認知無線電網絡組播路由算法和協(xié)議綜述

周坤曉，趙 慧，袁華強

(東莞理工學院 計算機與網絡安全學院，廣東 東莞 523808)

(*通信作者電子郵箱zhoukx1@163.com)

認知無線電網絡組播路由算法和協(xié)議綜述

周坤曉*，趙 慧，袁華強

(東莞理工學院 計算機與網絡安全學院，廣東 東莞 523808)

(*通信作者電子郵箱zhoukx1@163.com)

認知無線電網絡(CRN)在實現(xiàn)更好的無線帶寬利用率和提高無線應用質量方面發(fā)揮著至關重要的作用。由于認知用戶可用頻譜機會的動態(tài)特性，認知無線電網絡中的組播是一個具有挑戰(zhàn)性的問題。研究者們已經提出了多種在認知無線電網絡中進行有效組播的方案，包括基于優(yōu)化理論、網絡編碼、機器學習、博弈論的方案等。總結了解決組播問題有效的算法和技術，并對已有的無線電網絡中的組播協(xié)議進行了全面的綜述，最后給出了未來的研究方向。

組播；認知無線電網絡；路由；優(yōu)化理論；網絡編碼；博弈論

0 引言

認知無線電網絡(Cognitive Radio Network, CRN)可以實現(xiàn)任何維度無限制的無線通信，即無處不在的連接能夠超越異構網絡、頻譜多樣性、各種地域界限以及不同的通信規(guī)則和管制政策等多種限制，構成最高級的自適應系統(tǒng)。從目前的技術發(fā)展水平來看，盡管這種理想的智能網絡還難以實現(xiàn)，但是認知無線電所具備的頻譜捷變以及協(xié)議獨立等特點，使得在多頻段環(huán)境下構建提供無縫系統(tǒng)操作的平臺成為可能。認知無線電網絡的特點使得其在網絡租借服務、公共應急服務及軍事方面都有較好的應用前景[1]。

在認知無線電網絡中，認知無線電用戶(Secondary User, SU)能夠利用認知無線電的技術來探測和感知周圍的環(huán)境，在不影響授權用戶(Primary User, PU)利益的前提下去接入感知到的空閑信道從而提高網絡頻譜資源的利用率。然而，由于不同的認知無線電用戶所處的地理位置不同，他們感知到環(huán)境情況也各不相同。從信道的角度上來說就是每個認知無線電用戶所感知到的可用信道各有差異。這一特征大大增加了節(jié)點之間相互通信的難度，同時也給在認知無線電網絡這種獨特網絡環(huán)境下進行組播通信帶來了新的挑戰(zhàn)[2]。

多播或組播通信是眾多無線網絡應用中的一種基本的網絡原語。這些應用包括多媒體應用程序的支持(如視頻會議)、文件分發(fā)、新聞或更新傳播。無線網絡上的多播是一個具有挑戰(zhàn)性的目標，在能夠部署它之前有很多問題需要解決，包括帶寬、拓撲結構、數(shù)據(jù)包丟失、路由、可靠性、安全問題和服務質量。在穩(wěn)定性、吞吐量和數(shù)據(jù)包丟失、減少帶寬的要求和較少的功耗之間進行權衡是無線網絡中組播的主要目的。此外，由于CRN中拓撲的動態(tài)變化，CRN多播具有較大的挑戰(zhàn)性。由于認知網絡的拓撲關鍵取決于PU到達的時間和空間，這使得它常常要在未知的無線環(huán)境中運行，從而可能導致各種認知節(jié)點擁有異構可用信道集合的場景。這種信道異構的特點使多播的問題復雜化，并且可能意味著相鄰節(jié)點之間缺乏一個公共的信道[1]。文獻[3]給出了多跳CRN所面臨的挑戰(zhàn)更詳細的分析。

隨著近年來專注于認知無線電網絡組播的研究越來越多，與文獻[2]針對無線網絡組播理論和綜述側重點不同，本文對認知無線電網絡的組播算法、技術和協(xié)議進行了綜述，基于優(yōu)化理論、網絡編碼理論、博弈論、機器學習和圖論等對CRN組播現(xiàn)有工作進行了分類總結，最后對這一領域未來研究中面臨的機遇與挑戰(zhàn)進行了分析。

1 認知無線電網絡組播面臨的挑戰(zhàn)

