无线传感器网络（Wireless Sensor Network,WSN）由大量成本低廉、可收集数据的传感器构成,在环境、健康监测和入侵检测等领域得到广泛应用。由于传感器部署的随机性会影响网络的整体性能,且优化的前提是要获取WSN的整体概况,本文研究的边界和瓶颈就是其中最重要的整体信息。根据中介中心性可衡量节点在节点对间的重要性的特点,发现WSN中不同节点对间的最短路径较少经过边界节点,即边界的中介中心性小于其他节点,据此本文首次提出使用中介中心性来解决WSN的边界与瓶颈问题。本文主要研究内容如下:（1）为了识别由大量平均度较好的传感器节点组成的无线传感器网络的边界,本文提出了一种仅依赖于节点的连接信息的算法。考虑到真实WSN中传感器节点数众多,精确求解每个点的中介中心性消耗的资源巨大,因此本文通过构造节点的若干跳邻域图来近似求解中介中心性的值,基于边界节点中介中心性小于其他节点的思想找出边界。该方法极大地减少了最短路径的遍历次数,仿真也验证了其可行性。（2）由于节点的中介中心性比较时仍需获取一次全局信息,对资源本就短缺的传感器来说能耗过大。为此,本文提出一种改进的仅依赖局部网络信息的分布式方法。通过试验发现:在比较节点的中介中心性时,比较范围由整体网络改为5跳邻域图即能识别出边界节点。此方法将全局问题转为局部求解,降低了传感器能耗。对候选边界中存在的误认节点,算法通过判断其邻节点中是否存在边界节点,最终进行筛除。仿真结果表明该算法具有良好的适用性,能为瓶颈识别提供前提条件。（3）为辨识出WSN的瓶颈节点,由形态学中膨胀腐蚀思想启发,本文基于边界检测方法基础上,进一步提出一种仅依赖节点间连接信息的分布式算法。算法在完成边界检测的基础上,以识别出的边界为初始点对整个网络进行不断腐蚀,再选取最后一次腐蚀的节点为初始点开始不断向外膨胀。不同区域交界处的节点即为所求瓶颈。本文提出的边界与瓶颈检测算法易于理解,且通过仿真对在不同目标部署区域、不同节点密度中的应用情况进行讨论,仿真验证了算法的可行性,为WSN其他优化方法提供有效信息。