改进PEGASIS协议的能量高效策略与MATLAB仿真实现指南

简介面向无线传感器网络WSN能量效率优化的 MATLAB 实现资源针对 Pegasis 路由协议原始版本在能量均衡和通信延迟上的不足提供了改进后的仿真代码。资源适用于研究 WSN 路由协议、Pegasis 改进策略以及基于位置信息节能机制的工程师与科研人员也可用于课程设计或论文实验。压缩包为 zip 格式共含 1 个 m 文件大小为 3KB脚本简洁集中便于直接阅读、修改和运行。目前已有 179 人浏览学习。通过该 MATLAB 程序可以快速搭建 WSN 节点能量模型观察改进协议在链头选择、数据传输调度上的策略差异并基于仿真结果分析网络生命周期、能耗分布等关键指标。资源虽小但覆盖了从能量消耗模型到路由算法实现的核心逻辑为后续扩展多路径传输、分布式决策等机制提供了清晰起点。1. 用 MATLAB 复现能量高效的改进 PEGASIS 路由协议先搞懂它省在哪无线传感器网络WSN的节点靠电池供电换电池在山林、桥隧、农田里往往是不可行的。路由协议直接决定每个节点每轮发送多少数据、距离多远、谁当簇头或链首这些细节最终落到“网络还能撑多少轮”这一个指标上。PEGASISPower-Efficient GAthering in Sensor Information Systems用一条贪心链把所有节点串起来每轮只选一个链首和基站通信理论上比 LEACH 的随机簇头更省能量但在 MATLAB 里复现时你会发现它有三个隐藏的坑链首负载不均衡、长链延迟高、单点失效被低估。改进 PEGASIS 的本质就是对着这三个坑做手术。这篇博文不贴整篇工程代码而是把改进的决策点、MATLAB 仿真参数、以及你写代码时真正会踩的边界问题讲透。2. PEGASIS 的工作原理与 MATLAB 建模的 3 个关键参数2.1 PEGASIS 的单链构建与贪心算法代价PEGASIS 的核心是用贪心算法构造一条经过所有节点的单链。从离基站最远的节点开始每次找离当前节点最近的未访问节点加入链尾直到所有节点都被访问。这个“最近”通常用欧氏距离衡量在 MATLAB 中实现时你面对的是一个典型的旅行商问题TSP的贪心近似解。% 节点坐标生成100个节点随机分布在100x100区域 numNodes 100; netSize 100; nodes rand(numNodes, 2) * netSize; % 贪心链构建从节点1开始 chain zeros(1, numNodes); visited false(1, numNodes); current 1; chain(1) current; visited(current) true; for i 2:numNodes dists sqrt(sum((nodes - nodes(current, :)).^2, 2)); dists(visited) inf; % 屏蔽已访问节点 [~, next] min(dists); chain(i) next; visited(next) true; current next; end这段代码的关键在于dists(visited) inf这一行。如果不屏蔽已访问节点贪心算法会陷入局部环导致链无法覆盖全部节点。另一个细节是起始节点的选择——很多人从节点1开始但这会直接影响链的总长度。我的经验是先计算所有节点到基站的距离从最远的节点开始构建链这样可以把长距离通信留给链路末端而不是让链首承担过大的转发压力。链长直接决定每轮数据聚合的延迟和能量消耗。MATLAB 仿真中你需要计算整条链的欧氏距离总和这就是“每轮链构建开销”的基线。改进协议的对比实验本质上就是在相同节点分布下比较不同算法生成的链总长度。2.2 能量模型选择一阶无线电模型还是更细的版本PEGASIS 论文里用的是经典一阶无线电模型First Order Radio Model传输 l bit 数据到距离 d 的节点发送能耗是 $E_{Tx}(l,d) l \times E_{elec} l \times \epsilon_{fs} \times d^2$d 小于阈值 $d_0$或 $l \times \epsilon_{mp} \times d^4$d 大于等于 $d_0$。接收能耗是 $E_{Rx}(l) l \times E_{elec}$。% 一阶无线电模型参数 Eelec 50e-9; % 发送/接收电路能耗 50 nJ/bit Efs 10e-12; % 自由空间模型功率放大能耗 10 pJ/bit/m^2 Emp 0.0013e-12; % 多径衰减模型功率放大能耗 0.0013 pJ/bit/m^4 d0 sqrt(Efs/Emp); % 距离阈值约87m packetLength 4000; % 数据包长度 4000 bit function energy transmitEnergy(dist, packetLength, Eelec, Efs, Emp, d0) if dist d0 energy packetLength * Eelec packetLength * Efs * dist^2; else energy packetLength * Eelec packetLength * Emp * dist^4; end end这个模型的物理含义很清楚短距离通信用自由空间模型能耗随距离平方增长长距离通信用多径衰落模型能耗随距离四次方增长。