 转成 mW。这行代码每次写错链路预算都会差 30 dB。算完这一笔账你对仿真结果的期望值就有了底。比如算出来平均 SNR 是 20 dB那 QPSK 在瑞利衰落下的误码率理论值大约在千分之一量级如果仿真跑出来误码率是百分之一那说明信道模型里一定有什么地方不对——是深衰落过多了还是接收端没有做均衡。没有这步预算后面排查起来全靠猜。3.2 comm.RayleighChannel 生成小尺度信道系数参数怎么设链路预算解决平均 SNR小尺度衰落解决瞬时波动。MATLAB 的 Comm Toolbox 里comm.RayleighChannel是生成瑞利衰落信道系数的主力对象它的参数设置直接决定信道的时间相关特性和频率选择性。一个最小可跑的例子是这样fs 1e6; % 采样率 1 MHz fd 12; % 最大多普勒频移 12 Hz rayChan comm.RayleighChannel( ... SampleRate, fs, ... MaximumDopplerShift, fd, ... PathDelays, [0 1e-7], ... % 两径时延分别 0 和 100 ns AveragePathGains, [0 -3], ... % 第二径比第一径低 3 dB NormalizePathGains, true);这五个参数的组合基本覆盖了 D2D 短距离场景的常见配置。SampleRate必须和你后面过信道的信号采样率一致不一致时 MATLAB 会报错但更麻烦的是“看起来能跑结果完全错”的情况后面避坑章节会展开。MaximumDopplerShift就是前面按相对速度算出来的fd_max它决定了信道系数随时间变化的快慢。PathDelays和AveragePathGains一起定义多径轮廓。D2D 链路距离短时延扩展一般在几十到几百纳秒之间和宏基站动辄几微秒的时延扩展相差一个量级。这里设[0 1e-7]表示第二径相对第一径延迟 100 ns100 ns 对应约 30 m 的额外传播路径差在市区 D2D 场景是个合理的量级。NormalizePathGains置为 true信道输出的平均功率就会被归一化这样后面叠加噪声时SNR 定义不会因为信道的平均增益而偏移。这个参数新手常常忽略置成默认的 false 之后误码率曲线整体平移看起来像是系统性能变差其实是功率没有归一。信道对象建好之后直接把它当成一个函数调用输入基带信号输出就是经过衰落的信号txSig qpsk_symbols; % 任意一个基带调制信号 [rxFaded, pathGains] rayChan(txSig);第二个输出pathGains是每个采样点时刻的信道冲激响应在做相干解调、信道估计、以及保存信道系数做复现实验时都会用到。务必要在仿真脚本里把pathGains留住后面十有八九要拿它做均衡。3.3 信道对象调用的生命周期生成系数、采样点与 resetcomm.RayleighChannel的内部维护着一组时变信道系数它不是一个纯函数每次调用都在更新内部状态。这个设计背后是 Jakes 模型风格的衰落生成器通过多个振荡器叠加来近似瑞利衰落的时间相关性。这就带来一个新手必踩的坑如果一个脚本里对同一个信道对象连续调用两次第二次的初始相位和滤波器状态会接着第一次的尾巴继续跑。如果你的本意是“两个独立实验”那就得先调用reset(rayChan)把信道状态清空否则两次仿真结果存在相关性Monte Carlo 统计出来的误码率方差偏大。反过来如果本意是“同一信道条件下把信号过两遍”那就不要 reset。比如你要对比两种接收方案在同一组信道系数下的性能正确做法是先调用一次信道保存pathGains然后把两个接收端算法作用在同一个rxFaded上。这里有一个更稳的做法先单独生成信道系数矩阵再手动做卷积或逐点相乘信道对象只用来生成系数信号过信道这一步不用它这样就能完全控制信道的复用方式。此外信道对象在修改参数之后需要调用release才能让新参数生效否则 MATLAB 会报“无法更改已锁定的参数”之类的错误。这算是 Comm Toolbox 对象最常见的生命周期问题记住一条口诀就够用改参数先release继续用先reset。