CN109444519A - 面向复杂声环境的变电站噪声源分离方法 - Google Patents
面向复杂声环境的变电站噪声源分离方法 Download PDFInfo
- Publication number
- CN109444519A CN109444519A CN201811276142.5A CN201811276142A CN109444519A CN 109444519 A CN109444519 A CN 109444519A CN 201811276142 A CN201811276142 A CN 201811276142A CN 109444519 A CN109444519 A CN 109444519A
- Authority
- CN
- China
- Prior art keywords
- noise
- signal
- substation
- corona
- frequency
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明涉及一种面向复杂声环境的变电站噪声源分离方法,利用传声器、数据采集卡以及计算机构成噪声数据采集***并检测变电站原始声信号;采用小波包分析算法对原始声信号进行频段分解,从中滤除环境噪声;设计通带梳状滤波器,通带频率为50Hz及其倍频频率,对小波包分解后的噪声信号低频段进行处理,提取出本体噪声信号;相应地,设计阻带梳状滤波器对噪声信号进行处理,获得包含电晕噪声在内的冷却装置噪声;基于谱减法语音增强技术,对电晕与冷却装置混合噪声进行分离,完成变电站主要声源噪声分离过程。本发明满足站内各主要设备噪声源水平提取需求,对于提高变压器噪声水平检测以及噪声源特性研究的准确性均具有重要意义。
Description
技术领域
本发明涉及一种面向复杂声环境的变电站噪声源分离方法。
背景技术
随着居民环保意识的逐渐提高,与电力设备噪声问题相关的投诉与纠纷案件数量不断上升,制约了电网建设发展,现已成为电网建设过程中必须面临的客观现实问题。然而,变电站内噪声源较多、声环境较为复杂,变压器、电抗器、冷却风机、绝缘子与变电架构电晕噪声相互混叠,某一测点噪声实际为多个设备声场综合作用的结果,导致变电站各主要声源噪声检测结果与实际值存在较大偏差,这一现象在特高压变电站问题尤为突出。因此,研究变电站噪声源定位与分离方法、分析变电站的噪声源分布、实现主设备噪声源强分析、明确声源贡献,对于提高变电站内各主要设备噪声测量的准确性、合理安排噪声治理工程费用均具有重要意义。
研究表明,变压器本体以及电抗器噪声频率主要集中在100Hz及其一系列谐频上,同时包含一定数量的50Hz奇数倍频率,整个频带范围主要集中在1kHz以内;而变压器冷却装置噪声主要由空气漩涡流动所致,集中在1.5kHz范围内,可以认为冷却装置噪声为典型的白噪声;变电架构的交流电晕噪声为一系列脉冲声的集合,在频域上表现出全频带分布的宽带噪声特性。根据噪声源的频谱特征差异,采用频域分析方法能够实现变压器本体、电抗器噪声与冷却装置噪声信号的分离,在频谱中提取出50Hz及其一系列谐频成分后,利用傅里叶反变换得出变压器本体及电抗器时域噪声信号。但是由于电晕噪声在频谱上也表现出全频带分布的宽频特性,仅采用频域方法难以实现将其与冷却装置噪声信号分离。
发明内容
本发明的目的是提供一种面向复杂声环境的变电站噪声源分离方法,通过设计通带与阻带滤波器分离变压器本体声信号,利用谱减法语音增强方法实现电晕噪声与冷却风机噪声分离。
为了达到上述目的,本发明的技术方案是提供一种面向复杂声环境的变电站噪声源分离方法:
检测变电站原始声信号;
采用小波包分析算法对原始声信号做频段分解,从中滤除环境噪声;
基于通带梳状滤波器对小波包分解后的噪声信号低频段进行处理,提取出本体噪声信号;
通过阻带梳状滤波器对噪声信号进行处理,获得包含电晕噪声在内的冷却装置噪声;
基于谱减法语音增强技术,对电晕噪声与冷却装置混合噪声进行分离。
变电站振动与噪声环评超标问题已受到广泛关注。对电力设备噪声进行治理的前提是能够掌握变电站噪声源定位与源强的精确数据,然而传声器检测到的变压器噪声信号通常为各噪声源信号叠加的结果,需要对源信号进行分离,提取纯净的变压器噪声信号,明确变电站各声源噪声贡献量,从而实现对各设备噪声分布与排放水平的准确预测与控制。
本发明通过设计通带与阻带滤波器分离变压器本体声信号,提出基于谱减法的语音增强技术实现冷却风机和电晕噪声的分离,满足站内各主要设备噪声源水平提取需求,对于提高变压器噪声水平检测以及噪声源特性研究的准确性均具有重要意义。
