CN109547074B - 一种基于zf准则的格基规约辅助的ml-sic信号检测方法 - Google Patents
一种基于zf准则的格基规约辅助的ml-sic信号检测方法 Download PDFInfo
- Publication number
- CN109547074B CN109547074B CN201811476016.4A CN201811476016A CN109547074B CN 109547074 B CN109547074 B CN 109547074B CN 201811476016 A CN201811476016 A CN 201811476016A CN 109547074 B CN109547074 B CN 109547074B
- Authority
- CN
- China
- Prior art keywords
- stage
- signals
- candidate
- signal
- sic
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 230000009467 reduction Effects 0.000 title claims abstract description 24
- 239000013598 vector Substances 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 6
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000012805 post-processing Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241000029094 Acanthurus bahianus Species 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radio Transmission System (AREA)
Abstract
本发明属于MIMO***信号检测技术领域，公开了一种基于ZF准则的格基规约辅助的ML‑SIC信号检测方法。首先，对信道矩阵的列向量进行排序；然后，在FE阶段产生候选信号，在转换到约减域之前在原始域中消除FE阶段的信号；然后，SE阶段信号处理，LR‑ZF‑SIC被用到经FE阶段处理后的***模型中；然后，后续处理和ML度量，后续处理作用于SE阶段的候选信号：把候选信号从约减域转换到原始域，切片；SE阶段的候选信号和FE阶段的候选信号一起，构成候选信号列表，通过ML度量确定具有最小欧氏距离的符号矢量；最后，检测矢量重排序，按照和原来信道矩阵排序相反的顺序对检测矢量进行重排序。当采用MQAM调制时，本发明能够以较低的计算复杂度达到近最优的检测性能。
Description
技术领域
本发明属于MIMO***信号检测技术领域，尤其涉及一种基于ZF准则的格基规约(LR)辅助的ML-SIC信号检测方法。该发明可以广泛应用于MIMO无线通信***的接收机中。
背景技术
目前，业内常用的现有技术是这样的：
近年来，用户对数据传输速率和***容量的需求不断提高，给无线通信***带来了新的挑战。MIMO技术可以实现在不增加发射功率和带宽的前提下成倍提高***容量和频谱利用率，因而MIMO技术正在逐步成为最具前途的通信技术之一。在无线MIMO通信***中，接收端的信号检测问题是决定其能否应用于实际***的一个非常关键的因素。因此，如何实现具有较高检测性能和较低复杂度的信号检测就成为MIMO技术发展的一个重要问题。最大似然(ML)检测算法是性能最优的检测算法，但是其计算复杂度会随着天线数目的增加呈指数增长，无法被实际应用，常作为衡量其他算法的一种标准。目前对MIMO***信号检测方法的研究主要集中于寻求具有近ML检测性能和较低复杂度的信号检测方法。E.Agrell等人提出了球形译码(SD)算法，该算法的基本思想是在一个以接收向量为球心的超球体内搜索格点，离球心最近的格点就是最终的解。由于只是搜索了超球体内的格点，而ML算法要搜索整个格点集合，因此SD算法可以获得更低的复杂度。但是，SD算法的主要缺点是它的复杂度依赖于信噪比SNR，尽管可以显著降低平均复杂度，但是在最坏的情况下的复杂度仍然与ML检测相同。K.W.Wong等人提出了K-best信号检测方法，它是一种宽度优先的树搜索算法，在做树搜索的遍历时对当前保留的分支同时是进行拓展，但仅在拓展的分支中只保留K条最佳分支。因此计算复杂度固定。当K值较大时，K-best算法能够达到ML性能，当K值较小时，K-best算法的性能下降，优点是降低了复杂度。K-best算法虽然具有固定的计算复杂度，但它也存在一些缺点：在高信噪比情况下需要处理的分支很少，但是K-best仍然要每层保留K条路径并且排序，因此复杂度就会相应很高。L.Barbero等人提出了固定复杂度球形译码(FSD)检测算法，FSD算法也是一个树搜索算法，它首先对信道矩阵进行排序，在前P层执行完全扩展，在剩余的其它层执行单一扩展，能够以固定的复杂度达到最优的检测性能。然而，当采用高阶调制或者发射天线数较多时，FSD算法的复杂度仍然很高。Dirk Wübben等人提出了使用格基规约技术(LR)的线性检测器，在利用迫零(ZF)检测算法或最小均方误差(MMSE)算法进行检测之前，先利用LR技术对信道矩阵进行处理，得到信道条件较好的信道矩阵。该线性检测器能够以较低的复杂度获得和ML检测算法相同的分集度，但是其检测性能跟最优检测器相比仍然有着较大的差距。
