CN101466070A - 一种基于无线信号接收强度分布自动学习的无线室内定位方法 - Google Patents
一种基于无线信号接收强度分布自动学习的无线室内定位方法 Download PDFInfo
- Publication number
- CN101466070A CN101466070A CNA2009100286737A CN200910028673A CN101466070A CN 101466070 A CN101466070 A CN 101466070A CN A2009100286737 A CNA2009100286737 A CN A2009100286737A CN 200910028673 A CN200910028673 A CN 200910028673A CN 101466070 A CN101466070 A CN 101466070A
- Authority
- CN
- China
- Prior art keywords
- wireless
- signal
- strength distribution
- value
- wireless signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种能够自动学习信号接收强度分布的无线室内定位方法,这种方法采用理论的无线信号传播模型和参数作为最初的场强分布曲线,***运行过程中,使用移动设备不断将收到的接收信号强度和最大期望算法对场强分布函数进行学习,得到精确的场强分布曲线。在得到新的场强分布曲线后,采用最小均方差统计估计算法对移动设备的位置进行估算。本发明提供的方法避免了无线定位***繁琐的校准过程,并能当***发生变化时,自动重新校准,大大减少了定位***的安装和维护成本。本发明适用于使用无线局域网、无线传感器网络、蓝牙或者手机网络等各种使用无线信号的室内定位***。
Description
技术领域
本发明涉及无线室内定位技术领域,利用无线信号接收强度来进行设备定位,特别是一种能够自动学习信号接收强度分布的无线室内定位方法。
背景技术
室内定位技术是一种在室内环境中获取人员物品位置信息的技术。室内定位技术在诸多领域有着广泛的应用,如博物馆导游、商场购物向导、物品人员追踪、智能楼宇、机器人、普适计算以及物流等等。由于建筑物对无线信号有着很强的屏蔽作用,基于卫星的定位***如GPS等在室内无法正常工作。目前的室内定位技术主要是指利用室内的无线信号来进行定位的技术,这些无线信号包括无线局域网信号、市内无绳电话信号、无线传感器网络以及其他专属频段的信号等等。通常来说,通过测量位置已知的发射机参考点(简称参考点)发出的射频信号的传播时间和接收信号强度可以计算发射端到接收端的距离,然后由三角定位的方法,就可以测算出物体的位置。但是这两种方法都存在较大的缺陷,首先,由于室内的距离很短,对传播时间的计算精度要求很高,目前普通的无线***都无法达到,必须使用特殊设计的设备,因此成本很高。其次,由于室内环境包括墙体、门、家具等诸多障碍物,无线信号的传播很不规则,无法用简单的模型来表示,因此无论是用传播时间还是接收信号强度计算所得的距离都存在较大的误差。目前主流的室内定位***采用的技术是对无线信号接收强度的分布进行提前校准,也就是说,在***使用之前,由技术人员在建筑物的各个地方提前测量无线信号的接收强度,得到信号接收强度与位置的关系曲线,并记录到数据库中,在***使用的时候,将待定位的设备观测到的无线信号强度与数据库进行比较,找出数据库中最接近接受信号强度的记录,从而得到设备所在的位置。这种方法的精度往往比较高,但是由于在***运行前需要在建筑物各处进行提前校准,因此耗费大量的时间和安装成本,同时,当***发生变化,如参考点的位置发生变化、室内布置发生变化等情况发生时,射频能量分布需要重新校准,因此这种方法的维护成本也很高。
发明内容
本发明的目的是提出一种能够在***运行过程中,自动学习无线信号强度分布曲线,并能自适应由于***环境变化如参考点的位置、参考点发射功率、室内设备的位置等参数的变化导致的无线信号强度分布曲线的变化。
本发明解决的主要问题是室内定位***需要人工定期对无线信号强度分布曲线进行校准的问题。采用本发明的室内定位方法,信号强度分布无需测量,而是***在运行过程中自动学习获得。
为了达到上述目的,本发明采用如下方案:
步骤1:对室内的位置进行采样,得到一系列采样点。
步骤2:采用理论的无线信号传播模型和参数作为最初的场强分布曲线,并对每个参考点发出的信号强度在采样点上的值进行计算。
步骤3:***开始运行过程中,移动设备不断将收到的接收信号强度信息传送到定位服务器中。
步骤4:当定位服务器收集到足够多的接收信号强度信息后,就用这些信号强度信息和最大期望算法对采样点上的场强值进行学习,得到精确的场强分布曲线。
步骤5:定位服务器利用最新的场强分布曲线,采用最小均方差统计估计算法对移动设备的位置进行估算。