附图说明
图1是谱减法语音增强技术原理图;
图2a、图2b分别是通带与阻带梳状滤波器幅频响应图;
图3是变电站噪声源信号分离方法的流程示意图;
图4是变压器本体噪声信号频谱图;
图5是变压器本体噪声时域信号图;
图6是变压器冷却装置噪声频谱图;
图7是变压器冷却装置时域噪声信号图;
图8a、图8b分别是分离前、后的电晕噪声频谱分布图;
图9a、图9b分别是分离前后电晕噪声时域信号图。
具体实施方式
以下结合附图,说明本发明的具体实施方式。
1.1基于谱减法的语音增强技术
谱减法是处理宽带噪声较为有效的方法,其基本原理是在假设噪声r(n)与语音信号s(n)相互独立的前提下,从带噪语音信号y(n)的功率谱Py(ω)中减去噪声功率谱Pn(ω),从而得到较为纯净的语音频谱,如图1所示。图中,Ψ(ω)为混合噪声信号的相位谱。
变电站变电架构电晕噪声为短时脉冲声信号,而变压器冷却装置噪声较为平稳,两者相互独立。因此,可以假设电晕与冷却装置的混合噪声为带噪语音信号y(n),电晕噪声为纯净语音信号s(n),冷却装置噪声为加性噪声r(n),则y(n)可表示为式(1):
y(n)=s(n)+r(n) (1)
对带噪信号进行分帧处理,第λ帧信号的加窗傅里叶变换为
式中Y(k,λ)为带噪信号频谱;k=0,1,…,N-1为频率点;R为帧移;N为帧长;h(μ)为窗函数。
对式(1)进行Fourier变换,则有
Y(k,λ)=S(k,λ)+R(k,λ) (3)
式中S(k,λ)与R(k,λ)分别表示信号s(n)以及r(n)的Fourier变换。
由于信号s(n)与r(n)相互独立,则信号功率谱满足式(4)关系:
|Y(k,λ)|2=|S(k,λ)|2+|R(k,λ)|2 (4)
令Py(k,λ)、Ps(k,λ)以及Pr(k,λ)分别表示信号y(n)、s(n)以及r(n)第λ帧的功率谱,则有
Py(k,λ)=Ps(k,λ)+Pr(k,λ) (5)
由于变压器冷却装置噪声在电晕脉冲噪声发生前与发生期间基本不变,因此可以通过电晕噪声未发生时的“寂静段”来估计变压器冷却装置的功率谱,从而有
为了防止出现负功率谱,当混合噪声功率谱小于冷却装置噪声功率谱时,电晕噪声功率谱取为0。由式(6)计算出的功率谱可认为是较为纯净的电晕噪声功率谱。利用该功率谱恢复降噪后的时域信号。
以上频域处理过程仅考虑了功率谱的变换,最终的电晕噪声信号需要借助相位谱进行恢复。由于人耳对声信号的相位信息较为不敏感,因此可借助混合噪声信号的相位信息恢复时域电晕噪声信号,去窗后的第λ帧电晕噪声信号为
式中j为虚部符号;IFFT表示Fourier反变换。
对信号s(n,λ)重叠相加,从而得出纯净的电晕声信号s(n)。
1.2通带与阻带梳状滤波器设计
根据变压器、电抗器噪声频谱特性可知,本体噪声特征频率为50Hz及其一系列倍频。因此,以该特征频率成分为通带及阻带频率设计梳状滤波器。
设滤波器输入信号为x(m),输出信号为y(m),直接形式的滤波器函数可以表述为:
式中:m-1为滤波器阶数;ma为反馈滤波器阶数;mb为前馈滤波器阶数;bi(i=0,1,…,mb)为前馈滤波器系数;ai(i=1,…,ma)为反馈滤波器系数。
对式(8)进行z变换,上述滤波器的传递函数为:
通带滤波器的-3dB通带与阻带带宽均为10Hz,阶数为6阶。根据上述参数设计的通带、阻带梳状滤波器1kHz频带内的幅频响应分别如图2a与图2b所示。
本发明的变电站噪声信号分离方法流程,如图3所示。利用传声器、数据采集卡以及计算机构成噪声数据采集***并检测变电站原始声信号;采用小波包分析算法对原始声信号进行频段分解,从中滤除环境噪声;设计通带梳状滤波器,通带频率为50Hz及其倍频频率,对小波包分解后的噪声信号低频段进行处理,提取出本体噪声信号;相应地,设计阻带梳状滤波器对小波分解后的低频段噪声信号进行处理,获得包含电晕噪声在内的冷却装置噪声;基于谱减法语音增强技术,对电晕与冷却装置混合噪声进行分离,完成变电站主要声源噪声分离过程。
以下提供一个实际案例,来分析本发明的效果:
以荆门特高压交流变电站变压器噪声信号为例,分析采用谱减法语音增强方法对变电站变压器、冷却风机、电晕噪声等主要设备进行噪声源分离的效果。
3.1变压器(电抗器)本体噪声信号分离
选用db4小波基,对预处理后的变压器噪声信号进行5层小波分解,采用图2a所示的通带梳状滤波器对小波分解近似系数进行滤波处理,分离出变压器本体噪声,噪声频谱分布结果如图4所示。
