1. 无线传感器网络与LEACH协议基础
无线传感器网络(WSN)由大量微型传感器节点组成，这些节点能够感知、采集和处理环境信息，并通过多跳无线通信方式将数据传输到汇聚节点。在实际应用中，如环境监测、智能农业、工业自动化等领域，WSN面临着能量受限、网络拓扑动态变化等挑战。
LEACH(Low-Energy Adaptive Clustering Hierarchy)是最早提出的WSN分簇路由协议之一，其核心思想是通过随机轮换簇头节点来均衡网络能耗。传统LEACH协议的工作流程可分为两个阶段：
- 簇建立阶段：节点通过概率计算决定是否成为簇头，非簇头节点选择信号最强的簇头加入
- 稳定传输阶段：簇内节点将数据发送给簇头，簇头进行数据融合后转发给基站
关键点：LEACH采用分布式簇头选举机制，每轮重新选择簇头，避免固定节点因频繁转发数据而过早耗尽能量。
在Matlab中实现基础LEACH协议时，我们需要建立以下模型参数：
matlab复制% 网络参数设置
numNodes = 100; % 节点数量
areaLength = 100; % 区域边长(m)
baseStation = [50,175]; % 基站位置
energyInit = 0.5; % 初始能量(J)
packetLength = 4000; % 数据包长度(bit)
% 能耗模型参数
Eelec = 50e-9; % 发射电路能耗(J/bit)
Eamp = 100e-12; % 放大电路能耗(J/bit/m^2)
EDA = 5e-9; % 数据聚合能耗(J/bit/signal)
2. LEACH协议的核心问题与改进方向
尽管LEACH协议在能量均衡方面表现良好，但在实际应用中仍存在几个关键问题：
2.1 簇头分布不均匀问题
由于采用随机选择机制，可能出现簇头分布不均的情况。某些轮次中，部分区域可能没有簇头节点，导致这些区域的普通节点需要长距离直接与基站通信，大幅增加能耗。
在Matlab中可以通过可视化展示这个问题：
matlab复制figure;
plot(nodes(:,1), nodes(:,2), 'bo'); % 绘制普通节点
hold on;
plot(clusterHeads(:,1), clusterHeads(:,2), 'r*'); % 绘制簇头
plot(baseStation(1), baseStation(2), 'gs', 'MarkerSize', 12); % 基站
title('簇头分布情况');
xlabel('X坐标(m)'); ylabel('Y坐标(m)');
legend('普通节点','簇头节点','基站');
2.2 簇头选举阈值计算
原始LEACH的簇头选举概率公式为：
code复制T(n) = P/(1-P*(mod(r,round(1/P)))) if n∈G
0 otherwise
其中P是期望的簇头比例，r是当前轮数，G是最近1/P轮未担任过簇头的节点集合。这个机制虽然简单，但未考虑节点剩余能量等因素。
2.3 数据传输效率问题
LEACH采用单跳通信模式，即簇头直接与基站通信。当网络规模较大时，远离基站的簇头需要消耗大量能量进行长距离传输。实测数据显示，传输距离超过75米时，能耗呈指数级增长。
3. LEACH-C协议的原理与实现
LEACH-C(Centralized LEACH)是对原始LEACH的重要改进，主要特点是采用集中式的簇头选择机制。与分布式LEACH不同，LEACH-C由基站根据全局信息（如节点位置、剩余能量）计算最优的簇头组合。
3.1 LEACH-C的核心算法
- 初始化阶段：所有节点向基站发送自身位置和能量信息
- 簇头选择阶段：基站运行k-means聚类算法确定簇头位置
- 簇形成阶段：基站广播簇头信息，普通节点加入最近的簇
在Matlab中实现k-means聚类：
matlab复制function [idx, C] = kmeans_leach(nodes, k)
% nodes: 节点坐标矩阵
% k: 簇头数量
max_iter = 100;
[n, ~] = size(nodes);
idx = zeros(n,1);
% 随机初始化簇中心
rp = randperm(n);
C = nodes(rp(1:k),:);
for iter = 1:max_iter
% 分配阶段
for i = 1:n
distances = sum((nodes(i,:) - C).^2, 2);
[~, idx(i)] = min(distances);
end
% 更新阶段
oldC = C;
for j = 1:k
C(j,:) = mean(nodes(idx==j,:), 1);
end
% 收敛判断
if norm(oldC - C) < 1e-5
break;
end
end
end
3.2 LEACH-C的能耗分析
相比原始LEACH，LEACH-C在能耗方面有两个显著改进：
- 簇头分布更均匀，减少了"能量空洞"现象
- 考虑节点剩余能量，避免低能量节点被选为簇头
实测数据对比（100节点网络，100m×100m区域）：
| 指标 | LEACH | LEACH-C |
|---|---|---|
| 首节点死亡轮数 | 953 | 1218 |
| 半数节点死亡 | 1452 | 1786 |
| 网络生命周期 | 2435 | 2957 |
注意：LEACH-C需要额外的控制开销来收集全局信息，在小规模网络中优势不明显，但当节点数超过50时，其优势开始显现。
4. TS-I-LEACH协议的设计与优化
TS-I-LEACH(Two-Stage Improved LEACH)是另一种LEACH改进方案，其核心思想是将簇头选举过程分为两个阶段，并引入多跳传输机制。
4.1 两阶段簇头选举机制
第一阶段：初步筛选
- 计算每个节点的竞争半径Rc
- 节点在Rc范围内广播竞争消息
- 根据剩余能量和邻居密度计算竞争力
第二阶段：最终确定
- 竞争力高的节点成为临时簇头
- 临时簇头间协商确定最终簇头
- 非簇头节点选择最近的簇头加入
竞争半径计算公式：
code复制Rc = Rmax * (1 - α*(Eresidual/Emax) - β*(dtoBS/dmax))
其中α+β=1，用于平衡能量和距离因素。
4.2 多跳传输机制
TS-I-LEACH引入了多跳路由来解决长距离传输问题：
- 簇头建立到基站的路由路径
- 使用Dijkstra算法计算最小能耗路径
- 数据通过多跳方式传输到基站
