認知無線傳感器網(wǎng)絡分簇路由協(xié)議綜述

王繼紅，石文孝

?

認知無線傳感器網(wǎng)絡分簇路由協(xié)議綜述

王繼紅1，石文孝2

（1. 東北電力大學電氣工程學院，吉林 吉林 132012；2. 吉林大學通信工程學院，吉林 長春 130012）

路由協(xié)議能實現(xiàn)認知無線傳感器網(wǎng)絡（CRSN, cognitive radio sensor network）內(nèi)部感知數(shù)據(jù)的有效匯聚傳輸，尤其是分簇路由協(xié)議能進一步降低路由選擇的復雜度、提升網(wǎng)絡可擴展性，對整體網(wǎng)絡性能至關重要。因此，針對CRSN分簇路由協(xié)議進行綜述研究。首先，在簡要介紹CRSN分簇概念和優(yōu)勢的基礎上，闡述CRSN分簇算法設計考慮的主要因素。其次，探討CRSN分簇路由協(xié)議設計面臨的挑戰(zhàn)及應遵循的基本設計原則。再次，系統(tǒng)的分析和總結CRSN分簇路由協(xié)議的研究現(xiàn)狀。最后，指出CRSN分簇路由協(xié)議研究中亟待解決的問題及未來的研究方向。

認知無線傳感器網(wǎng)絡；分簇；路由協(xié)議；信道分配；跨層

1 引言

無線傳感器網(wǎng)絡（WSN, wireless sensor network）是由隨機部署在監(jiān)控區(qū)域內(nèi)的大量傳感器節(jié)點組成。這些節(jié)點計算和存儲能力受限，且通常由電池供電[1]。WSN與藍牙、Wi-Fi、Zigbee等通信技術共享非授權頻段。研究表明這種共享方式會產(chǎn)生頻譜資源短缺等問題，嚴重影響WSN的性能[2]。認知無線電（CR, cognitive radio）技術允許節(jié)點感知主用戶（PU, primary user）在某個特定的時間或位置處未使用的頻譜部分（即頻譜空洞），并在不干擾PU通信的情況下，以機會的方式利用頻譜空洞提升頻譜利用率和通信性能[3-4]。因此，對CR技術與WSN進行智能聯(lián)合，克服日益凸顯的頻譜資源短缺問題，傳統(tǒng)WSN正逐步向認知無線傳感器網(wǎng)絡（CRSN, cognitive radio sensor network）演進。

CRSN是由認知無線傳感器節(jié)點構成的分布式網(wǎng)絡。這些節(jié)點感知事件信號，在可用頻帶內(nèi)以多跳通信方式動態(tài)、協(xié)作地向匯聚節(jié)點（sink）傳遞感知數(shù)據(jù)，滿足特定應用的服務質量（QoS, quality of service）要求[5-6]。感知數(shù)據(jù)的匯聚傳輸需要路由協(xié)議為其選取穩(wěn)定的、資源豐富的路徑，因此路由協(xié)議設計對CRSN整體性能至關重要。

WSN與CR技術的智能聯(lián)合對CRSN網(wǎng)絡協(xié)議的設計，尤其是路由協(xié)議設計，提出了嚴峻的挑戰(zhàn)。針對傳統(tǒng)WSN或CR網(wǎng)絡（CRN, cognitive radio network）提出的路由協(xié)議都無法直接應用于CRSN。傳統(tǒng)WSN路由協(xié)議通常以最小化網(wǎng)絡能耗、延長網(wǎng)絡壽命為目標，但是沒有考慮CR的功能與挑戰(zhàn)；傳統(tǒng)CRN路由協(xié)議聚焦于提升動態(tài)頻譜環(huán)境下的網(wǎng)絡連通性和頻譜利用率，但是沒有考慮節(jié)點的資源限制。另外有研究表明，與平面路由協(xié)議相比，分簇路由協(xié)議在降低路由選擇復雜度、提升網(wǎng)絡可擴展性等方面的性能更優(yōu)越[7]。因此，CRSN分簇路由協(xié)議設計成為近年來的研究熱點。CRSN分簇路由協(xié)議設計涉及分簇算法設計、簇內(nèi)簇間通信的信道選擇和調度及路由協(xié)議設計3個方面。本文探討CRSN分簇路由協(xié)議設計的相關問題，具體貢獻如下。

1) 分析CRSN分簇路由協(xié)議設計面臨的挑戰(zhàn)，包括從傳統(tǒng)的WSN和CRN繼承來的挑戰(zhàn)及CRSN所特有的挑戰(zhàn)；提出CRSN分簇路由協(xié)議設計應遵循的基本原則。

2) 對現(xiàn)有CRSN分簇路由協(xié)議進行詳細的綜述，并從分簇算法設計考慮的因素、考慮頻譜可用性變化、保護PU、跨層設計、數(shù)據(jù)通信等方面對其進行全面比較，分析總結各方面的優(yōu)缺點。

3) 探討CRSN分簇路由協(xié)議設計的開放性問題，以期吸引科研人員探索這一極具價值的研究方向，加速CRSN的實際應用。

2 CRSN分簇相關概念及分簇算法設計考慮的因素

2.1 CRSN分簇的基本概念

分簇是一種結構化的網(wǎng)絡拓撲管理方法，它通過對鄰近的相似節(jié)點進行邏輯分組和聯(lián)合來實現(xiàn)最小化網(wǎng)絡能耗等特定的目標[8]。CRSN分簇結構包括簇頭（CH, cluster head）、簇成員（CM, cluster member）及網(wǎng)關3類節(jié)點，如圖1所示，其中虛線圓圈表示簇的覆蓋范圍。

圖1 CRSN分簇結構

傳統(tǒng)分簇結構中，CH是簇的領導者，負責數(shù)據(jù)聚合、信息傳輸及網(wǎng)絡管理；CM是普通的簇節(jié)點，負責感知事件、從周圍環(huán)境中收集信息；網(wǎng)關節(jié)點是相鄰簇的邊緣節(jié)點，負責簇間數(shù)據(jù)中繼[9]。CRSN中，CH需要執(zhí)行協(xié)調頻譜感知、對感知結果進行融合決策及控制數(shù)據(jù)通信過程中對空閑信道的接入等額外的任務。CM也要執(zhí)行頻譜感知和感知結果的匯報及檢測PU的到達等額外的任務。網(wǎng)關節(jié)點仍負責相鄰簇間的數(shù)據(jù)中繼，但是CRSN網(wǎng)關中繼操作更為復雜。需要有效的網(wǎng)關節(jié)點協(xié)調機制，因為相鄰簇的網(wǎng)關節(jié)點可能工作在不同信道上。

2.2 CRSN分簇的優(yōu)勢

分簇將網(wǎng)絡任務分散到各個簇并在本地范圍內(nèi)加以解決，為CRSN帶來全方位性能提升。現(xiàn)將CRSN分簇的主要優(yōu)勢列出如下。

1) 提升網(wǎng)絡的可擴展性和連通性。

2) 通過數(shù)據(jù)匯聚與融合減少網(wǎng)絡業(yè)務，降低時延和開銷，實現(xiàn)有效節(jié)能及負載均衡。

3) 降低CRSN節(jié)點與PU的同時接入相同頻譜的概率，保證PU接入頻譜的優(yōu)先權。

4) 提升頑健性和容錯能力，使網(wǎng)絡能夠對頻譜可用性變化、PU到達、不可預測的節(jié)點失效等做出及時響應，方便網(wǎng)絡拓撲管理[10]。

2.3 CRSN分簇算法設計考慮的主要因素

1) 最優(yōu)簇數(shù)