由图中可以看出,变压器本体噪声主要集中在3个窄带频率上,分别为100、200以及300Hz,几乎不存在高次谐波成分。对图4中的信号进行Fourier反变换得出变压器本体正弦波时域声信号如图5所示,变压器本体噪声信号具有明显的正弦波特点。
3.2变压器冷却装置噪声信号分离
采用图2b所示的阻带梳状滤波器对预处理后的变压器噪声信号进行滤波处理,提取变压器冷却装置噪声,噪声频谱分布如图6所示。
可以看出,冷却装置噪声频带分布范围较广,主要位于2kHz频率范围内。其中,400Hz与500Hz频率附近噪声幅值较大。变压器冷却装置时域声信号如图7所示。由图可见,变压器冷却装置噪声幅值较为平稳,无明显峰值,信号波形无明显周期性特征,表现出典型白噪声的特点。
3.3电晕噪声信号分离
变电架构电晕噪声为短时脉冲声,变压器冷却装置噪声较为平稳,因此可以认为二者相互独立,从而满足谱减法语音增强技术的基本条件。由于变压器冷却装置噪声在电晕脉冲噪声发生前与发生期间基本不变,因此,可以通过电晕噪声未发生时的“寂静段”来估计变压器冷却装置的功率谱。以1000kV侧带电架构电晕噪声测量信号为例,从中分离出纯净电晕噪声。
分离前后电晕噪声频谱如图8所示。对比分离前后电晕噪声频谱分布,可以看出,分离后电晕噪声频谱中幅值较高的低频分量被滤除,很大程度上降低了本体噪声对电晕噪声测量结果的影响。此外,分离后的电晕噪声频谱在整个频带上幅值相对较低,间接表明电晕噪声与冷却装置噪声实现了分离,具体分离效果配合图9a、图9b所示。
由分离前后时域电晕噪声信号的对比可见,分离后的电晕噪声保持了短时脉冲性的特点,脉冲信号的发生时间一致,幅值与分离前信号幅值相近。值得注意的是,图9b分离后的电晕噪声中除了短时脉冲信号外,还包括一些无脉冲区间的信号。根据谱减法语音增强技术的基本原理,图9b中无脉冲区间的信号可同样认为是电晕噪声的估计结果。分离出的冷却装置噪声平稳,还原较为准确。分析结果表明,所采用的计算方法能够实现电晕噪声信号的有效分离。分离前后电晕噪声分别为40.4dB(A)与38.7dB(A)。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (7)
1.一种面向复杂声环境的变电站噪声源分离方法,其特征在于:
检测变电站原始声信号;
采用小波包分析算法对原始声信号做频段分解,从中滤除环境噪声;
基于通带梳状滤波器对小波包分解后的噪声信号低频段进行处理,提取出本体噪声信号;
通过阻带梳状滤波器对噪声信号进行处理,获得包含电晕噪声在内的冷却装置噪声;
基于谱减法语音增强技术,对电晕噪声与冷却装置混合噪声进行分离。
2.如权利要求1所述的变电站噪声源分离方法,其特征在于,
利用传声器、数据采集卡以及计算机构成的噪声数据采集***,来检测变电站原始声信号。
3.如权利要求1所述的变电站噪声源分离方法,其特征在于,
将本体噪声特征频率50Hz及其倍频频率作为通带频率及阻带频率,来设计通带梳状滤波器、阻带梳状滤波器。
4.如权利要求3所述的变电站噪声源分离方法,其特征在于,
设滤波器输入信号为x(m),输出信号为y(m),滤波器函数为:
式中:m-1为滤波器阶数;ma为反馈滤波器阶数;mb为前馈滤波器阶数;bi为前馈滤波器系数,i=0,1,…,mb;ai为反馈滤波器系数,i=1,…,ma;
对式(8)进行z变换,滤波器的传递函数为:
5.如权利要求4所述的变电站噪声源分离方法,其特征在于,
通带滤波器的-3dB通带与阻带带宽均为10Hz,阶数为6阶。
6.如权利要求1所述的变电站噪声源分离方法,其特征在于,
基于谱减法语音增强技术,将电晕与冷却装置的混合噪声作为带噪语音信号y(n),将电晕噪声作为纯净语音信号s(n),将冷却装置噪声作为加性噪声r(n),y(n)表示为式(1):
y(n)=s(n)+r(n) (1)
对带噪语音信号进行分帧处理,第λ帧信号的加窗傅里叶变换为
式中Y(k,λ)为带噪信号频谱;k=0,1,…,N-1为频率点;R为帧移;N为帧长;h(μ)为窗函数;
对式(1)进行Fourier变换:
Y(k,λ)=S(k,λ)+R(k,λ) (3)
式中S(k,λ)与R(k,λ)分别表示信号s(n)以及r(n)的Fourier变换;
由于信号s(n)与r(n)相互独立,则信号功率谱满足式(4)关系:
|Y(k,λ)|2=|S(k,λ)|2+|R(k,λ)|2 (4)
令Py(k,λ)、Ps(k,λ)以及Pr(k,λ)分别表示信号y(n)、s(n)以及r(n)第λ帧的功率谱,则有
Py(k,λ)=Ps(k,λ)+Pr(k,λ) (5)
通过电晕噪声未发生时的“寂静段”来估计变压器冷却装置的功率谱:
