做无线传感器网络仿真的朋友应该都有这种感觉：协议栈没调通的时候，最愁的是数据传不出去；好不容易把网络调通、数据能传了，下一个更要命的问题就来了——传出去的数据到底安不安全，尤其当信道里潜伏着窃听者，而硬件本身还不太“干净”的时候。今天想聊的这个项目，就是把“多跳WSNs”、“窃听者”和“硬件噪声”三件事放在一起，用路径选择方法去提升端到端性能，并且用Matlab完成了整套仿真实现。

这算是一个很典型的通信物理层安全仿真方向。适合正在做无线传感器网络路由、物理层安全、中继选择相关研究的同学，也适合刚接触Matlab仿真、想找一份能直接改着跑的完整代码框架的入门者。项目规模不大，但里面涉及的知识点很密：多跳转发模型、硬件损伤建模、窃听信道建模、路径搜索算法、蒙特卡洛统计。把这一套跑通，再往协作中继、功率分配、认知无线电那些方向扩展，全会顺手很多。

1. 多跳WSNs的性能难题：窃听者与硬件噪声为何必须一起考虑

1.1 多跳收集-传输的网络结构，核心瓶颈在哪

无线传感器网络里最常见的拓扑是“多跳收集-传输”模型：一批传感器节点分布在监控区域内，每个节点采集数据，通过多跳中继的方式把数据汇聚到远处的汇聚节点（Sink）。这种方式比单跳直传更省发射功率，也能覆盖更远距离，所以是WSNs的主流数据传输方式。

但多跳不等于免费午餐。每一跳都会引入时延、能量消耗和错误概率。更关键的是，多跳路径中只要有一跳被截获或失败，整条数据流的端到端安全性就崩了。跳数越多，暴露给窃听者的机会越多。这就是为什么“最小跳数路由”在普通数据网络里好用，在安全敏感场景下却不一定靠谱：跳数少可能意味着单跳距离大、发射功率高、被窃听的概率也大；反过来，跳数多虽然单跳更短，但链路数量多，瓶颈链路决定全局。

所以做多跳WSNs性能增强，不能只盯着平均时延、吞吐量这些常规指标，还要把安全性和硬件损伤纳入优化目标。这也是这个项目最核心的出发点：在多跳网络里找到一条能够平衡传输可靠性和安全性的路径，而不是简单选跳数最少或信噪比最高的那条。

1.2 窃听者和硬件噪声：两种一旦忽略就出问题的因素

先说说窃听者。被动窃听者不会主动干扰网络，只是安静地接收共享信道中的数据。它的存在让“传输成功”从数据有没有送达，变成了“数据有没有被不该收到的人拿到”。在物理层安全里，我们通常用安全速率（Secrecy Rate）来衡量一条链路的保密能力。对单跳链路来说，安全速率定义为：

C_s = [log2(1 + SNR_main) - log2(1 + SNR_eve)]^+

其中 SNR_main 是合法接收端的信噪比，SNR_eve 是窃听端的信噪比。这个式子很好理解：合法信道比窃听信道多出来的那部分容量，才是真正能安全传输的速率。如果窃听信道质量比合法信道还好，安全速率就是0——什么秘密都保不住。

再说硬件噪声。大部分仿真默认节点收发机是理想的，只存在加性高斯白噪声（AWGN）。但实际射频器件没有那么完美：本振相位噪声、功率放大器的非线性、IQ不平衡、模数转换量化误差等等，会引入一种与信号功率相关的“残余硬件损伤”（Residual Hardware Impairments）。这意味着信噪比越高，硬件引入的失真噪声也越大，不能继续用固定噪声功率的AWGN模型来近似。很多人在仿真里把接收功率设得很大、觉得性能一定很好，结果实际系统因为硬件噪声饱和在一个水平上，就是这个原因。

所以这个项目把窃听者和硬件噪声放在同一个模型里，本质上是想知道一句话：当信道里有人偷听、器件本身又不理想时，路径选择还能给我们带来多少性能增益？

1.3 路径选择为什么是值得做的增强手段

路径选择，本质上是从源节点到Sink所有可达多跳路径中，挑一条满足目标的最优路径。它和路由协议的区别在于：路由协议通常基于跳数、时延、剩余能量等指标；这里的路径选择则把“安全速率”作为核心判据。