Matlab实现多跳路由：
matlab复制function path = dijkstra_energy(energyMatrix, source, target)
n = size(energyMatrix,1);
dist = inf(1,n);
prev = zeros(1,n);
visited = false(1,n);
dist(source) = 0;
for i = 1:n-1
[~, u] = min(dist.*(~visited));
visited(u) = true;
for v = 1:n
if energyMatrix(u,v) > 0 && ~visited(v)
alt = dist(u) + energyMatrix(u,v);
if alt < dist(v)
dist(v) = alt;
prev(v) = u;
end
end
end
end
% 回溯路径
path = [];
u = target;
while prev(u) ~= 0
path = [u path];
u = prev(u);
end
path = [u path];
end
4.3 TS-I-LEACH的性能优势
通过实测对比可以发现TS-I-LEACH的显著优势：
- 能量均衡性更好：节点死亡时间更加集中
- 网络寿命延长：比LEACH-C提升约15-20%
- 数据传输成功率提高：减少长距离传输导致的丢包
性能对比数据：
| 指标 | LEACH | LEACH-C | TS-I-LEACH |
|---|---|---|---|
| 首节点死亡轮数 | 953 | 1218 | 1356 |
| 网络生命周期 | 2435 | 2957 | 3421 |
| 平均每轮能耗(J) | 0.28 | 0.22 | 0.18 |
| 数据包投递率(%) | 82.3 | 88.7 | 93.5 |
5. 三种协议的Matlab实现对比
5.1 代码结构设计
良好的代码结构对于协议仿真至关重要。建议采用面向对象方式组织代码：
code复制├── WSN_Simulator.m % 主程序
├── Node.m % 节点类定义
├── protocols
│ ├── LEACH.m % LEACH实现
│ ├── LEACH_C.m % LEACH-C实现
│ └── TS_I_LEACH.m % TS-I-LEACH实现
└── utils
├── energyModel.m % 能耗计算
├── plotNetwork.m % 网络可视化
└── statsCollector.m % 统计收集
5.2 关键实现细节
能量消耗模型实现：
matlab复制function energy = calcTxEnergy(distance, bits)
global Eelec Eamp;
energy = bits * Eelec + bits * Eamp * distance^2;
end
function energy = calcRxEnergy(bits)
global Eelec;
energy = bits * Eelec;
end
簇头选举逻辑差异：
- LEACH使用简单的随机选择：
matlab复制if rand() < threshold
node.type = 'CH'; % 成为簇头
end
- LEACH-C的集中式选择：
matlab复制[~, clusterHeads] = kmeans(positions, k);
- TS-I-LEACH的两阶段选择：
matlab复制% 第一阶段
candidates = findCompetitiveNodes(nodes);
% 第二阶段
clusterHeads = finalElection(candidates);
5.3 结果可视化技巧
使用Matlab绘制网络生命周期对比图：
matlab复制figure;
hold on;
plot(leach_alive, 'b-', 'LineWidth', 1.5);
plot(leachc_alive, 'r--', 'LineWidth', 1.5);
plot(tsleach_alive, 'g-.', 'LineWidth', 2);
xlabel('轮数');
ylabel('存活节点数');
title('网络生命周期对比');
legend('LEACH', 'LEACH-C', 'TS-I-LEACH');
grid on;
能量消耗热图可以直观显示能量均衡性：
matlab复制residualEnergy = [nodes.energy];
[X,Y] = meshgrid(1:10,1:10);
Z = griddata(pos(:,1),pos(:,2),residualEnergy,X,Y);
contourf(X,Y,Z,20,'LineColor','none');
colorbar;
title('节点剩余能量分布');
6. 协议选择与实践建议
根据不同的应用场景，三种协议各有优劣：
6.1 协议选择指南
| 考虑因素 | LEACH | LEACH-C | TS-I-LEACH |
|---|---|---|---|
| 网络规模 | 小(<50) | 中(50-200) | 大(>200) |
| 节点移动性 | 高 | 低 | 低 |
| 计算能力 | 低 | 基站强 | 节点较强 |
| 部署复杂度 | 简单 | 中等 | 复杂 |
| 能量均衡需求 | 一般 | 较高 | 非常高 |
6.2 实现中的常见问题
-
能量计算不准确：
- 确保考虑了所有能耗因素：发送、接收、聚合
- 注意距离平方与四次方模型的选择
-
簇头分布异常：
- LEACH可能出现簇头扎堆
- 解决方法：增加强制分散机制
-
参数调优困难：
- 建议使用网格搜索法寻找最优参数组合
- 重点调整：簇头比例、竞争半径系数等
6.3 进一步优化方向
-
混合协议设计：
- 结合LEACH-C的集中式优势和TS-I-LEACH的多跳特性
- 示例：在簇内使用单跳，簇间使用多跳
-
移动性支持：
- 引入移动预测机制
- 动态调整簇头选择标准
-
QoS保障：
- 考虑数据传输延迟要求
- 区分不同优先级的数据流
在实际项目中，我通常会先使用LEACH-C作为基线，然后根据具体需求逐步引入TS-I-LEACH的特性。对于资源极其受限的节点，可能需要回归到简化版的LEACH。一个实用的技巧是在协议切换时设置过渡期，避免网络震荡。