无线传感器网络(Wireless Sensor Networks, WSN)正在得到越来越多的关注和研究,其应用也在逐渐增多。在大规模应用中,均匀部署的WSN拓扑概貌主要由部署区域的几何形状决定。由于按事先规划进行部署的方案基本不予考虑,路由等问题必须在随机部署完成后进行自组织。为了能从大局上优化整体性能,必须首先对WSN的整体概况有所了解,其中拓扑瓶颈和边界是最重要的整体信息。本文通过对比发现,均匀部署的WSN的节点分布情况和组成物质的分子分布情况在微观上具有一定的相似性。微观特征相似的累积很有可能导致宏观特征相似。为此,本文提出了通过模拟物理过程寻找WSN拓扑边界和瓶颈的思想。首先寻找到了两种物理过程,能够使处在物体几何边界和瓶颈位置的分子群表现出特点。本文发现在封闭有边界的连续空间中对物体进行一定的刺激,通过观察热传导过程中某一时刻的温度场,汇聚到温度梯度为零但非局部极高温点的温度梯度线,可以确定为连续空间的瓶颈；通过观察物质扩散过程中某一时刻的浓度分布,等浓度线的中断处可以确定为连续空间的边界。为了辨识WSN的拓扑边界,本文提出了一种仅依赖节点间相邻关系的分布式算法。算法首先在WSN中模拟物质扩散过程,建立虚拟的物质浓度分布,然后通过比较WSN各个节点的虚拟物质浓度值,在WSN中建立起近似等浓度线,再通过判断近似等浓度线的中断点,最终辨识出WSN的边界节点。该算法的结果为下一步确定WSN瓶颈提供了必要的前提条件。为了识别WSN的拓扑瓶颈,在WSN拓扑边界已经确定的前提下,本文提出了一种仅依赖节点间相邻关系的分布式算法。首先在WSN中模拟热传导过程,建立虚拟的温度场,然后通过各节点在邻节点中选择虚拟温度值最高的作为父节点的步骤,在WSN中形成若干拓扑树,最后各节点通过判断其邻节点中是否有属于不同拓扑树节点,最终识别出WSN的瓶颈节点。本文所提出的算法,思想清晰,易于理解；算法前提简单,有广泛的应用的潜力。算法的输出结果,反映了WSN拓扑结构和WSN部署区域的全局概貌,能对其他WSN优化设计提供有用的信息。