以往的中继选择方案大多假设单跳场景：源节点选一个最好的中继把数据转发给Sink。多跳场景里，路径选择要考虑每一跳的安全速率。因为端到端数据只有在所有跳都安全的情况下才是安全的，所以整条路径的端到端安全速率等于路径中“最差一跳”的安全速率。最优路径问题就变成了一个“最大最小”问题：寻找一条路径，让路径中最小跳的安全速率尽可能大。

这种max-min形式的路径优化和普通最短路问题不同，但用类似Dijkstra思想和优先队列就能解决。它比穷举搜索更高效，也比贪心算法更可靠。对于一个小规模WSNs来说，几十个节点的网络在Matlab里跑几千次蒙特卡洛仿真完全可行。这也是为什么Matlab是这个项目最合适的实现平台。

2. 路径选择方法的核心设计与选择依据

2.1 常用路由策略的对比：跳数优先、信噪比优先和整体安全速率优先

多跳网络里有几种常见的路径选择策略，我在仿真里把它们全部做出来做对比，这样能清楚地看到各种策略的差异。

最小跳数路由最容易实现，但在安全场景下往往是“最危险”的选择。我在仿真中发现，当源节点离Sink较远时，最小跳数路径通常包含一条很长的末尾跳链路，这条链路的主信道SNR本身就不高，而窃听者如果正好在这条链路线附近，安全速率几乎为0。

最大信噪比路由比较符合“把数据送过去再说”的直觉，但它忽略了一个前提：窃听者也能享受到高质量信道。如果源节点到合法接收端和到窃听者的距离差不多，信噪比再高也没有安全意义。

而最大最小安全速率路由把每一跳的安全速率都算出来，选出来的路径不一定是跳数最少的，也不一定是平均SNR最高的，但一定是“最差一跳也能承受”的路径。从端到端安全速率的定义来看，这才是真正对症下药的做法。

2.2 把硬件噪声写进等效信道模型

硬件噪声的建模要点：残余硬件噪声功率与信号功率成正比，而不是固定常数。换句话说，发送功率越大，器件非线性带来的失真功率也越大。

我用一个简化但是常用的模型。设合法链路第j跳的发送功率为P_j，信道系数为h_j，接收端噪声功率为σ^2，发射端和接收端硬件噪声比例系数分别为κ_t和κ_r。那么接收信号可以等效写成：

y_j = h_j (x_j + η_t) + η_r + n

其中η_t方差为κ_t P_j，η_r方差为κ_r P_j |h_j|^2。于是合法接收端的等效信干噪比（SINR）为：

SINR_m = (P_j |h_j|^2) / (P_j |h_j|^2 (κ_t + κ_r) + σ^2)

可以看到，当P_j |h_j|^2远大于σ^2时，SINR会趋近于1/(κ_t+κ_r)，而不是无限增大。这就是硬件噪声带来的“天花板效应”。

窃听端也要做同样的处理。窃听者接收第j跳信号时，它到发射端的信道系数为g_j，窃听接收机自身也有残余硬件损伤系数κ_e，所以窃听端SINR为：

SINR_e = (P_j |g_j|^2) / (P_j |g_j|^2 κ_e + σ_e^2)

注意这两个SINR都要回代到安全速率公式里。硬件噪声对安全速率的影响非常直接：合法链路SINR被压低，窃听链路SINR也有可能被压低，但如果窃听接收机硬件质量更好（κ_e更小），安全速率会进一步恶化。这也是实际系统中“高成本窃听设备”比“低成本窃听设备”更难防范的原因之一。

2.3 最优路径问题的建模：端到端安全速率的“瓶颈”特性

多跳路径由若干条链路串联组成。对第j跳，安全速率为：

C_s^(j) = [log2(1 + SINR_m^(j)) - log2(1 + SINR_e^(j))]^+

假设数据需要经过整条路径逐跳转发，且窃听者可以在每一跳窃听，那么只要任意一跳的安全速率为0，整条路径就没有保密能力。因此，路径的端到端安全速率为：

C_path = min_j C_s^(j)