步骤6:每过一段较长时间或者当***环境发生改变时,重新运行步骤4。
上述步骤1中对室内位置进行采样,可以是均匀采样,也可以是任意采样。
上述步骤2中建立初始场强分布曲线,可以是线性对数模型,如以下公式所示:
其中,Pr,dB代表接收信号强度,d0代表参考距离,通常为1米,P(d0)是信号在参考距离上的强度,η为能耗参数,室内环境下,该参数一般为1.5~6。W是均值为0的高斯分布变量。
初始场强分布曲线也可以是多墙分布曲线,如以下公式所示:
其中,λi是信号穿过第i堵墙的时候受到的损耗。其他参数与线性对数模型的参数一致。
在步骤2中,参数的取值无需测量,取标准值即可,例如,d0取1米,P(d0)取-20dBm,η取2,λi取10dB,W的方差取4dB。
上述步骤3中移动设备将接收到的信号强度传送到定位服务器,如图4,具体为:
1.设备在室内任意移动。
2.移动设备每隔1秒钟对所有参考点接收信号的强度进行一次测量。
3.对未接受到信号的参考点,接收信号强度设为设备的最小接受灵敏度。
4.将接收到的信号强度每隔一定时间传送给定位服务器。
上述步骤4对信号强度分布曲线在采样点的取值进行学习估算,从而得到准确的信号强度分布曲线,具体步骤为:
1.对每个移动设备发送的接收信号强度向量oi,计算在现有的信号强度分布曲线条件下,其位置在每个参考点xk的概率分布p(xk|oi)。
上述步骤5计算在当前场强分布条件下的位置信息,具体计算公式为
上述步骤6用于在***运行过程中对信号强度分布函数进行更新,从而自动适应由于***环境变化,设备参数变动等引起的信号强度分布函数的变化。
本发明的优点为,采用统计学习的方法,在***运行过程中,自动学习无线信号强度分布曲线,并能自适应由于***环境变化如参考点的位置、参考点发射功率、室内设备的位置等参数的变化导致的无线信号强度分布曲线的变化。避免了室内定位***需要人工定期对无线信号强度分布曲线进行校准的问题,大大降低了无线室内定位***的安装和维护成本,同时保证了定位精度。下面我们给出具体的说明:
1.本发明采用最大期望的统计学习方法,无需提前对无线信号强度分布曲线进行测量,而是首先采用最简单的理论模型,然后在***运行过程中对信号强度分布曲线进行学习逼近,从而在不牺牲定位精度的情况下,大大简化了无线室内定位***的安装过程和成本。
2.本发明同时可以自适应由于环境变化带来的信号强度分布曲线的变化,降低了***地维护成本。
3.本发明采用基于统计理论的最小均方差方法进行定位,充分考虑噪声因素,因此定位精度更高。
4.本发明可以应用于各种无线定位***,例如无线局域网定位***、无绳电话定位***、无线传感器网络定位***以及GSM定位***等。
附图说明
图1为本发明给出的移动设备与定位服务器信息交互示意图。
图2为本发明给出的信号强度多墙分布曲线示意图。
图3为本发明给出的场强分布学习流程示意图。
具体实施方式
下面结合附图及实施实例对本发明做进一步的说明。
本发明给出的无线室内定位***中的设备如图1所示,主要有如下3类:
位置已知的参考点:这类设备的位置已知,并且向其他节点发送无线信号,通常为无线局域网的接入点、无绳电话***的基站或者无线传感器网络中位置已知的传感器节点。在一个室内定位***中,通常要求有4个以上的参考点以保证三维定位的准确。
移动设备:这类设备的位置未知,并且在室内移动,移动设备将接收到的参考点发出的无线信号的强度发送到定位服务器中用于位置计算。
定位服务器:用于接收移动设备发送的数据,并进行信号分布曲线的计算和移动设备位置的计算。
本发明提出的基于无线信号接收强度分布自动学习的无线室内定位方法按照如下具体步骤实施:
步骤1:对室内的位置进行采样,得到一系列采样点。
步骤1的目的是用一系列采样点来表示室内位置,从而将接收信号强度分布曲线离散化。采样可以是均匀采样,也可以是非均匀采样。采样点越多,对接收信号强度分布曲线的估计就越准确。
步骤2:采用理论的无线信号传播模型和参数作为最初的场强分布曲线对每个参考点发出的信号强度在采样点上的值进行计算。
利用理论的无线信号传播模型可以得到最初的信号强度分布曲线。这种无线信号传播模型可以是对数线性模型(如图2所示)、多墙模型或者插值模型等其他的各种模型,模型的参数取值采用理论值即可,本发明对初始的信号传播模型及其参数的取值没有具体的要求,但是不同的信号传播模型将带来不同的模型误差,复杂模型的模型误差要小于简单模型的模型误差,在后面进行位置估算的时候,模型误差的大小将影响定位的准确度。
步骤3:***开始运行过程中,移动设备不断将收到的接收信号强度信息传送到定位服务器中。
移动设备在整个室内环境中移动,每秒钟测量一次所收到的各个参考点发出的信号强度,对没有接收到的参考点信号,记录为设备的最小灵敏度,一般为-90~-120dBm.每隔一段时间,如5到10秒钟,接收到的数据将通过TCP或者UDP被传送到定位服务器中。移动设备运动到室内的各个位置,例如各个房间,也可以同时有多个移动设备在室内环境中移动,加快信息收集的速度。与普通定位方法的信号强度分布曲线的提前校准不同,这种信号采集不需要记录采集点的位置,因此可以在***运行过程中自动快速完成。