将式(6)算出的功率谱作为电晕噪声功率谱,来恢复降噪后的时域信号。
7.如权利要求6所述的变电站噪声源分离方法,其特征在于,
借助混合噪声信号的相位信息恢复时域电晕噪声信号,去窗后的第λ帧电晕噪声信号为
式中j为虚部符号;IFFT表示Fourier反变换;
对信号s(n,λ)重叠相加,得出纯净的电晕声信号s(n)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811276142.5A CN109444519A (zh) | 2018-10-30 | 2018-10-30 | 面向复杂声环境的变电站噪声源分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811276142.5A CN109444519A (zh) | 2018-10-30 | 2018-10-30 | 面向复杂声环境的变电站噪声源分离方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109444519A true CN109444519A (zh) | 2019-03-08 |
Family
ID=65548708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811276142.5A Pending CN109444519A (zh) | 2018-10-30 | 2018-10-30 | 面向复杂声环境的变电站噪声源分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109444519A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110412366A (zh) * | 2019-06-04 | 2019-11-05 | 广西电网有限责任公司电力科学研究院 | 一种基于动态时间算法的变压器带电检测方法 |
CN110534127A (zh) * | 2019-09-24 | 2019-12-03 | 华南理工大学 | 应用于室内环境中的麦克风阵列语音增强方法及装置 |
CN110749374A (zh) * | 2019-10-22 | 2020-02-04 | 国网湖南省电力有限公司 | 一种建筑物内变压器结构传声分离方法及装置 |
CN111881583A (zh) * | 2020-07-29 | 2020-11-03 | 国网陕西省电力公司电力科学研究院 | 一种基于声源贡献分析的变电站降噪方案设计方法 |
CN112129404A (zh) * | 2020-09-21 | 2020-12-25 | 国网湖南省电力有限公司 | 提高油浸式配电变压器出厂噪声测量精度的方法及装置 |
CN113162044A (zh) * | 2021-02-25 | 2021-07-23 | 国网陕西省电力公司经济技术研究院 | Dn-pmu实现频率测量的fir滤波器的优化方法及装置 |
CN113654652A (zh) * | 2021-09-17 | 2021-11-16 | 广东电网有限责任公司 | 一种直流控保装置故障识别方法及相关装置 |
CN115218252A (zh) * | 2022-07-11 | 2022-10-21 | 朴瑞(北京)企业管理有限公司 | 用于城市节能供热的智能高效换热*** |
CN118152864A (zh) * | 2024-05-11 | 2024-06-07 | 常州全一智能科技有限公司 | 一种基于多源数据融合的电机检测方法及检测*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537227A (zh) * | 2014-12-18 | 2015-04-22 | 中国科学院上海高等研究院 | 变电站噪声分离方法 |
CN105486938A (zh) * | 2014-09-19 | 2016-04-13 | 国家电网公司 | 一种变电站混合噪声分离方法 |
CN107036709A (zh) * | 2017-04-11 | 2017-08-11 | 国网上海市电力公司经济技术研究院 | 一种变电站噪声匹配分离方法 |
-
2018
