做无线传感器网络WSNs仿真这几年我越来越觉得“多跳收集-传输”场景下的安全传输是个特别容易翻车、又特别容易被忽视的课题。传感器节点靠电池供电、天线增益又低很少能一跳直达汇聚节点数据通常要经过若干中继逐跳转发而只要中间出现了窃听节点或者节点本身因为器件老化、温度漂移产生了硬件噪声整个链路的安全性能就会剧烈波动。最近我把“路径选择方法”作为突破口在Matlab里搭了一套完整的仿真框架专门研究在窃听者和硬件噪声同时存在时怎么通过选路来提升多跳WSNs的端到端保密性能。这篇文章就把这套方案从系统建模、Matlab代码实现到结果调试的经验一次说清楚适合正在做WSNs物理层安全、无线中继网络仿真的研究生也适合想快速搭一套安全传输评估平台做原理验证的工程师。1. 为什么多跳WSNs最怕“又漏又脏”的信道1.1 多跳收集-传输场景到底在说什么多跳收集-传输是WSNs里最常见的通信模式大量传感器节点散布在监控区域内每个节点采集温度、湿度、震动等数据然后以单跳或多跳的方式把数据汇聚到sink节点。由于节点发射功率通常只有毫瓦级直接跨越上百米做长距离传输根本不现实所以中继转发几乎是唯一的选择。多跳的好处是每段链路的距离缩短、路径损耗下降发送功率可以控制在较低水平节点也能通过休眠策略延长整体生命周期。但这套机制的代价也很直接。每一跳都可能引入两个问题一是中继节点本身就是潜在的转发瓶颈二是数据经过的节点越多暴露在无线信道里的时间窗口就越长。无线信道的广播特性决定了只要窃听者落在合法节点的覆盖范围内它就能收到足够强的信号用来解调。更棘手的是多跳路径上的每一段链路都可能被“顺路偷听”所以端到端安全性能不能只看单跳单段的保密速率必须把整条路径串起来评估。1.2 窃听者与硬件噪声安全传输的两个“隐形杀手”在WSNs物理层安全研究里窃听者通常被建模为被动窃听设备它只接收信号、不主动发射因此合法节点几乎无法感知到它的位置和存在。这种被动窃听模型是最贴近实际的也最难防范。传统加密算法在这种场景下依然有效但密钥管理和分发成本在资源受限的传感器节点上是个沉重负担所以物理层安全作为一种补充手段近年来很受关注。物理层安全的核心思想很简单——利用无线信道本身的随机性和差异性让合法接收端的信道质量比窃听端好出一截从而在信息论层面保证保密速率大于零。硬件噪声这种问题更容易被初学者忽略。实验室里仿真信道时默认收发链路都是理想器件但真实传感器节点用的射频芯片往往成本很低I/Q不平衡、相位噪声、功放非线性等问题非常普遍。硬件噪声和热噪声最大的区别是热噪声是加性的、与信号无关的常数功率硬件噪声功率却与信号功率成正比信号越强失真噪声也越强。换句话说目的是“把发射功率提高来改善SNR”实际效果却会因为硬件损伤打折扣甚至在极端情况下发射功率越高保密速率反而下降。这种“非理想器件带来的自干扰”是整套仿真里不能省掉的环节。1.3 路径选择为什么能成为突破口既然多跳是刚需窃听者和硬件噪声又躲不开那能动的就只剩下“走哪条路”这件事。路径选择方法本质上是网络层选路指标与物理层安全指标的联合优化把每条候选路径经过的节点位置、信道衰落条件、硬件噪声系数、窃听者分布等因素综合起来评分再从候选路径集合里挑一条安全性能最优的路径来传输。我当时选择这个思路是因为它有一个非常明显的好处——不需要修改已有协议栈也不需要给节点增加复杂的安全加密硬件只需要让sink侧或簇头在收集到各节点的信道状态信息后计算出一条安全性能更好的路径并下发给源节点即可。这在实际工程里属于“软优化”可落地性强。当然计算这些信息需要付出额外的控制开销所以路径选择方案的复杂度控制也是整个仿真必须考核的指标。后面我会详细讲我在Matlab里是怎么做路径评分、路径搜索和性能对比的。2. 数学模型与路径选择的核心思路2.1 从链路信干噪比到端到端保密速率要把路径选择变成可计算的数学问题第一步就是写出每一条链路的信号与干扰噪声比表达式。