為了充分利用多播給認知無線電網絡帶來的優(yōu)勢，應對隨之而來的巨大挑戰(zhàn)至關重要。認知無線電網絡從本質上說是動態(tài)的，CRN拓撲的變化取決于授權用戶的位置及活動。相比傳統(tǒng)無線網絡的組播，這些頻繁的變化引發(fā)了大量的問題。信道的異質性就是其中一個問題，兩個相鄰的節(jié)點可能沒有一個共同的信道可用，使得它們必須使用不同的信道進行組播。因此，一個多播傳輸被分解成許多小的單播傳輸，從而導致顯著的切換時延。實現(xiàn)路由的穩(wěn)定性是另一個棘手的問題，因為當檢測到一個授權用戶活動時，認知用戶的傳輸就會被中斷。路由算法應該能夠處理這樣的變化，并相應地調整。已經有工作表明，如果它們是獨立的網絡，二級網絡的組播容量和主網絡一樣，可以從理論上實現(xiàn)相同的性能界限[4]。然而，要實現(xiàn)這些性能界限，必須要解決認知無線電網絡組播中的四大主要挑戰(zhàn)。

1)PU動態(tài)性。

在CRN中，每當PU在SU附近開始通信時，SU必須讓出信道，從而尋找另一個不被PU占用的信道。由于與PU相關的頻譜移動，頻繁的PU到達會導致一個高度動態(tài)的網絡，從而使得SU空間鏈接頻繁丟失，進而嚴重影響其性能。因此，由于信道的可用性取決于PU出現(xiàn)的時間和地點，組播部署變得更具挑戰(zhàn)性[5]。在各種SU擁有不同的空閑信道集合的情況下，這個結果使得傳輸協(xié)調變得極為迫切。

2)信道多樣性。

為了在認知無線電網絡中實施傳輸協(xié)作，公共控制信道(Common Control Channel, CCC)常被用來在認知用戶之間交換控制信息。公共控制信道的設計來源于多信道無線網絡，但當要部署在認知網絡中時，需要解決一些額外的挑戰(zhàn)：PU活動的魯棒性、CCC的充分覆蓋和CCC安全[6]。除非有一個專用的無線電接口調到CCC，否則“聾”問題出現(xiàn)會導致協(xié)調問題。Lo在文獻[7]中詳細討論了在認知無線電網絡中使用公共控制信道的相關問題。

3)頻譜異質性。

PU到達各個首選信道的隨機性和隨意性使得認知無線電網絡的路由問題顯著復雜化。這意味著，一個給定認知用戶的可用頻譜取決于在給定的時間內，在其范圍內的授權用戶的活動。認知無線電網絡中的認知用戶的頻譜可用性可能是動態(tài)的(即時變性)和異質的(即所有節(jié)點沒有共同的信道可用)[3]。此外不同于傳統(tǒng)的無線網絡的信道通常是相同的頻帶，很大可能是運行在來自于多個頻帶的異構頻段有明顯不同的傳輸特性。

4)頻譜機會性。

文獻[8]已經表明，檢測頻譜的機會并不等同于檢測授權用戶信號。特別是一個頻譜機會的存在需要這兩個前提條件：a)SU發(fā)射器的傳輸對于PU接收者沒有損害；b)SU接收器的接收是成功的。一個PU發(fā)送端信號的簡單檢測并不一定意味著SU不能接入頻譜，因為在這個SU發(fā)送者附近可能沒有PU接收器。另外一個關鍵點是頻譜機會取決于PU的發(fā)射和接收活動。此外，測譜檢測任務還取決于傳輸功率以及PU和SU的地理位置。

這對于認知無線電網絡中的組播問題具有重大意義。例如，如果一個認知用戶使用高的傳輸功率以達到一個大的接收用戶組，由于產生了更大的干擾區(qū)域，那么為了確保沒有授權用戶接收器是活躍的，它可能需要等待更長的時間。另一方面，采用較低發(fā)射功率進行傳輸將減少由于PU接收而中斷的幾率，但可能會導致更多的傳輸——由于傳輸功率的降低，每一個發(fā)送端現(xiàn)在能夠到達接收器的數(shù)量較少。這突出了“功率多樣性”或不同發(fā)射功率傳輸能力之間潛在的權衡。類似的權衡存在于現(xiàn)代無線網絡中的“速率多樣性”，一個較低的速率傳輸有一個更大的接收面積，而更高的速率傳輸能夠在一個較短的范圍內可靠地解碼。

2 認知無線電網絡組播協(xié)議

無線網絡組播路由是一個活躍的研究領域，在現(xiàn)有的文獻中已經提出了各種協(xié)議。接下來對無線網絡組播協(xié)議按照技術進行分類。因為一般多跳無線網絡與認知無線電網絡有很多共同的屬性，每一個分類先描述了一般多跳無線網絡的組播，然后重點總結了認知無線電網絡的組播解決方案。

