近年来,移动通信技术飞速发展,极大地便捷了人们的生活,但是传统的蜂窝系统以基站为中心的网络结构使得小区的覆盖范围和业务提供方式受到很大限制,阻碍了容量的进一步提升,无法满足日益增长的用户需求。为此学术界提出了 Device-to-Device(D2D)通信的概念,并将其应用在了蜂窝网络等场景中,这种通信方式能够有效减少基站负载,节约频谱资源。许多的资源分配与功率控制算法是基于小区的干扰图,所谓的干扰图模型就是将小区的链路以及链路之间干扰关系分别用图的顶点和边进行抽象描述,而多数的研究是集中在已知小区干扰图的前提下采用最优匹配,图着色等理论而获得性能的提升,但小区的链路的动态变化的会导致小区的干扰图的动态变化,如果干扰图不能够实时更新,基于不完整的干扰图进行的资源分配会导致性能的下降。本文提出了一种基于蜂窝D2D通信系统underlay部署的实时干扰图构建算法。该算法是将无线资源划分成了控制部分和数据传输部分,利用控制域部分的资源池进行干扰图构建,是一个迭代过程。算法将资源池划分成用于蜂窝链路广播和用于D2D链路广播两部分,将干扰边按照发射端和接收端的链路类型划分为 CToD(cellular-to-D2D)、DToD(D2D-to-D2D)和 DToC(D2D-to-cellular)三部分,根据不同的链路的特点,分别采用不同的算法。算法以降低干扰边的少边率为主要出发点,对以D2D链路为发射端的DToC和DToD类型干扰边,采取最小冲突和算法与多次反馈计算的组合,对以蜂窝链路为发射端的CToD类型干扰边采用优先权轮播反馈算法,从广播控制链路数量的角度出发去优化。接着本文对算法的性能进行了完整的理论分析,从链路的度开始引入,按照干扰边的不同类型,分析了三种类型干扰边在适用范围内理论值,并将理论值与仿真值进行比较,验证我们算法分析的准确性,本文的主要创新之处在于将干扰图算法推广到underlay场景、动态的场景以及构建有向干扰图。最后,本文通过设置一系列的仿真场景来验证我们所提算法的性能,并对适用的场景进行分析,对比了 RED(Random Early Detection)算法、循环RED算法、最小冲突和算法、无反馈,简单反馈、多次反馈以及优先权轮播算法的性能,发现本文所提出划分干扰图类型后,分别采取优先权轮播算法、最小冲突和与多次反馈的组合算法在干扰边实时性性能优越,在低速率动态的情形下相对传统RED算法性能提升5倍以上。通过采取控制变量的方式深入研究蜂窝链路数量、D2D链路数量、蜂窝链路进出速度、D2D链路进出速度、最大D2D通信距离、资源块数量等参数对本文算法性能的影响,同时对性能变化的原因和算法适用范围进行分析。