簇數(shù)太多會導致建立的路由路徑長，引入較高端到端時延；簇數(shù)太少會導致簇內(nèi)通信距離大，高能耗的簇內(nèi)通信會迅速耗盡CH能量，且節(jié)點間的頻譜共享效率較差。因此，最優(yōu)簇數(shù)是與分簇算法效率及頻譜效率相關的重要參數(shù)[11]。可以以最小化網(wǎng)絡能耗、最小化與PU沖突等為目標來確定CRSN最優(yōu)簇數(shù)。

2) 分簇構建機制

分簇構建機制包括：集中式/分布式分簇構建、均勻分簇/非均勻分簇構建、單跳簇/多跳簇構建及同構簇/異構簇構建等。其中，非均勻分簇指每個簇覆蓋的CM數(shù)目不同，離sink越近的簇覆蓋的CM數(shù)越少。由于分簇采用多對一的通信類型，離sink近的CH通常要執(zhí)行更多的簇間分組轉發(fā)，能量消耗更快，因此非均勻分簇可以有效地均衡CH間的能耗[12]。

3) CH選取

可以使用概率方法或權重計算與比較等方法來選取CH。

4) 分簇算法的復雜度

CRSN節(jié)點資源受限，要求低復雜度的分簇算法。分簇算法的復雜度最好保持恒定或隨節(jié)點數(shù)呈線性變化[13]。

圖2 CRSN分簇路由協(xié)議設計面臨的挑戰(zhàn)與應遵循的設計原則

3 CRSN分簇路由協(xié)議設計面臨的挑戰(zhàn)及應遵循的設計原則

如前所述，針對傳統(tǒng)的WSN或CRNs提出的分簇路由協(xié)議均無法直接應用于CRSN[14]。本節(jié)分析闡述CRSN分簇路由協(xié)議設計面臨的挑戰(zhàn)及其影響，提出CRSN分簇路由協(xié)議設計應遵循的基本原則，具體如圖2所示。

1) 從WSN繼承的路由協(xié)議設計挑戰(zhàn)

①節(jié)點電池能量受限。CRSN通常使用容量受限、很難進行再充電或替換的電池為節(jié)點供電。節(jié)點電池耗盡就會停止工作，這會影響CRSN的正常運行甚至導致網(wǎng)絡癱瘓。因此，要求CRSN路由協(xié)議設計將節(jié)能作為一個目標，在路由建立、運行、維護和重路由的過程中最小化節(jié)點能耗，延長節(jié)點及網(wǎng)絡的壽命。

②節(jié)點計算能力、通信能力和存儲能力受限。CRSN節(jié)點有限的處理器和內(nèi)存容量制約了節(jié)點的計算和存儲能力，加之能量受限，節(jié)點的通信距離通常為幾十米至百米[15]。節(jié)點與sink之間的通信需要其他節(jié)點的中繼輔助才能完成。節(jié)點配置只能進行半雙工通信的單收發(fā)信機，在某特定時刻，節(jié)點只能選擇數(shù)據(jù)發(fā)送、接收和頻譜感知中的一種操作。因此，要求CRSN路由協(xié)議設計考慮節(jié)點的單收發(fā)信機約束，盡量簡化計算與信息交換，實現(xiàn)輕量級的多跳路由建立、運行與維護。

③節(jié)點之間存在干擾。通常將大量CRSN節(jié)點部署在有限的監(jiān)控區(qū)域內(nèi)進行信息感知與收集。這些節(jié)點需要競爭信道接入機會傳遞感知數(shù)據(jù)，這會引起節(jié)點間的沖突與分組丟失，導致通信可靠性下降。因此，要求CRSN路由協(xié)議設計充分考慮節(jié)點間的干擾，利用CR的頻譜共享功能實現(xiàn)有效感知數(shù)據(jù)路由。

2) 從CRN繼承的路由協(xié)議設計挑戰(zhàn)

①變化的頻譜可用性及PU行為預測。PU行為決定了特定時間、地點的頻譜可用性，制約CRSN節(jié)點的可用頻譜列表。PU行為的變化會引起頻譜可用性在時間與空間維度的變化，這導致CRSN節(jié)點轉換信道甚至發(fā)起重路由。信道轉換會引入時延和能量開銷，重路由會加劇網(wǎng)絡資源消耗導致網(wǎng)絡性能下降。因此，要求CRSN路由協(xié)議設計考慮PU行為預測、智能地處理頻譜可用性變化及信道轉換代價，保障PU優(yōu)先接入信道的特權，保證路由的穩(wěn)定性。

②多信道通信問題。多信道通信中，發(fā)送節(jié)點和接收節(jié)點可能調整到不同信道上。這種情況會引發(fā)多信道隱藏終端問題和多信道“聾”問題[16]；為了充分利用頻譜資源，節(jié)點的收發(fā)信機需要在不同信道之間進行轉換，但是信道轉換的代價是不能忽略的；在多信道網(wǎng)絡中支持廣播通信是很有挑戰(zhàn)性的，因為一個節(jié)點的鄰居可能調整到不同信道上。因此，要求CRSN路由協(xié)議設計能支持有效的廣播通信和節(jié)點間信道協(xié)調，盡量克服多信道通信引發(fā)的相關問題。

③各網(wǎng)絡協(xié)議層之間相互關聯(lián)與影響。物理層的原始網(wǎng)絡拓撲給出節(jié)點間的物理鄰接關系。節(jié)點鄰接關系是數(shù)據(jù)鏈路層的資源分配與調度、網(wǎng)絡層路由的基礎，它決定多跳路由協(xié)議的效率。數(shù)據(jù)鏈路層的網(wǎng)絡資源分配及調度決定鏈路帶寬、傳輸干擾及節(jié)點間的連通關系（即邏輯網(wǎng)絡拓撲）。鏈路帶寬和傳輸干擾是網(wǎng)絡層路由決策經(jīng)常使用的度量指標。路由又決定每條鏈路上的負載分布，影響資源分配結果[17]。由此可見，各網(wǎng)絡協(xié)議層之間是相互關聯(lián)、相互影響的，跨層設計將是一種必然，而不是一種選擇。因此，要求CRSN路由協(xié)議設計將獨立的分層協(xié)議聯(lián)合形成跨層框架，通過各協(xié)議層之間的信息交互與協(xié)作實現(xiàn)最優(yōu)的網(wǎng)絡性能。

3) CRSN特有的路由協(xié)議設計挑戰(zhàn)

①受限的節(jié)點資源制約CR功能的實現(xiàn)。一是單收發(fā)信機配置使得CRSN節(jié)點不能同時感知多條信道，降低頻譜感知效率；且節(jié)點不能同時執(zhí)行頻譜感知和數(shù)據(jù)傳輸。二是能量受限使節(jié)點要控制頻譜切換次數(shù)，減少信道轉換帶來的能耗代價。三是計算能力和存儲能力受限使得節(jié)點不能支持高復雜度運算，制約頻譜決策和頻譜共享的優(yōu)化。因此，要求CRSN路由協(xié)議設計綜合考慮節(jié)點特性與認知循環(huán)操作，實現(xiàn)兩者的平衡統(tǒng)一。