步骤4:当定位服务器收集到足够多的接收信号强度信息后,就用这些信号强度信息和最大期望算法对采样点上的场强值进行学习,得到精确的场强分布曲线。
步骤4是本发明的核心,基本原理为统计学习理论中的最大期望算法,如图3所示,在定位服务器中,当移动设备发送了足够多的接收信号强度向量oi后,可以计算在现有的信号强度分布曲线条件下,其位置在每个参考点xk的概率分布p(xk|oi)。然后信号强度分布曲线在参考点xk的值更新为。最后计算信号强度分布的最大对数似然方程的值,如果收敛,则计算停止,准确的信号强度分布曲线可由参考点上的值表示,如果不收敛,则继续计算,直到收敛为止。
步骤5:定位服务器利用最新的场强分布曲线,采用最小均方差统计估计算法对移动设备的位置进行估算。
最小均方差统计估计算法的计算公式为 p(xk|oi)是在新的场强分布条件下,接收信号强度在每个参考点的概率分布。
步骤6:每过一段较长时间或者当***环境发生改变时,重新运行步骤4。
经过一段时间,室内的环境可能发生变化,例如,无线信号发射功率可能发生改变,室内的家具布置可能发生改变等等。在这种情况下,需要对场强分布重新学习。因此只要重新运行本发明提出的算法就可以。
上述的具体实施,对本发明作了进一步的解释,所应理解的是,本发明所涉及的场强分布学习算法,适用于各种使用无线信号,包括无线局域网(802.11)、无线传感器网络(802.15.4)、蓝牙以及手机信号(GSM,CDMA)等等,同样的方法也适用于各种无线信号在室外分布的学习,这些应用均包含在本发明的保护范围之内。
Claims (4)
1、一种基于无线信号接收强度分布自动学习的无线室内定位方法,其特征在于能够在***运行过程中,自动学习无线信号强度分布曲线,并能自适应由于***环境变化导致的无线信号强度分布曲线的变化,具体步骤为:
步骤1:对室内的位置进行采样,得到一系列采样点。
步骤2:采用理论的无线信号传播模型和参数作为最初的场强分布曲线,并对每个参考点发出的信号强度在采样点上的值进行计算。
步骤3:***开始运行过程中,移动设备不断将收到的接收信号强度信息传送到定位服务器中。
步骤4:当定位服务器收集到足够多的接收信号强度信息后,就用这些信号强度信息和最大期望算法对采样点上的场强值进行学习,得到精确的场强分布曲线。
步骤5:定位服务器利用最新的场强分布曲线,采用最小均方差统计估计算法对移动设备的位置进行估算。
步骤6:每过一段较长时间或者当***环境发生改变时,重新运行步骤4。
2、根据权利要求1所述的一种基于无线信号接收强度分布自动学习的无线室内定位方法,其特征在于在步骤2中使用的无线信号传播模型可以是对数线性模型、多墙模型或者插值模型等其他的各种模型,模型的参数取值采用理论值即可。
4、根据权利要求1所述的一种基于无线信号接收强度分布自动学习的无线室内定位方法,其特征在于在步骤5中最小均方差统计估计的方法判断位置,其计算公式为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100286737A CN101466070A (zh) | 2009-01-09 | 2009-01-09 | 一种基于无线信号接收强度分布自动学习的无线室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100286737A CN101466070A (zh) | 2009-01-09 | 2009-01-09 | 一种基于无线信号接收强度分布自动学习的无线室内定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101466070A true CN101466070A (zh) | 2009-06-24 |
Family
ID=40806374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2009100286737A Pending CN101466070A (zh) | 2009-01-09 | 2009-01-09 | 一种基于无线信号接收强度分布自动学习的无线室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101466070A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011053691A1 (en) * | 2009-10-30 | 2011-05-05 | Alcatel-Lucent Usa Inc. | Method and system for determining location information |
