简介：本资源面向无线传感器网络（WSN）方向的本科生、研究生及通信类科研初学者，聚焦能量高效路由这一核心挑战，提供一种改进型非均匀分簇协议的完整MATLAB实现方案。针对传统LEACH等协议中簇头分布不均、边缘节点能耗过快的问题，该方案通过引入距离加权选举机制与动态簇半径调整策略，显著提升网络整体能量均衡性与生命周期。压缩包共含若干MATLAB源文件（.m为主），涵盖网络拓扑生成、簇结构构建、簇头选举、多跳数据转发及能耗统计等关键模块，代码结构清晰、注释详尽，便于理解算法逻辑与开展仿真实验。资源大小为299KB，轻量实用，适合作为课程设计、毕业设计或算法对比实验的基础代码框架。目前已有506人学习下载，读者可直接运行复现能量消耗曲线、存活节点数变化等典型性能指标，快速掌握非均匀分簇路由的设计思想与工程实现要点。 先说个实际的背景。做过无线传感器网络（WSN）方向仿真的人，大概率都遇到过这种尴尬：用LEACH协议跑完一轮，节点能量跟漏水似的往下掉，基站附近的节点更是死得飞快，网络生命周期惨不忍睹。后来转向非均匀分簇路由协议，才算是摸到了门道。这套带MATLAB代码的非均匀分簇方案，核心就是解决“能量均衡”这个老大难问题——通过让不同位置的簇拥有不同的大小，让靠近基站的簇头少承担一点簇内任务、多留点能量干转发的活儿，从而把整张网络的能耗拉平。
这篇文章我从协议设计思路、核心机制、MATLAB代码模块到调参排错，把整条链路掰开揉碎了讲。正在做WSN通信相关课程设计、毕业论文，或者准备投会议论文的朋友，都可以把这里面的实现细节直接搬过去用。
1. 能量均衡问题到底出在哪
1.1 无线传感器网络的“寿命焦虑”
先想一个最底层的约束：传感器节点用的是电池，部署在野外之后基本没有换电池的可能，更不用说几十上百个节点挨个去维护。所以WSN路由协议设计的第一原则，永远是“省着用”——在保证数据能传回基站的前提下，尽可能让每个节点死得均匀、死得晚。
问题在于，节点之间不是孤立的，它们要通过多跳协作把数据传到基站。这就产生了一个天然矛盾：靠近基站的节点既要发自己的数据，又要帮远处的节点转发数据，能耗天然比远处节点高。如果所有簇大小一样、所有节点消耗一样，那靠近基站的节点一定会先耗尽能量，一旦它们挂掉，远处的数据就传不回来了，整片网络直接瘫痪。这个现象在WSN里有个专门说法，叫“能量空洞”（energy hole），是非均匀分簇协议想要解决的核心痛点。
1.2 均匀分簇为什么“均匀”不起来
传统的LEACH协议是均匀分簇的典型代表。它把所有节点随机分成若干个簇，每个簇选一个簇头，簇成员把数据发给簇头，簇头把数据融合后直接发给基站。听起来很合理，但仔细算一笔账就发现问题了。
LEACH的簇头是直接与基站通信的，距离一远，能耗按平方甚至四次方增长。同时每个簇的规模相近，意味着靠近基站的簇头要承担和远处簇头一样的簇内融合任务，却额外背负了转发近邻数据的负担。这就好比赛跑时让每个人背同样的沙袋，但有些人还要额外再抱一个铅球，坚持到最后的永远是那些“被照顾”的选手——这在WSN里就是个反面教材。
所以业界后来转向非均匀分簇，思路很朴素：离基站越近的簇，簇头覆盖范围越小、簇成员越少，这样簇内通信能耗被压下来，省出来的能量用来给远处的簇做中继转发。通过牺牲近距离节点的簇内能耗，换取整网能量消耗的空间均衡，这就是“非均匀”三个字的精髓。
1.3 这套代码到底适合谁
这套MATLAB实现的非均匀分簇路由协议，适用性其实挺广的。如果你正在做WSN方向的研究，需要一个能量均衡的可运行baseline做对比实验，这套代码可以直接用。如果你在准备毕业设计，需要一个“非均匀分簇+多跳路由”的完整仿真框架，它也是现成的。就算你只是对WSN感兴趣，想看看用MATLAB怎么搭建一个包含能耗模型、簇头选举、路由转发的完整平台，里面的模块拆分和代码风格也都值得扒一扒。
代码包的结构通常包括节点初始化、能耗计算、簇头选举、簇形成、数据传输和结果可视化几大模块，我后面会把每部分的实现逻辑和关键参数都过一遍。
2. 非均匀分簇的核心思路拆解
2.1 用“簇大小”换“能量均衡”
非均匀分簇不是说单纯把簇分得大小不齐就完事了，而是要精确控制每个簇头的覆盖范围。整个协议里最关键的参数就是“簇头竞争半径”，哪个节点能成为簇头、它的簇能管多大面积，都由这个半径来决定。