这里假设一条合法链路从节点A发给节点B窃听者E在旁收听则合法端接收信干噪比可以写成[ \gamma_{\text{main}} \frac{P_A \cdot |h_{AB}|^2}{N_0 \kappa \cdot P_A \cdot |h_{AB}|^2} ]其中 (P_A) 是节点A的发送功率(|h_{AB}|^2) 是A到B链路的信道功率增益包含路径损耗、阴影衰落、小尺度衰落(N_0) 是接收端热噪声功率(\kappa) 是硬件噪声系数表示由发送端和接收端硬件损伤引入的等效失真噪声功率与接收信号功率的比例。窃听者端的信干噪比表达式类似区别在于使用从A到E的信道增益。这里有个关键点为什么硬件噪声会出现在分母上因为它本质上是能量信号不是白噪声。硬件损伤会使得发射信号的星座点产生旋转和偏移接收端在解调时看到的是一个“信号信号相关失真”的叠加失真项的方差与信号功率成正比所以功率越大失真越严重。在理想硬件下 (\kappa0)表达式退化成经典信噪比在实际仿真里 (\kappa) 通常取0.05到0.3之间具体值可以参考传感器射频芯片的数据手册或前人的实验测量。有了每条链路的合法端和窃听端的信干噪比瞬时保密速率就定义为[ R_s \max\left(0, \log_2(1\gamma_{\text{main}}) - \log_2(1\gamma_{\text{eve}})\right) ]单位是bit/s/Hz。这里取零的含义是如果合法端信道质量反而不如窃听端那这条链路瞬时保密速率为零此时只能等待信道变化或换一条路径。对一条多跳路径来说端到端保密速率并不是各跳求和而应该取整条路径上所有链路保密速率的最小值。因为信息在每个中继节点都要完成完整的解码-转发操作一旦某一段链路的安全容量不足整条路径的信息都会被瓶颈限制住。这个“木桶效应”是理解路径选择策略的钥匙——路径上任何一条短板的链路都会拖垮整条路径的安全性能。2.2 路径选择的目标函数与约束条件有了链路级的保密速率就可以定义路径级的目标函数。我用的方案是把端到端保密速率作为主目标在满足跳数和链路质量约束的前提下最大化整条路径的保密速率。形式化地写出来就是[ P^* \arg\max_{P \in \mathcal{P}} \min_{l \in P} R_{s,l} ]其中 (\mathcal{P}) 是源节点到sink的所有候选路径集合(R_{s,l}) 是路径 (P) 上第 (l) 跳链路的安全速率。这个目标函数虽然简单但在仿真里很有代表性因为最大化瓶颈链路的安全速率等同于让所有链路的“安全短板”尽可能高。约束条件方面我设置了两个每条链路的合法接收信噪比必须大于某个最低门限否则该路径不合法路径的总跳数不能超过预设的上限避免为了绕开窃听者而无限增加跳数导致时延和能量消耗失控。这里特别说一下第二个约束。很多刚接触路径选择的人容易把问题简化为“只要安全速率高就行”但在真实WSNs里每增加一跳中继节点的处理时延、排队时延、重传开销和控制信令开销都会增加节点能量也会快速消耗。跳数上限可以根据网络规模取最优跳数的1.5到2倍比如最短路径是4跳那上限可以设为6到8跳。这个参数在仿真里可以扫描看看不同上限对保密吞吐量的影响。2.3 候选路径的生成与搜索策略路径选择方案的下一步是生成候选路径集合。这个步骤看起来简单但选错方法会导致计算复杂度爆炸。WSNs的拓扑如果比较密节点数上百全枚举所有可能路径是不可能的。我试验过三种策略各有适用场景第一种是基于邻居表的逐跳贪心扩展。从源节点出发每次只保留当前评分最高的两条相邻路径向外扩展到sink为止。这种办法速度快、适合拓扑动态变化的大规模网络但可能错过全局最优路径因为早期被剪掉的次优分支里可能隐藏着更安全的绕行路线。第二种是基于最短路径算法变体。把每条链路的“代价”设为保密容量的倒数然后求最小代价路径。这个方案可以复用Dijkstra或Bellman-Ford算法的现成代码计算效率高而且保底能找到一条“抗窃听最均衡”的路径。缺点是它对“保密速率最小值”这个木桶效应考虑不够精准往往路径整体不差但瓶颈链路拖后腿。第三种是动态规划式递归搜索。把路径的安全评分定义为前向累积和反向修正的联合函数递归遍历候选分支同时记录已访问节点避免成环。在小规模网络节点数30以下里这类方法能找到接近全局最优的解但递归深度和状态空间会快速膨胀。我在项目里最终采用的是“贪心扩展动态规划剪枝”的混合策略先用邻居表做两轮预筛选把明显低分的分支剪掉再在保留下来的候选集合里用动态规划做精搜。