CN102307382A (zh) * | 2011-05-16 | 2012-01-04 | 苏州市职业大学 | 一种无线信号接收强度分布曲线的自动估算方法 |
CN102811103A (zh) * | 2012-07-11 | 2012-12-05 | 大连理工大学 | 一种基于差分接收信号强度信息的无线成像被动定位方法 |
CN103179505A (zh) * | 2011-12-26 | 2013-06-26 | 宇龙计算机通信科技(深圳)有限公司 | 数据获取方法、终端和服务器 |
CN103517209A (zh) * | 2012-06-19 | 2014-01-15 | 三星电子株式会社 | 用于在电子设备中提供语义位置的方法和装置 |
CN103619065A (zh) * | 2013-12-12 | 2014-03-05 | 深圳市三木通信技术有限公司 | 一种搜索方法、装置和移动终端 |
CN103686999A (zh) * | 2013-12-12 | 2014-03-26 | 中国石油大学(华东) | 基于WiFi信号的室内无线定位方法 |
WO2014056183A1 (en) * | 2012-10-12 | 2014-04-17 | Intel Corporation | Location estimation based on adjusted distance values for a wireless device |
US9485626B2 (en) | 2013-03-19 | 2016-11-01 | Intel Corporation | Building floor determination for a location based service |
CN106165461A (zh) * | 2014-04-08 | 2016-11-23 | 微软技术许可有限责任公司 | 接收机增益偏移 |
CN106233798A (zh) * | 2014-02-20 | 2016-12-14 | 微软技术许可有限责任公司 | 在目标区域中的无线用户设备装置的定位 |
CN106671138A (zh) * | 2016-08-25 | 2017-05-17 | 北京创想智控科技有限公司 | 一种移动机器人及其充电***和充电控制方法 |
CN106936897A (zh) * | 2017-02-22 | 2017-07-07 | 上海网罗电子科技有限公司 | 一种基于gpu的高并发人员定位数据计算方法 |
CN107528906A (zh) * | 2017-09-01 | 2017-12-29 | 清华大学 | 定位方法、终端、蓝牙节点、电子设备和存储介质 |
CN108205122A (zh) * | 2016-12-16 | 2018-06-26 | 富士施乐株式会社 | 信息处理设备、图像处理设备和信息处理方法 |
CN108535685A (zh) * | 2017-03-02 | 2018-09-14 | 本田技研工业株式会社 | 移动体控制*** |
CN108768548A (zh) * | 2018-06-12 | 2018-11-06 | Oppo广东移动通信有限公司 | 射频校准方法、装置、移动终端及计算机可读取存储介质 |
CN108882162A (zh) * | 2018-06-29 | 2018-11-23 | 电子科技大学 | 一种未知信号发射功率的室内定位方法 |
CN108919182A (zh) * | 2018-05-10 | 2018-11-30 | 电子科技大学 | 一种WiFi环境下基于支撑集及期望最大化的目标定位方法 |
CN111901057A (zh) * | 2019-05-06 | 2020-11-06 | ***通信有限公司研究院 | 室内天线信号强度检测方法、定位服务设备及终端 |
US10849205B2 (en) | 2015-10-14 | 2020-11-24 | Current Lighting Solutions, Llc | Luminaire having a beacon and a directional antenna |
-
2009
- 2009-01-09 CN CNA2009100286737A patent/CN101466070A/zh active Pending
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011053691A1 (en) * | 2009-10-30 | 2011-05-05 | Alcatel-Lucent Usa Inc. | Method and system for determining location information |
CN102307382A (zh) * | 2011-05-16 | 2012-01-04 | 苏州市职业大学 | 一种无线信号接收强度分布曲线的自动估算方法 |
