认知无线电网络组播路由综述

周坤晓　袁华强　赵慧

(东莞理工学院　计算机与网络安全学院，广东东莞　523808)



认知无线电网络组播路由综述

周坤晓袁华强赵慧

(东莞理工学院计算机与网络安全学院，广东东莞523808)

认知无线电用户节点能够感知自身周围的无线环境，并且能使用授权用户未占用的无线频谱资源。由于认知用户可用频谱机会的动态特性，认知无线电网络中的组播是一个具有挑战性的问题。目前，研究者们已经提出了多种在认知无线电网络中进行有效组播的方案，包括基于优化理论，网络编码，强化学习的方案等。本文陈述了认知无线电网络组播路由面临的挑战，并对已有的无线电网络中的组播协议进行了全面的综述，最后给出了未来的研究方向。

组播；认知无线电网络；路由；优化理论

认知无线电网络(Cognitive Radio Networks，CRNs)可以实现任何维度无限制的无线通信，即无处不在的连接能够超越异构网络、频谱多样性、各种地域界限以及不同的通信规则和管制政策等多种限制，构成最高级的自适应系统。从目前的技术发展水平来看，尽管这种理想的智能网络还难以实现，但是认知无线电所具备的频谱捷变以及协议独立等特点，使得构建多频段环境下提供无缝系统操作的平台成为可能。认知无线电网络的特点使得其在网络租借服务、公共应急服务及军事方面都有较好的应用前景。

在认知无线电网络中，认知无线电用户(SU)能够利用认知无线电的技术来探测和感知周围的环境，在不影响授权用户(PU)利益的前提下去接入感知到的空闲信道从而提高网络频谱资源的利用率。然而，由于不同的认知无线电用户所处的地理位置不同，他们感知到环境情况也各不相同。从信道的角度上来说就是每个认知无线电用户所感知到的可用信道各有差异。这一特征大大增加了节点之间相互通信的难度，同时也给在认知无线电网络这种独特网络环境下进行组播通信带来了新的挑战。

多播或组播通信是众多无线网络应用中的一种基本的网络原语。一些设想的应用包括多媒体应用程序的支持(如视频会议)，文件分发，新闻或更新传播。在无线网络上的多播是一个重要的，但具有挑战性的目标。在能够部署它之前需要很多的问题要解决，包括带宽，拓扑结构，数据包丢失，路由，可靠性，安全问题和服务质量。在稳定性，吞吐量和数据包丢失，减少带宽的要求和较少的功耗之间进行权衡是无线网络中多播的主要目的。此外，由于CRNs中拓扑的动态变化，CRNs多播具有较大的挑战性。由于认知网络的拓扑关键取决于PU到达的时间和空间方面，这使得它常常要在未知的无线环境中运行，从而可能导致各种认知节点拥有异构可用信道集合的场景。这种信道异构的特点使多播的问题复杂化，并且可能意味着相邻结点之间缺乏一个公共的信道[1]。文献[2]给出了多跳CRNs所面临的挑战更详细的分析。

本文对知无线电网络组播问题算法、技术和协议进行了综述。首先介绍了认知无线电网络组播路由面临的挑战，接着对认知无线电网络组播现有工作进行了总结，最后对这一领域未来研究中所面临的机遇与挑战进行了分析。

1　认知无线电网络组播面临的挑战

为了充分利用多播给认知无线电网络带来的优势，克服随之而来的巨大挑战至关重要。在描述各种用于CRNs的特定组播协议之前，我们首先描述CRNs中与组播相关的各种挑战。认知无线电网络从本质上说是动态的，CRNs拓扑的变化取决于授权用户的位置及活动。相比于传统无线网络的组播，这些频繁的变化引发了大量的问题。信道的异质性就是其中一个问题，两个相邻的节点可能没有一个共同的信道可用，使得他们必须使用不同的信道进行组播。因此，一个多播传输被分解成许多小的单播传输，从而导致显著的切换时延。实现路由的稳定性是另一个棘手的问题，因为当检测到一个授权用户活动时，认知用户的传输就会被中断。路由算法应该能够处理这样的变化，并相应地调整。可喜的是，已经有工作表明，如果它们是独立的网络，二级网络的组播容量，和主网络一样，可以从理论上实现相同的性能界限[3]。然而，要实现这些性能界限，必须要解决认知无线电网络组播中的主要挑战。这些挑战包括：1) PU动态性[4]；2) 信道多样性[5-6]；3) 频谱异质性[2]；4) 频谱机会性[7]。这对于认知无线电网络中的组播问题具有重大意义。例如，如果一个认知用户使用高的传输功率以达到一个大的接收用户组，由于产生了更大的干扰区域，那么为了确保没有授权用户接收器是活跃的，它可能需要等待更长的时间。另一方面，采用较低发射功率进行传输将减少由于PU接收而中断的几率，但可能会导致更多的传输——由于传输功率的降低，每一个发送端现在能够达到接收器的数量较少。这突出了“功率多样性”或不同发射功率传输能力之间的潜在的权衡。类似的权衡存在于现代无线网络中的“速率多样性”，一个较低的速率传输有一个更大的接收面积，而更高的速率传输能够在一个较短的范围内可靠地解码。