具体规则是：离基站越近的节点，竞争半径越小；离基站越远的节点，竞争半径越大。这样部署下来，基站附近会形成一堆小簇，每个簇头只管两三个成员节点，簇内通信开销很小；远处则是大簇，簇头虽然簇内负担重，但不需要频繁给别的簇当跳板，距离基站也远，那点簇内开销换来的多跳路径收益是完全划算的。
这个设计逻辑在EEUC（Energy-Efficient Uneven Clustering）协议里最有代表性。它的竞争半径公式类似下面这样：
% 节点i的簇头竞争半径 Rc_i = (1 - c * (dmax - d(i, BS)) / (dmax - dmin)) * R0;其中d(i, BS)是节点i到基站的距离，dmax和dmin是网络中所有节点到基站距离的最大值和最小值，R0是预设的最大竞争半径，c是 0 到 1 之间的调节系数。c越大，不同位置的簇大小差异越明显；c越小，协议越接近均匀分簇。这个公式我在调参时反复用过，c=0.5是个比较稳的起点。
2.2 为什么是分布式而非集中式
设计路由协议时有一个方向性的选择：用集中式算法让基站统一算好分簇方案再广播给所有节点，还是用分布式算法让节点自行协商成簇。
集中式方案在静态网络里效果很好，全局信息都在基站手里，分簇结果可以做到最优。但它有个致命短板：离基站远的节点收一次广播就费不少能量，而且一旦网络规模大了，基站的计算和通信压力会非常夸张。更要命的是，WSN本身要求抗毁性强，基站一旦挂了整个网络就全完了——这和分布式自组织网络的初衷背道而驰。
所以这套代码里用的是分布式成簇机制。每个节点根据自己的剩余能量、邻居情况和距离基站的远近，独立计算竞争半径，然后在局部范围内竞争簇头。整个流程里节点只需要跟附近的邻居交换信息，完全不需要全局视角，对信道资源的占用也小很多。
2.3 网络生命周期指标怎么定义
做WSN仿真，网络生命周期不能含糊。最常见的三个里程碑指标是FND（First Node Dies，第一个节点死亡轮数）、HND（Half Nodes Dead，半数节点死亡轮数）和LND（Last Node Dies，最后一个节点死亡轮数）。协议优化如果只看LND，很容易被极端情况带偏——因为最后一个节点可能撑特别久，但早期节点大量死亡时数据质量已经很差了。所以学术界最看重FND，一个协议能不能让第一个节点晚点死，基本决定了它的能量均衡水平。
这套代码的运行结果通常也会输出这三个指标，并画出存活节点数量随轮数变化的曲线。对比LEACH时你会发现，非均匀分簇的FND能往后推不少，而且存活曲线的下降坡度更缓——这意味着能量消耗在时间上更均匀，而不是“前期平稳后期断崖”。
3. 关键技术机制的逐层拆解
3.1 能耗模型：一切仿真的地基
WSN仿真如果不把能耗模型搞明白，后面算出来的各种指标全是空中楼阁。这套代码里用的是经典的一阶无线通信模型（First-Order Radio Model），也是学术论文里最常用的能耗模型。
发送bit数据到距离为d的节点时，发射能耗分为两部分，一部分是电路功耗，另一部分是放大功耗。放大功耗会根据距离d是否超过阈值d0来切换模型：
% 发送l比特数据到距离d的节点 if d < d0 ETx = l * Eelec + l * Efs * d^2; % 自由空间模型 else ETx = l * Eelec + l * Emp * d^4; % 多径衰落模型 end % 接收l比特数据的能耗 ERx = l * Eelec;这里Eelec是发送或接收1比特数据电路消耗的能量，Efs和Emp分别是自由空间和多径衰落模型下的放大器系数，d0 = sqrt(Efs/Emp)是两个模型的切换阈值。
真正理解这套代码，一定要记住一个潜台词：当距离小于d0时，能耗增长是d²级别，节点之间多跳转发非常划算；当距离大于d0时，能耗暴增到d⁴级别，谁要是想直接发远距离，瞬间就能把自己耗干。所以协议设计里大量采用“多跳转发”而不是“一跳直达”，靠的就是这个数学规律。实际仿真里把Efs和Emp微调一下，整个网络的死亡速度都会明显变化，后面调参部分我再细说。
3.2 簇头选举：阈值机制加能量惩罚项
簇头选举直接决定了哪些节点会被“重点消耗”，所以这套代码在这块做得比较细致。它沿用LEACH的轮询阈值思想，在此基础上加入了能量因子：剩余能量越多的节点，成为簇头的概率越高。