4. 完整 D2D 链路仿真QPSK 在衰落信道下的误码率评估4.1 发射端与信道串联从比特流到衰落信号链路预算和小尺度信道系数都准备好之后可以串一条完整的物理层链路。这一节用一个 QPSK 调制在单径瑞利信道下的误码率仿真作为例子把流程打通。先说为什么用单径。多径信道的频率选择性会引入符号间干扰ISI接收端必须配均衡器误码率曲线里就混入了均衡器的影响。单径平衰落信道下信道的作用退化为逐符号乘一个复增益误码率可以跟理论公式直接对比方便验证整套仿真链路有没有搭错。多径扩展留到后面再说。发射端代码M 4; % QPSK k log2(M); % 每符号比特数 numBits 2e5; % 仿真比特数 data randi([0 1], numBits, 1); % 随机比特流 % 比特流分组成符号索引 dataSymbolIdx bi2de(reshape(data, k, [])., left-msb); % QPSK 调制相位偏转 pi/4 txSig pskmod(dataSymbolIdx, M, pi/4);bi2de这一步把每两个比特映射成一个 0~3 的整数作为 QPSK 星座点的索引。pskmod的相位偏转参数pi/4是 QPSK 常用的旋转角避免星座点落在坐标轴上这在实际系统里能降低峰均比。调制之后信号已经可以送入信道对象了。信道这一步复用前面建好的rayChan但要注意两点一是把多径配置收成单径PathDelays设为[0]否则后面均衡没法简单处理二是SampleRate要和信号速率匹配。QPSK 符号速率等于比特率除以 2如果采样率是符号速率的整数倍过信道之后还要做抽取这套脚本里为了聚焦信道仿真直接把采样率设在符号速率上也就是每符号一个采样点symbolRate 1e5; % 符号速率 100 ksymbol/s fs symbolRate; % 每符号一个采样点 fd 12; rayChan comm.RayleighChannel( ... SampleRate, fs, ... MaximumDopplerShift, fd, ... PathDelays, [0], ... AveragePathGains, [0], ... NormalizePathGains, true); [rxFaded, pathGains] rayChan(txSig);这样每过一个符号信道就给出一个复增益pathGains和txSig长度一致后续均衡只需要做逐点除法。4.2 已知信道均衡与解调让误码率落在数学期望上过完信道信号变成rxFaded H .* txSig noise加噪前。现在要做的是加噪声然后做信道均衡。这里用“已知信道”的理想假设也就是接收端完全知道每个时刻的pathGains这在实际系统里靠导频估计逼近但仿真阶段用理想信道状态信息CSI能干干净净地评估信道本身对误码率的影响。加噪这一步把前面链路预算算的 SNR 用上EbNo_dB 10; % 每比特信噪比单位 dB EbNo 10^(EbNo_dB / 10); snr EbNo * k; % 符号信噪比QPSK 每符号 2 比特 noiseVar 1 / snr; noise sqrt(noiseVar / 2) * (randn(size(rxFaded)) 1i * randn(size(rxFaded))); rxNoisy rxFaded noise;这里的noiseVar 1 / snr是建立在信号功率为 1 的前提上。因为NormalizePathGains置 true信道平均输出功率等于输入功率而pskmod输出的平均功率恰好是 1所以这个换算成立。如果前面归一化参数没设置这里噪声功率就要按实际信号功率重新计算这也是这类脚本里最容易出现系统性偏差的地方。均衡和解调h pathGains; % 单径信道复增益序列 rxEq rxNoisy ./ h; % ZF 均衡除以信道增益 rxSym pskdemod(rxEq, M, pi/4); % QPSK 解调 rxBits de2bi(rxSym, k, left-msb); rxBits rxBits(:); ber sum(rxBits ~ data) / numBits;rxNoisy ./ h是迫零均衡ZF它把信道的影响除掉但在深衰落处会把噪声放大。