随着移动通信技术的发展,人们对无线通信的速率需求越来越高,然而频谱资源是有限的,制约了移动速率的进一步提升。如何提升频谱效率,在有限的频谱上传输更多的数据,是无线网络的热点研究问题。D2D(Device-to-Device)技术是5G的关键技术之一,D2D技术允许地理位置相邻的两个用户,不通过基站进行中转,而进行直通通信。D2D用户(D2D User Equipment,DUE)可以使用专用信道,与蜂窝用户(Cellular User Equipment,CUE)正交通信,也可以通过复用蜂窝用户的频谱资源进行通信。D2D技术能有效增加网络的频谱利用率。然而,D2D技术给网络带来了复杂的干扰环境,共享相同信道的DUE和CUE之间,DUE和DUE之间存在同频干扰,如果不进行干扰管理,可能导致网络性能的下降。合理的资源分配算法可以有效地降低同频干扰,提高网络性能。本文主要研究内容如下:1.针对一些经典算法中,相互产生强干扰的用户影响算法收敛性的问题。基于只适用于纯D2D单信道网络的ITLinQ算法,从信令设计、优先级分配、退避规则三个方面进行改进,同时为了解决级联退避问题而引入I-MAP矩阵,从而得到适用于蜂窝和D2D异构网络的ITLQC算法。优化思路为先用ITLQC算法进行信道预分配,使得相互产生强干扰的用户不会在相同信道上通信,再将信道预分配的结果带入这些难以收敛的算法进行资源分配。仿真中以基于斯塔克尔伯格博弈论的资源分配(SGDRA)算法为例,将使用ITLQC算法进行优化的SGDRA算法和SGDRA原算法进行仿真对比,发现ITLQC算法在不严重影响系统总吞吐的前提下,大大提高了算法的收敛性,同时还增加了网络整体的能量效率。2.基于普通图的信道分配算法通常只考虑用户两两之间的强干扰,较少考虑多个用户产生的累积强干扰。基于超图的资源分配(HBRSM)算法虽然考虑了累积强干扰,但是算法的复杂度太高,且不能很好地解决累积强干扰问题。本文提出基于层的有向干扰超图的着色(TDWGC)算法来解决累积强干扰的问题,该算法分为两个阶段,第一阶段构建有向干扰超图模拟用户与用户之间的干扰关系,第二阶段采用最大可能干扰优先着色(MPICA)算法,对所构建的有向干扰超图进行着色。如果用户拥有干扰信道的完美信道信息,TDWGC算法变为完美信道下的有向干扰超图着色(DWGPC)算法,TDWGC算法和DWGPC算法统称为基于有向干扰超图的着色算法。基于有向干扰超图的着色算法相比HBRSM算法,大大降低了算法的复杂度,还提高了网络吞吐量,保障了 CUE的通信质量。3.针对基于有向干扰超图的着色算法进行优化。提出了信道调整(CAAI)算法,CAAI算法将基于有向干扰超图的着色算法得到的信道分配结果作为初始解,在每次迭代中,对用户的信道进行调整,减少用户受到的干扰,减少系统的总干扰,利用两个限制条件保证算法的收敛性,仿真表明CAAI算法能在较少的迭代次数内收敛,同时提高了 DWGPC算法的性能。