由于无线传感器网络节点计算能力、通信能力和能量供应能力的局限性，大规模、高密度传感器网络对路由拓扑控制提出了很高的要求。良好的拓扑结构，能够提高路由协议和MAC协议的效率，可为数据融合、时间同步和目标定位等多方面奠定基础。采用分簇的层次型拓扑结构控制由于采用局部数据融合机制、簇内普通节点休眠机制和本身结构的特点，具备很多优势，得到了广泛的应用。　　 针对大规模高密度无线传感器网络中现有层次型拓扑控制算法的不足，本文提出了蜂窝拓扑结构层次分簇的路由算法——CACH(cellular adaptive clustering hierarchy)算法。它采纳GAF算法中虚拟网格的概念和轮换休眠机制，提出了一种新的拓扑结构和节点联通方式。这种结构和联通方式的优化带来了对簇头节点位置的限制，传统层次路由算法中随机簇头选择机制不再适用，本文提出了规定区域限制选择和小范围区域随机选择相结合的新型簇头选举方法。与传统层次型拓扑控制算法相比，CACH算法能平衡网络节点能耗；优化簇内节点和簇间节点的覆盖范围，减少覆盖冗余，提高节点工作效率；便于形成级别层次，利于优化传输路径，提高数据传输质量；除了可以进行层次间数据融合，还可以进行级别间数据融合。　　 论文重点介绍CACH算法的拓扑结构、数据传输方式、数据融合机制、实现方案和评价体系。从数学角度比较了网络中蜂窝状拓扑结构和正方形拓扑结构的区别；比较了CACH算法和GAF算法中拓扑控制机制的区别；比较了簇内和簇间信息传输的能量消耗区别。从原理角度分析了CACH算法与LEACH算法、GAF算法的异同，也从概念上区分了CACH算法形成的网络与普通数字无线蜂窝网。　　 本文通过建立数学模型，在仿真平台Matlab上对CACH、LEACH、GAF三种层次型拓扑控制算法进行了模拟仿真，并做了大量数据测试。通过对数据结果比较分析，发现CACH算法的综合性能要比LEACH算法、GAF算法优越。