CN102307382B (zh) * | 2011-05-16 | 2014-07-16 | 苏州市职业大学 | 一种无线信号接收强度分布曲线的自动估算方法 |
CN103179505A (zh) * | 2011-12-26 | 2013-06-26 | 宇龙计算机通信科技(深圳)有限公司 | 数据获取方法、终端和服务器 |
CN103517209A (zh) * | 2012-06-19 | 2014-01-15 | 三星电子株式会社 | 用于在电子设备中提供语义位置的方法和装置 |
CN103517209B (zh) * | 2012-06-19 | 2019-05-03 | 三星电子株式会社 | 用于在电子设备中提供语义位置的方法和装置 |
CN102811103A (zh) * | 2012-07-11 | 2012-12-05 | 大连理工大学 | 一种基于差分接收信号强度信息的无线成像被动定位方法 |
WO2014056183A1 (en) * | 2012-10-12 | 2014-04-17 | Intel Corporation | Location estimation based on adjusted distance values for a wireless device |
US9031574B2 (en) | 2012-10-12 | 2015-05-12 | Intel Corporation | Location estimation based on adjusted distance values for a wireless device |
US9485626B2 (en) | 2013-03-19 | 2016-11-01 | Intel Corporation | Building floor determination for a location based service |
CN103619065A (zh) * | 2013-12-12 | 2014-03-05 | 深圳市三木通信技术有限公司 | 一种搜索方法、装置和移动终端 |
CN103686999A (zh) * | 2013-12-12 | 2014-03-26 | 中国石油大学(华东) | 基于WiFi信号的室内无线定位方法 |
CN106233798A (zh) * | 2014-02-20 | 2016-12-14 | 微软技术许可有限责任公司 | 在目标区域中的无线用户设备装置的定位 |
CN106165461A (zh) * | 2014-04-08 | 2016-11-23 | 微软技术许可有限责任公司 | 接收机增益偏移 |
CN106165461B (zh) * | 2014-04-08 | 2019-11-05 | 微软技术许可有限责任公司 | 接收机增益偏移 |
US10849205B2 (en) | 2015-10-14 | 2020-11-24 | Current Lighting Solutions, Llc | Luminaire having a beacon and a directional antenna |
CN106671138A (zh) * | 2016-08-25 | 2017-05-17 | 北京创想智控科技有限公司 | 一种移动机器人及其充电***和充电控制方法 |
CN106671138B (zh) * | 2016-08-25 | 2023-10-20 | 北京创想智控科技有限公司 | 一种移动机器人及其充电***和充电控制方法 |
CN108205122A (zh) * | 2016-12-16 | 2018-06-26 | 富士施乐株式会社 | 信息处理设备、图像处理设备和信息处理方法 |
CN106936897A (zh) * | 2017-02-22 | 2017-07-07 | 上海网罗电子科技有限公司 | 一种基于gpu的高并发人员定位数据计算方法 |
CN108535685B (zh) * | 2017-03-02 | 2022-02-25 | 本田技研工业株式会社 | 移动体控制*** |
CN108535685A (zh) * | 2017-03-02 | 2018-09-14 | 本田技研工业株式会社 | 移动体控制*** |
CN107528906B (zh) * | 2017-09-01 | 2019-12-24 | 清华大学 | 定位方法、终端、蓝牙节点、电子设备和存储介质 |
CN107528906A (zh) * | 2017-09-01 | 2017-12-29 | 清华大学 | 定位方法、终端、蓝牙节点、电子设备和存储介质 |
CN108919182A (zh) * | 2018-05-10 | 2018-11-30 | 电子科技大学 | 一种WiFi环境下基于支撑集及期望最大化的目标定位方法 |