②滿足不同應用的QoS要求。CRSN的潛在應用包括室內(nèi)感知應用、多媒體應用、實時監(jiān)控應用及多級異構感知應用等，這些應用有不同的QoS要求。因此，要求CRSN路由協(xié)議設計具備業(yè)務區(qū)分能力，針對不同應用類型及其QoS要求，提供保障應用性能的路由服務。

③安全性。由于CRSN節(jié)點與PU之間通常不存在協(xié)作，自私節(jié)點或惡意節(jié)點很容易在物理層、媒體接入控制（MAC, medium access control）層、網(wǎng)絡層上發(fā)動攻擊，甚至形成拒絕服務攻擊。惡意節(jié)點可以通過偽造頻譜感知數(shù)據(jù)或通過向信道發(fā)送大功率信號使其他CRSN節(jié)點感知信道為忙碌狀態(tài)，從而阻止頻譜的有效利用；自私節(jié)點或惡意節(jié)點可能會長時間占用授權信道不釋放，從而對PU傳輸造成干擾；惡意節(jié)點可能會通過向sink重復發(fā)送大量數(shù)據(jù)分組，導致周圍節(jié)點迅速耗盡電池能量；惡意節(jié)點也可能在網(wǎng)絡層上偽造、篡改路由分組或數(shù)據(jù)分組，導致感知數(shù)據(jù)無法正常向sink匯聚或導致sink匯聚虛假數(shù)據(jù)。因此，要求CRSN路由協(xié)議利用CRSN節(jié)點之間的有效協(xié)作，盡量檢測和規(guī)避自私節(jié)點和惡意節(jié)點，保證感知數(shù)據(jù)在sink處的正確有效的匯聚。

4 CRSN分簇路由協(xié)議文獻綜述與分析

CRSN中存在時間觸發(fā)和事件驅動兩種數(shù)據(jù)匯報模型。時間觸發(fā)數(shù)據(jù)匯報中，CRSN節(jié)點周期性地向sink傳輸感知數(shù)據(jù)；事件驅動數(shù)據(jù)匯報中，當滿足關鍵條件或發(fā)生特定事件時，CRSN節(jié)點向sink發(fā)出警示信息[18]。根據(jù)數(shù)據(jù)匯報模型，本文將CRSN分簇路由協(xié)議分為時間觸發(fā)和事件驅動兩大類分簇路由協(xié)議。根據(jù)協(xié)議的具體研究內(nèi)容，每大類又細分成路由已知分簇算法、分簇已知路由協(xié)議及跨層路由協(xié)議3個子類。現(xiàn)有各CRSN時間觸發(fā)分簇路由協(xié)議的比較總結如表1和表2所示。按照上述分類方法對CRSN分簇路由協(xié)議研究現(xiàn)狀進行歸類總結，得到的分類樹如圖3所示。

4.1 時間觸發(fā)分簇路由協(xié)議

自網(wǎng)絡部署之時起，時間觸發(fā)分簇路由協(xié)議在網(wǎng)絡中構建分簇，通過周期性的計算與通信來維護分簇，直至網(wǎng)絡死亡為止。時間觸發(fā)分簇路由協(xié)議適用于需要持續(xù)收集感知數(shù)據(jù)及數(shù)據(jù)通信信道可用性穩(wěn)定的CRSN應用。

4.1.1 路由已知分簇算法

路由已知分簇算法通常規(guī)定簇內(nèi)通信采用TDMA(time division multiple access)調度，即每個CM在CH規(guī)定的時隙內(nèi)向CH匯報感知數(shù)據(jù)，且通常顯式給出或隱式表明CH與sink之間建立了直接通信。這類算法的缺陷在于確定型路由與CRSN的動態(tài)特性不兼容。

CogLEACH[19]是傳統(tǒng)WSN經(jīng)典分簇算法LEACH[20]的分布式頻譜感知擴展版本。CogLEACH中節(jié)點使用感知到的空閑可用信道數(shù)作為CH概率權重，并將其與[0,1]之間產(chǎn)生的隨機數(shù)進行比較，從而獨立確定自己是否能成為CH。CH向外發(fā)出簇構建通告，接收到通告的其他節(jié)點根據(jù)接收信號強度決定加入最近的簇。成員節(jié)點把感知到的數(shù)據(jù)通過分配的TDMA時隙傳遞給對應CH，CH聚合數(shù)據(jù)后通過CSMA（carrier sensing multiple access）MAC協(xié)議將聚合數(shù)據(jù)直接傳給sink。為避免相鄰簇同時使用相同信道進行簇內(nèi)通信，為每個簇分配唯一的直接序列擴頻碼。

CogLEACH協(xié)議每輪選取的CH數(shù)可能多于要求的最優(yōu)簇數(shù)，導致能量浪費。為解決這個問題，文獻[21]提出集中式的分簇算法CogLEACH-C。基站根據(jù)節(jié)點感知到的空閑可用信道數(shù)、剩余能量及位置從所有節(jié)點中選取個最優(yōu)CH，并廣播CH列表通告。CH使用TDMA調度簇內(nèi)傳輸，其他與CogLEACH協(xié)議相同。

LEAUCH協(xié)議[22]使用CogLEACH計算節(jié)點的CH概率權重，且規(guī)定權重大于0.4的節(jié)點成為候選CH。競爭半徑內(nèi)剩余能量最大的候選CH成為最終CH。競爭半徑概念實際上引入了非均勻分簇的思想，即離sink越近的節(jié)點競爭半徑越小。CH向外廣播簇構建通告，與CH有公共信道的節(jié)點加入簇。其他與CogLEACH協(xié)議相同。

Fuzzy C-means算法[23]以最小化成員節(jié)點與簇中心之間距離的平方和為目標將網(wǎng)絡劃分成個簇。在各簇中，CH的選取考慮候選節(jié)點的剩余能量、與sink之間的匯報信道的信噪比、與簇內(nèi)其他節(jié)點間的平均路徑損耗及與sink之間的路徑損耗4個指標。

為避免相鄰簇的通信彼此干擾，OTICORIC[24]根據(jù)認知頻譜感知能力及剩余能量構建跳簇并為簇內(nèi)成員分配信道。具體地，CH為有一跳鄰居在簇外的成員節(jié)點優(yōu)先分配固定信道；在保證CM的傳輸需求得到滿足的前提下，CH以最小化所有CM傳輸所需的時隙數(shù)為目標向CM分配（時隙，信道）對；向有一跳鄰居在簇外的成員節(jié)點僅分配時隙。

DSAC[25]通過最小化網(wǎng)絡通信能耗來求解最優(yōu)簇數(shù)，如式(1)所示。

EESA-RLC[26]通過最小化網(wǎng)絡能耗來求解最優(yōu)簇數(shù)，這里網(wǎng)絡能耗包括空閑頻譜感知能耗、事件感知能耗、數(shù)據(jù)處理能耗及網(wǎng)絡通信能耗。求解出的最優(yōu)簇數(shù)如式(2)所示。