2.1 基于網絡編碼的組播協(xié)議

在無線網絡的組播工作中，文獻[9]對于多速率多跳無線網絡中的網絡編碼和鏈路層傳輸速率的多樣性之間的相互作用進行了研究。研究結果表明，網絡編碼可以結合多速率鏈路層廣播，以提高組播應用的網絡吞吐量。以網絡編碼為基礎的應用與認知無線電網絡的無線組播協(xié)議出現(xiàn)在了近期的文獻[10-13]中。其中：文獻[10]用網絡編碼來解決基于正交頻分復用(Orthogonal Frequency Division Multiplexing, OFDM)的認知無線網絡多播資源分配問題。為了優(yōu)化認知無線電網絡的整體性能，整合協(xié)作技術和網絡編碼，文獻[11]提出了一個優(yōu)化組播調度框架。該工作使用網絡編碼減少開銷，并執(zhí)行錯誤控制和恢復。特別地，與認知用戶盲目推送對于其他用戶無用的包的簡單方法相比，網絡編碼是用來解決以合作方式進行調度傳輸而不產生太多開銷的挑戰(zhàn)性任務。基于集中式貪心優(yōu)化和隨機Lyapunov優(yōu)化，文獻[11]還提出了基于網絡編碼的組播調度協(xié)議，同時文獻[11]中的分析以及仿真結果表明，對于認知無線電網絡的組播性能能夠得到顯著改善。文獻[12]采用網絡編碼技術，提出了適用于認知無線電網絡的認知組播協(xié)議來提高組播通信的可靠性。文獻[13]通過使用頻譜定位、協(xié)作通信和網絡編碼技術來最小化組播的端到端時延。

2.2 基于優(yōu)化的組播協(xié)議

優(yōu)化理論的各種方法已經被應用于解決認知無線電網絡中的組播問題。在考慮基于組播的優(yōu)化時，能夠用于優(yōu)化的不同目標相當重要，這些目標包括路徑時延、樹的總成本和最大擁塞等。文獻[14]給出了與組播樹構建相關的優(yōu)化問題的一個綜述。

動態(tài)規(guī)劃(Dynamic Programming, DP)技術在通行網絡的路由問題中已經得到了廣泛的應用。在一般情況下，基于動態(tài)規(guī)劃的解決方案非常適合于圖論中涉及到根樹和著名的路由算法問題。在基于動態(tài)規(guī)劃的工作，文獻[15]考慮了廣播變形和信道切換，為認知無線電網絡提出了一個組播算法。廣播變形問題在認知無線電網絡中非常普遍，由于每個授權用戶可用信道集合不同形成的信道占用，導致了受依賴的認知用戶的信道可用性動態(tài)變化，這可能使得一個廣播傳輸變形為少量的組播傳輸，甚至在最壞的情況下變成多個單播傳輸。

整數(shù)規(guī)劃(Integer Programming, IP)已被廣泛應用于無線網絡中的廣播和組播問題的建模。基于完全的距離信息和固定的網絡節(jié)點的假設，文獻[16]受ODMRP(On-Demand Multicast Routing Protocol)啟發(fā)提出了MR2-ODMRP協(xié)議。該協(xié)議探索使用新的自由度(多收發(fā)器多傳輸速率)來提供優(yōu)化的組播性能，優(yōu)化問題建模為一個整數(shù)線性規(guī)劃(Integer Linear Programming, ILP)，通過計算每個節(jié)點的傳輸速率來構造優(yōu)化樹。結果表明，MR2-ODMRP在端到端延遲方面優(yōu)于ODMRP，能產生接近最優(yōu)的結果。在認知無線電網絡背景下，文獻[17]做了基于優(yōu)化的無線組播工作，通過把CRN中組播路由和信道分配聯(lián)合建模成一個MILP(Mixed-Integer LP)問題來達到增加吞吐量或者會話數(shù)的目標。

由于授權用戶可能會干擾甚至打斷認知用戶的通信，因此研究授權用戶感知的彈性路由變得至關重要。基于確保認知無線電網絡中保持通信會話不被干擾的重要性，文獻[18]中提出了一個基于備份路徑的方法。當授權用戶在工作路徑活動的情況下，該方法通過把通信流切換到備份路徑的方法來實現(xiàn)通信，其中的備份路徑問題被建模為一個ILP問題，而備份路徑通信的切換則由基于貝葉斯決策框架的統(tǒng)計規(guī)則觸發(fā)。最后，該文在一個多跳CRN實驗平臺對于平均包時延進行實驗，結果表明，與不用備份路徑相比，有接近于50%的降低。

文獻[19-20]中，跨層優(yōu)化方法被應用于認知無線電網絡組播問題。其中文獻[19]將跨層優(yōu)化方法用于多媒體組播數(shù)據(jù)的接收，同時優(yōu)化接收到的視頻質量。考慮到組播接收者和干擾最小化之間的比例公平性，他們提出了一種順序固定算法和貪心算法，以實現(xiàn)公平性，并盡量減少干擾，同時優(yōu)化視頻質量。文獻[20]利用跨層優(yōu)化方法來減少所需的網絡資源，并提出了一種自干擾約束協(xié)議，在每個發(fā)射機分配一個頻譜信道用于至多一個多播。通過使用自干擾約束，這些頻帶被分配使得接收節(jié)點不允許同時從兩個發(fā)送節(jié)點接收。通過與下限值相比，該算法提供了接近最優(yōu)值的解決方案。