PEGASIS 的改进方向之一就是尽量让链上相邻节点间的距离小于 $d_0$避免触发 $d^4$ 的高能耗区。在 MATLAB 里仿真时有个常见误用直接把d0设成固定值 87 而不管单位。实际上d0是由Efs和Emp推导出来的如果你的能量参数不同阈值也不同。我习惯在仿真脚本开头把这个值算出来打印避免后续数据分析时对不上。2.3 链首轮换策略与“每轮能量最低”陷阱PEGASIS 每轮选一个链首最简单的策略是轮流当round-robin但这样不考虑节点剩余能量——残能低的节点被选为链首会加速死亡。改进协议最常见的做法是每轮选举时计算每个节点的“候选得分”得分 剩余能量 / 到基站距离的平方或四次方得分最高者当选。% 能量感知的链首选举 residualEnergy rand(1, numNodes) * 0.5 0.1; % 模拟剩余能量 distToBS sqrt(sum((nodes - bs).^2, 2)); % 各节点到基站距离 % 得分 剩余能量 / 距离^2 (自由空间模型适用场景) score residualEnergy ./ (distToBS.^2); [~, leader] max(score);注意这个公式的分母用的是 $d^2$ 而不是 $d^4$原因是你希望链首大概率是距离基站近且能量高的节点。但如果基站特别远超过 $d_0$此时应该用 $d^4$ 更合理。改进 PDEAGSIS 的论文里常用自适应阈值动态判断当前链首到基站的距离处在哪个能耗区间再决定得分公式。这个细节看着小但在仿真里能拉开 15% 到 20% 的网络生命周期差距。3. 改进 PEGASIS 的 4 个核心策略与 MATLAB 实现3.1 策略一阈值化链构建限制链上最大跳距原始 PEGASIS 的贪心算法会生成一条“最近邻”链但在节点分布稀疏的区域链上可能出现超长跳距这一跳的能耗可能比链上其他所有跳加起来还高。改进思路是给贪心算法加一个距离阈值如果最近未访问节点的距离超过 $T_{max}$则从剩余节点中重新选一个最近起点形成子链最后把子链连到主链上。function chain buildChainThreshold(nodes, bs, Tmax) numNodes size(nodes, 1); chain []; unvisited 1:numNodes; current findClosestToBS(nodes, bs); % 从离基站最近的节点开始 while ~isempty(unvisited) dists sqrt(sum((nodes(unvisited, :) - nodes(current, :)).^2, 2)); [mind, idx] min(dists); if mind Tmax next unvisited(idx); chain [chain, current, next]; %#okAGROW unvisited(idx) []; current next; else % 当前节点孤立跳到最近的未访问节点作为新起点 [~, startIdx] min(dists); chain [chain, current]; %#okAGROW current unvisited(startIdx); unvisited(startIdx) []; end end chain [chain, current]; endTmax的取值需要谨慎。设太小会导致链碎片化严重增加子链间连接的总距离设太大又退化成原始算法。我在仿真里用节点通信半径的 0.7 倍作为Tmax的初始值然后跑一轮参数扫描从 0.3 倍到 1.2 倍选出网络生命周期最长的值。这个扫描在 MATLAB 里就是几行循环代码但对结果影响很大。这条策略的收益来自两方面一是避免长跳触发的 $d^4$ 高能耗二是缩短链总长度降低数据聚合延迟。代价是链构建的计算量增加不过对于离线仿真这点计算量可以忽略。3.2 策略二链首轮换时引入“残能-距离”综合权重链首承担的数据转发量最大因为它要把整条链聚合后的数据发到基站。如果每轮都选同一个节点当链首这个节点会迅速耗尽能量。改进协议需要用加权轮换每个节点的当选概率与其剩余能量成正比与到基站距离成反比。% 综合权重链首选举每轮调用 function leader selectLeaderWeighted(nodes, residualEnergy, bs, alpha) distToBS sqrt(sum((nodes - bs).