实测在30个节点规模下整个路径选择可以在几百毫秒内完成且性能非常接近穷举最优解。如果完全不做剪枝同样的网络规模可能要数分钟甚至数十分钟。3. Matlab仿真框架搭建3.1 节点部署与信道模型生成整套仿真框架的第一步是生成网络拓扑。我把传感器节点随机分布在100m×100m的正方形区域里sink节点固定在区域右上角窃听者根据仿真场景需要分为两种设置一种是固定位置比如放在源节点与sink连线的中垂线上模拟最常见、最危险的被动窃听位置另一种是随机撒点多次蒙特卡洛平均用来模拟窃听者位置不确定的场景。节点数量我建议至少30个太少的话可选路径太少路径选择方法的优势体现不出来太多的话计算时间拉长调试也不太方便。信道模型用的是工程里最常见的组合对数距离路径损耗瑞利衰落对数正态阴影衰落。信道功率增益可以这样算[ G 10^{-\frac{PL(d_0)10\alpha\log_{10}(d/d_0)X_\sigma}{10}} \cdot |g|^2 ]其中 (d) 是收发距离(\alpha) 是路径损耗指数WSNs环境一般取2.2到3.5(X_\sigma) 是均值为零、标准差为 (\sigma) 的正态随机变量模拟阴影衰落(|g|^2) 是服从指数分布的瑞利衰落功率增益。这里有个容易出错的地方很多人把阴影衰落和瑞利衰落放在同一个随机试验里生成但两者时间尺度不同。阴影衰落反映的是大范围遮挡物的影响在一次传输里基本保持不变瑞利衰落则是快速变化的。所以更合理的做法是每个节点对生成一个固定的阴影衰落系数然后在每次蒙特卡洛重传中单独抽取瑞利衰落系数。这个细节如果不注意统计出来的保密中断概率曲线会明显偏分散。3.2 三层转发模型的代码实现有了信道增益就可以写核心的路径评分函数。这里我给出一个可以在Matlab里直接改着用的核心函数它接收路径节点ID数组、所有节点坐标、窃听者坐标、发送功率、硬件噪声系数等参数返回路径的端到端保密速率function R_end compute_path_rate(path, nodes, eaves, P_tx, N0, kappa) % path: 节点ID序列如 [3, 7, 12, 1]1为sink节点 % nodes: 节点坐标矩阵 [N x 2] % eaves: 窃听者坐标 [1 x 2] % P_tx: 发送功率 (W) % N0: 热噪声功率 (W) % kappa: 硬件噪声系数 R_min inf; lambda_loss 2.7; % 路径损耗指数 d0_ref 10; % 参考距离 (m) PL0_dB -40; % 参考距离处的平均路径损耗 (dB) for idx 1:length(path)-1 tx path(idx); rx path(idx1); d_tr norm(nodes(tx,:) - nodes(rx,:)); d_te norm(nodes(tx,:) - eaves); % 计算大尺度路径损耗dB PL_tr_dB PL0_dB 10 * lambda_loss * log10(d_tr / d0_ref); PL_te_dB PL0_dB 10 * lambda_loss * log10(d_te / d0_ref); % 加入瑞利衰落功率域指数分布 g_tr exprnd(1); g_te exprnd(1); % 接收信号功率 Pr_main P_tx * 10^(PL_tr_dB/10) * g_tr; Pr_eve P_tx * 10^(PL_te_dB/10) * g_te; % 信干噪比 gamma_main Pr_main / (N0 kappa * Pr_main); gamma_eve Pr_eve / (N0 kappa * Pr_eve); % 链路保密速率 Rs_link max(0, log2(1 gamma_main) - log2(1 gamma_eve)); R_min min(R_min, Rs_link); end R_end R_min; end这里代码里我用exprnd(1)生成瑞利衰落功率增益因为瑞利幅度平方后服从均值为1的指数分布。