2　认知无线电网络组播路由协议

无线网络组播路由是一个活跃的研究领域，在文献中已经提出了各种协议。文献中已经提出了许多多播协议用来解决无线网络中的能量效率[8]，吞吐量[9-11]，和延迟[12-13]等重要指标。由于在无线网络中的路由研究的主体大部分集中在单播路由协议的发展，有相当多的工作致力于无线网络中的单播路由指标。但是单播和组播路由是根本不同的(特别是多播路由通常利用无线组播的优势使用链路层广播)，研究者们一直致力于自定义基于链路质量单播路由度量用于组播路由应用。例如，Roy等人采用各种路由度量来为组播通信量构建高吞吐量的单播路由树[14]。在技术层面上有采用基于网络编码的组播协议[15-16]； 基于优化的组播协议[17-19]；基于强化学习的组播协议[20- 23]；基于博弈论的组播协议[24-25]。

为了解决认知无线电网络组播部署时所面临的挑战，研究者们提出了相应的解决方案。这些解决方案被归为如下三类：授权用户感知的弹性组播协议，组播调度协议，其它一般CRN组播协议。

2.1授权用户感知(PU-aware)的弹性组播

在认知无线电网络中，为了应对授权用户可能会破坏认知用户的通信的问题，为认知无线电网络开发PU感知的弹性组播路由引起了越来越大的兴趣。由于授权用户可能会干扰甚至打断认知用户的通信，因此研究授权用户感知的弹性路由变得至关重要。基于确保认知无线电网络中保持通信会话不被干扰的重要性，文献[26]提出了一个基于备份路径的方法。当授权用户在工作路径活动的情况下，该方法通过把通信流切换到备份路径的方法来实现通信。备份路径问题被建模为一个整数线性规划问题。备份路径通信的切换由基于贝叶斯决策框架的统计规则触发。通过在一个多跳CRN实验平台对于平均包时延进行实验，作者证明了有接近于50 %的降低。

在认知无线电网络中，基于多层超图(multi-layer hyper-graph，MLHG)概念，文献[27]提出了一种弹性组播路由框架，该框架对于失效或者信道缺失有一定的鲁棒性。CRN被建模成一个MLHG，MLHG的每一层代表着一个不同的信道，认知无线电用户组共享一个公共信道，该信道被建模为一条超边。考虑信道切换和传输时延，在选择从源SU到目标SU的首选路径的同时，为了保护组播会话，算法同时计算一条备份路径，此路径尽可能的选择和首要路径不相交的超边。为了决定组播首选和备份路径来最小化最大路径时延和最小化选择信道链路的条数，作者提出了一个ILP模型。通过实验结果，作者证实了基于组播备份的可行性，同时表明随着信道数量的增加，能够用于路由的首选和备份路径的条数也相应随着变大。

最近，文献[28-29]提出了一种用于授权用户感知组播的机制，该方法能够保护信道的失效和缺失。为了防止PU导致的频谱干扰,同时保证最小化组播会话的成本和最大化可用多播会话的数量，该研究的首要目标是提供多个多播会话。这项工作提出了组播会话保护的三种方法。在第一种方法(无链路共享保护),为了防止一个PU的一次中断，为每个多播会话分别建立主要和备份多播树(共享授权用户风险组)。第二种方法(链路共享保护)像第一种方法一样生成首要和备份组播树，但允许备份树增加共享资源(备份的树可以跟同一会话的主要树分享一些链接,也包括备份树任何会话的链路)，同时限制可以在一个或多个会话中共享的链接的数量，这是为了避免特定PU出现所导致的主要和备份树的共同失效。第三种方法(保护环)为每个多播会话产生一个环，此环在源节点开始和结束，同时通过所有的目标节点。此举是确保沿着环的路径的共享授权用户风险组，独立于其他任何沿着相同的环路径，此路径使得当PU变得活跃,导致一条路沿着环失败时每个目的节点能够接收多播消息的副本。结果表明,一般而言，网络中满足会话的数量增加，多播会话的成本就会减少，因为可用的信道在增加或者会话的规模变得越来越小。因为环共享方法以最少的成本生成组播会话，在网络中环共享方法可以支持的组播会话的数量最多。