- 2018-10-30 CN CN201811276142.5A patent/CN109444519A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105486938A (zh) * | 2014-09-19 | 2016-04-13 | 国家电网公司 | 一种变电站混合噪声分离方法 |
CN104537227A (zh) * | 2014-12-18 | 2015-04-22 | 中国科学院上海高等研究院 | 变电站噪声分离方法 |
CN107036709A (zh) * | 2017-04-11 | 2017-08-11 | 国网上海市电力公司经济技术研究院 | 一种变电站噪声匹配分离方法 |
Non-Patent Citations (1)
Title |
---|
彭任华: "高压变电站噪声分离算法及其应用", 《高电压技术》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110412366B (zh) * | 2019-06-04 | 2021-06-22 | 广西电网有限责任公司电力科学研究院 | 一种基于动态时间算法的变压器带电检测方法 |
CN110412366A (zh) * | 2019-06-04 | 2019-11-05 | 广西电网有限责任公司电力科学研究院 | 一种基于动态时间算法的变压器带电检测方法 |
CN110534127A (zh) * | 2019-09-24 | 2019-12-03 | 华南理工大学 | 应用于室内环境中的麦克风阵列语音增强方法及装置 |
CN110749374B (zh) * | 2019-10-22 | 2021-09-17 | 国网湖南省电力有限公司 | 一种建筑物内变压器结构传声分离方法及装置 |
CN110749374A (zh) * | 2019-10-22 | 2020-02-04 | 国网湖南省电力有限公司 | 一种建筑物内变压器结构传声分离方法及装置 |
CN111881583A (zh) * | 2020-07-29 | 2020-11-03 | 国网陕西省电力公司电力科学研究院 | 一种基于声源贡献分析的变电站降噪方案设计方法 |
CN112129404A (zh) * | 2020-09-21 | 2020-12-25 | 国网湖南省电力有限公司 | 提高油浸式配电变压器出厂噪声测量精度的方法及装置 |
CN113162044A (zh) * | 2021-02-25 | 2021-07-23 | 国网陕西省电力公司经济技术研究院 | Dn-pmu实现频率测量的fir滤波器的优化方法及装置 |
CN113162044B (zh) * | 2021-02-25 | 2023-09-01 | 国网陕西省电力公司经济技术研究院 | Dn-pmu实现频率测量的fir滤波器的优化方法及装置 |
CN113654652A (zh) * | 2021-09-17 | 2021-11-16 | 广东电网有限责任公司 | 一种直流控保装置故障识别方法及相关装置 |
CN113654652B (zh) * | 2021-09-17 | 2024-03-19 | 广东电网有限责任公司 | 一种直流控保装置故障识别方法及相关装置 |
CN115218252A (zh) * | 2022-07-11 | 2022-10-21 | 朴瑞(北京)企业管理有限公司 | 用于城市节能供热的智能高效换热*** |
CN115218252B (zh) * | 2022-07-11 | 2023-03-21 | 朴瑞(北京)企业管理有限公司 | 用于城市节能供热的智能高效换热*** |
CN118152864A (zh) * | 2024-05-11 | 2024-06-07 | 常州全一智能科技有限公司 | 一种基于多源数据融合的电机检测方法及检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109444519A (zh) | 面向复杂声环境的变电站噪声源分离方法 | |
CN104964738B (zh) | 一种基于噪声分离的电力变压器噪声评估方法 | |
Chaudhari et al. | A review on speech enhancement techniques | |
Karam et al. | Noise removal in speech processing using spectral subtraction | |
CN105486938B (zh) | 一种变电站混合噪声分离方法 | |
CN104537227B (zh) | 变电站噪声分离方法 | |
