CN104833964A - 针对雷达/声呐***的目标检测跟踪一体化方法和装置 - Google Patents

针对雷达/声呐***的目标检测跟踪一体化方法和装置 Download PDF

Info

Publication number
CN104833964A
CN104833964A CN201510210466.9A CN201510210466A CN104833964A CN 104833964 A CN104833964 A CN 104833964A CN 201510210466 A CN201510210466 A CN 201510210466A CN 104833964 A CN104833964 A CN 104833964A
Authority
CN
China
Prior art keywords
data information
target
posterior
priori data
model
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
Application number
CN201510210466.9A
Other languages
English (en)
Inventor
刘斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201510210466.9A priority Critical patent/CN104833964A/zh
Publication of CN104833964A publication Critical patent/CN104833964A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/66—Sonar tracking systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种针对雷达/声呐***的目标检测跟踪一体化方法和装置，以解决复杂观测环境下的雷达/声呐目标检测与跟踪问题。本发明方法首先获取和目标个数、目标运动模式、信号类型、物理观测环境相关的概率测度先验数据信息；采用贝叶斯非参建模方法对上述先验数据信息进行统一化建模；在上述先验模型基础之上，融入当前观测信息，采用贝叶斯机制构建目标状态后验模型；采用蒙特卡洛后验分布采样方法对目标参数后验分布进行随机采样，利用所抽取的随机样本进行相应的统计推断，以估计目标有无、目标个数以及目标运动参数。本发明方法和装置的将对复杂观测环境下雷达/声呐目标检测跟踪问题的有效解决具有促进作用。