很多人刚开始写这段代码时会直接生成sqrt(randn^2 randn^2)再去平方功能上没问题但代码量要复杂不少也容易出错。外层路径搜索的代码就不展开了逻辑就是遍历候选路径列表对每条路径调用compute_path_rate取最大值对应的路径作为最优路径。另外还需要和基准方案对比最简单的基准是“最短跳数优先”和“最大最小SNR优先”这两个方案在Matlab里各写一个评分函数即可方便后面画对比曲线。3.3 蒙特卡洛仿真参数表整套仿真用蒙特卡洛方法做多次独立试验每次试验重新生成小尺度衰落记录不同路径选择方案下的端到端保密速率、保密中断概率等指标。我建议的基础参数表如下参数取值说明网络区域100m x 100m经典WSNs室内外场景传感器节点数30 ~ 50节点数越多候选路径越多发送功率0.01W ~ 0.5W扫描功率观察硬件噪声效应热噪声功率 N01e-11 W (~ -80 dBm)窄带传输场景硬件噪声系数 κ0, 0.1, 0.2, 0.30为理想硬件的对照组路径损耗指数2.7有遮挡环境典型值蒙特卡洛次数10000保证统计稳定性这个参数表不是死的。比如你想模拟低功耗广域网的场景就把网络区域放大到几百米路径损耗指数提到3.5以上想模拟室内传感器网络就把路径损耗指数降到2.2左右并加上墙的额外衰减。关键是每次改动参数后要重新检查保密速率的绝对量级是否符合直觉防止出现“得到了一堆数字但根本解释不通”的尴尬情况。4. 仿真结果解读与参数调优4.1 路径选择策略的增益到底有多大我先说结论在窃听者存在的情况下采用保密速率最大化的路径选择方法比最短跳数优先方案能带来大约20%到60%的端到端保密速率提升具体增益取决于硬件噪声系数和窃听者位置。这个结论来自我跑的参数扫描当 (\kappa0) 且窃听者处于源节点与sink中间区域时最优路径方案能稳定避开离窃听者较近的中继节点选择从侧翼绕行的路径所以增益明显。但当硬件噪声系数增大到0.3时路径选择的增益会缩小到10%左右。原因是硬件噪声拉低了每条链路的信干噪比上限让合法信道和窃听信道的速率差变小路径选择能“腾挪”的空间就被压缩了。这个发现说明一个重要问题物理层安全传输的上限不仅仅取决于路径方案更取决于节点本身的射频硬件质量。仿真结果出来以后我特意把不同 (\kappa) 值下的最优路径画在同一张拓扑图里视觉上非常直观——硬件噪声越大最优路径越倾向于走平坦、短跳、信号质量稳定的链路而不是一味绕开窃听者。在做结果对比时我建议至少准备三个对比方案最短跳数、最大最小SNR、保密速率最优。如果只对比最短跳数说服力不够。另外绘制保密中断概率曲线比只画平均保密速率更有工程参考价值。保密中断概率定义为端到端保密速率小于某个目标速率比如1 bit/s/Hz的概率它能直接反映系统在恶劣信道条件下的可靠性水平。4.2 硬件噪声系数对系统性能的影响边界对硬件噪声系数做参数扫描时我发现了几个有意思的边界现象。首先是“发送功率增大的边际收益递减”。理想硬件下发送功率从0.01W增到0.5W平均保密速率基本是线性上升但 (\kappa0.2) 的情况下发送功率超过0.1W以后保密速率曲线趋于平坦甚至偶尔出现轻微下降。原因我已经在前面说过——硬件噪声功率与信号功率成正比功率更高时合法端的信噪比趋向饱和而窃听端如果距离更近其信噪比增长速度更快两者差值反而缩小。其次是当 (\kappa) 较大时最优路径往往趋向于“短跳高信噪比”路径而不是“绕远避窃听”路径。这是因为每增加一跳就多一次硬件损伤的累积端到端保密速率会因多次乘性的硬件失真而显著下降。所以高硬件噪声环境下的最优策略本质上就是在“绕开窃听”和“减少中继次数”之间做权衡。这个权衡的定量规律可以用我在第2.2节提到的目标函数来统一解释因为瓶颈链路的保密速率天然会把硬件噪声、距离、窃听信道这三者耦合在一起。如果你想把硬件噪声的影响写得更有说服力还可以对每个节点赋予不同的 (\kappa) 值模拟器件老化和个体差异。这样能看出路径选择方法对“个别节点硬件特别差”的情况有没有容错能力。实测下来路径选择会自动绕过那些硬件质量特别差的节点这种自适应能力是均匀硬件噪声模型下看不到的。