每一轮开始时，节点会计算一个阈值T(n)，然后生成一个0到1之间的随机数。如果随机数小于阈值，节点宣布自己是候选簇头。阈值的常见形式是：
T(n) = (p / (1 - p * (r - mod(r, round(1/p))))) * (E_current / E_initial);p是节点成为簇头的期望概率，r是当前轮数，E_current是节点当前的剩余能量，E_initial是初始能量。
后面那个(E_current / E_initial)就是能量惩罚因子。比如两个节点其他条件相同，一个剩下0.9倍初始能量、另一个只剩0.3倍，那前者的当选概率会是后者的三倍。这个设计能避免“低能量节点被反复选成簇头然后提前阵亡”的恶性循环，是在实现能量均衡时很关键的一个细节。
3.3 竞争半径与成簇过程：别让簇头扎堆
候选簇头选出来之后，不能直接当簇头，还得经过一轮“本地竞争”。每个候选簇头都会在自己的竞争半径范围内广播一条竞选消息（里面包含自己的剩余能量和竞争半径），如果在这个范围内自己“竞选状态”最优，才会正式成为簇头；如果范围内已经有能量更高的簇头了，自己就退出竞争，转为普通节点。
这一步是为了防止簇头扎堆。想想看，如果两个簇头隔得太近，它们管辖的区域重叠，边缘节点不知道该加入哪个簇，不仅造成通信混乱，还会让两个簇头做重复的数据融合工作，白白浪费能量。竞争半径机制本质上就是一种分布式去重算法，它保证整个网络里簇头的空间分布是相对均匀的，同时兼顾了“近基站区域簇头更密集”的非均匀设计。
正式簇头确定后，普通节点选择加入哪个簇，依据有两个：一是通信距离，二是簇头的剩余能量。普通节点会优先选择“距离近且簇头能量多”的簇头，这个组合在MATLAB里一般用一个加权代价函数来计算。注意这里有个坑：如果只比距离，那能量已经耗了大半的簇头还会继续被选上，很快成为网络瓶颈；如果只比能量，那节点可能为了一个高能量但很远的簇头而付出巨大的传输代价。所以代价函数的权重分配需要根据仿真场景实测调整，一般距离权重设在0.6，能量权重设在0.4左右比较合理。
3.4 簇间多跳路由：别总让远距离节点直达基站
簇头融合完数据之后，下一个问题是怎么把数据送到基站。如果每个簇头都直接发给基站，那远处簇头一次传送的能耗就会高得离谱，这也是非均匀分簇协议在成簇之后必须要配一个多跳路由模块的原因。
这套代码里采用的路由选择策略是：每个簇头在自己的通信范围内寻找若干个“更靠近基站”的邻居簇头，作为下一跳候选。然后根据三个指标来打分选最优：候选簇头到基站的距离是否更近、候选簇头的剩余能量是否充足、候选簇头的转发队列预计开销。综合得分最高的那个就作为下一跳。
需要注意的是，多跳不是跳数越多越好。每跳都需要接收和融合，会额外消耗Eelec，所以有时候跳数太多反而比直接发送更费能量。这套代码里通过控制下一跳的最大传输距离来规避这个问题——如果簇头到基站的距离已经小于一定阈值，就直接发送到基站，不再寻找中继节点。这个“接近基站就直接传”的阈值在仿真里通常设为 2 跳到 3 跳的距离范围，具体要看节点的通信半径设置。
4. MATLAB代码实现与运行全流程
4.1 代码结构总览与核心函数
拿到代码包后，先别急着运行，把文件结构过一遍。一个规范的WSN仿真项目，文件拆分通常是按职责来的，而不是把所有逻辑塞进一个脚本里。这套代码一般会包含以下几个核心文件：
main.m：仿真主入口，负责参数配置、初始化节点、运行轮次循环、调用绘图函数initialize_nodes.m：生成节点坐标、设置初始能量、计算到基站的距离elect_cluster_heads.m：簇头选举，包含阈值计算和竞争半径控制formation_clusters.m：普通节点加入簇，形成簇结构calculate_energy.m：计算数据传输能耗，更新节点剩余能量plot_network.m：可视化网络状态，包括节点存活图、簇结构图、能量分布图
这样的模块拆分最大的好处是，你想改协议逻辑的时候不用在几千行的main函数里大海捞针，只需要替换对应的子函数就行。我后来换过好几种簇头选举策略，都只是改了elect_cluster_heads.m这一个文件，省了很多事。
4.2 初始化和核心设计参数
节点部署阶段有几个关键参数直接影响仿真结果的参考价值：监测区域面积、节点数量、基站位置、初始能量、通信半径和轮次总数。