在文献[30]中，作者提出了一种基于联盟博弈论的算法来解决认知无线电网络组播中的资源分配问题。他们的后续研究[31]又提出了一个基于Stackelberg竞价博弈论的组播协议来处理PU与SU之间的交互以及资源分配问题。

2.2认知无线电网络组播调度协议

组播调度协议的提出主要是为了应对认知无线电网络中的信道异质性问题。文献[32]提出了辅助组播调度协议来减少认知无线电网络中的端到端组播时延。该方案使用三个操作：协助，侦听和码字交换。协助操作允许多播接收者在组播的过程中提供协助，也把数据转发到其他接收器。侦听引入了两个不同的组播组之间的援助。这发生在属于某一组的用户无意中听到预期为另一组的传输时。当侦听到后，这些节点现在可以向目标组转发数据。引入码字交换也是为了通过使用编码的数据包来协助组播调度。预期的组播接收者很容易解码和提取数据。这三个操作能够有效减少总的组播时间。在组播的吞吐量和总组播时间方面，实验结果显示辅助组播有更好的性能。同时结果表明，当使用没有援助，发送方为了向组播接收方传输数据使用多达六个时隙。组内协助允许通过援助操作，使得所需要的传输数据时隙数降低到五个。此外，当侦听操作启用并允许组内援助，所需的时隙数量减少到四个。最后，当使用网络编码和编码数据包用于交换时，用于传输数据的时隙数减少到三个。

为了解决认知无线Mesh网络中协助组播调度问题，他们在近期工作[33]中提出了两种用于协作组播的方法：一种依靠组播接收者在分发组播数据到其他接收者中的辅助，第二种采用了网络编码的方法。在另外一个文献[34]中，作者提出了一个贪心的调度协议来优化网络的整体性能。在这个工作中，用户之间的公平性也被认为是与高效的频谱利用率相一致。为了鼓励更多的认知用户参与合作通信，一个协作传输链路最多分配一个信道。他们还采用网络编码来减少开销和实现更好的错误控制。该问题被建模成一个非线性整数规划，同时提出了一个在线调度协议来实现信道分配和功率控制策略。

2.3其它CRN组播协议

近期，研究人员提出了一些CRN特定的组播路由协议。文献[35]提出了一个用于引入认知无线电的移动Ad hoc网络的组播路由协议(CoCast)来减轻与著名组播协议ODMRP[36]相关的可扩展性问题。所有节点被认为是移动的，每个节点一个收发器，在网络中有多个信道可用。CoCast和ODMRP以相似的方式工作，但区别在于树和网的构造。ODMRP在构造网络时，要确保一旦有受损路径，有可选路径可以使用。与ODMRP相比，CoCast构造一棵不同于网络的可选路径，减少了路由开销。仿真结果表明，当网络中组播来源数增加时，该算法CoCast执行得更好。同时该算法和ODMRP相比更具有可伸缩性。

近来，也有一些研究[34，37-38]提出基于网络编码的组播调度协议。为了优化认知无线电网络的整体性能，整合协作技术和网络编码，文献[34]提出了一个优化组播调度框架。本工作使用网络编码减少开销，并执行错误控制和恢复。特别地，与认知用户盲目推送对于其他用户没用的包的简单方法相比，网络编码是用来解决以合作方式进行调度传输而不产生太多开销的挑战性任务。基于集中式贪心优化和随机Lyapunov优化，此文还提出基于网络编码的组播调度协议，同时作者目前的分析以及仿真结果证明对于认知无线电网络的组播性能能够得到显著改善。文献[39]提出了一种基于自动学习机技术的多经组播路由协议。