这也是瑞利信道误码率在高 SNR 时有“地板”的原因之一。另一种做法是最大比合并MRC乘conj(h)而不是除以h对 QPSK 这种等能量星座两种方式在小信噪比时差异明显大信噪比时趋于一致。先跑 ZF再换 MRC 对比能直观看到深衰落放大噪声的影响。4.3 仿真曲线对理论曲线偏差就是信道建模的误差单段仿真只能得到一个点的误码率完整的误码率曲线要扫EbNo_dB。把上一节的加噪、均衡、解调、统计包进一个循环或者抽成一个函数对每个 SNR 点跑一段独立仿真。瑞利平衰落信道下 QPSK 的理论误码率有闭式解。BPSK 的瑞利平均误码率是0.5 * (1 - sqrt(EbNo / (1 EbNo)))QPSK 可以看作两个正交 BPSK所以这个公式同样适用格雷编码前提下。在 MATLAB 里画在一起EbNoVec 0:2:20; berTheory 0.5 * (1 - sqrt(EbNoVec_lin ./ (1 EbNoVec_lin))); semilogy(EbNoVec, berTheory, r-, EbNoVec, berSim, b-o); grid on; xlabel(Eb/No (dB)); ylabel(误码率); legend(理论值, 仿真值);对比时先看两点低信噪比区误差是否在统计范围内高信噪比区是否出现地板。如果仿真曲线整体比理论高出一截优先怀疑均衡方式导致噪声放大如果高信噪比段平行下不掉优先怀疑信道归一化参数或相位偏转设置。这套脚本跑通之后它的意义不只是得到一条误码率曲线而是处理 D2D 信道模型的实验框架——换莱斯信道、加快衰落、加多径都在这个框架上改。5. D2D 信道仿真常见问题排查5 个翻车现场与修复方法5.1 信道对象第二次调用报错忘了 release 或 reset现象仿真脚本第一次运行正常改成循环跑多个 SNR 点之后第二次迭代直接报错提示对象已被锁定无法修改参数。原因comm.RayleighChannel是 System object参数在对象创建或release之前处于锁定状态。循环里第一轮调用之后对象被锁定第二轮想改MaximumDopplerShift或PathDelays时MATLAB 拒绝操作。解决在循环末尾加上release(rayChan)让参数可以重新修改如果 SNR 循环里信道配置不变则不需要 release只需要在每轮稳态阶段之后调用reset(rayChan)清空状态。这里的规则一句话参数变了要 release状态要重来要 reset两个都忘了最稳的写法是在循环体内release之后立刻reset。5.2 MaximumDopplerShift 设成 0误码率低到不真实现象误码率曲线算出来比理论值低一个数量级高信噪比下误码率持续下降怎么都看不到瑞利信道应有的地板效应。原因MaximumDopplerShift设成 0信道系数变成复常数衰落完全静止。信号每个符号经历相同的信道增益接收端均衡之后性能接近 AWGN 信道自然比理论瑞利曲线好得多。解决按前面的公式fd speed_rel / lambda算默认值。步行场景 1.5 m/s 在 2.4 GHz 下约 12 Hz车辆场景 30 m/s 下约 240 Hz。如果你想把信道固定住观察某一组系数下的行为可以故意设 0但这时要清楚结果不代表统计意义上的瑞利性能。这个坑的本质是参数物理意义不明确建议把fd的计算写在脚本头部不要让一个裸数字躺在信道对象初始化里。5.3 室内路径损耗模型套到开阔停车场接收功率高估 20 dB 以上现象链路预算算出来 SNR 非常高系统仿真结果也好得离谱但和实测数据差别巨大。原因路径损耗指数n选错。室内穿墙场景 n 取 4~5开阔停车场是半开放空间n 取 2.2~2.8。如果按室内标准算开阔地链路路径损耗被低估接收功率高估可达 20 dB 以上相当于发射功率多算了 100 倍。解决先确认仿真场景是室内还是室外再查模型表格。一个稳妥的做法是同时用自由空间模型和对数距离模型各算一遍自由空间是上界实际链路不可能超过它如果对数距离模型算出来的接收功率比自由空间还高那肯定是参考距离或指数有问题。