大量的研究工作還集中在利用蟻群算法模擬生物螞蟻表現(xiàn)，以產生優(yōu)化高效的無線網絡分布式路由，特別是已有學者提出了一些基于蟻群優(yōu)化的無線網絡組播協(xié)議[21]。為了解決延遲和帶寬約束問題的最小化成本組播樹，文獻[22]提出了一個帶有群體向導的小生境蟻群優(yōu)化算法。結果表明，在尋找最小成本的QoS組播樹方面，比起其他算法，該算法能夠獲得更好的性能。在文獻[23]中，作者把多目標的組播路由問題建模為一個多速率多層超圖(Multi-Layer Hyper-Graph，MLHG)，目標是構造組播路由樹來實現(xiàn)最小化最壞情況下的端到端時延、最大化組播速率和最小化傳輸鏈路數(shù)，并使用兩種元啟發(fā)式算法(多目標蟻群系統(tǒng)優(yōu)化算法和基于模擬退火的多目標優(yōu)化算法)來解決此問題。文獻[24]研究了認知無線電網絡中認知用戶的多到多通信問題，通過使用多層超圖來對網絡進行建模，把此優(yōu)化問題建模成一個整線性規(guī)劃；同時研究了多對多通信調度問題，通過改良的蟻群優(yōu)化算法，構造路由樹來優(yōu)化時延、速率和傳輸次數(shù)等服務質量的目標。

2.3 基于強化學習的組播協(xié)議

作為最流行的無模型強化學習技術，Q-learning已經被廣泛應用于認知無線電網絡中[25]。自動學習機技術用于構建無線網絡的路由協(xié)議。文獻[26]把無線網絡中QoS組播問題和信道分配問題合并起來進行分析，作者聲稱分別解決了多播樹的創(chuàng)建和信道分配的問題，通過有效地利用稀缺的網絡資源，他們提出了三種不同的算法來尋找最小干擾組播樹。文獻[27]研究了認知無線電網絡中基于自動學習機技術的多徑組播問題。由于CRN中高動態(tài)特性，各種參數(shù)通常無法預知，文獻[27]把組播路由問題建模成一個基于自動學習機框架的強化學習模型，在他們的組播路由協(xié)議中，通過自動學習機來選擇活動和備份路徑，從而把由PU活動造成的干擾最小化。

2.4 基于博弈論的組播協(xié)議

在無線網絡中對于分享多播成本特別是多媒體信息有著濃厚的興趣，這會在帶寬和整體功耗方面帶來顯著的成本，這些成本必須由網絡節(jié)點來承擔。我們通常希望通過設計一些成本分擔機制來在不同的接收器之間分配成本。非合作的情況下，可能會存在為了最大限度提高它們個體效用的節(jié)點欺騙。在這樣的背景下，博弈理論分析被用來分析無線網絡中的組播成本分擔機制。文獻[28]研究了無線網絡中共享成本的組播問題(假定在傳輸功率方面)，通過使用博弈理論分析研究了各種成本共享提議的屬性。文獻[29]研究了一個在大量的動態(tài)用戶到達和隨機離開情況下的無線多播成本共享博弈，描述了它們之間的均衡，并就如何確保平等的成本分擔提出了解決方案。文獻[30]利用靜態(tài)博弈方法，根據(jù)次用戶占用頻譜越寬所造成干擾越大，建立了基于價格懲罰機制的古諾模型解決頻譜分配問題，通過求解納什均衡，頻譜利用率達到最優(yōu)，并根據(jù)最小增量按需驅動思想建立了節(jié)約能量的組播樹。Tan等在文獻[31]中提出了一種基于聯(lián)盟博弈論的算法來解決認知無線電網絡組播中的資源分配問題，并在后續(xù)研究的文獻[32]中又提出了一個基于Stackelberg競價博弈論的組播協(xié)議來處理PU與SU之間的交互以及資源分配問題。

2.5 基于圖論的組播協(xié)議

在認知無線電網絡中，基于多層超圖概念，文獻[33]提出了一種彈性組播路由框架，該框架對于失效或者信道缺失有一定的魯棒性。該框架中，CRN被建模成一個MLHG，MLHG的每一層代表著一個不同的信道，認知無線電用戶組共享一個公共信道，該信道被建模為一條超邊。為了決定組播首選和備份路徑來最小化最大路徑時延和最小化選擇信道鏈路的條數(shù)，文獻[33]還提出了一個ILP模型。文獻[33]的實驗結果證實了基于組播備份的可行性，同時表明隨著信道數(shù)量的增加，能夠用于路由的首選和備份路徑的條數(shù)也相應增加。