还有一些研究[7]把认知无线电网络中的组播问题作为一个最小能量组播(MEM)树问题来考虑。目的是为了节省一个组播树的建设中使用的整体能量。除了树的构建过程中的能量消耗，我们也必须要考虑在频谱感知方面的能量消耗。在这项工作中，频谱的机会性不仅取决于PU的传输，也取决于SU的传输功率和PU的流量负载。由于高首要流量负载的MEM树对于低首要流量负载的MEM树不一定是最优，反之亦然。因此，需要一个自适应MEM树来应对。本文表明，MEM问题等价于计算植根于源节点的直接Steiner树问题。作者提出了一个近似算法，在CRNs中构建MEM树的同事考虑频谱机会的影响。结果表明，在主网络不同的流量负载下的，在平均节能方面该算法的性能优于基线近似算法(为传统网络提出的)。更好的性能是基于这样的事实，一方面，基于不变的主通信负载基线近似算法对认知网络就像主网络一样构建一个无向加权节点组播树。另一方面，本文提出的近似算法构建了一个有向Steiner树，为了适应主要通信量负荷，还集成了传感能量来产生组播树。

除了解决MEM问题的工作，我们最近的工作[40]提出了一个构建最小组播带宽树的协议。为了构造一个组播树来满足最小组播带宽消耗，我们提出了两种方法。第一种方法首先构造一棵最小生成树，然后通过提出的算法来进行时隙分配。第二种方法是把构建最小生成树和时隙分配结合起来考虑，使得整体的带宽消耗最小化。用于评价所提出的算法的指标是传输时隙数和成功率，这些指标都优于基线算法。Matam等人的研究[41]以节省带宽的目标解决无线网络中的组播问题。通过一种启发式算法，他们提出一种计算最小化带宽消耗组播树的协议。性能评估表明，即使在最坏的情况下，该算法比其他的基线算法有着更好的性能。最新的一些关于认知无线电网络组播可见于文献[42-44]。

3　未来的研究方向

如何把人工智能应用于组播框架是一个值得关注的研究方向。因为认知无线电网络通常要在动态不可预测和未知的环境中运行，通过整合人工智能技术，使之无缝集成于路由框架的核心变得越发重要。“认知组播协议”能够智能的适应网络条件的不断变化，因此会是一个重要的，但尚未开发的研究领域。感兴趣的读者可以参考文献[45]获取关于认知无线电网络中基于人工智能的认知路由协议的专题教程和详细描述。

建立可信组播路由协议将会是另外一个值得注意的方向。在单播可靠的端到端的协议中采用的ARQ方案不适合组播，因为它要求每一个数据包，或一组数据，都需要接收器确认。文献[46]提出了用于无线局域网的采用否定确认的可靠组播，通过从多播组成员中选出一个作为组首领，它被作为目标节点组的代表用来发送可靠的数据包接收反馈到组播源。关于认知无线电网络中可靠的无线组播协议，特别是高度动态和容易出错的环境下仍有很多问题需要研究。

组播路由体系结构应将频谱建模纳入其基本设计中。一种方法是将授权用户的到达过程和通信量模型进行概率建模，高概率避免由授权用户需要的信道。例如，一个认知用户可以利用频谱侦听数据来选择在一天的一个特定的时间和一个特定的位置趋于长时间可用的白色空间(由于没有PU活动出现)。研究者们已经提出了一些频谱预测技术，包括：(a)隐马尔科夫模型为基础的，(b)神经网络为基础的，(c)贝叶斯推断为基础的[47]。有关频谱预测技术的更多细节，感兴趣的读者可以通过文献[47]和其中的参考文献获取更详细的信息。

另外一个未来的研究方向是与其他的自由度相结合，比如功率控制，链路层速率多样性，接口多样性和无缝连接流动性技术，与网络编码，博弈论，和优化应用于组播体系结构中。在认知无线电网络中进行组播，需要在如何与这些自由度进行相互作用中投入更多的研究。

[1]Akyildiz I，Lee W，Vuran M，Mohanty S. Next generation/dynamic spectrum access/cognitive radio wireless networks: a survey[J]. Comput Netw，2006，50(13):2127-2159.

[2]Sengupta S，Subbalakshmi K. Open research issues in multi-hop cognitive radio networks[J]. Commun Mag，2013，51(4):168-176.

[3]Wang C，Tang S，Li M，Jiang C. Multicast capacity of multihop cognitive networks[C]. In:IEEE 6th international conference on mobile ad hoc and sensor systems，2009：274-283.

[4]Almasaeid HM，Kamal AE. Assisted-multicast scheduling in wireless cognitive mesh networks[C]. In: 2010 IEEE international conference on communications (ICC). IEEE; USA，2010：1-5.

[5]Chachulski S，Jennings M，Katti S，et al. Trading structure for randomness in wireless opportunistic routing[J]. SIGCOMM Comput Commun Rev，2007，37 (4):169-180.