Description

针对雷达/声呐***的目标检测跟踪一体化方法和装置
技术领域
本发明涉及一种目标检测跟踪方法及装置，属于跟踪勘探技术领域。
背景技术
如何利用信号处理方法处理噪声观测数据，进而实现对运动目标的准确检测与精确跟踪，是诸多军事和民用领域中所面临的难题，也是近年国际上重要的研究方向和研究热点之一。军事上，有效的目标检测跟踪方法可用来检测、搜索和跟踪敌方目标，如潜艇、舰艇、鱼雷、水雷、飞机、导弹等,以便本方实施有效的攻击或者规避。国际上众多的(尤其由军方支持的)研究机构和研究项目，正积极开展相关课题研究：如意大利的NATO Undersea Research Center(NURC)，德国的German Defense Establishment(FGAN-FKIE)，美国的NavalUndersea Warfare Center、Office of Naval Research、Air Force Research Lab、林肯实验室和DARPA项目，英国的Defense Technology Center、QinetiQ和Malvern Technology Centre，澳大利亚的Defense Science and TechnologyOrganization(DSTO)及其下属的Maritime Operations Division。当前我国面临极其复杂的国际***势，在此大背景下，开展对先进目标检测跟踪方法的研究尤具现实意义。此外，目标检测与跟踪方法也广泛应用于鱼群探测、资源勘探、船舶导航、水下作业、交通调度、视频监控、机器人导航等民用领域。
在雷达、声纳、红外探测、视频监控等相关研究领域，目标检测与目标跟踪通常被视为两个独立问题。目标检测问题可以描述为：如何通过处理噪声观测数据以判别目标是否存在；而跟踪问题则关注于：在目标存在的前提下，如何从噪声观测数据中实时提取目标的运动状态信息。由此可见，目标检测通常是目标跟踪的前置处理模块，目标跟踪效果则依赖于可靠的检测结果。针对水声***，声波在水下信道中的传播机制远远复杂于电磁波在空气中的传播：一方面，声波在水下的传播速度慢、通信时延大，单次水声试验所获得的试验数据通常很少；另一方面，水声信道物理特性复杂，信道多径效应严重，杂波密度大，很难判别观测数据是源自真实目标，还是产生于杂波或其它类型的噪声。现有声纳***通常采取将检测与跟踪作为单独模块“分而治之”的方式。这种方式存在的问题包括：目标检测跟踪性能过分依赖于检测门限值的设定；对于水声等复杂信道，由于多普勒频散现象与多径效应明显，观测数据统计平稳性差，检测模块将很难选取合适的时间域分段节点以保证目标回波在每一观测时间段内的统计平稳性；现代化目标的强预警能力与机动性会引起目标运动模式的瞬变性及不确定性，从而为常规的目标检测跟踪模式带来严峻挑战。
发明内容
为了解决上述复杂观测环境下的雷达/声呐目标检测与跟踪问题，本发明提供了一种针对雷达/声呐***的目标检测跟踪一体化方法和装置，
其中，针对雷达/声呐***的目标检测跟踪一体化方法包括如下步骤：
S1：获取和目标个数、目标运动模式、信号类型、物理观测环境相关的概率测度先验数据信息；
S2：采用贝叶斯非参建模方法对上述先验数据信息进行统一化建模，得到先验模型，将有可能影响目标状态的各种因素统一在一个模型之中，该模型描述了目标状态与先验数据信息间的统计依赖关系；
S3：在上述S2步骤得到的先验模型基础之上，融入当前观测信息，采用贝叶斯机制构建目标状态后验模型；
S4：基于上述S3步骤得到的后验模型，采用蒙特卡洛后验分布采样方法进行统计推断，估计目标有无、目标个数以及目标运动参数。
进一步，上述先验数据信息的来源包括雷达/声呐操作员的经验和口头表述、保存过的相关实验场景下的历史数据、有可能影响目标信号统计特性的其它各类数据信息，如天气、海水物理特性等。
进一步，步骤S2中，先验信息中所包含的不精确、不确定和模糊性因素通过概率分布的形式进行表示。
进一步，步骤S3的具体过程为，先定义似然函数描述模型参数与当前观测数据的相互依赖关系，基于贝叶斯公式融合先验分布和似然函数，计算得到模型参数的后验概率密度分布。
进一步，步骤S4中，采用蒙特卡洛后验分布采样方法，包括马尔科夫链蒙特卡洛算法及其各种变种和序列蒙特卡洛方法及其各种改进算法，对模型参数后验分布进行随机抽样，得到针对后验分布的基于随机样本的离散近似。基于随机样本集，进行统计推断，输出对目标个数和目标运动状态的实时估计值。
进一步，上述先验模型和后验模型中均含有指示目标是否存在的二元参数以及目标运动状态参数。
针对雷达/声呐***的目标检测跟踪一体化装置包括：
先验数据信息收集与获取装置：该装置由数据接口模块、数据存储模块组成，数据接口模块负责接收各类先验数据源发送来的先验数据信息，数据存储模块负责将先验数据信息进行储存。
先验数据信息统一化建模与表示装置：是利用贝叶斯非参模型对上述各种先验数据信息进行统一化描述建模，利用统一的数学语言，即贝叶斯非参模型，将各种先验数据信息与目标状态间的关系加以描述。
观测数据与先验数据信息统计融合装置：用于收集最新的观测数据并将其与先验数据信息进行融合，获得描述当前时刻目标状态的后验模型。
基于后验分布采样方法的统计推断装置：该装置负责运行贝叶斯后验分布采样算法，对目标状态后验概率分布进行随机抽样，利用所获得的随机样本进行相应的统计推断，输出对目标个数以及目标运动参数估计值。
通过采用上述技术方案，本发明能够实现从***角度，对影响观测信号统计特性的各类不确定性因素，如目标信号类型、目标运动模式、信道特性等，在贝叶斯非参模型框架内进行统一建模处理，实现由观测数据主导的***模型自动构建与更新，和对目标信息的全局最优估计。本发明将目标检测与目标跟踪置于统一的统计模型架构内，充分挖掘目标检测与目标跟踪两环节间的内在机理联系，充分利用多源异构的先验信息，给出较传统方案更为准确的目标检测跟踪效果。
附图说明
图1是本发明方法的流程图。
图2是本发明装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
实施例一
如图1所示，本实施例为一种针对雷达声呐***的目标检测跟踪一体化方法，包括以下步骤：
S1：获取相关先验数据信息，包括和目标个数、目标运动模式、信号类型、物理观测环境相关的概率测度先验数据信息。
S2：对上述先验数据信息进行统一化统计建模，得到先验概率模型。先验构建过程采用贝叶斯非参建模策略构建贝叶斯非参先验概率分布。
S3：在上述贝叶斯非参先验分布基础之上，融合最新观测数据，构建贝叶斯非参后验概率分布。观测数据与目标状态参量之间的不确定关系通过概率似然函数方程来建模。依据贝叶斯推理机制对上述先验分布和概率似然函数进行融合，获取贝叶斯后验概率分布。
S4：采用特定的蒙特卡洛采样算法对上述贝叶斯后验概率分布进行随机抽样，将基于贝叶斯后验分布的统计推断问题转化为基于后验分布样本的求和运算。
实施例二
如图2所示，本实施例为一种针对雷达声呐***的目标检测跟踪一体化处理装置，该装置由先验数据信息收集与获取装置、先验数据信息统一化建模与表示装置、观测数据与先验数据信息统计融合装置以及基于后验分布采样方法的统计推断装置构成。其中：
先验数据信息收集与获取装置是用于采集、存储相关先验数据信息(包括和目标个数、目标运动模式、信号类型、物理观测环境相关的概率测度先验数据信息)的设备，由集成电路和存储芯片构成；
先验数据信息统一化建模与表示装置是运行特定建模方法的数据处理装置，该装置将采集到的先验数据信息进行统一的统计分布建模；
观测数据与先验数据信息统计融合装置是运行特定算法的数据处理装置，用于在上述贝叶斯非参先验分布基础之上，融合最新观测数据，构建贝叶斯非参后验概率分布观测数据与目标状态参量之间的不确定关系通过概率似然函数方程来建模。依据贝叶斯推理机制对上述先验分布和概率似然函数进行融合，获取贝叶斯后验概率分布；
基于后验分布采样方法的统计推断装置采用特定的蒙特卡洛采样算法对上述贝叶斯后验概率分布进行随机抽样，将基于贝叶斯后验分布的统计推断问题转化为基于后验分布样本的求和运算。
本发明不限于上述实施例，一切采用等同替换或等效替换形成的技术方案均属于本发明要求保护的范围。