還有一些研究[8]把認知無線電網絡中的組播問題作為一個最小能量組播(Minimum Energy Multicast, MEM)樹問題來考慮，目的是為了節(jié)省一個組播樹的構造中使用的整體能量。文獻[8]中證明了MEM問題等價于計算植根于源節(jié)點的直接Steiner樹問題，并且提出了一個近似算法，在CRN中構建MEM樹的同時考慮頻譜機會的影響。結果表明，在主網絡不同的流量負載下，該算法的平均節(jié)能性能要優(yōu)于傳統(tǒng)網絡中常用的基線近似算法。

除了解決MEM問題的工作，筆者在文獻[34]中還提出了一個構建最小組播帶寬樹的協(xié)議。為了構造一個組播樹來滿足最小組播帶寬消耗，筆者給出了兩種方法：第一種方法是先構造一棵最小生成樹，然后通過提出的算法來進行時隙分配；第二種方法是把構建最小生成樹和時隙分配結合起來考慮，使得整體的帶寬消耗最小化。分析表明，筆者所提出的算法在傳輸時隙數(shù)和成功率這兩個指標上均優(yōu)于基線算法。Matam等的研究[35]以節(jié)省帶寬為目標解決無線網絡中的組播問題，通過一種啟發(fā)式算法提出了一種計算最小化帶寬消耗組播樹的協(xié)議。性能評估表明，即使在最壞的情況下，該協(xié)議也能獲得比其他的基線算法更好的性能。

2.6 其他綜合的組播協(xié)議

文獻[36-37]提出了一種用于授權用戶感知組播的機制，該方法能夠保護信道的失效和缺失。為了防止PU導致的頻譜干擾,同時保證最小化組播會話的成本和最大化可用多播會話的數(shù)量，該研究的首要目標是提供多個多播會話。這項工作提出了組播會話保護的三種方法：無鏈路共享保護、鏈路共享保護和保護環(huán)。結果表明,網絡中滿足會話的數(shù)量增加，多播會話的成本就會減少，因為可用的信道在增加或者會話的規(guī)模變得越來越小。因為環(huán)共享方法以最少的成本生成組播會話，在網絡中環(huán)共享方法可以支持的組播會話的數(shù)量最多。

文獻[38]提出了輔助組播調度協(xié)議來減少認知無線電網絡中的端到端組播時延。該方案使用三個操作：協(xié)助、偵聽和碼字交換。協(xié)助操作允許多播接收者在組播過程中提供協(xié)助，也把數(shù)據(jù)轉發(fā)到其他接收器；偵聽引入了兩個不同的組播組之間的援助；引入碼字交換也是為了通過使用編碼的數(shù)據(jù)包來協(xié)助組播調度。這三個操作能夠使得預期的組播接收者很容易解碼和提取數(shù)據(jù)，從而有效減少總的組播時間。為了解決認知無線Mesh網絡中協(xié)助組播調度問題，他們又在文獻[39]中提出了兩種用于協(xié)作組播的方法：一種依靠組播接收者在分發(fā)組播數(shù)據(jù)到其他接收者中的輔助；另一種采用了網絡編碼的方法。

文獻[40]提出了一個貪心的調度協(xié)議來優(yōu)化網絡的整體性能，還采用網絡編碼來減少開銷和實現(xiàn)更好的錯誤控制。該問題被建模成一個非線性整數(shù)規(guī)劃，同時提出了一個在線調度協(xié)議來實現(xiàn)信道分配和功率控制策略。

文獻[41]提出了一個用于引入認知無線電的移動Ad Hoc網絡的組播路由協(xié)議(CoCast)來減輕與著名組播協(xié)議ODMRP[42]相關的可擴展性問題。與ODMRP相比，CoCast構造了一棵不同于網絡的可選路徑,能減少路由開銷。仿真結果表明，當網絡中組播來源數(shù)增加時，CoCast執(zhí)行得更好,與ODMRP相比更具有可伸縮性。

表1給出了CRN經典組播協(xié)議基于技術分類的一個總結。

表1 認知無線電網絡組播協(xié)議和算法分類

3 CRN組播研究趨勢

如何把人工智能應用于組播框架是一個值得關注的研究方向。因為認知無線電網絡通常要在動態(tài)不可預測和未知的環(huán)境中運行，通過整合人工智能技術，使之無縫集成于路由框架的核心變得越發(fā)重要。“認知組播協(xié)議”能夠智能地適應網絡條件的不斷變化，因此會是一個重要的、但尚未開發(fā)的研究領域，感興趣的讀者可以參考文獻[43]獲取關于認知無線電網絡中基于人工智能的認知路由協(xié)議的專題教程和詳細描述。