其中，為網(wǎng)絡中的節(jié)點總數(shù)，為網(wǎng)絡面積，am、ss、log、cs、ec、th分別為簇內(nèi)通信時功率放大器每比特能耗、事件感知每比特能耗、數(shù)據(jù)記錄每比特能耗、信道感知每比特能耗、電子電路每比特能耗及將數(shù)據(jù)分組傳遞給相鄰CH或基站的能耗。但是，由于th沒有確定值，無法直接根據(jù)上式計算最優(yōu)簇數(shù)。

EESA-RLC采用集中式方式由基站根據(jù)節(jié)點的歸一化剩余能量比、感知到的歸一化空閑信道數(shù)及要求的CH比例選取CH。EESA-RLC將每個普通節(jié)點的最優(yōu)CH選取問題構建為馬爾可夫決策過程，使用Q學習算法為節(jié)點選取最優(yōu)CH。CH規(guī)定感知信道集合、控制CM對授權信道的接入及數(shù)據(jù)通信。CH能量耗盡后，從CM中選取新的CH，防止頻繁的簇重構。

ABCC[27]將CRSN分簇構建視為最小化CRSN中所有節(jié)點的平均通信能耗及節(jié)點剩余能量的標準差問題。使用認知驅動的人工蜂群分簇算法求解最優(yōu)簇數(shù)及簇頭分配。CRSN節(jié)點與最近的CH連接實現(xiàn)感知數(shù)據(jù)的匯報傳輸。

4.1.2 分簇已知路由協(xié)議

分簇已知路由協(xié)議主要研究簇內(nèi)信道分配問題，當然也有兼顧簇內(nèi)和簇間通信的路由協(xié)議。

R-coefficient-based CA[29-30]和FOA-based CA[31]均是在假定分簇已經(jīng)構建完成的條件下提出的簇內(nèi)信道分配方案。R-coefficient-based CA引入R因子用來表示節(jié)點的預測剩余能量，以最大化所有(節(jié)點，信道)對的R因子之和為目標來分配信道。FOA-based CA使用果蠅優(yōu)化算法執(zhí)行簇內(nèi)信道分配以最大化所有節(jié)點的剩余能量。

假設分簇已經(jīng)構建完成，CR-CEA[32]根據(jù)節(jié)點與sink間的歐氏距離、到sink的跳數(shù)距離及剩余能量實現(xiàn)分布式的逐跳路由與信道選擇，即不斷選取下一跳CH及對應的發(fā)送信道。

R-coefficient-based CA和FOA-based CA均是針對單個簇提出的CH集中式信道分配方案，不涉及具體的分簇機制。實際上，CH通常采用TDMA在不同時隙調度CM，因此應盡量為簇內(nèi)所有節(jié)點分配相同信道，減少CH在不同信道間頻繁轉換引起的開銷。CR-CEA中，為選擇最優(yōu)的下一跳CH及最優(yōu)的發(fā)送信道，發(fā)送端需要知道接收端的各信道上有多少個鄰居在通信，且sink會傳回跳數(shù)更新消息，網(wǎng)絡交換信息量較大。

4.1.3 跨層路由協(xié)議

相比前兩類路由協(xié)議的分層處理方法，跨層路由協(xié)議綜合考慮物理層分簇拓撲、數(shù)據(jù)鏈路層信道分配與媒體接入控制、網(wǎng)絡層路由之間的相互作用與影響，來優(yōu)化網(wǎng)絡性能。

SCEEM[33](包括SCR[34])是為多媒體業(yè)務提出的頻譜感知路由協(xié)議，它通過最小化由丟失分組和時延引起的多媒體源失真來求解最優(yōu)簇數(shù)。節(jié)點根據(jù)感知到的空閑可用信道、各信道的期望可用時間及剩余能量信息計算自身的累積頻譜能量排序并通過本地比較確定CH身份。CH向外發(fā)出通告，并選取簇成員間共享且期望可用時間最長的信道為簇信道。SCEEM依靠在公共控制信道（CCC, common control channel）上轉發(fā)RREQ分組以及應答RREP分組建立到sink的路由。在RREP分組轉發(fā)的過程中，接收到RREP分組的普通CM節(jié)點會記錄相關路由信息。在數(shù)據(jù)轉發(fā)過程中，借助緩存的路由信息判斷該節(jié)點離相鄰簇的遠近程度，繼而決定數(shù)據(jù)分組是要通過CH分配的TDMA時隙來傳輸，還是直接通過轉發(fā)簇中的節(jié)點中繼傳輸。

COMUS[35]是為多媒體業(yè)務提出的分簇路由協(xié)議，它通過引入PU行為預測提升簇的穩(wěn)定性。COMUS的分簇構建過程與DSAC類似，區(qū)別僅在于簇的合并規(guī)則不同。COMUS根據(jù)簇間距離、公共信道及其累積平均可用時間計算簇間吸引力，并選擇與吸引力最大的簇合并。COMUS的主動路由過程與SCEEM類似，區(qū)別在于只有CH參與簇間通信。

分簇地理路由協(xié)議[36]采用與SCEEM相同的方法構建分簇，使用TDMA與CSMA融合的MAC協(xié)議進行簇內(nèi)、簇間通信。分簇地理路由協(xié)議根據(jù)頻譜感知信息選擇剩余能量高于給定門限、且離sink更近的節(jié)點為RREQ包轉發(fā)節(jié)點，通過CCC上RREQ包的逐跳轉發(fā)和sink應答RREP包建立可選路由。最終源CH根據(jù)由通信代價和能耗不均衡度構成的路由度量選擇最優(yōu)路由。表3分析比較分簇地理路由協(xié)議與SCEEM的異同點。

表3 分簇地理路由協(xié)議與SCEEM的異同點分析

SCEEM、COMUS和分簇地理路由協(xié)議都是為多媒體視頻業(yè)務提出的，這制約了它們的應用范圍。構建分簇時，SCEEM中每個節(jié)點需要與鄰居共享感知到的空閑可用信道、每條空閑信道的平均可用時間及節(jié)點剩余能量等信息，信息計算和交換量大；SCEEM路由發(fā)現(xiàn)過程以隨機方式進行，沒有考慮RREQ包轉發(fā)的方向性，這些會造成RREQ包洪泛且源CH可能無法選出最優(yōu)路由；SCEEM假設只有完成當前幀的傳輸后節(jié)點才會釋放信道，這會對PU傳輸造成干擾。COMUS依靠CH間的包轉發(fā)實現(xiàn)簇間通信，沒有考慮由PU行為影響導致的相鄰CH間可能沒有公共信道的情況。分簇地理路由協(xié)議采用與SCEEM相同的方法構建分簇，因此也要求交換大量信息，浪費網(wǎng)絡能量和帶寬等資源。

4.2 事件驅動分簇路由協(xié)議

事件驅動分簇路由協(xié)議由特定事件觸發(fā)，在事件與sink之間的區(qū)域內(nèi)構建分簇路由通道，事件結束后分簇也隨之消失。事件驅動分簇路由協(xié)議適用于事件觸發(fā)數(shù)據(jù)匯報的CRSN應用，有利于節(jié)省能量。