Claims (7)

1.一种针对雷达/声呐***的目标检测跟踪一体化方法，其特征在于，包括如下步骤：
S1：获取和目标个数、目标运动模式、信号类型、物理观测环境相关的概率测度先验数据信息；
S2：采用贝叶斯非参建模方法对所述先验数据信息进行统一化建模，得到先验模型；
S3：在上述S2步骤得到的先验模型基础之上，融入当前观测信息，采用贝叶斯机制构建目标状态后验模型；
S4：基于上述S3步骤得到的后验模型，采用蒙特卡洛后验分布采样方法进行统计推断，估计目标有无、目标个数以及目标运动参数。
2.根据权利要求1所述的方法，其特征是，所述先验数据信息的来源包括雷达/声呐操作员的经验和口头表述、保存过的实验场景下的历史数据以及有可能影响目标信号统计特性的其它数据信息。
3.根据权利要求2所述的方法，其特征是，所述先验数据信息中所包含的不精确、不确定和模糊性因素通过概率分布的形式进行表示。
4.根据权利要求1或2所述的方法，其特征是，所述步骤S3的具体过程为，先定义似然函数描述模型参数与当前观测数据的相互依赖关系，基于贝叶斯公式融合先验分布和似然函数，计算得到模型参数的后验概率密度分布。
5.根据权利要求4所述的方法，其特征是，步骤S4的具体过程为，采用蒙特卡洛后验分布采样方法，对模型参数后验分布进行随机抽样，得到针对后验分布的基于随机样本的离散近似，再进行统计推断，输出对目标个数和目标运动状态的实时估计值。
6.根据权利要求1或2所述的方法，其特征是，所述先验模型和后验模型中均含有指示目标是否存在的二元参数以及目标运动状态参数。
7.一种针对雷达/声呐***的目标检测跟踪一体化装置，其特征是，包括先验数据信息收集与获取装置、先验数据信息统一化建模与表示装置、观测数据与先验数据信息统计融合装置及基于后验分布采样方法的统计推断装置，其中：
所述先验数据信息收集与获取装置由数据接口模块和数据存储模块组成，数据接口模块负责接收各类先验数据源发送来的先验数据信息，数据存储模块负责将先验数据信息进行储存；
所述先验数据信息统一化建模与表示装置是利用贝叶斯非参模型对所述先验数据信息进行统一化描述建模，将各种先验数据信息与目标状态间的关系加以描述；
所述观测数据与先验数据信息统计融合装置用于收集最新的观测数据并将其与所述先验数据信息进行融合，获得描述当前时刻目标状态的后验模型；
所述基于后验分布采样方法的统计推断装置负责运行贝叶斯后验分布采样算法，对目标状态后验概率分布进行随机抽样，利用所获得的随机样本进行统计推断，输出对目标个数以及目标运动参数估计值。
CN201510210466.9A 2015-04-28 2015-04-28 针对雷达/声呐***的目标检测跟踪一体化方法和装置 Pending CN104833964A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510210466.9A CN104833964A (zh) 2015-04-28 2015-04-28 针对雷达/声呐***的目标检测跟踪一体化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510210466.9A CN104833964A (zh) 2015-04-28 2015-04-28 针对雷达/声呐***的目标检测跟踪一体化方法和装置