建立可信組播路由協(xié)議將會是另外一個值得注意的方向。在單播可靠的端到端的協(xié)議中采用的自動重傳請求(Auto Repeat reQuest, ARQ)方案不適合組播，因為它要求每一個數(shù)據(jù)包，或一組數(shù)據(jù)，都需要接收器確認。文獻[44]提出了用于無線局域網的采用否定確認的可靠組播，通過從多播組成員中選出一個作為組首領，它被作為目標節(jié)點組的代表用來發(fā)送可靠的數(shù)據(jù)包接收反饋到組播源。關于認知無線電網絡中可靠的無線組播協(xié)議，特別是高度動態(tài)和容易出錯的環(huán)境下仍有很多問題需要研究。

組播路由體系結構應將頻譜建模納入其基本設計中。一種方法是將授權用戶的到達過程和通信量模型進行概率建模，高概率避免將要被授權用戶使用的信道。例如，一個認知用戶可以利用頻譜偵聽數(shù)據(jù)來選擇在一天的一個特定的時間和一個特定的位置趨于長時間可用的白色空間(沒有PU活動出現(xiàn)的空間)。研究者們已經提出了一些頻譜預測技術，包括：基于隱馬爾可夫模型的、基于神經網絡的以及基于貝葉斯推斷的[45]預測技術。有關頻譜預測技術的更多細節(jié)，感興趣的讀者可以通過文獻[45]和其中的參考文獻獲取更詳細的信息。

另一個未來的研究方向是與其他自由度相結合，比如功率控制、鏈路層速率多樣性、接口多樣性和無縫連接流動性，與網絡編碼、博弈論和優(yōu)化等技術結合應用于組播體系結構中。在認知無線電網絡中進行組播，如何與這些自由度進行相互作用還需要更多的研究。

4 結語

由于CRN中拓撲的動態(tài)變化，CRN多播具有較大的挑戰(zhàn)性。本文首先闡述了與傳統(tǒng)無線組播相比，CRN組播面臨的挑戰(zhàn)；接著基于技術的分類，總結了現(xiàn)有工作中的多跳認知無線電網絡組播算法、技術和協(xié)議，這些技術包括網絡編碼、優(yōu)化理論、機器學習、博弈論、圖論等；最后給出了CRN組播面臨的一些問題和未來的研究方向。

References)

[1] AKYILDIZ I F, LEE W-Y, VURAN M C, et al.Next generation/dynamic spectrum access/cognitive radio wireless networks: a survey [J].Computer Networks, 2006, 50(13): 2127-2159.

[2] QADIR J, BAIG A, ALI A, et al.Multicasting in cognitive radio networks: algorithms, techniques and protocols [J].Journal of Network and Computer Applications, 2014, 45(4): 44-61

[3] SENGUPTA S, UBBALAKSHMI K P.Open research issues in multi-hop cognitive radio networks [J].IEEE Communications Magazine, 2013, 51(4): 168-176.

[4] WANG C, TANG S, LI XY, et al.Multicast capacity of multihop cognitive networks [C]// MASS ’09: Proceedings of the IEEE 6th International Conference on Mobile Ad Hoc and Sensor Systems.Washington, DC: IEEE Computer Society, 2009: 274-283.

[5] ALMASAEID H M, KAMAL A E.Assisted-multicast scheduling in wireless cognitive mesh networks [C]// ICC ’10: Proceedings of the 2010 IEEE International Conference on Communications.Piscataway, NJ: IEEE, 2010: 1-5.

[6] CHACHULSKI S, JENINGS M, KATTI S, et al.Trading structure for randomness in wireless opportunistic routing [J].ACM SIGCOMM Computer Communication Review, 2008, 37(4): 169-180.

[7] LO B F.A survey of common control channel design in cognitive radio networks [J].Physical Communication, 2011, 4(1): 26-39.

[8] REN W, XIAO X, ZHAO Q.Minimum-energy multicast tree in cognitive radio networks [C] // Asilomar’09: Proceedings of the 43rd Asilomar Conference on Signals, Systems and Computers.Piscataway, NJ: IEEE, 2009: 312-316.

[9] VIEIRA L F M, GERLA M, MISRA A.Fundamental limits on end-to-end throughput of network coding in multi-rate and multicast wireless networks[J].Computer Networks, 2013, 57(17): 3267-3275.

[10] 楊科文.基于OFDM的認知無線網絡多播資源分配[D].北京:北京郵電大學,2014:67-79.(YANG K W.Multicast resource allocation in OFDM based cognitive radio networks[D].Beijing: Beijing University of Posts and Telecommunications, 2014: 67-79.)

[11] JIN J, XU H, LI B.Multicast scheduling with cooperation and network coding in cognitive radio networks [C]// Proceedings of the IEEE INFOCOM 2010.Piscataway, NJ: IEEE, 2010: 1-9.

[12] KIM W, CHOI B, OH S, et al.Cognitive multicast (CoCast) in vehicular networks using OFDM subchannels and network coding [C] // ICNC 2012: Proceedings of the 2012 International Conference on Computing, Networking and Communications.Piscataway, NJ: IEEE, 2012: 776-780.