^2, 2)); % 归一化 energyNorm residualEnergy / max(residualEnergy); distNorm distToBS / max(distToBS); % 权重值alpha控制能量和距离的权衡 weights alpha * energyNorm (1 - alpha) * (1 - distNorm); [~, leader] max(weights); endalpha的典型取值是 0.5 到 0.7。alpha越大越偏向剩余能量高的节点alpha越小越偏向离基站近的节点。这个参数没有普适最优值完全取决于你的场景如果节点初始能量差异大alpha取 0.7 可以延缓低能量节点的死亡如果节点能量均匀alpha取 0.4 到 0.5 更均衡。在 MATLAB 里做对比实验时我会把alpha作为循环变量输出网络死亡节点数随轮数的曲线直观看到最优区间。这个策略比 3.1 更常用因为实现代价极低——只是把max()的目标从单一指标改成加权和——但效果立竿见影。很多“能量高效改进 PEGASIS”论文的核心贡献就是这个权重的形式。3.3 策略三链上数据聚合位置的动态调整PEGASIS 的数据聚合在链首进行链上每个节点把自己的数据传给下一跳最终汇聚到链首。但链首不一定在链的几何中心靠近链首的节点可能同时接收多个上游节点的数据形成局部热点。改进思路是每一轮不是固定链首而是让链从链首处断开变成两条子链数据向链首双向汇聚降低靠近链首节点的中继压力。% 双向汇聚的链构建示例 % 假设 chain 是按原始顺序排列的节点序列 % leader 是当前链首 leaderIdx find(chain leader); leftSubChain chain(1:leaderIdx); rightSubChain chain(leaderIdx:end); % 左链数据传输方向leftSubChain(end) - ... - leader % 右链数据传输方向rightSubChain(1) - ... - leader在 MATLAB 仿真中这种双向汇聚需要用两个循环分别计算左右子链的能量消耗。每轮总能耗是左右子链能耗之和而不是原始 PEGASIS 那样按链顺序计算。这个改进的物理意义很直接原始 PEGASIS 里链首上游有 N-1 个节点下游只有 0 个数据全部单向涌向链首双向汇聚后链首两侧各约 (N-1)/2 个节点最大中继数减半热点效应显著缓解。3.4 策略四节点死亡后的链重构机制仿真跑到后半段节点陆续死亡原始 PEGASIS 的链会出现断裂如果不做处理剩下的活节点无法通信。改进协议需要检测死亡节点并快速重构链。常见做法是每轮开始时先扫描所有节点剔除能量低于阈值的节点然后在存活节点集合上重新构建链。aliveNodes residualEnergy 0; % 剩余能量小于等于0视为死亡 activeIdx find(aliveNodes); if length(activeIdx) 2 break; % 存活节点不足仿真结束 end % 在 activeIdx 对应的节点上重新跑贪心链构建 chain buildChainThreshold(nodes(activeIdx, :), bs, Tmax);这里有个细节死亡节点的数据不应该被丢弃但实际仿真中为了简化通常直接忽略。如果你的研究关注数据完整性可以在死亡节点死亡前把数据传给邻居提前转移但这会引入额外的控制报文开销需要权衡。我的建议是先在基础仿真里忽略这个等主流程跑通后再加。4. 参数扫描与对比实验的设计方法论4.1 网络生命周期指标的三种统计口径做协议对比实验你不能只看“第一节点死亡FND”。改进协议常常把 FND 推迟但可能把后半段的节点死亡速度加快。我习惯同时统计三个指标指标含意适用判断FNDFirst Node Death第一个节点死亡的轮数网络开始失去覆盖的时间点HNDHalf Nodes Death50% 节点死亡的轮数网络功能明显下降的时间点LNDLast Node Death最后一个节点死亡的轮数网络彻底瘫瘓的时间点在 MATLAB 里每轮仿真结束后记录当前存活节点数用find(aliveNodes)统计。绘图时用plot(round, aliveCount)画出存活曲线FND、HND、LND 就是这条曲线的三个特征点。改进协议如果只优化 FND 而牺牲 LND那可能是通过让节点死得更集中实现的不一定是好事。4.2 用蒙特卡洛循环消除随机分布的影响单次仿真的结果受节点随机分布影响很大同样的协议跑两次FND 可能差 20%。所以对比实验必须在多个随机种子上重复。标准做法是固定 10 个或 20 个随机种子每个种子下跑原始 PEGASIS 和改进协议取平均存活曲线并画出标准差阴影区间。numSeeds 10; aliveCurves zeros(numSeeds, maxRounds); for s 1:numSeeds rng(s); % 固定种子 % 重新生成节点分布并跑仿真 [aliveCounts] runSimulation(); aliveCurves(s, :) aliveCounts; end meanAlive mean(aliveCurves, 1); stdAlive std(aliveCurves, 0, 1); % 绘图时用 fill 或 shadedErrorBar 画出置信带rng(s)这行很关键。