[6]Lo BF. A survey of common control channel design in cognitive radio networks[J]. Phys Commun，2011，4(1):26-39.

[7]Ren W，Xiao X，Zhao Q. Minimum-energy multicast tree in cognitive radio networks[C]. In: 2009 Conference record of the forty-third asilomar conference on signals, systems and computers. IEEE; USA，2009:312-316.

[8]Maric I，Yates RD. Cooperative multicast for maximum network lifetime[J]. IEEE J Sel Areas Commun， 2005，23(1):127-135.

[9]Zeng G，Wang B，Ding Y，et al. Multicast algorithms for multi-channel wireless mesh networks[C]. In: IEEE international conference on network protocols，2007:1-10.

[10]Zeng G，Wang B，Ding Y，et al. Efficient multicast algorithms for multichannel wireless mesh networks[J]. IEEE Trans Parallel Distrib Syst，2010，21 (1):86-99.

[11]Ramamurthi V，Vadrevu SKC，Chaudhry A，et al. Multicast capacity of multi-channel multihop wireless networks[C]. In: Wireless communications and networking conference. IEEE; USA，2009:1-6.

[12]Hoang Lan N，Uyen Trang N. Channel assignment for multicast in multi-channel multi-radio wireless mesh networks[J]. Wirel Commun Mobile Comput， 2009，9 (4):557-71.

[13]Isazadeh A，Heydarian M. Traffic distribution for end-to-end QoS routing with multicast multichannel services[J]. J Super comput，2010，52(1):47-81.

[14]Roy S，Koutsonikolas D，Das S，et al. High-throughput multicast routing metrics in wireless mesh networks[J]. Ad Hoc Netw，2008，6(6):878-99.

[15]Vieira LFM，Gerla M，Misra A. Fundamental limits on end-to-end throughput of network coding in multirate and multicast wireless networks[J]. Comput Netw，2013，57(17):3267-3275.

[16]Lun DS，Médard M，Koetter R. Efficient operation of wireless packet networks using network coding[C]. In: International workshop on convergent technologies (IWCT) ，2005.

[17]Oliveira CA，Pardalos PM. A survey of combinatorial optimization problems in multicast routing[J]. Comput Oper Res，2005，32(8):1953-1981.

[18]Wan P-J. Multiflows in multihop wireless networks[C]. In: Proceedings of the tenth ACM international symposium on mobile ad hoc networking and computing. ACM; New York, NY, USA，2009:85-94.

[19]Oliveira CA，Pardalos PM，Resende MG. Optimization problems in multicast tree construction[J]. In: Handbook of optimization in telecommunications. Springer; NY, USA，2006:701-31.

[20]Bkassiny M，Li Y，Jayaweera S. A survey on machine-learning techniques in cognitive radios[J]. Commun Surv Tutor， 2013，15(3):1136-1159.

[21]Littman M，Boyan J. Reinforcement learning scheme for network routing[C]. In: Proceedings of the international workshop on applications of neural networks to telecommunications. Psychology Press; UK，2013.

[22]Jahanshahi M，Dehghan M，Meybodi MR. Lamr: learning automata based multicast routing protocol for multi-channel multi-radio wireless mesh networks[J]. Appl Intell，2013，38(1):58-77.

[23]Zeng G，Wang B，Ding Y，et al. Efficient multicast algorithms for multichannel wireless mesh networks[J]. IEEE Trans Parallel Distrib Syst，2010，21 (1):86-99.

[24]Singh C，Altman E. The wireless multicast coalition game and the non-cooperative association problem[C]. In: INFOCOM，2011 Proceedings IEEE. IEEE; USA，2011:2705-2713.

[25]Panda M，Chahed T，Altman E. Wireless multicast cost sharing game with a dynamic population[C]. In: 2012 6th International conference on network games, control and optimization (NetGCooP). IEEE; USA，2012:58-63.

[26]Mao R，Li H. Protecting cognitive radio networks against primary users: a backup path approach[C]. In: Global telecommunications conference (GLOBECOM 2011) ，2011 IEEE. IEEE; USA，2011:1-6.

[27]Alnabelsi S，Kamal A. Resilient multicast routing in crns using a multilayer hypergraph approach[C]. In: 2013 IEEE international conference on communications (ICC) ，June 2013，2910-5.

[28]Almasoud AMM. Robust provisioning of multicast sessions in cognitive radio networks [Graduate theses and dissertations] [D].2013.