我们的优化目标就是选择一条路径，使C_path最大化。这是一个典型的“最大瓶颈路径”问题，也可以用“最宽路径”来类比：想象一张地图上每条路都有一个限高杆，限高杆的高度就是这条链路的安全速率，我们要找一条从起点到终点能让最大高度车辆通过的路，当然要选择“最小限高最大”的那条路。

这种问题不需要枚举所有路径。在边权非负的图里，我们可以用最大瓶颈路径算法求解。基本思想是维护一个数组best(v)，表示从源点到节点v的所有路径中能够达到的最大瓶颈值；然后用优先队列或类似Dijkstra的方式不断扩展最优节点。这个算法复杂度是O(N^2)，对几十个节点的WSNs来说几乎是瞬时完成。

3. Matlab仿真实现：从信道生成到结果出图

3.1 参数配置与场景搭建

我建议先把参数集中放在一个初始化脚本里，方便以后批量跑实验。整个仿真包含两个尺度：一个是大尺度衰落（路径损耗），一个是小尺度衰落（瑞利衰落）。节点坐标随机生成，源节点和Sink分别固定在区域两端，窃听者可以随机放置，也可以设置成某个固定位置来做对照实验。

下面是我常用的参数配置：

坐标生成时要注意：源和Sink不能随机得太远，否则所有路径性能都极差，看不出对比效果。我一般先把N个节点随机撒在区域内，再把源固定到距左端最近的节点，把Sink固定到距右端最近的节点。这样保证源和Sink之间天然存在多跳空间。

3.2 核心代码：生成信道矩阵和安全速率矩阵

首先计算节点间距离矩阵，并给每对合法链路生成信道系数。这里我假设发送端只能向邻居节点传输，邻居定义为距离小于最大通信距离R_max的节点。非邻居链路的信道系数设为NaN，表示不连通。

% 参数设置 N = 12; % 节点数 area = 100; % 区域边长 alpha = 3; % 路径损耗指数 kappa_t = 0.01; % 发射端残余硬件噪声系数 kappa_r = 0.01; % 接收端残余硬件噪声系数 kappa_e = 0.01; % 窃听端残余硬件噪声系数 R_max = 30; % 最大通信距离 P_dB = 15; % 发送SNR (dB) P = db2pow(P_dB); sigma2 = 1; % 归一化噪声功率 % 生成节点坐标 pos = area * rand(N, 2); pos(1, :) = [5, 50]; % 源节点固定 pos(N, :) = [95, 50]; % Sink固定 % 距离矩阵 D = sqrt((pos(:,1) - pos(:,1)').^2 + (pos(:,2) - pos(:,2)').^2); % 大尺度衰落与瑞利衰落 H = zeros(N,N); for i = 1:N for j = 1:N if i ~= j && D(i,j) <= R_max pathLoss = D(i,j)^(-alpha); H(i,j) = sqrt(pathLoss/2) * (randn(1,1) + 1j*randn(1,1)); else H(i,j) = NaN; end end end

然后是窃听信道矩阵。由于窃听者会同时收到来自各个潜在发射节点的信号，所以窃听信道也是一个N维向量，其中第i个元素表示节点i到窃听者的信道系数。这里我首先需要生成窃听者坐标，再计算它到每个节点的距离。

% 窃听者位置 eve_pos = [50, 20]; % 示例固定位置，也可随机生成 D_eve = sqrt((pos(:,1) - eve_pos(1)).^2 + (pos(:,2) - eve_pos(2)).^2); % 窃听信道向量 G = NaN(1,N); for i = 1:N if D_eve(i) <= R_max G(i) = sqrt(D_eve(i)^(-alpha)/2) * (randn(1,1) + 1j*randn(1,1)); end end