假設分簇構建過程中空閑頻帶不變，ESAC[37]在事件與sink之間的區(qū)域內(nèi)構建事件驅動分簇。ESAC選取檢測事件的節(jié)點或離sink更近、離事件更遠的節(jié)點為構建分簇的合法節(jié)點。所有合法節(jié)點根據(jù)檢測到的空閑可用信道數(shù)、合法鄰居節(jié)點度及與sink間的歐氏距離確定自己是否能成為CH。CH以最大化通過CM和簇信道可達的兩跳鄰居數(shù)為目標來選取CM、簇信道繼而構建簇。CH向其他節(jié)點發(fā)送簇構建請求，接收請求的節(jié)點通過應答加入簇。當節(jié)點接收到多個簇構建請求時，選擇權重最大的CH加入。

mESAC[38]在ESAC基礎上進一步考慮了節(jié)點的移動性，兩者的區(qū)別如表4所示。

ERP[39]是事件驅動的分簇路由協(xié)議，其分簇構建過程與ESAC類似，他們的區(qū)別如表5所示。ERP中，簇間通信是通過主、次網(wǎng)關節(jié)點實現(xiàn)的。若源CH的候選網(wǎng)關節(jié)點集合不為空，則根據(jù)候選網(wǎng)關節(jié)點的剩余能量、所在簇的數(shù)據(jù)信道的平均PU出現(xiàn)概率及平均空閑時間選出主網(wǎng)關節(jié)點，并將數(shù)據(jù)包傳遞給它；否則，從源簇的成員節(jié)點中根據(jù)相鄰候選網(wǎng)關節(jié)點數(shù)量、節(jié)點剩余能量及與sink間的歐氏距離選取分組轉發(fā)節(jié)點，通過該節(jié)點的中繼將數(shù)據(jù)包傳遞給次網(wǎng)關節(jié)點。

現(xiàn)有的CRSN事件驅動分簇路由協(xié)議均是在傳統(tǒng)WSN事件驅動分簇路由協(xié)議基礎上考慮CR特性的簡單優(yōu)化，沒有解決與PU信道可用性變化兼容的問題。這類協(xié)議的共同點是：分簇的臨時構建會給數(shù)據(jù)傳輸帶來一定的時延。ESAC中每個節(jié)點要知道所有一跳、兩跳鄰居信息及其可用信道列表，信息交換量大。mESAC采用5個指標加權的方法來選取CH，各指標的權重確定很困難，文中沒有給出確切過程。ESAC和mESAC均假設預先確定的路由，這與CRSN的動態(tài)性不兼容。ERP在選擇包轉發(fā)節(jié)點和網(wǎng)關節(jié)點時必須知道全網(wǎng)拓撲知識，這與CRSN的分布式特性沖突；每個節(jié)點要知道它的所有一跳鄰居節(jié)點及其位置、剩余能量、空閑信道及其PU出現(xiàn)概率和平均空閑時間等信息，信息交換量大。

表4 ESAC與mESAC的區(qū)別分析

表5 ERP與ESAC的區(qū)別分析

5 CRSN分簇路由協(xié)議設計的開放性問題

近年來，CRSN分簇路由協(xié)議設計問題引起了學術界和業(yè)界的廣泛關注。但是，CRSN分簇路由協(xié)議設計的研究仍處于起步階段，協(xié)議的設計依舊沿用傳統(tǒng)WSN的核心思路，沒有充分考慮CR與WSN結合引發(fā)的獨特性。為了更好地理解CRSN分簇路由協(xié)議設計這一新興研究領域存在的開放性問題與挑戰(zhàn)，本文將CRSN分簇路由協(xié)議設計尚需解決的問題列出如下。

1) 解決混合數(shù)據(jù)匯報CRSN的非均勻分簇問題

除了周期性的向sink發(fā)送感知數(shù)據(jù)外，CRSN節(jié)點也會警示sink特定事件的發(fā)生。因此，融合時間觸發(fā)與事件驅動數(shù)據(jù)匯報的混合數(shù)據(jù)匯報CRSN成為普適型CRSN。下面討論如何解決混合數(shù)據(jù)匯報CRSN的最優(yōu)非均勻分簇路由協(xié)議設計問題。

混合數(shù)據(jù)匯報CRSN是一種特殊類型的CRNs，因此保護PU接入信道的優(yōu)先權、防止受到CRSN節(jié)點干擾是非均勻分簇路由協(xié)議設計的首要目標。這就要求最小化CRSN節(jié)點與PU之間的沖突。混合數(shù)據(jù)匯報CRSN也是一種特殊類型的WSN，因此最小化全網(wǎng)能耗、延長網(wǎng)絡壽命是路由協(xié)議設計的另一個目標。這就要求均衡簇內(nèi)匯聚、簇間中繼、頻譜感知、信道轉換等各種操作之間的能耗。另外，CRSN的服務目標是提供應用所要求的差異化QoS，尤其是滿足事件驅動數(shù)據(jù)匯報的QoS要求。現(xiàn)有研究表明，這3個目標是沖突的，單個目標的優(yōu)化會導致其他目標性能的惡化。因此，本文提出將混合數(shù)據(jù)匯報CRSN非均勻分簇構建為多目標優(yōu)化問題。多目標優(yōu)化中最重要的是獲取多目標適用度函數(shù)，最常用的方法是使用加權和形式把多個單目標函數(shù)聯(lián)合成聚合多目標函數(shù)[40]。但是，加權和方法需要根據(jù)具體的應用和場景選取權重值，這是極具挑戰(zhàn)性的工作。因此，本文提出利用基于約束的方法[41]產(chǎn)生多目標適用度函數(shù)。該方法將其中一個單目標適用度函數(shù)作為要優(yōu)化的最終目標函數(shù)，將其余單目標適用度函數(shù)轉化成約束條件。數(shù)學表達式如式(3)所示。

其中，O-fun是要優(yōu)化的基本單目標適用度函數(shù)，MIN和MAX是單目標適用度函數(shù)O-fun要滿足的約束條件。基于約束的方法不引入權重值，可以使用當前流行的多目標增強學習算法或多目標演進算法進行求解，得到非均勻分簇的最優(yōu)簇數(shù)及與相對sink位置相關的簇大小分布。當然，受CRSN節(jié)點的內(nèi)存容量和計算能力制約，要求選取計算復雜度低的優(yōu)化算法。

2) 解決保護PU接入信道的優(yōu)先權問題

保護PU接入信道的優(yōu)先權需要解決以下兩個問題。

①PU行為預測。PU行為對CRSN頻譜利用有重大影響，且很多CR相關參數(shù)取值都取決于PU行為類型。現(xiàn)有CRN文獻使用各種模型來模擬PU行為，如伯努利過程、馬爾可夫更新過程、M/M/1、M/G/1等[42]。CRSN中使用最廣泛的模型是馬爾可夫更新過程，它假設PU行為遵循ON/OFF隨機過程。給定信道上PU行為在ON狀態(tài)和OFF狀態(tài)之間轉換，每種狀態(tài)的持續(xù)時間都是獨立的隨機變量，如圖4所示。實際上，PU行為是動態(tài)變化且取決于位置的，需要有效地接近實際的PU行為建模才能實現(xiàn)有效的頻帶利用。CRSN節(jié)點可以利用時間序列分析法更好的理解頻譜可用性，利用機器學習等方法從過去的頻譜占用歷史中學習，不斷提升PU行為預測的準確性和頻譜利用率。這方面可以借鑒CRNs的相關研究成果，但是應注意能量開銷問題。