[13] ALMASAEID H M, KAMAL A E.Exploiting multichannel diversity for cooperative multicast in cognitive radio mesh networks [J].IEEE/ACM Transactions on Networking, 2014, 22(3): 770-783.

[14] OLIVEIRA C A S, PARDALOS P M, RESENDE M G C.Optimization problems in multicast tree construction [M]// Handbook of Optimization in Telecommunications.Berlin: Springer-Verlag, 2006: 701-731.

[15] ALMASAEID H, JAWADWALA T, KAMAL A.On-demand multicast routing in cognitive radio mesh networks [C] // Proceedings of the 2010 IEEE Global Telecommunications Conference.Piscataway, NJ: IEEE, 2010: 1-5.

[16] OH K J, LEE C Y.MR2_ODMRP: improvement of end-to-end transmission delay in wireless multicast routing [J].Wireless Personal Communications, 2014, 74(2): 245-257.

[17] SHU Z, QIAN Y, YANG Y, et al.Channel allocation and multicast routing in cognitive radio networks [C] // WCNC 2013: Proceedings of the 2013 IEEE Wireless Communications and Networking Conference.Piscataway, NJ: IEEE, 2013: 1703-1708.

[18] MAO R, LI H.Protecting cognitive radio networks against primary users: a backup path approach [C] // Proceedings of the 2011 IEEE Global Telecommunications Conference.Piscataway, NJ: IEEE, 2011: 1-6.

[19] HU D, MAO S, HOU Y T, et al.Scalable video multicast in cognitive radio networks [J].IEEE Journal on Selected Areas in Communications, 2010, 28(3): 434-444.

[20] GAO C, SHI Y, HOU Y T, et al.Multicast communications in multi-hop cognitive radio networks [J].IEEE Journal on Selected Areas in Communications, 2011, 29(4): 784-793.

[21] ZHANG Y, LIU Y-C.An improved ant colony optimisation and its application on multicast routing problem [J].International Journal of Wireless & Mobile Computing, 2011, 5(1): 18-23.

[22] PRASAD S, ZAHEERUDDIN, LOBIYAL D K.Multi-objective multicast routing in wireless ad-hoc networks — an ant colony approach [C] // IACC 2013: Proceedings of the 2013 IEEE 3rd International Advance Computing Conference.Piscataway, NJ: IEEE, 2013: 511-514.

[23] JIE Y, KAMAL A E.Multi-objective multicast routing optimization in cognitive radio networks [C]// WCNC 2014: Proceedings of the 2014 IEEE Wireless Communications and Networking Conference.Piscataway, NJ: IEEE, 2014: 2576-2581.

[24] ALMASOUD A M, KAMAL A E.Multi-objective optimization for many-to-many communication in cognitive radio networks [C]// Proceedings of the 2015 IEEE Global Telecommunications Conference.Piscataway, NJ: IEEE, 2015: 1-6.

[25] BKASSINY M, LI Y, JAYAWEERA S K.A survey on machine-learning techniques in cognitive radios [J].Communications Surveys & Tutorials, 2013, 15(3): 1136-1159.

[26] CHENG H, YANG S.Joint QoS multicast routing and channel assignment in multiradio multichannel wireless mesh networks using intelligent computational methods [J].Applied Soft Computing, 2009, 11(2): 1953-1964.

[27] ALI A, QADIR J, BAIG A.Learning automata based multipath multicasting in cognitive radio networks [J].Journal of Communications and Networks, 2015, 17(4): 406-418.

[28] SINGH C, ALTMAN E.The wireless multicast coalition game and the non-cooperative association problem [C] // Proceedings of the IEEE INFOCOM 2011.Piscataway, NJ: IEEE, 2011: 2705-2713.

[29] PANDA M, CHAHED T, ALTMAN E.Wireless multicast cost sharing game with a dynamic population [C] // NetGCooP 2012: Proceedings of the 2012 6th International Conference on Network Games, Control and Optimization.Piscataway: IEEE, 2012: 58-63.

[30] 王超,張羲,周賢偉,等.基于能量優(yōu)化的認知無線電網絡組播路由協(xié)議[J].計算機工程與應用,2012,48(7):99-101.(WANG C, ZHANG X, ZHOU X W, et al.Energy-efficient multicast routing in cognitive radio networks [J].Computer Engineering and Applications, 2012, 48(7): 99-101.)

[31] TAN C K, CHUAH T C, TAN S W.A coalitional game-based algorithm for OFDMA resource allocation in multicast cognitive radio networks [J].Wireless Personal Communications, 2015, 80(1): 415-427.

[32] TAN C K, CHUAH T C, TAN S W.Resource allocation for OFDMA-based multicast cognitive radio networks using a Stackelberg pricing game [J].Computer Communications, 2016, 88: 57-72.