注意，如果窃听者距离某些节点超过了最大通信距离，那这些节点发射的信号窃听者收不到，对应的安全速率就只受合法链路本身影响。但实际上窃听者接收能力可能更强，物理层安全分析里通常假设窃听者能够监听所有发射信号，即使距离较远也有一定接收能力。这里为了更贴近实际，我把R_max对窃听者也放宽一些，例如设成全局都能收到。如果仿真中安全速率普遍为0，要优先检查是不是窃听者离所有节点过近。

3.3 核心代码：最大瓶颈安全速率路径搜索

有了每跳链路的安全速率，就可以构造邻接矩阵S，其中S(i,j)表示从节点i到节点j这一跳的安全速率。对于不连通的链路，S(i,j)设为NaN。

% 计算合法链路SINR与窃听链路SINR S = NaN(N,N); for i = 1:N for j = 1:N if ~isnan(H(i,j)) && ~isnan(G(i)) % 主信道SINR SINR_m = P * abs(H(i,j))^2 / ... (P * abs(H(i,j))^2 * (kappa_t + kappa_r) + sigma2); % 窃听信道SINR SINR_e = P * abs(G(i))^2 / ... (P * abs(G(i))^2 * kappa_e + sigma2); % 单跳安全速率 cs = log2(1 + SINR_m) - log2(1 + SINR_e); S(i,j) = max(0, cs); end end end

这里有几个细节容易被忽略。第一，窃听信道对应的是“节点i发送、窃听者接收”，所以S(i,j)里窃听SINR只取决于节点i到窃听者的信道，与j无关。但在更精细的模型里，窃听者可能在每一跳都能截获数据，所以它观察到的是整个路径上所有发射信号。为了简化，我在这里只考虑当前跳的发射节点到窃听者这一段，这也是大多数论文的标准做法。第二，cs取0是因为安全速率不能为负，但把它直接设为0会导致后续路径瓶颈为0，相当于这条路径被判“不安全”。这个设计是对的，但也要注意：如果所有合法链路的cs都很小，路径选择算法会退化成在“矮子里面拔将军”。

下面是最关键的最大瓶颈路径算法。我习惯自己写，不用现成的graph函数，这样能更清楚每一步在做什么。

function [path, bottleneck] = maxmin_path(S, src, dst) N = size(S, 1); best = -inf(1, N); best(src) = inf; prev = zeros(1, N); visited = false(1, N); for step = 1:N % 从未访问节点中选择best值最大的节点 unvisited = find(~visited); if isempty(unvisited) break; end [~, idx] = max(best(unvisited)); u = unvisited(idx); % 所有节点不可达 if best(u) == -inf break; end visited(u) = true; % 更新邻居 for v = 1:N if ~visited(v) && ~isnan(S(u,v)) cand = min(best(u), S(u,v)); if cand > best(v) best(v) = cand; prev(v) = u; end end end end % 回溯路径 path = []; if best(dst) == -inf bottleneck = 0; return; end node = dst; while node ~= 0 path = [node, path]; if node == src break; end node = prev(node); end bottleneck = best(dst); end

这个函数返回的path就是从源到Sink经过的节点序列，bottleneck是路径上最小一跳的安全速率，也就是端到端安全速率。和Dijkstra不同，这里更新条件不是best(u)+S(u,v)更大，而是min(best(u), S(u,v))更大。这个差异决定了它解决的是“最大瓶颈问题”而不是“最短路径问题”。

3.4 统计性能指标与出图

单次信道实现只能得到一条路径和对应的安全速率，要评估整体性能，必须跑大量蒙特卡洛实验，统计平均安全速率和安全中断概率。安全中断概率定义为端到端安全速率低于目标速率的概率，这个目标速率可以设成0.5 bit/s/Hz或1 bit/s/Hz，具体看应用需求。

我一般这样组织主循环：

Monte = 10000; targetC = 0.5; outageCount = 0; secrecySum = 0; for mc = 1:Monte % 重新生成信道H和G，重新计算S % 调用 [path, bott] = maxmin_path(S, src, dst) if bott < targetC outageCount = outageCount + 1; end secrecySum = secrecySum + bott; end outageProb = outageCount / Monte; avgSecrecy = secrecySum / Monte;