圖4 ON/OFF狀態(tài)轉換示意

②頻譜感知。現(xiàn)有文獻大多假設CRSN節(jié)點通過頻譜感知可以準確地獲取空閑頻譜信息，而實際上頻譜感知存在假警概率f和漏檢概率m[43]。當未感知到授權信道上的PU活動時，CRSN節(jié)點可以選取該信道進行通信，因此要求假警概率f→0以實現(xiàn)高頻譜利用；當CRSN節(jié)點正在使用的授權信道上出現(xiàn)PU活動時，CRSN節(jié)點應能正確檢測并立即停止該信道上的通信或切換到其他可用信道上去以避免與PU沖突，因此要求檢測概率d→1，即漏檢概率m→0。CRSN節(jié)點的單收發(fā)信機約束會導致以下情況的發(fā)生：正在傳輸數(shù)據(jù)的CRSN節(jié)點無法發(fā)現(xiàn)授權信道上突然出現(xiàn)的PU。CRSN節(jié)點勢必會繼續(xù)進行通信直到下一個頻譜感知時刻，這會造成與PU傳輸沖突。因此，本文提出以保障與PU沖突概率滿足系統(tǒng)最低要求為目標來選取專門負責感知頻譜、不執(zhí)行數(shù)據(jù)匯報的簇內(nèi)節(jié)點。這些鄰近節(jié)點彼此協(xié)作，當檢測到授權信道上的PU活動時，立即通知CH進行信道切換。

3) 解決保障CRSN多媒體業(yè)務及時延敏感業(yè)務QoS的路由問題

監(jiān)控環(huán)境的日益復雜化要求使用音頻、視頻、圖片等多媒體信息及時延敏感數(shù)據(jù)提升環(huán)境感知能力和環(huán)境事件描述能力。這些多媒體業(yè)務及時延敏感型業(yè)務通常在帶寬、時延、吞吐量等方面有較高要求。因此，多媒體業(yè)務及時延敏感業(yè)務需要依賴有效的路由協(xié)議選取穩(wěn)定的、資源豐富的路徑，保證其QoS要求得到滿足。

信道綁定（CB, channel bonding）技術具有提升帶寬、最小化端到端時延、提高網(wǎng)絡吞吐量等優(yōu)勢，適合傳輸要求高帶寬、時延非容忍的多媒體業(yè)務及時延敏感業(yè)務。CB將連續(xù)的非重疊信道聯(lián)合起來形成一條高帶寬信道。完成數(shù)據(jù)傳輸后，信道可以解綁并被不同用戶使用[44]。CB是短時間內(nèi)大塊數(shù)據(jù)（即數(shù)據(jù)突發(fā)）傳輸問題的有效解決方案，適用于CRSN[45]。目前CRSN的CB研究尚處于起步階段，為實現(xiàn)有效CB還需解決以下問題。

①保護頻帶間隔選取。為避免對相鄰的PU或CRSN傳輸造成鄰信道干擾，綁定信道兩側要求留出保護頻帶。保護頻帶間隔的選取應保證盡量避免鄰信道干擾且能充分利用帶寬。本文提出根據(jù)授權信道的頻譜特性，參考無線Mesh網(wǎng)絡中部分重疊信道之間重疊度的計算[46]來確定保護頻帶間隔。

②合理選取綁定信道及對應的調制編碼機制。應用CB時，所有綁定信道選擇統(tǒng)一的調制編碼機制，即所有綁定信道都采用相同的傳輸速率。現(xiàn)有研究表明當各信道之間的信干噪比（SINR, signal to interference plus noise ratio）差異較大時，系統(tǒng)吞吐量性能會受到嚴重影響。因此，在保證目標誤包率的條件下，本文提出根據(jù)綁定信道塊的SINR值及各綁定信道SINR值的差異，選取合理的綁定信道及對應的調制編碼機制。另外，簇間通信通常采用CSMA MAC協(xié)議。為防止多速率性能異常問題的發(fā)生，當競爭不可避免時，應盡量使傳輸速率相同或相近的鏈路共享相同信道或綁定信道塊。

③確定信道綁定規(guī)模。CB方面的研究表明信道綁定規(guī)模不宜太大，一般取為2或3。將相同發(fā)送功率分布到加倍帶寬上時，對應的信噪比會減半，這樣會影響傳輸距離。另一方面，低功率又會使節(jié)點間的干擾降低。因此，需要進一步研究信道綁定規(guī)模與能耗、干擾之間的關系，最終實現(xiàn)信道綁定規(guī)模的自適應選取。

4) 解決精細化網(wǎng)絡能耗建模問題

網(wǎng)絡能耗模型決定求解出的最優(yōu)簇數(shù)是否準確。本文提出建立精細化的CRSN跨層網(wǎng)絡能耗模型，根據(jù)每類節(jié)點執(zhí)行的具體功能計算全網(wǎng)能耗。例如需要分別分析CH、普通CM、專門負責頻譜感知的節(jié)點的能耗組成及每類節(jié)點的數(shù)量。根據(jù)系統(tǒng)的PU最高沖突容忍門限確定每個簇內(nèi)專門負責頻譜感知的節(jié)點數(shù)量，則每個簇中普通CM節(jié)點數(shù)量為（簇內(nèi)節(jié)點總數(shù)?1?）個。另外，簇間通信用于相鄰簇間的分組轉發(fā)。若相鄰CH共享相同信道，簇間通信可以通過CH間的分組轉發(fā)完成；當然，簇間通信也可以通過共享相同信道的網(wǎng)關節(jié)點實現(xiàn)。因此，需要進一步研究簇間通信方式的選取對網(wǎng)絡能耗的影響，確定最終的全網(wǎng)能耗模型。

5) 解決要求全網(wǎng)范圍內(nèi)的專用CCC問題

現(xiàn)有的CRSN分簇路由協(xié)議通常假設一直在線的專用CCC，即存在全網(wǎng)范圍內(nèi)所有節(jié)點一直可用的CCC用于交換頻譜相關的信息及協(xié)調傳輸。它可以是為CCC使用預留的授權頻帶信道，也可以是非授權頻帶信道。這種假設可以極大地簡化CCC的操作，它能最小化PU行為引起的CCC中斷[47]。但是，這種全網(wǎng)范圍內(nèi)的專用CCC存在以下問題。

①PU行為會影響節(jié)點的可用頻譜資源，導致網(wǎng)絡中各節(jié)點的可用信道隨時間和地點變化。尤其在大規(guī)模CRSN中，很難找到一條全網(wǎng)范圍內(nèi)所有節(jié)點均可用的CCC。另外，CCC信息的分布式收集和傳輸需要網(wǎng)絡范圍內(nèi)重復的信息洪泛，這會造成能量等網(wǎng)絡資源的浪費。

②數(shù)據(jù)分組和控制消息分開在不同信道上傳輸，這就要求CRSN節(jié)點的單收發(fā)信機在控制信道和數(shù)據(jù)信道之間頻繁的轉換。頻繁的信道轉換會引入較大時延和能量開銷，且在信道轉換時間內(nèi)，節(jié)點不接收到達的任何分組。

③隨著網(wǎng)絡中CRSN節(jié)點數(shù)的增加，需要交換的控制信息量增多，可能會引起專用CCC飽和，導致CCC上的競爭和沖突，嚴重影響網(wǎng)絡正常運行；由于所有的控制消息都在專用CCC上交換，網(wǎng)絡很容易受到攻擊，例如CCC上的堵塞攻擊可能會導致網(wǎng)絡運行失敗[48]。