4.3 节点密度与窃听者位置的联动效应节点密度对路径选择增益的影响非常有意思。我扫了节点数20、30、40、50四组实验发现节点数越密路径选择方法相对最短跳数的增益越大。在20个节点的稀疏网络里候选路径少、绕行空间小最优路径和最短路经常是同一条但到了50个节点可选的旁路路径显著增多路径选择的优势就体现出来了。这个现象其实很好理解——路径选择需要在“空间多样性”里做筛选如果候选集合本身就贫瘠那再怎么优化也巧妇难为无米之炊。窃听者位置的敏感性也值得专门提一下。最初我把窃听者放在源节点和sink连线的中点上这个位置最危险因为数据往sink方向传大概率要经过这条连线附近窃听者能捞到的信号质量很高。但后来我把窃听者挪到靠近sink的位置发现最优路径会选择在最后两跳大幅改变方向绕开sink周边的暴露区域。如果窃听者离源节点很近最优路径又会优先在源节点附近绕行尽量拉开第一跳的距离。这说明一个设计准则路径选择方法必须对窃听者位置具备自适应性而不能假定窃听者固定在某个位置。如果你想用仿真报告说服别人建议做一张“窃听者位置热力图”显示在不同窃听坐标下最优路径的保密速率分布这张图比任何一段文字都更有说服力。5. 踩坑实录与工程化建议5.1 代码实现里最容易翻车的地方先说我踩得最深的坑——随机数种子管理。刚开始写蒙特卡洛仿真时我在exprnd之前全局设置了随机种子但每次调用compute_path_rate时都会按顺序抽取随机数导致不同路径方案之间的信道衰落完全不独立。比如先评估了最短跳数路径再评估保密速率最优路径两条路径的信道生成顺序不同统计比较就失真了。解决办法是在每次独立试验开始时用不同的种子初始化并在所有候选路径共享同一组节点对衰落样本。简而言之同一次试验里所有方案必须在相同的信道实现下做对比否则结果不可比。第二个坑是递归搜索导致的Matlab假死或栈溢出。候选路径的深度优先搜索写起来很顺手但节点超过25以后递归层数过高。我后来改成用队列做广度优先剪枝或手动维护栈再配合已访问节点集运行稳定性和速度都提升了不少。第三个坑是单位混乱。数据手册里损耗通常用dB表示功率用dBm表示但Matlab函数里混着dB和线性值很容易出错。我在所有函数里统一约定接口参数全部用线性功率和倍率路径损耗直接给线性倍率只有在生成信道增益时临时转成dB计算。这个约定避免了大量隐蔽的bug。第四个坑是**单次仿真结果“运气太好”**导致误判。我曾经只跑100次蒙特卡洛就画曲线结果曲线的毛刺特别大路径选择算法和最短跳数方案之间甚至出现了反向关系。后来把蒙特卡洛次数提升到5000到10000次误差才压到可接受范围。如果时间紧张至少也要用3000次并且画出标准差或置信区间带。5.2 让模型更可信的几条经验平时做这类仿真我会在发布结果前额外做三件事第一和理想硬件对照组对比。把 (\kappa) 设为0跑一遍全流程确认路径选择方法在理想条件下依然至少不差于最短跳数方案。如果理想条件下路径选择反而更差那肯定是代码实现有bug而不是算法问题。第二用单链路解析结果校验仿真代码。比如只有源节点和sink节点、没有中继时端到端保密速率的解析表达式很好写我可以手算几个值去和仿真输出对拍。一旦单个链路验证通过多跳链条的仿真可信度就会高很多。第三画拓扑图时把窃听者位置和选路结果可视化叠加。Matlab用scatter和plot就能画出节点位置和路径连线这样可以直观地检查算法选出来的路是不是在“绕开窃听者”。我试过很多次有些看似合理的数值结果在图上完全反常——路径居然穿过了窃听者所在区域这类问题靠数值表格根本发现不了。5.3 后续还能怎么扩展这套框架目前是以离线集中式计算路径为假设适合sink节点收集全局信道信息后做决策。如果要往分布式方向走可以考虑只利用局部邻居信息做逐跳选路比如把节点间交换的信道质量与窃听风险打包成一个路由指标每个转发节点独立决策下一跳。这种方式牺牲一些全局最优性但更贴近真实WSNs的能量约束和信令开销限制。另外如果场景允许协作干扰或者中继节点可以同时发送人工噪声那可以把路径选择进一步扩展为“选路干扰节点选择”的联合优化安全性能还有不小的提升空间。我自己也正在往这个方向补充实验后续跑出来了再单独写一篇分享。
