随着手机、平板等智能设备的指数式增长,高清视频、视频会议等多媒体业务和在线游戏、虚拟现实(Virtual Realty,VR)等需求量的不断增大,对现有网络的容量、时延和安全性提出了更高的挑战。设备终端直连(Device-to-Device,D2D)通信同时具备邻近增益、多跳增益和复用增益,被认为是未来第五代移动通信(5G)中的关键技术。D2D通信中D2D设备发现、模式选择和资源分配是研究的热点,论文提出了基于载波侦听多路访问(Carrier Sense Multiple Access,CSMA)退避的设备发现方案和两种不同的资源分配方案。基于CSMA退避的设备发现方案使用了二进制指数退避算法,竞争资源时冲突次数大的设备有更高的优先级,同时用期望代替实际每个时隙中不同冲突次数的设备数量。仿真结果表明该设备发现方案在保证了高设备发现率的同时,有效降低了设备平均发现时延和设备发现时延方差。基于聚类和博弈论的资源分配方案将资源分配分解成信道分配和功率控制两个子问题,信道分配中忽略了实时的小尺度衰落,采用聚类的思想求解;功率控制建模为非合作博弈最大化能量效率并求解纳什均衡解。仿真结果表明,信道分配中相对距离较为分散的D2D用户复用相同频谱资源,纳什均衡解虽然信道容量有所下降,但能量效率增高。基于贪婪和Q-Learing的资源分配方案同样先进行信道分配再进行功率控制,但每个D2D用户都可以复用多个信道,使用贪婪思想进行信道分配,使用Q-learning学习最优的发射功率完成功率控制。仿真结果表明,当可以复用多个信道时,保持较高的能量效率的同时,提高了系统容量。