很多新手忘了固定种子导致每次跑的节点分布不同对比结果没有统计意义。注意rng在不同 MATLAB 版本间的行为可能有差异所以论文里要写清楚用的是什么版本、什么种子集。我用的是 MATLAB R2023brng(1)到rng(10)这组种子在大多数版本下结果差异不大。4.3 能量-延迟-吞吐量的三角权衡改进 PEGASIS 不能只看能量效率。有些改进通过增加控制报文来优化链结构虽然降低了数据传输能耗但控制报文本身的能耗会把收益吃掉。我通常在仿真里额外统计两个指标每轮总能耗含控制报文和数据聚合延迟链上最大跳数 × 单跳延迟。totalEnergyPerRound sum(energyConsumedAllNodes); maxHops length(chain) - 1; % 简化链长即延迟近似单跳延迟如果设为固定值比如 5ms那么链长越长延迟越高。改进协议如果能把链长缩短 10%延迟也大致降 10%。但有些场景下链首轮换策略会牺牲延迟——为了选到能量高的链首可能选了离基站更远的节点导致最后一跳距离变长发送能耗上升。你得在论文里画散点图或帕累托图说明你的协议在能量和延迟之间没有明显恶化任一项。5. 用能量高效改进 PEGASIS 的仿真验证与参数调优技巧5.1 如何快速定位仿真代码中的能量异常消耗仿真跑完后如果你发现改进协议的总能耗低于原始协议先别急着下结论。最常见的 bug 是改进协议构建的链更短所以上一轮的能量统计里少算了一些节点——但那些节点的能耗真的变低了吗在 MATLAB 里加一行断点检查assert(abs(sum(energyAllNodes) - totalEnergy) 1e-9, 能量不守恒);这个断言能抓出大多数在链重构或节点死亡处理时漏算能量的 bug。我写仿真时每轮结束都会做这个检查等到最后一轮再关闭。另一个高发 bug 是距离单位不一致——坐标是米能量参数是纳焦耳和皮焦耳你算完能耗后数值可能极小如果打印精度不够会看到一堆 0误以为是零能耗。5.2 用二分法快速标定协议内的关键权重参数改进协议里通常有两个到三个权重参数比如 3.2 的alpha、3.1 的Tmax。手动试参数效率太低我建议用二分法做粗调再细调。假设你要找最优alpha先跑alpha 0和alpha 1两组看哪个 FND 高然后取中点再跑逐步收缩区间。每组跑 5 个种子取平均一轮参数标定大概跑几十次仿真MATLAB 脚本全自动执行几分钟就出结果。alphaOptimal fminbnd((a) -objectiveFunction(a), 0, 1);objectiveFunction返回的是 FND 轮数或网络生命周期取负数是因为fminbnd做最小化。注意这里的objectiveFunction要跑完一次完整仿真所以计算量较大你可以先把仿真轮数上限调低比如 500 轮来做参数粗筛确定大致区间后再用完整轮数精调。5.3 用热力图呈现参数敏感性避免被单一最优值误导最优参数只在你的具体仿真场景下成立。换节点数量、换区域大小、换基站位置最优alpha可能从 0.6 跳到 0.4。为了不让评审质疑参数过拟合我通常画一张参数敏感性热力图横轴是alpha纵轴是节点数量或区域边长颜色是 FND 轮数。这张图能直观显示你的协议在多大参数范围内都优于原始 PEGASIS。[X, Y] meshgrid(alphaRange, nodeCountRange); Z zeros(size(X)); for i 1:size(X,1) for j 1:size(X,2) Z(i,j) runSimulation(X(i,j), Y(i,j)); % 返回FND end end surf(X, Y, Z); xlabel(alpha); ylabel(节点数); zlabel(FND轮数);热力图的解读重点是看是否存在“高原区”——即参数在一定范围内性能都很好而不是尖峰。尖峰说明你的改进协议对参数敏感工程落地风险高高原区说明协议鲁棒性好。我自己的经验是改进 PEGASIS 的alpha在 0.4 到 0.7 之间通常都能保持良好性能超过 0.8 性能急剧下降因为过度偏向剩余能量会导致链首远离基站最后一跳能耗暴涨。5.4 仿真结果可视化存活节点曲线和能耗直方图配对比最后写给论文用的图。存活节点曲线用plot或stairs都行关键是不同协议用不同颜色和线型灰色置信带表明方差。能耗直方图我推荐用每轮总能耗的箱线图这样能看出改进协议是否只是“平均能耗更低”但方差更大——方差大意味着某些轮次能耗异常高可能触发节点提前死亡。我习惯把图导出成矢量格式MATLAB 里exportgraphics(gcf, fig.eps, Resolution, 300)投稿时不会被挑剔清晰度。导出的时间点放在仿真结束、参数标定完成之后不要在调整参数过程中反复导出浪费时间。本文还有配套的精品资源点击获取