網(wǎng)絡運行初期，CRSN節(jié)點無法提前獲知信道質量、PU行為觀測結果、信道可接入時間及網(wǎng)絡負載等信息。在沒有這些網(wǎng)絡信息交換或有最少的網(wǎng)絡信息交換條件下，CCC的選取是一個很大的挑戰(zhàn)。文獻[49]提出了在沒有全網(wǎng)范圍內(nèi)及局部CCC條件下基于首要信道的CRSN多信道廣播協(xié)議。每個節(jié)點從可用信道列表中隨機選取一條首要信道，并通過相鄰節(jié)點間的兩次握手修正首要信道。發(fā)送節(jié)點調整到接收節(jié)點的固定首要信道上完成數(shù)據(jù)傳輸。實際上，鄰近的CRSN節(jié)點可能會共享頻譜，在簇范圍內(nèi)找到CCC的概率是極高的。因此，需要進一步探索和研究分簇CRSN中最小化開銷的局部CCC建立機制。

6 結束語

本文對現(xiàn)有CRSN分簇路由協(xié)議進行分類綜述。通過綜述分析得出如下結論：1) 現(xiàn)有CRSN分簇路由協(xié)議研究主要集中在均勻分簇方面，對非均勻分簇研究很少，而非均勻分簇有利于實現(xiàn)CH間能耗均衡，避免產(chǎn)生能量空洞；2) 現(xiàn)有CRSN分簇路由協(xié)議研究主要聚焦在時間觸發(fā)分簇路由協(xié)議，對事件驅動分簇路由協(xié)議研究較少，這兩種數(shù)據(jù)匯報模型可能共存于CRSN中，目前尚無混合數(shù)據(jù)匯報CRSN分簇路由協(xié)議研究報道；3) 現(xiàn)有CRSN分簇路由協(xié)議研究均假設使用全網(wǎng)范圍內(nèi)專用CCC進行控制信息交換，但是這種假設存在很多問題。本文也探討了CRSN分簇路由協(xié)議設計的開放性問題及研究趨勢，包括解決混合數(shù)據(jù)匯報CRSN非均勻分簇問題、保護PU接入信道優(yōu)先權問題、多媒體業(yè)務及時延敏感業(yè)務的QoS路由問題、網(wǎng)絡能耗建模問題、要求全網(wǎng)范圍內(nèi)專用CCC問題等。

[1] ZHANG P, WANG S K, GUO K H, et al. A secure data collection scheme based on compressive sensing in wireless sensor networks[J]. Ad Hoc Networks, 2018, 70: 73-84.

[2] 許馳, 鄭萌, 梁煒, 等.認知無線傳感器網(wǎng)絡的吞吐量分析[J]. 軟件學報, 2014, 25(S1): 47-55.

XU C, ZHENG M, LIANG W, et al. Throughput analysis of a cognitive radio sensor network[J]. Journal of Software, 2014, 25(S1): 47-55.

[3] MITOLA J, MAGUIRE G Q. Cognitive radio: making software radios more personal[J]. IEEE Personal Communications, 1999, 6(4): 13-18.

[4] AHMED M E, KIM D I, CHOI K W. Traffic-aware optimal spectral access in wireless powered cognitive radio networks[J]. IEEE Transactions on Mobile Computing, 2018, 17(3): 733-745.

[5] AKAN O B, KARLI O B, ERGUL O. Cognitive radio sensor networks[J]. IEEE Network, 2009, 23(4):34-40.

[6] REN J, HU J Y, ZHANG D Y, et al. RF energy harvesting and transfer in cognitive radio sensor networks: opportunities and challenges[J]. IEEE Communications Magazine, 2018, 56(1): 104-110.

[7] LIU X X. A survey on clustering routing protocols in wireless sensor networks[J]. Sensors, 2012, 12(8): 11113-11153.

[8]. SUCASAS V, RADWAN A, MARQUES H, et al. A survey on clustering techniques for cooperative wireless networks[J]. Ad Hoc Networks, 2016, 47: 53-81.

[9] YAU K A, RAMLI N, HASHIM W, et al. Clustering algorithms for cognitive radio networks: A survey[J]. Journal of Network and Computer Applications, 2014, 45: 79-95.

[10] JOSHI G P, KIM S W. A survey on node clustering in cognitive radio wireless sensor networks[J]. Sensors, 2016, 16(9): 1-19.

[11] AHMAD A, AHMAD S, REHMANI M H, et al. A survey on radio resource allocation in cognitive radio sensor networks[J]. IEEE Communications Surveys and Tutorials, 2015, 17(2): 888-917.

[12] FAN X L, JIA H L, WANG L, et al. Energy balance based uneven cluster routing protocol using ant colony taboo for wireless sensor networks[J]. Wireless Personal Communications, 2017, 97(1): 1305-1321.

[13] JAN B, FARMAN H, JAVED H, et al. Energy efficient hierarchical clustering approaches in wireless sensor networks: A survey[J]. Wireless Communications and Mobile Computing, 2017: 1-14.

[14] ZHANG L C, CAI Z P, LI P, et al. Spectrum-availability based routing for cognitive sensor networks[J]. IEEE Access, 2017, 5: 4448-4457.

[15] SHEN H, BAI G W. Routing in wireless multimedia sensor networks: A survey and challenges ahead[J]. Journal of Network and Computer Applications, 2016, 71:30-49.

[16] SOUA R, MINET P. Multichannel assignment protocols in wireless sensor networks: a comprehensive survey[J]. Pervasive and Mobile Computing, 2015, 16(PA): 2-21.

[17] REHAN W, FISCHER S, REHAN M, et al. A comprehensive survey on multichannel routing in wireless sensor networks[J]. Journal of Network and Computer Applications, 2017, 95:1-25.

[18] FONOAGE M, CARDEI M, AMBROSE A. A QoS based routing protocol for wireless sensor networks[C]// IEEE 29th International Performance, Computing and Communications Conference. 2010: 122-129.

[19] ELETREBY R M, ELSAYED H M, KHAIRY M M. CogLEACH: a spectrum aware clustering protocol for cognitive radio sensor networks[C]//9th International Conference on Cognitive Radio Oriented Wireless Networks and Communications. 2014: 179-184.

[20] HEINZELMAN W B, CHANDRAKASAN A P, BALAKRISHNAN H. An application-specific protocol architecture for wireless microsensor networks[J]. IEEE Transactions on Wireless Communications, 2002, 1(4): 660-670.

[21] AKREM L A, QIU D Y. Energy efficient spectrum aware clustering for cognitive sensor networks: CogLEACH-C[C]//10th International Conference on Communications and Networking in China. 2015: 515-520.

[22] PEI E R, HAN H Z, SUN Z H, et al. LEAUCH: low-energy adaptive uneven clustering hierarchy for cognitive radio sensor network[J]. Eurasip Journal on Wireless Communications and Networking, 2015, 2015(1): 1-8.

[23] BHATTI D M S, SAEED N, NAM H. Fuzzy c-means clustering and energy efficient cluster head selection for cooperative sensor network[J]. Sensors, 2016, 16(9): 1-17.

