随着移动通信技术的不断发展,人们对于通信场景的要求越来越高,在5G时代,面向物联网(InternetofThings,IoT)与可穿戴设备的低功耗通信场景是重要的研究方向。由于这两类设备能力受限,直接接入网络性能较差,而D2D(Deviceto Device)中继技术可以利用网络中能力较强的蜂窝用户作为中继,辅助低功耗设备与基站进行通信,减少设备功耗并保证通信质量。本文主要对D2D中继系统中设备发现、通信过程的资源分配方案展开研究,通过搭建系统级仿真平台实现本文所提资源分配方案,利用仿真结果对比分析不同方案下的系统性能,从仿真角度验证了所提方案的有效性。在设备发现过程中,针对现有发现过程中随机资源选择方式导致的发现成功率低等问题,本文结合窄带接收设备的特点,对设备发现过程中的资源分配方案进行了进一步研究,并提出了以下两个资源分配方案:为减少接收端未正确监听频段导致的发现成功率低问题,提出对系统带宽进行子带划分,设计了一种针对窄带接收设备的基于多发机制的资源分配方案,通过同周期多次发送发现信号增加发现概率;为避免距离较远的设备相互发现中不必要的能量消耗,以及减少多发机制带来的资源碰撞问题,设计了一种基于用户地理位置分组的资源分配方案,通过合理复用发现资源提升发现性能。在设备通信过程中,当无线资源紧缺时,设备在数据传输过程中很有可能由于资源碰撞导致传输失败。针对通信过程中随机资源选择方式导致的资源碰撞问题,本文提出了一种基于DQN(Deep Q Network,深度强化学习)的资源分配方案。该方案特点在于通过用户选择-反馈-学习等过程,最大化利用资源选择过程中的历史数据解决通信系统中的动态资源分配问题,减少资源碰撞导致的数据传输失败。同时考虑到实际场景中的业务多样性,提出了一种基于业务优先级的优化方案,保证高优先级业务的传输质量。