CN107180643A (zh) | 一种啸叫声检测和消除*** | |
Chen | Simulation of spectral subtraction based noise reduction method | |
Wang et al. | Discrete Fourier transform and discrete wavelet packet transform in speech denoising | |
CN105662336B (zh) | 一种信号去噪处理方法及装置 | |
Kumaresan et al. | On minimum/maximum/all-pass decompositions in time and frequency domains | |
Chang | A comparative analysis of various respiratory sound denoising methods | |
Liu et al. | Underdetermined blind source separation algorithm of 220kV substation noise based on SCA | |
Dwivedi et al. | A robust energy features estimation for detection and classification of power quality disturbances | |
Yang et al. | Discrete wavelet transform and short-time fourier transform applications: Wafer microcrack and voltage sag detection | |
Kohmura et al. | An efficient zero phase noise reduction method for impact noise with damped oscillation | |
Zengyuan et al. | A speech denoising algorithm based on harmonic regeneration | |
Tian et al. | Application of wavelet in speech processing of cochlear implant | |
Lee et al. | Virtual bass system based on a multiband harmonic generation | |
Wan et al. | Signal Pretreatment Methodology Used for Transformer Noise Analysis | |
Roy et al. | ANN based method for power system harmonics estimation | |
Gong | A study on wavelet selection in power signal denoising | |
Panneerselvam et al. | Analysis of sensor trapped power quality indices using empirical wavelet transform and rational dilation wavelet transform to achieve high accuracy and frequency resolution | |
Luo et al. | A method of second wavelet transform automated threshold for partial discharge signal extraction | |
Mathur et al. | Detection of glottal closure instants from voiced speech signals using the Fourier-bessel series expansion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |
|
RJ01 | Rejection of invention patent application after publication |