[24] MABROUK O, MINET P, IDOUDI H, et al. Intra-cluster multichannel scheduling algorithm for cognitive radio sensor networks[C]//11th International Wireless Communications and Mobile Computing Conference. 2015: 1452-1457.

[25] ZHANG H Z, ZHANG Z Y, DAI H Y, et al. Distributed spectrum-aware clustering in cognitive radio sensor networks[C]//2011 IEEE Global Telecommunications Conference. 2011: 1-6.

[26] MUSTAPHA I, ALI B M, RASID M F, et al. An energy-efficient spectrum-aware reinforcement learning-based clustering algorithm for cognitive radio sensor networks[J]. Sensors, 2015, 15(8): 19783-19818.

[27] KIM S, MCLOONE S, BYEON J, et al. Cognitively inspired artificial bee colony clustering for cognitive wireless sensor networks[J]. Cognitive Computing, 2017, 9(2): 207-224.

[28] LI C F, YE M, CHEN G H, et al. An energy-efficient unequal clustering mechanism for wireless sensor networks[C]//2nd IEEE International Conference on Mobile Ad-hoc and Sensor Systems. 2005: 597-604.

[29] LI X Y, WANG D X, MCNAIR J, et al. Residual energy aware channel assignment in cognitive radio sensor networks[C]// 2011 IEEE Wireless Communications and Networking Conference. 2011: 398-403.

[30] LI X Y, WANG D X, MCNAIR J, et al. Dynamic spectrum access with packet size adaptation and residual energy balancing for energy-constrained cognitive radio sensor networks[J]. Journal of Network and Computer Applications, 2014, 41(1): 157-166.

[31] HUANG X M, DU J Y, KUANG S J. A channel assignment algorithm of CRSN based on FOA[C]//12th International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery. 2016: 680-685.

[32] TIZVAR R, ABBASPOUR M, DEHGHANI M. CR-CEA: a collision- and energy-aware routing method for cognitive radio wireless sensor networks[J]. Wireless Networks, 2014, 20(7): 2037-2052.

[33] SHAH G A, ALAGOZ F, FADEL E A, et al. A spectrum-aware clustering for efficient multimedia routing in cognitive radio sensor networks[J]. IEEE Transactions on Vehicular Technology, 2014, 63(7): 3369-3380.

[34] SHAH G A, AKAN O B. Spectrum-aware cluster-based routing for cognitive radio sensor networks[C]// IEEE International Conference on Communications. 2013: 2885-2889.

[35] BRADAI A, SINGH K, RACHEDI A, et al. EMCOS: energy-efficient mechanism for multimedia streaming over cognitive radio sensor networks[J]. Pervasive and Mobile Computing, 2015, 22: 16-32.

[36] ABBASI S, MIRJALILY G. A cluster-based geographical routing protocol for multimedia cognitive radio sensor networks[C]//IEEE 7th International Conference on Electronics Information and Emergency Communication. 2017: 91-94.

[37] OZGER M, AKAN O B. Event-driven spectrum-aware clustering in cognitive radio sensor networks[C]// IEEE INFOCOM 2013. 2013: 1483-1491.

[38] OZGER M, FADEL E, AKAN O B. Event-to-sink spectrum-aware clustering in mobile cognitive radio sensor networks[J]. IEEE Transactions on Mobile Computing, 2016, 15(9): 2221-2233.

[39] TABASSUM M, RAZZAQUE M A, MIAZI M N S, et al. An energy aware event-driven routing protocol for cognitive radio sensor networks[J]. Wireless Networks, 2016, 22(5): 1523-1536.

[40] SALEM T M, ABDEL-MAGEID S, ABD EI-KADER S M, et al. A quality of service distributed optimizer for cognitive radio sensor networks[J]. Pervasive and Mobile Computing, 2015, 22: 71-89.

[41] YOUSSEF M, IBRAHIM M, ABDELATIF M, et al. Routing metrics of cognitive radio networks: a survey[J]. IEEE Communications Surveys and Tutorials, 2014, 16(1): 92-109.

[42] BUKHARI S H R, REHMANI M H, SIRAJ S. A survey of channel bonding for wireless networks and guidelines of channel bonding for futuristic cognitive radio sensor networks[J]. IEEE Communications Surveys and Tutorials, 2016, 18(2): 924-948.

[43] LEE D J, JANG M S. Optimal spectrum sensing time considering spectrum handoff due to false alarm in cognitive radio networks[J]. IEEE Communications Letters, 2009, 13(12): 899-901.

[44] KHAN Z, AHMADI H, HOSSAIN E, et al. Carrier aggregation/ channel bonding in next generation cellular networks: methods and challenges[J]. IEEE Network, 2014, 28(6): 34-40.

[45] BUKHARI S H R, SIRAJ S, REHMANI M H. PRACB: a novel channel bonding algorithm for cognitive radio sensor networks[J]. IEEE Access, 2016, 4: 6950-6963.

[46] WANG J H, SHI W X. On channel assignment for multicast in multi-radio multi-channel wireless mesh networks: a survey[J]. China Communications, 2015, 12(1): 122-135.

[47] AKYILDIZ I F, LEE W Y, CHOWDHURY K R. CRAHNs: cognitive radio ad hoc networks[J]. Ad Hoc Networks, 2009, 7(5): 810-836.

[48] WU Y S, CARDEI M. Multi-channel and cognitive radio approaches for wireless sensor networks[J]. Computer Communications, 2016, 94: 30-45.

[49] 普健杰,曾凡仔. 基于首要信道的無線認知傳感器網(wǎng)絡多信道廣播協(xié)議[J]. 通信學報, 2013, 34(7): 81-86.

PU J J, ZENG F Z. Multi-channel broadcast protocol for CRSN based on home channel[J]. Journal on Communications, 2013, 34(7): 81-86.

Survey on cluster-based routing protocols for cognitive radio sensor networks

WANG Jihong1, SHI Wenxiao2

1. School of Electrical Engineering, Northeast Electric Power University, Jilin 132012, China 2. College of Communication Engineering, Jilin University, Changchun 130012, China

Routing protocols could achieve efficient convergecast transmission of sensed data in cognitive radio sensor network (CRSN), and it is of vital importance for the whole network performance. In particular, cluster-based routing protocols could further lower routing selection complexity and improve scalability. Therefore, an overview of cluster-based routing protocols for CRSN was provided. Firstly, after a brief introduction to the concept and advantages of clustering in CRSN, the major factors concerning clustering algorithm design were pointed out. Secondly, the challenges faced by routing protocol design in CRSN and basic design principles were explored. Thirdly, the previous work of cluster-based routing protocols for CRSN was systematically analyzed and summarized. Finally, issues that require urgent solutions and future research directions were suggested.

cognitive radio sensor network, clustering, routing protocol, channel assignment, cross-layer

TP393

A

10.11959/j.issn.1000?436x.2018244

王繼紅（1986?），女，遼寧營口人，博士，東北電力大學副教授、碩士生導師，主要研究方向為認知無線傳感器網(wǎng)絡、無線網(wǎng)絡路由與資源分配等。

石文孝（1960?），男，黑龍江哈爾濱人，博士，吉林大學教授、博士生導師，主要研究方向為無線資源管理技術、mesh網(wǎng)絡技術和無線光通信。

2018?02?01；

2018?06?22