Publications (1)

Publication Number Publication Date
CN104833964A true CN104833964A (zh) 2015-08-12

Family

ID=53811964

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510210466.9A Pending CN104833964A (zh) 2015-04-28 2015-04-28 针对雷达/声呐***的目标检测跟踪一体化方法和装置

Country Status (1)

Country Link
CN (1) CN104833964A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105651284A (zh) * 2015-12-29 2016-06-08 福州华鹰重工机械有限公司 提高经验导航中节点选择效率的方法及装置
CN106443624A (zh) * 2016-09-14 2017-02-22 清华大学 一种目标检测与跟踪一体化方法
CN107422326A (zh) * 2017-03-30 2017-12-01 燕山大学 基于贝叶斯估计的水下目标追踪方法
CN109085571A (zh) * 2018-08-20 2018-12-25 中国人民解放军海军航空大学 基于三重贝叶斯准则的高超声速目标跟踪方法
CN110146909A (zh) * 2018-09-06 2019-08-20 腾讯科技（深圳）有限公司 一种定位数据处理方法
CN110531362A (zh) * 2018-05-23 2019-12-03 中国科学院声学研究所 一种高分辨率运动声呐知识基的目标检测方法
CN110852019A (zh) * 2019-11-28 2020-02-28 上海无线电设备研究所 一种雷达目标的散射中心建模方法
CN112162246A (zh) * 2020-07-17 2021-01-01 中国人民解放军63892部队 一种基于贝叶斯网络雷达***复杂电磁环境效应分析方法
CN115034692A (zh) * 2022-08-11 2022-09-09 深圳市信润富联数字科技有限公司 数据漂移的跟踪方法、装置、终端设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043150A (zh) * 2010-12-06 2011-05-04 电子科技大学 用于微弱目标检测的改进型粒子滤波检测前跟踪方法
CN102722706A (zh) * 2012-05-24 2012-10-10 哈尔滨工程大学 基于粒子滤波的红外弱小目标检测与跟踪方法及装置
JP2014106133A (ja) * 2012-11-28 2014-06-09 Toshiba Corp 目標検出装置及び目標検出方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043150A (zh) * 2010-12-06 2011-05-04 电子科技大学 用于微弱目标检测的改进型粒子滤波检测前跟踪方法
CN102722706A (zh) * 2012-05-24 2012-10-10 哈尔滨工程大学 基于粒子滤波的红外弱小目标检测与跟踪方法及装置
JP2014106133A (ja) * 2012-11-28 2014-06-09 Toshiba Corp 目標検出装置及び目標検出方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
何岩: "《统计稀疏学习中的贝叶斯非参数建模方法及其应用研究》", 30 April 2014 *
刘伟峰等: "基于随机采样的多量测目标跟踪算法", 《自动化学报》 *
张宗: "基于蒙特卡洛方法的改进粒子滤波算法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
徐立中等: "基于信赖域的序贯拟蒙特卡洛滤波算法", 《电子学报》 *
黄大羽: "复杂环境下弱目标检测与跟踪算法研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105651284B (zh) * 2015-12-29 2017-06-20 福州华鹰重工机械有限公司 提高经验导航中节点选择效率的方法及装置
CN105651284A (zh) * 2015-12-29 2016-06-08 福州华鹰重工机械有限公司 提高经验导航中节点选择效率的方法及装置
CN106443624A (zh) * 2016-09-14 2017-02-22 清华大学 一种目标检测与跟踪一体化方法
CN106443624B (zh) * 2016-09-14 2019-02-22 清华大学 一种目标检测与跟踪一体化方法
CN107422326A (zh) * 2017-03-30 2017-12-01 燕山大学 基于贝叶斯估计的水下目标追踪方法
CN110531362A (zh) * 2018-05-23 2019-12-03 中国科学院声学研究所 一种高分辨率运动声呐知识基的目标检测方法
CN110531362B (zh) * 2018-05-23 2021-09-10 中国科学院声学研究所 一种高分辨率运动声呐知识基的目标检测方法
CN109085571B (zh) * 2018-08-20 2020-04-21 中国人民解放军海军航空大学 基于三重贝叶斯准则的高超声速目标跟踪方法
CN109085571A (zh) * 2018-08-20 2018-12-25 中国人民解放军海军航空大学 基于三重贝叶斯准则的高超声速目标跟踪方法
CN110146909A (zh) * 2018-09-06 2019-08-20 腾讯科技（深圳）有限公司 一种定位数据处理方法
CN110146909B (zh) * 2018-09-06 2022-03-15 腾讯科技（深圳）有限公司 一种定位数据处理方法
CN110852019A (zh) * 2019-11-28 2020-02-28 上海无线电设备研究所 一种雷达目标的散射中心建模方法
CN112162246A (zh) * 2020-07-17 2021-01-01 中国人民解放军63892部队 一种基于贝叶斯网络雷达***复杂电磁环境效应分析方法
CN112162246B (zh) * 2020-07-17 2024-02-09 中国人民解放军63892部队 一种基于贝叶斯网络雷达***复杂电磁环境效应分析方法
CN115034692A (zh) * 2022-08-11 2022-09-09 深圳市信润富联数字科技有限公司 数据漂移的跟踪方法、装置、终端设备及存储介质

