1. 无线传感器网络路由协议概述
无线传感器网络（WSN）作为物联网的基础设施之一，其路由协议设计直接关系到网络寿命和能耗效率。在众多路由协议中，LEACH（Low-Energy Adaptive Clustering Hierarchy）因其分布式特性和能量高效性成为经典方案。但原生LEACH存在簇头选择随机性过强、能量消耗不均衡等问题，后续衍生出了LEACH-C（LEACH-Centralized）和TS-I-LEACH（Two-Stage Improved LEACH）等改进版本。
我在实际部署WSN项目时发现，协议选型需要综合考虑网络规模、节点分布密度和能量约束条件。例如在农业环境监测场景中，当节点部署在200×200米的农田区域时，传统LEACH可能导致某些边缘节点过早死亡，而LEACH-C通过基站协调可以优化这个问题。
2. 三种协议的核心机制对比
2.1 LEACH基础协议原理
原生LEACH采用周期性轮转的簇头选举机制，每个周期分为：
建立阶段：节点随机生成0-1之间的数，若小于阈值T(n)则成为簇头
T(n) = (p/(1-p*(mod(r,round(1/p))))) * (E_current/E_initial)其中p为预设簇头比例，r为当前轮次，E为节点能量
稳定阶段：普通节点将数据发送给所属簇头，簇头进行数据聚合后转发到基站
实测数据显示，在100节点网络中，LEACH的首次节点死亡通常发生在第120-150轮之间（假设初始能量为0.5J）。主要问题在于：
- 边缘节点担任簇头时能耗剧增
- 随机选举可能导致某些高能量节点频繁当选
2.2 LEACH-C的集中式改进
LEACH-C的关键改进在于：
- 每轮开始时所有节点向基站发送位置和剩余能量信息
- 基站运行k-means算法确定最优簇头集合
- 广播簇头列表和分簇结果
Matlab实现时需要特别注意：
% 基站端簇头选择算法片段 [cluster_idx, cluster_center] = kmeans(node_positions, k, 'Distance', 'sqeuclidean', 'Replicates', 3); selected_heads = find_nearest_nodes(cluster_center, node_positions, energy_levels);实测表明LEACH-C能将首次节点死亡时间推迟约30%，但代价是每轮增加了控制开销。在带宽受限的场景（如2.4GHz频段干扰严重时）需要谨慎使用。
2.3 TS-I-LEACH的两阶段优化
TS-I-LEACH的创新点在于：
- 预选阶段：根据能量和距离因子计算候选权重
weight = α*(E_residual/E_initial) + β*(1/d_to_BS) - 决选阶段：候选节点间通过局部通信协调最终簇头
我在智慧停车场项目中测试发现，当α=0.7，β=0.3时，网络寿命比LEACH延长了45%。但实现时需要注意：
必须设置合理的退避机制以避免候选节点间的消息冲突
3. Matlab仿真实现要点
3.1 基础参数配置
建议采用如下仿真参数框架：
params = struct(... 'node_count', 100, % 节点数量 'area_size', [100 100], % 区域尺寸(m) 'bs_pos', [50 175], % 基站位置 'initial_energy', 0.5, % 初始能量(J) 'packet_size', 4000, % 数据包大小(bits) 'e_elec', 50e-9, % 电路能耗(J/bit) 'e_fs', 10e-12, % 自由空间模型系数 'e_mp', 0.0013e-12, % 多径衰减模型系数 'threshold_dist', 87.7, % 信道模型切换阈值(m) 'p', 0.05, % 簇头比例 'rounds', 2000 % 仿真轮次 );3.2 能耗模型实现
关键能耗计算公式：
function energy = calc_tx_energy(distance, bits, params) if distance < params.threshold_dist energy = bits * (params.e_elec + params.e_fs * distance^2); else energy = bits * (params.e_elec + params.e_mp * distance^4); end end3.3 可视化技巧
建议使用动态更新图展示网络演化：
h = figure; set(h, 'Position', [100 100 900 600]); for r = 1:params.rounds % ...仿真逻辑... % 实时更新三幅子图 subplot(2,2,1); scatter(nodes.pos(:,1), nodes.pos(:,2), 30, nodes.energy, 'filled'); colorbar; title(['节点能量分布 轮次:' num2str(r)]); subplot(2,2,2); plot(1:r, alive_count(1:r)); title('存活节点数'); xlabel('轮次'); ylabel('数量'); subplot(2,2,[3 4]); plot(1:r, total_energy(1:r)); title('网络总能量消耗'); xlabel('轮次'); ylabel('能量(J)'); drawnow; end4. 性能对比与优化建议
4.1 实测数据对比（100节点网络）
| 指标 | LEACH | LEACH-C | TS-I-LEACH |
|---|---|---|---|
| 首节点死亡轮次 | 142 | 187 | 206 |
| 半数节点死亡 | 321 | 395 | 438 |
| 网络总数据量 | 1.2GB | 1.5GB | 1.8GB |
| 控制开销占比 | 8% | 15% | 12% |
4.2 协议选择建议
根据项目经验给出以下建议：
- 小规模网络（<50节点）：选择LEACH，实现简单且开销低
- 中规模静态网络（50-200节点）：LEACH-C表现最佳
- 大规模动态网络（>200节点）：TS-I-LEACH更具优势
4.3 参数调优经验
- 簇头比例p：建议初始设为3%-5%，通过观察节点死亡曲线动态调整
- 能量阈值：当节点能量低于初始值的20%时，应禁止其担任簇头
- 通信距离：实际部署前务必进行现场信道测量，修正能耗模型参数
5. 常见问题排查
5.1 仿真结果异常排查
问题现象：所有节点在同一轮次死亡
- 检查能量计算是否出现负值
- 验证随机数生成种子是否固定
- 确认能耗模型中的距离单位一致性（米/厘米）
问题现象：簇头分布明显偏离预期
- 检查k-means算法的初始质心选择
- 验证节点位置数据是否包含NaN值
- 调整k-means的Replicates参数（建议≥3）
5.2 实际部署注意事项
- 射频校准：不同批次的传感器节点射频性能可能存在差异
- 时钟同步：确保所有节点具有相同的时间基准（误差<1ms）
- 环境干扰：实测2.4GHz频段在工业环境中的衰减可能比理论值高30%
在最近的一个智慧农业项目中，我们发现当节点间距超过50米时，实际通信成功率比仿真低40%。解决方案是：
- 将理论通信距离参数下调20%作为安全余量
- 采用动态功率调整算法补偿环境变化
- 增加10%-15%的冗余节点提高网络鲁棒性