一个典型的仿真场景设置是：100个节点随机部署在100m×100m的区域内，基站位于区域上方（比如坐标(50, 120)），每个节点的初始能量设为0.5J，通信半径设在50m左右。轮总数一般设在2000到3000轮。这个场景是WSN论文里非常经典的配置，跑出来的结果有参考价值，也方便和已发表文献里的数据做对比。
% 仿真基础参数设置 area_length = 100; % 区域长度/m area_width = 100; % 区域宽度/m n = 100; % 节点总数 sink_x = 50; % 基站横坐标 sink_y = 120; % 基站纵坐标，放在区域外上方 E0 = 0.5; % 节点初始能量/J packet_length = 4000; % 数据包大小/bit num_rounds = 3000; % 仿真轮次 num_clusters = 5; % 期望簇数量节点坐标用均匀随机分布生成即可，多个簇头之间的距离计算和成簇逻辑不依赖特定分布。但是如果你想做更复杂的实验，比如模拟节点分布不均的真实场景，可以把rand改成randn生成中心密集周边的分布，代码不用大改，这个灵活性是结构化代码带来的直接好处。
4.3 主循环：每轮网络都发生了什么
仿真主循环是整个代码的核心，每轮要完成节点状态更新、簇头选举、成簇、数据传输四个阶段。我运行这套代码时，会在每轮结束后重点观察两个变量——存活节点数和剩余总能量。
主循环逻辑大致是这样的：
for r = 1:num_rounds % 簇头选举 CH_node = elect_cluster_heads(nodes, r, p, sink); % 成簇 clusters = formation_clusters(nodes, CH_node, sink); % 簇内节点发送数据给簇头 nodes = intra_cluster_transmission(nodes, clusters, packet_length); % 簇头融合数据并发送到基站/下一跳 nodes = inter_cluster_transmission(nodes, clusters, sink, packet_length); % 统计本轮存活节点数 alive_nodes = count_alive(nodes); alive_history(r) = alive_nodes; end注意，在一个真实的分布式中，簇头选举和成簇的信息交互是分多步消息传递完成的，但仿真代码里通常会用一个状态机的思路把这几步压缩到每个轮的循环里。对这个仿真而言，每轮结束时的“节点存活数”是判断协议好坏的第一手数据。
4.4 数据采集与结果可视化
运行完主循环之后，代码会生成几个关键图：存活节点数随轮数变化的曲线、每轮网络总能量曲线、网络运行到某个轮次时的簇结构图。我一般还会把FND、HND、LND三个数字直接打印出来，好和文献里的数据做横向对比。
这里有一个容易忽视的细节：MATLAB画图时如果用plot函数把每一轮的存活节点数都画出来，曲线会非常密，很难看出平滑趋势。更推荐的做法是每50轮记录一个点，或者对原始数据做滑动平均。这套代码里如果没做这个处理，你可以在出图前自己加一行平滑滤波，效果会好很多。
% 用滑动窗口取平均，画出的曲线更清晰 window = 50; smoothed_alive = movmean(alive_history, window); plot(1:num_rounds, smoothed_alive);通常对比LEACH和非均匀分簇的实验结果是这个趋势：前几百轮，两条曲线几乎贴在一起；随着轮数推进，LEACH的曲线开始明显下滑，而非均匀分簇协议的曲线下降得平缓得多，FND出现的时间明显后移。这就是你要拿去写进论文或实验报告的核心结果。
5. 常见问题与排查技巧实录
5.1 死节点数量完全不变化
我遇到过不少次这种问题：跑了几百轮，存活节点数依然是100，一个都没死。这不是协议“太牛了”，而是你的代码里有个隐形bug——节点能量根本没被扣掉，或者扣掉之后没存回去。