[33] ALNABELSI S H, KAMAL A E.Resilient multicast routing in CRNs using a multilayer hypergraph approach [C] // ICC 2013: Proceedings of the 2013 IEEE International Conference on Communications.Piscataway, NJ: IEEE, 2013: 2910-2915.

[34] XIE L, JIA X, ZHOU K.QoS multicast routing in cognitive radio Ad Hoc networks [J].International Journal of Communication Systems, 2012, 25(1): 30-46.

[35] MATAM R, TRIPATHY S.Improved heuristics for multicast routing in wireless mesh networks [J].Wireless Networks, 2013, 19(8): 1829-1837.

[36] ALMASOUD A M M.Robust provisioning of multicast sessions in cognitive radio networks [D/OL].Ames, Iowa: Iowa State University of Science and Technology, 2013 [2016- 03- 19].http://lib.dr.iastate.edu/etd/13565/.

[37] ALMASOUD A M, KAMAL A E.Robust provisioning of multicast sessions in cognitive radio networks [C]// IWCMC 2014: Proceedings of the International Wireless Communications and Mobile Computing Conference.Piscataway, NJ: IEEE, 2014: 417-422.

[38] ALMASAEID H M, KAMAL A E.Assisted-multicast scheduling in wireless cognitive mesh networks [C] // ICC 2010: Proceedings of the 2010 IEEE International Conference on Communications.Piscataway, NJ: IEEE, 2010: 1-5.

[39] ALMASAEID H M, KAMAL A E.Exploiting multichannel diversity for cooperative multicast in cognitive radio mesh networks [J].IEEE/ACM Transactions on Networking, 2014, 22(3): 770-783.

[40] JIN J, XU H, LI B.Multicast scheduling with cooperation and network coding in cognitive radio networks [C]// Proceedings of the IEEE INFOCOM 2010.Piscataway, NJ: IEEE, 2010: 1-9.

[41] KIM W, OH S Y, GERLA M, et al.COCAST: Multicast mobile Ad Hoc networks using cognitive radio [C] // MILCOM ’09: Proceedings of the 28th IEEE Conference on Military Communications.Piscataway, NJ: IEEE, 2009: 831-837.

[42] LEE S-J, SU W, GERLA M.On-demand multicast routing protocol in multihop wireless mobile networks [J].Mobile Networks and Applications, 2002, 7(6): 441-453.

[43] QADIR J.Artificial intelligence based cognitive routing for cognitive radio networks [J].Artificial Intelligence Review, 2016, 45(1): 25-96.

[44] DIOT C, DABBOUS W, CROWCROFT J.Multipoint communication: a survey of protocols, functions, and mechanisms [J].IEEE Journal on Selected Areas in Communications, 1997, 15(3): 277-290.

[45] KURI J, KASERA S K.Reliable multicast in multi-access wireless LANs [J].Wireless Networks, 2001, 7(4): 359-369.

This work is partially supported by the National Natural Science Foundation of China (61402106, 61572131), the Natural Science Foundation of Guangdong Province (2014A030310375, 2014030313632).

ZHOU Kunxiao, born in 1981, Ph.D., lecturer.His research interests include wireless network, mobile computing.

ZHAO Hui, born in 1983, Ph.D., lecturer.Her research interests include wireless vehicle network, wireless sensor network.

YUAN Huaqiang, born in 1966, Ph.D., professor.His research interests include wireless network, network security.

Multicast routing in cognitive radio networks: algorithms and protocols

ZHOU Kunxiao*, ZHAO Hui, YUAN Huaqiang

(SchoolofComputerScienceandNetworkSecurity,DongguanUniversityofTechnology,DongguanGuangdong523808,China)

Cognitive Radio Network (CRN) plays a critical role in achieving better wireless bandwidth utilization and improving the quality of wireless applications.Multicasting in CRN is a challenging problem due to the dynamic nature of spectrum opportunities available to the secondary users.Researchers have proposed a variety of schemes for efficient multicast in cognitive radio networks, including schemes based on optimization theory, network coding, machine learning, and game theory.The algorithms and techniques for solving the multicast problem effectively were summarized, and a comprehensive survey of protocols was given.Finally, future research directions were identified.

multicasting; Cognitive Radio Network (CRN); routing; optimization theory; network coding; game theory

2016- 08- 09;

2016- 10- 28。

國家自然科學基金資助項目(61402106, 61572131)；廣東省自然科學基金資助項目 (2014A030310375, 2014A030313632)。

周坤曉(1981—)，男，湖北荊門人，講師，博士，主要研究方向：無線網絡、移動計算； 趙慧(1983—)，女，內蒙古巴彥淖爾人，講師，博士，主要研究方向：無線車載網絡、無線傳感器網絡； 袁華強(1966—)，男，湖南湘潭人，教授，博士，CCF高級會員，主要研究方向：無線網絡、網絡安全。

1001- 9081(2017)02- 0422- 05

10.11772/j.issn.1001- 9081.2017.02.0422

TP311

A