CN108768548A (zh) * | 2018-06-12 | 2018-11-06 | Oppo广东移动通信有限公司 | 射频校准方法、装置、移动终端及计算机可读取存储介质 |
CN108882162A (zh) * | 2018-06-29 | 2018-11-23 | 电子科技大学 | 一种未知信号发射功率的室内定位方法 |
CN111901057A (zh) * | 2019-05-06 | 2020-11-06 | ***通信有限公司研究院 | 室内天线信号强度检测方法、定位服务设备及终端 |
CN111901057B (zh) * | 2019-05-06 | 2022-10-14 | ***通信有限公司研究院 | 室内天线信号强度检测方法、定位服务设备及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101466070A (zh) | 一种基于无线信号接收强度分布自动学习的无线室内定位方法 | |
Cheng et al. | Indoor robot localization based on wireless sensor networks | |
CN101191832B (zh) | 一种基于测距的无线传感器网络节点定位方法 | |
Daiya et al. | Experimental analysis of RSSI for distance and position estimation | |
CN102984745B (zh) | Wi-Fi AP位置及路径损耗模型的联合估测方法 | |
CN104853317A (zh) | 一种WiFi室内定位中指纹库的构建及更新方法 | |
CN102725648B (zh) | 用于确定某位置与基准位置的一致性的设备和方法 | |
CN102307382B (zh) | 一种无线信号接收强度分布曲线的自动估算方法 | |
Guidara et al. | A new deep learning-based distance and position estimation model for range-based indoor localization systems | |
CN103338516A (zh) | 一种基于总体最小二乘的无线传感器网络两步定位方法 | |
CN101986757A (zh) | 一种移动终端的定位方法及装置 | |
Aomumpai et al. | Optimal placement of reference nodes for wireless indoor positioning systems | |
CN110636436A (zh) | 基于改进chan算法的三维uwb室内定位方法 | |
CN103249144A (zh) | 一种基于c型的无线传感器网络节点定位方法 | |
CN104093204A (zh) | 一种基于无线传感器网络的rssi区域定位方法 | |
Huang et al. | Scout: Outdoor localization using active RFID technology | |
Tian et al. | Third-order channel propagation model-based indoor adaptive localization algorithm for wireless sensor networks | |
CN106353724B (zh) | 一种基于无线传感器网络的精确室内定位方法 | |
Zheng et al. | The study of RSSI in wireless sensor networks | |
Fahama et al. | An experimental comparison of RSSI-based indoor localization techniques using ZigBee technology | |
CN104036136B (zh) | 一种基于rssi的近距离精确定位方法 | |
CN102122004A (zh) | 铁路防灾风预测方法 | |
CN104635206A (zh) | 一种无线定位的方法及装置 | |
Fakhri et al. | Path-loss modelling for WSN deployment in indoor and outdoor environments for medical applications | |
Denisov et al. | Peculiarities of Time of Flight Indoor Positioning based on DWM1000 Modules |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090624 |