[29]Almasoud AMM，Kamal AE. Robust provisioning of multicast sessions in cognitive radio networks[C]. In: International wireless communications and mobile computing conference (IWCMC) ，2014:417-422.

[30]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.

[31]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(C):57-72.

[32]Almasaeid HM，Kamal AE. Assisted-multicast scheduling in wireless cognitive mesh networks[C]. In: 2010 IEEE international conference on communications (ICC). IEEE; USA，2010:1-5.

[33]Almasaeid HM，Kamal AE. Exploiting multichannel diversity for cooperative multicast in cognitive radio mesh networks[J]. IEEE/ACM Trans Netw，2013，22(3):770-783.

[34]Jin J，Xu H，Li B. Multicast scheduling with cooperation and network coding in cognitive radio networks[C]. In: INFOCOM，2010 Proceedings IEEE. USA，2010:1-9.

[35]Kim W, Oh S, Gerla M, Park J. Cocast: Multicast mobile ad hoc networks using cognitive radio[C]. In: IEEE Military communications conference (MILCOM 2009). USA, 2009：1-7.

[36]Lee S-J，Su W，Gerla M. On-demand multicast routing protocol in multihop wireless mobile networks[J]. Mobile Netw Appl，2002，7(6):441-53.

[37]Kim W，Choi B，Oh S，et al. Cognitive multicast (cocast) in vehicular networks using ofdm subchannels and network coding[C]. In: 2012 International conference on computing, networking and communications (ICNC) ，January，2012:776-780.

[38]Jin J，Xu H，Li B. Multicast Scheduling with Cooperation and Network Coding in Cognitive Radio Networks[J]. Proceedings of the Royal Society B Biological Sciences，2015，282(1804):1766-74.

[39]Ali A，Qadir J，Baig A. Learning automata based multipath multicasting in cognitive radio networks[J]. Communications & Networks Journal of，2015，17(4):406-418.

[40]Xie L，Jia X，Zhou K. Qos multicast routing in cognitive radio ad hoc networks[J]. Int J Commun Syst ，2012，25(1):30-46.

[41]Matam R，Tripathy S. Improved heuristics for multicast routing in wireless mesh networks[J]. Wirel Netw， 2013，19(8):1829-1837.

[42]Ahmed E，Qadir J，Baig A. High-throughput transmission-quality-aware broadcast routing in cognitive radio networks[J]. Wireless Networks，2014，21(4):1193-1210.

[43]Polacek P，Huang C W，Chiang J W. Unified Opportunistic Scheduling for Layered Multicast Over Cognitive Radio Networks[J]. IEEE Transactions on Mobile Computing，2015:1-1.

[44]Zhang J，Li Y，Liu Z，et al. On Multicast Capacity and Delay in Cognitive Radio Mobile Ad Hoc Networks[J]. IEEE Transactions on Wireless Communications，2015，14(10):1-1.

[45]Qadir J. Artificial intelligence based cognitive routing for cognitive radio networks[J]. IEEE Communications Surveys & Tutorials，2013:1-72.

[46]Diot C，Dabbous W，Crowcroft J. Multipoint communication: a survey of protocols，functions，and mechanisms[J]. IEEE J Sel Areas Commun，1997，15(3):277-90.

[47]Kuri J，Kasera SK. Reliable multicast in multi-access wireless LANs[J]. Wirel Netw，2001，7(4):359-69.

A Survey on Multicasting Routing in Cognitive Radio Networks

ZHOU KunxiaoYUAN HuaqiangZHAO Hui

(School of Computer and Network Security，Dongguan University of Technology，Dongguan 523808，China)

In cognitive radio networks, the secondary users equipped with cognitive radio can sense the wireless environment itself and access the “spectrum hole” unoccupied by the primary user. Multicasting in cognitive radio networks is a challenging problem due to the dynamic nature of spectrum opportunities available to the secondary users. Various approaches, including those based on optimization theory, network coding, reinforcement learning, have been proposed for performing efficient multicast in cognitive radio networks. This paper provides the challenges of multicasting in CRNs, provides a comprehensive survey of protocols that have been proposed for multicasting in cognitive radio networks, and finally gives future research directions.

multicasting; cognitive radio networks; routing; optimization theory

2016-06-30

广东省自然科学基金(2014A030310375，2014A030313632)；国家自然科学基金(61572131)。

周坤晓(1981—)，男，湖北钟祥人，讲师，博士，主要从事无线网络、移动计算研究。

TP311

A

1009-0312(2016)05-0046-06