[20]則是在滿足了蜂窩通信的SINR基礎上,D2D用戶從所有蜂窩用戶中根據(jù)受到干擾的大小分配優(yōu)先級，然后依次按照優(yōu)先級復用對應的蜂窩用戶資源。首先以基站為中心半徑為500建立了一個六邊形的蜂窩網(wǎng)絡，然后在此區(qū)域內(nèi)以隨機撒點的形式分布了10對D2D用戶和30個蜂窩用戶。即蜂窩網(wǎng)絡小區(qū)中隨機的蜂窩用戶及D2D用戶的分布如圖1.1所示。然后對可相互復用的D2D用戶和蜂窩用戶在有功率損耗和噪聲干擾的情況下實施優(yōu)化的KM算法以進行功率控制和資源分配并與啟發(fā)式算法和隨機算法比較，以實現(xiàn)最大化吞吐量的目的。圖1.2是三種算法下每對D2D用戶間距離不變時，D2D用戶數(shù)與系統(tǒng)吞吐量間的關系。我們首先能看到隨著D2D用戶對的數(shù)量的增加，三種算法系統(tǒng)吞吐量也是持續(xù)增加的，即D2D用戶對的數(shù)量與系統(tǒng)的總吞吐量呈單調(diào)遞增的關系。而且我們能從圖中看到本文所提出的優(yōu)化算法曲線更陡峭，增漲幅度最大，遠高于隨機算法和啟發(fā)式算法，所以本文算法能更好的控制干擾，更優(yōu)化提高了D2D用戶吞吐量和系統(tǒng)吞吐量。圖1.1單小區(qū)蜂窩網(wǎng)絡用戶的分布圖1.2D2D用戶對與系統(tǒng)吞吐量的關系圖1.3是D2D用戶的吞吐量的累積分布函數(shù)（CDF）。以D2D用戶對數(shù)量為10m，D2D用戶間距離為10m再次進行仿真，可以看到本文所用的優(yōu)化算法優(yōu)于啟發(fā)式算法優(yōu)于隨機算法，本文所提出算法所得的用戶吞吐量也得到了顯著提升。這也證實了此方案中D2D用戶復用最合適的資源后，其吞吐量得以大幅度地提升，也證明了本文所提算法在D2D通信中的有效性。圖1.3D2D吞吐量的CDF圖1.4主要描述了當D2D用戶對的數(shù)量固定在10m時，系統(tǒng)吞吐量與D2D用戶間距離的關系。當D2D用戶間距離小于30m的時，三種算法所得的系統(tǒng)吞吐量都隨著D2D用戶間的距離增大而減少；當D2D用戶間的距離大于30m時，總的系統(tǒng)吞吐量隨著D2D用戶間的距離的增加變化幅度變緩。這是因為在D2D用戶間距離小于30m，也就是距離較小的時候，D2D用戶間的路徑損耗、陰影衰落都較小，D2D鏈路質(zhì)量較高，所以能以保證D2D用戶的通信質(zhì)量較高；但當D2D用戶間的距離大于30m后，干擾也會越來越大，對使用相同資源的鏈路影響也越來越大，D2D用戶鏈路質(zhì)量狀態(tài)最差，此時系統(tǒng)的吞吐量已經(jīng)最低，所以趨勢漸漸平滑不在有大幅度變化。從圖1.4中也能夠清晰的看出本文提出的優(yōu)化算法性能要高于其它兩種算法。圖1.4D2D用戶間距離與吞吐量的關系圖1.5系統(tǒng)吞吐量的CDF圖1.5主要描述的了當D2D用戶數(shù)量為10，用戶間的距離為10m時，整個系統(tǒng)吞吐量的CDF。從圖中能夠看出本文算法所得吞吐量遠高于其他算法，本文所提出的算法明顯地有效增大了整個系統(tǒng)的總吞吐量，與圖1.2D2D用戶的吞吐量的分布累計函數(shù)相對比，圖中本文所提出的算法較其他兩種比較算法使系統(tǒng)吞吐量提升更為之大，這說明本文所提方案在讓D2D通信吞吐量提高的同時，蜂窩用戶的通信質(zhì)量也有一定的提升，這滿足了方案所提的在滿足蜂窩用戶的QoS的基礎上對D2D用戶分配更高的功率。整體來說，在該系統(tǒng)中通過對每種用戶進行干擾控制，然后進行最大權(quán)匹配，求出最佳匹配，讓每個D2D用戶都能夠復用最佳的蜂窩