最常见的原因有两个。一是变量作用域出错，MATLAB里如果你在子函数里修改了nodes结构体，但主函数里没用返回值接住，那修改等于白改了。二是能耗公式代入错误，忘了乘packet_length，导致每次扣掉的能量小到几乎可以忽略。排查方法是在循环里随机挑一个节点，打印它每一轮的能量变化，肉眼看一下有没有在递减，以及在多少轮之后能量清零。
5.2 成簇效果差，簇头扎堆
有时候画出来的簇结构图乱七八糟，簇头全挤在一小块区域，其他区域一个簇头都没有。这种情况基本可以断定是竞争半径设置有问题。
去查一下簇头选举的竞争半径计算，重点看dmax和dmin是不是每轮更新的。如果这两个值是初始化时算好就再也没变过的，而节点因为死亡发生了变化，那些靠近边缘死区的节点会算出过大的竞争半径，把本来不应该覆盖的地区也圈进来。正确的做法是每轮重算当前存活节点的dmax和dmin，让竞争半径始终跟着网络状态走。
另外，如果c值调得太大（比如0.8以上），簇大小的差异会变得非常夸张，远离基站的节点会被迫组成一个巨大的簇，簇头融合压力巨大，成簇效果也不理想。建议从0.5开始调，小幅微调看效果。
5.3 网络整体撑得久，但第一个节点死得太早
这种情况在调试中很折磨人，因为网络生命周期中位数看着还行，但FND早得离谱，说明有少数节点被过度消耗了。核心原因通常是多跳路由的选路逻辑没有考虑到终点负载均衡。
有些节点位置比较特殊，天然处于多条转发路径的交汇点上，如果每次选路都选中它，它就会像“热门中转站”一样被反复消耗。解决办法是在路由的代价函数里引入“转发次数惩罚”或者“能量消耗历史记录”，让已经被频繁选中的节点暂时降低优先级。另一个简单粗暴的办法是给节点设置一个剩余能量阈值，低于阈值就直接拒绝转发外地数据，保命要紧。
5.4 运行时间太长，怎么加速
WSN仿真动辄几千轮，每轮又包含多轮节点交互，MATLAB循环跑起来确实慢。我实测下来，3000轮、100个节点的场景，纯脚本循环的MATLAB代码可能要跑几分钟到十几分钟不等。
优化分为两层。第一层是代码级优化：把所有节点信息用矩阵而不是结构体数组存，把循环内的重复计算提到循环外，用矩阵操作代替for循环。最有效的一个改动是，把for i = 1:n的节点遍历改成向量化计算，能耗更新一次搞定。第二层是策略级优化：集群成簇和数据传输并不是每轮都必须完整执行的，如果网络环境稳定，可以每10轮重构成簇一次、每轮只做数据传输，这样总轮数不变但计算量几乎降了一个数量级。
5.5 参数调优的参考经验
最后分享一点调参的实战体会。针对这个代码，最值得花时间调的是三个参数：
| 参数 | 影响范围 | 建议范围 | 调整策略 |
|---|---|---|---|
| 竞争半径调节系数c | 非均匀程度、簇大小分布 | 0.3~0.7 | 从0.5起步，观察成簇效果 |
| 簇头期望概率p | 簇头数量、选举频率 | 0.05~0.2 | 按节点总数的5%~10%估算 |
| 能耗模型切换阈值d0 | 单跳vs多跳的分界 | 由Efs/Emp决定 | 调整Efs和Emp的值来缩放d0 |
不要同时动两个以上的参数，否则出了问题根本没法定位是谁引起的。每次只调一个参数，跑完对比曲线，记录数据，再调下一个。这个习惯看起来笨，但绝对能让你少走很多弯路。
6. 基于这套代码还能怎么扩展
这套非均匀分簇路由框架的价值在于，它的模块化设计让你在做协议改进实验时，不需要从头搭建仿真平台，只需要在某个阶段替换或增加模块就行。
我自己用过几个比较顺手的扩展方向。一是把簇头的数据转发策略从单路径改为多路径，在inter_cluster_transmission里引入备份下一跳节点，提升网络容错性。二是在簇头节点做数据融合时，不简单地把数据平均，而是结合卡尔曼滤波或联邦卡尔曼滤波思路做状态估计，减少冗余数据的传输量。三是如果把节点部署在动态场景中（比如节点会移动、能量可采集），还可以在仿真中加入能量采集模型，这是当前WSN研究的一个热门方向。另外，如果你对机器学习有了解，也可以考虑用TCN（时间卷积网络）对节点的能量消耗做时序预测，动态调整成簇参数——虽然这套基础代码不包含这些，但它的参数接口设计给这些扩展留了很大空间。
我实际用这套代码发过一篇小论文，当时比较顺利的一点就是基础框架足够干净，加新模块时不用动原有逻辑。这也是我特别推荐大家拿到代码后先去理解模块划分、而不是急着改参数的原因——理解框架结构，比多跑几轮结果更重要。
本文还有配套的精品资源，点击获取