出图时，一般以发送SNR为横轴，画平均安全速率曲线和安全中断概率曲线。把理想硬件（κ=0）和有硬件噪声的曲线画在一起，再把“固定最近邻中继路径”和“最大最小安全速率路径”画在一起，对比效果非常明显。

要提醒的是，蒙特卡洛次数和随机种子的选择会影响曲线平滑度。如果看到曲线抖动剧烈，第一件事不是加滤波，而是把Monte次数从1000提高到5000以上，并用rng(固定种子)保证实验可复现。

4. 仿真结果展示了什么：性能增强来自哪里

4.1 路径选择 vs 固定路由：安全速率的提升

在相同节点分布下，我对比了三种方案：直接传输、最近邻中继固定路径（每次沿相邻最近节点向下传）、最大最小安全速率路径选择。结果是：直接传输在源和Sink距离较远时，安全速率经常是0；最近邻中继路径虽然每跳距离短，但它完全不考虑窃听者位置，一旦某条链路的窃听信道质量好，安全速率就会断崖式下跌；而最大最小安全速率路径能够主动避开窃听者附近的节点，端到端安全速率在全SNR区间内都是最高的。

举个例子，在某个信道实现里，最小跳数路径经过3个中继，而最优路径绕了5个中继，看起来多绕了路，但端到端安全速率从0.3 bit/s/Hz提升到了1.8 bit/s/Hz。原因是最优路径把每一跳都控制在距离窃听者较远的区域内，窃听端SINR始终很低。路径选择带来的增益本质上是“空间分集增益”的一种体现。

4.2 硬件噪声的影响：理想硬件假设会高估什么

把硬件噪声系数κ从0改成0.01之后，所有曲线都出现了一个明显的“天花板”：发送SNR超过15 dB后，平均安全速率几乎不再增长。这是因为合法链路的SINR在硬件噪声限制下饱和，而窃听端的SINR也在对应饱和，两者差值稳定下来。换句话说，增加发射功率不再能提高安全速率，只会浪费能量。

如果在真实硬件平台上报了一个20 dB的发送SNR，宣传说能达到某个安全速率，但实际硬件噪声系数是0.05，那么实测安全速率可能只有仿真值的一半甚至更低。这个结果提醒我们：在做WSNs设计时，如果网络节点用的都是低成本射频芯片，就必须把硬件噪声纳入优化，而不是只提高发射功率去硬扛。

4.3 窃听者位置和网络规模的影响

窃听者位置对路径选择算法的影响非常直观。我把窃听者固定在三个不同位置：靠近源、靠近Sink、靠近路径中间。结果是，当窃听者靠近Sink时，整个系统的安全性能下降最严重，因为网络中几乎所有路径都会经过Sink附近，很难完全绕开。当窃听者靠近源时，最开始的几跳就会被迫绕行，路径选择算法通常会把源节点的第一跳指向一个远离窃听者的邻居，宁可损失一点点主信道质量也要拉开与窃听者的距离。

网络规模方面，节点数从10增加到20后，路径选择算法的性能提升更明显。因为路径多样性和中继候选集变大了，算法有更多“绕行”的空间，能在安全性和通信可靠性之间找到更好的折中。所以如果想在弱安全环境下获得更好的表现，部署更多的传感器节点本身就是一种性价比很高的策略。

5. 常见问题与排查技巧

5.1 路径搜索算法结果异常，先检查邻接矩阵

我在调试过程中踩过最大的坑，就是邻接矩阵里不小心把不连通链路的安全速率设成了0，而不是NaN。这样一来，最大瓶颈路径算法会认为所有不连通链路都“存在”但安全速率为0，结果导致所有路径都不可用，或者算法找到一条经过断开的节点的假路径。排查方法很简单：打印S矩阵，检查对角线和对不连通节点的值是不是NaN，检查NaN元素的比例是否符合预期。

另一个常见问题是安全速率矩阵里的值全是0。这种情况通常是因为窃听距离设置太近、路径损耗指数太小，或者硬件噪声系数设置过大。可以先单独打印某一跳的主信道SINR和窃听SINR，看看是不是SINR_e大于SINR_m导致cs为0。定位到具体链路后，再调整参数。