D2D 场景里最常见的错误就是把“短距离”和“视距”划等号短距离室内穿墙场景本质是非视距不能套开阔地参数。5.4 SampleRate 与符号速率不一致仿真整段作废还看不出来现象脚本不报错误码率曲线形状与理论一致但整体平移了几个 dB怎么调都合不上。原因comm.RayleighChannel的SampleRate决定了多普勒滤波器的设计带宽。如果信号符号速率是 100 ksymbol/s而SampleRate设成 1 MHz信道对象会认为每符号之间有 10 个采样点然后对输入信号做内部滤波和抽取。结果等效于信道的时间分辨率改变了信号的衰落特性被错误地平滑SNR 换算也随之失真。解决把SampleRate设为信号的速率。如果后端打算做脉冲成型过采样那信道要放在过采样之后如果直接逐符号过信道SampleRate symbolRate。检查方法也简单在随机信号过信道之后打印rxFaded的功率如果和输入功率差太多检查NormalizePathGains和SampleRate这两处。5.5 MATLAB 安装与授权环境问题闪退与 License Error -8现象MATLAB 装完打开就闪退或者启动时报 MathWorks Licensing Error -8仿真代码本身还没机会运行。原因-8 错误通常是许可证文件和机器绑定信息不匹配常见于安装后更换了网卡、虚拟机迁移、或者 hostid 对应错误。闪退问题在新版本里常见于显卡驱动与图形渲染不兼容和仿真代码没有关系。解决License 问题先确认授权文件里的 hostid 与本机网卡 MAC 对应装 2025/2026 这类新版本时格外常见闪退可以在 MATLAB 启动时加软件渲染参数或者更新显卡驱动后再试。做信道仿真对 GPU 没有硬要求纯 CPU 跑comm.RayleighChannel完全够用所以这类环境问题不妨直接绕过——先确认命令行里能跑通matlab -nodisplay再说。6. 信道系数落盘与批量复现把 D2D 仿真从单次推到 Monte Carlo单段仿真曲线只能说明“某一个随机实现”下的性能文献里那种平滑的误码率曲线是靠上千次独立实验统计出来的。用 MATLAB 做这件事关键是把信道系数的生成和信号处理拆开先落盘再复用。常见做法是保存pathGains而不是保存衰减后的信号。pathGains是信道实现可以反复叠加不同噪声、替换不同接收机算法直接保存rxFaded就把噪声也固定了等于失去了自由度。一个可复现的实验布局是这样% 第一次跑生成并保存信道系数 save(d2d_rayleigh_100m_fd12.mat, pathGains, fd, fs); % 后续跑加载同一组信道只换发射功率和噪声 load(d2d_rayleigh_100m_fd12.mat, pathGains, fd, fs); rxFaded pathGains .* txSig;这样每个 SNR 点都使用同一组信道系数差异只来自噪声方差比“每次重新生成信道”更小曲线也更平滑。想要覆盖信道随机性时就生成多组信道文件每组标记好场景参数例如d2d_los_k12.mat和d2d_nlos_rayleigh.mat后面再做算法对比时只需要换文件名。再往前一步是系统级视角。D2D 链路仿真的最终目标往往不只是单条链路的误码率而是多个 D2D 对复用同一块频谱时的干扰情况。这时信道模型要扩展到“每对收发之间的信道系数矩阵”规模从一卷变成多卷计算量也随之增长。常见做法是用parfor并行跑不同 D2D 对的信道生成再把干扰链路累加进接收信号。有一些研究方向还会在这个框架里接入强化学习类的资源分配算法信道模型充当环境算法在里面做功率控制决策——信道系数落盘可以让这些反复迭代的算法每次面对同一套环境结果可对比、可复现。我的习惯是每个仿真目录里固定放三个文件场景参数脚本、信道生成脚本、信号处理脚本信道输出统一存.mat。这样一套架子搭好后面换场景、换频段、换调制方式都只是改参数脚本的事情。这个习惯帮我在多个项目里省掉了重复造轮子的时间也希望帮到你。本文还有配套的精品资源点击获取