Similar Documents

Publication Publication Date Title
CN104833964A (zh) 针对雷达/声呐***的目标检测跟踪一体化方法和装置
CN103477244B (zh) 检测水下结构的结构变化
Georgy et al. Clustered mixture particle filter for underwater multitarget tracking in multistatic active sonobuoy systems
US8638641B2 (en) Real-time robust method for determining the trajectory of one or more cetaceans by means of passive acoustics, using a laptop computer
CN111505599B (zh) 一种基于精确距离演化模型的相参积累检测方法
Xiong et al. A scheme on indoor tracking of ship dynamic positioning based on distributed multi-sensor data fusion
CN105301584A (zh) 同时解距离模糊的ipphdf机动多目标跟踪方法
CN108318876A (zh) 一种利用单个水听器估计水下目标深度和距离的方法
Jang et al. Bayesian detection and tracking of odontocetes in 3-D from their echolocation clicks
CN105549004A (zh) 解距离测量模糊的impm-pphdf方法
Angley et al. Sensor scheduling for target tracking in large multistatic sonobuoy fields
CN106443624B (zh) 一种目标检测与跟踪一体化方法
CN106154274A (zh) 一种水下小目标多基地融合跟踪方法
Vu et al. Track-before-detect for an active towed array sonar
Lohrasbipeydeh et al. Single hydrophone passive acoustic sperm whale range and depth estimation
De Theije et al. Multistatic sonar simulations with SIMONA
Grimmett et al. Modeling specular occurrence in distributed multistatic fields
Masmitja et al. Area-only method for underwater object tracking using autonomous vehicles
Romeo et al. Data fusion with ML-PMHT for very low SNR track detection in an OTHR
CN101846738B (zh) 基于界面反射极性判别的虚元定位方法
Morelande et al. Multi-target tracking for multistatic sonobuoy systems
Divya et al. Underwater Object Tracking using Unscented Kalman Filter
Li et al. Mobile robot based odor path estimation via dynamic window approach
Blouin et al. Toward distributed noise-source localization for underwater sensor networks
Cao et al. Travel time processing for LBL positioning system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150812

RJ01 Rejection of invention patent application after publication