传感器作为物联网感知层的“五官”,由其组建而成的无线传感器网络(Wireless Sensor Networks,WSNs)作为物联网的“神经末梢”逐渐成为信息领域研究的热点之一。然而,传感器节点资源的有限性使得对WSNs的研究和应用面临很大的挑战。降低网络的能量消耗并使网络生存周期最大化是WSNs相关技术研究的重要方向,而拓扑控制作为其核心支撑技术之一,对覆盖质量、通信干扰以及传输延时等网络性能有重要影响,同时也为研究网络目标的定位、节点时间同步以及网络数据融合等技术提供了必要的基础。所以,研究并设计出性能稳定且高效的网络拓扑结构控制算法具有非常重要的理论意义与现实应用价值。本文从功率控制型和层次型两类别分析经典的网络拓扑控制算法并在分析研究的基础上选择层次型拓扑控制算法中具有代表性的LEACH算法作为研究对象。针对LEACH、EEUC以及DEEUC算法中存在的节点能耗不均衡等问题,以均衡能耗和延长生存时间为目标,提出一种适合应用于网络大规模部署的能量均衡的多跳非均匀分簇算法EBMUC(Energy Balance Multi-hop Uneven Clustering),算法从簇头选取、簇结构构建以及稳定数据传输中的下一跳路由节点选择三个方面进行改进。算法首先比较节点和邻节点两者的能距比(当前的剩余能量与其到基站距离的比值)选出候选簇头,接着通过候选簇头的适应值来竞选最终簇头;簇结构构建阶段考虑了簇头的剩余能量以及簇头规模;簇内设置副簇头接替能量低于阈值的主簇头工作并采用单跳与两跳相结合的策略,簇头间数据传输时选择中继节点辅助多跳传输。最后在两种场景下的仿真结果表明,EBMUC算法在网络剩余能量、网络接收数据量和簇头产生数目等方面优于LEACH、EEUC和DEEUC算法:场景1(100m×100m)下EBMUC算法中第一个节点死亡的时间分别延长了约30%、18%和10%,基站接收的数据量分别提高了约27%、7%和9%;而在部署范围更大的场景2(1000m×1000m)下EBMUC算法第一个节点死亡的时间分别延长了约7倍、40%和20%,基站接收数据量分别提高了4倍、56%和1.2倍,体现出算法在网络大规模部署下良好的能耗和数据量等性能。