5.2 蒙特卡洛仿真慢和结果抖动

节点数量一旦超过25个，如果还去枚举所有可能路径，复杂度会爆炸。我最早做路径对比时用了全枚举函数，每轮仿真要遍历几百条路径，5000次蒙特卡洛跑下来需要几分钟，改参数后又要重跑，非常痛苦。后来改成最大瓶颈路径算法，运行时间从几分钟降到几十毫秒。如果你的仿真规模较大，请务必使用算法而不是枚举。

结果抖动多半来自随机种子和样本数量。我建议在脚本开头固定rng(2024)，确保重复实验结果一致。如果曲线仍然不平滑，优先把Monte增加到10000。还可以把信噪比点设成对数等间隔，比如0:2:30 dB，保证曲线变化细节不丢失。

5.3 容易忽略的细节：功率分配与窃听CSI假设

这个项目里我默认每个节点都用相同的发送功率P。但在真实WSNs中，节点电池容量差异很大，有的节点接近耗尽，发射功率会明显下降。如果要做更接近实际的分析，建议在初始化阶段给每个节点设置一个最大功率上限Pmax_i，然后在路径选择阶段加上功率约束，或者在每跳把实际发送功率乘一个衰减因子。

还有一个必须三思的问题是：最优路径选择需要知道窃听信道状态信息（Eve CSI），这在现实中非常难获得。很多论文假设窃听者信道“位置已知”或“统计信息已知”，这属于一种理论假设。如果做工程系统，更稳妥的是采用不需要精确CSI的鲁棒路径选择方案，比如基于合法信道质量加安全保护区半径来做决策。仿真的意义更多在于验证机制有效性，而不是保证现场系统能精确复现。

6. 可扩展方向与最终体会

6.1 从单最优路径到协作中继与人工噪声

最大最小安全速率路径选择解决的是“选哪条路”的问题，但更进一步的增强方法是“同时用哪几条路”。如果允许选择多条备选路径并行传输，并把数据切片分散到多条路径上，窃听者必须同时截获所有切片才能恢复数据，这会让安全性能大幅提升。这种思想可以结合网络编码和随机线性网络编码来设计，也是我这个项目下一步想扩展的方向。

另一个常见扩展是加入协作干扰。在中继节点转发数据的同时，让其他空闲节点发送人工噪声来压制窃听者。人工噪声可以设计成位于合法接收机的零空间上，这样就只干扰窃听者，不影响合法接收。把这个干扰机制和路径选择联合优化，效果通常比单独做路径选择好得多，但模型复杂度也会明显上升。

6.2 结合跨层优化和不完美CSI

安全速率本身和调制编码方式紧密相关。如果能在路径选择之上再做自适应调制，比如对高安全速率的跳采用高阶QAM，对低安全速率的跳采用BPSK，端到端吞吐量还能再提升。此外，前文提到窃听CSI不完美的问题，可以在算法里加入安全速率估计误差的概率约束，形成鲁棒路径优化。这类问题的求解会更依赖凸优化或启发式算法，但思路还是基于这个项目的框架延伸。

6.3 我的几点实操体会

把整个项目从零搭起来的过程里，我最深的体会是：仿真框架的模块化特别重要。信道生成、安全速率计算、路径搜索、性能统计这四块如果能分开写，后续改任何参数都只需要动一小块代码。过去我习惯把所有逻辑塞到一个大脚本里，结果每次想换一个对比算法都要复制几大段代码，调试起来相当费劲。

另外，安全速率这个指标本身很“敏感”，它依赖于两类信道之间的相对关系，所以跑仿真的时候不要只盯着平均曲线，有条件的话多画几次单次信道实现下的路径拓扑图。我经常在Matlab里把选中的路径用粗线画出来，把窃听者用红点标出来，一眼就能看出来路径为什么绕行。这种“可视化”习惯比单纯看数值更有利于发现问题，也更容易向别人讲清楚你的方案到底做了什么。