综上所述，现有技术存在的问题是：
现有的信号检测方法要么能够取得较优的检测性能但计算复杂度较高，要么计算复杂度低但其检测性能较差，即无法在检测性能和计算复杂度之间取得一个良好的折中。
解决上述技术问题的难度在于：如何设计算法通过较低的计算复杂度来现近最优的信号检测性能。
发明内容
针对现有技术存在的问题，本发明提供了一种基于ZF准则的格基规约(LR)辅助的ML-SIC信号检测方法。
本发明是这样实现的，一种基于ZF准则的格基规约(LR)辅助的ML-SIC信号检测方法，其特征在于，该基于ZF准则的格基规约(LR)辅助的ML-SIC信号检测方法包括：
步骤一，对信道矩阵的列向量进行排序；
步骤二，FE阶段信号消除，在FE阶段产生候选信号，在转换到约减域之前在原始域中消除FE阶段的信号；
步骤三，SE阶段信号处理，LR-ZF-SIC被用到经FE阶段处理后的***模型中；
步骤四：后续处理和ML度量，后续处理作用于SE阶段的候选信号：把候选信号从约减域转换到原始域，切片；SE阶段的候选信号和FE阶段的候选信号一起，构成候选信号列表，通过ML度量来确定具有最小欧氏距离的符号矢量；
步骤五：检测矢量重排序，按照和步骤一相反的顺序对检测矢量进行重排序。
进一步，所述步骤一对信道矩阵的列向量按照范数值的大小进行排序，将可靠性低的信号放在FE阶段进行处理，将可靠性高的信号放在SE阶段进行处理。
进一步，所述步骤二在FE阶段产生候选信号，假设FE阶段包含p层信号，FE阶段的信号被消除如下：
其中，NT是发射天线数，NR是接收天线数，
是接收信号，
是已修正***中的接收信号，
是信道矩阵
的第l列，
(Ω是实星座)是来自第l根发射天线的第k个候选信号；最终，消除FE阶段的候选信号后的***模型为
y′(k)＝H′s′(k)+n
其中，
是加性高斯白噪声矢量。
进一步，所述步骤三LR-ZF-SIC被用到经FE阶段处理后的***模型中，首先对H′应用LR算法进行预处理得到约减域的基矩阵
和变换矩阵T′，然后对
进行QR分解进行SIC操作：
对y′(k)进行变换并对H′应用LR算法进行预处理得到
和T′：
其中，
对
进行QR分解得到
等式
两边分别左乘
得：
以SIC方式产生的SE阶段的候选信号列表表示如下：
其中，
并且
其中，q′(k),i是q′(k)的第i个元素，
是
的第(i,j)个元素。
进一步，所述步骤四后续处理作用于SE阶段的候选信号，主要包括以下两个步骤：(1)把候选信号从约减域转换到原始域，(2)切片；首先，把SE阶段的候选信号转换到原始域，然后，根据原始域中的星座点对转换到原始域中的估计矢量进行切片，SE阶段的候选信号和FE阶段的候选信号一起，构成候选信号列表：
最后，通过ML度量来确定具有最小欧氏距离的符号矢量：
进一步，所述步骤五按照和步骤一相反的顺序对检测矢量进行重排序。
综上所述，本发明的优点及积极效果为：对于4×4MIMO***，当采用MQAM调制时，跟传统ML-SIC算法相比，所提算法能够以较少的FE阶段的层数达到近最优的检测性能，较少的FE阶段的层数意味着较低的计算复杂度，即所提算法能够在计算复杂度和检测性能之间取得一个良好的折中。因此本发明的综合性能较好。
附图说明
图1是本发明实施例提供的基于ZF准则的格基规约(LR)辅助的ML-SIC信号检测方法流程图。
图2是本发明实施例提供的4×4MIMO***16QAM信号的BER性能示意图。
图3是本发明实施例提供的4×4MIMO***64QAM信号的BER性能示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于ZF准则的格基规约(LR)辅助的ML-SIC信号检测方法包括以下步骤：
步骤一，对信道矩阵的列向量进行排序，将可靠性低的信号放在FE阶段进行处理，将可靠性高的信号放在SE阶段进行处理；
步骤二，FE阶段信号消除，把LR算法运用到ML-SIC算法中的主要障碍就是在约减域缺少已定的候选信号，提出的解决方案是在FE阶段产生候选信号，在转换到约减域之前在原始域中消除FE阶段的信号；
步骤三，SE阶段信号处理，在这一步，LR-ZF-SIC被用到经FE阶段处理后的***模型中；
步骤四：后续处理和ML度量，后续处理作用于SE阶段的候选信号，主要包括以下两个步骤：(1)把候选信号从约减域转换到原始域，(2)切片。SE阶段的候选信号和FE阶段的候选信号一起，构成候选信号列表，通过ML度量来确定具有最小欧氏距离的符号矢量；
步骤五：检测矢量重排序，按照和步骤一相反的顺序对检测矢量进行重排序。
下面结合附图对本发明的应用原理作进一步的描述。
本发明实施例提供的基于ZF准则的格基规约(LR)辅助的ML-SIC信号检测方法包括以下步骤：
S1对信道矩阵的列向量按照范数值的大小进行排序，将可靠性低的信号放在FE阶段进行处理，将可靠性高的信号放在SE阶段进行处理。
S2进行FE阶段信号处理，把LR算法运用到ML-SIC算法中的主要障碍就是从原始域变换到约减域之后，在约减域缺少已定的候选信号，我们的解决方案是在FE阶段产生候选信号，在转换到约减域之前在原始域中消除FE阶段的信号。假设FE阶段包含p层信号，FE阶段的信号被消除如下：
其中，NT是发射天线数，NR是接收天线数，
是接收信号，
是已修正***中的接收信号，
是信道矩阵
的第l列，
(Ω是实星座)是来自第l根发射天线的第k个候选信号。最终，消除FE阶段的候选信号后的***模型为
y′(k)＝H′s′(k)+n
其中，
是加性高斯白噪声矢量。
S3在SE阶段信号处理这一步，LR-ZF-SIC被用到经FE阶段处理后的***模型中，首先对H′应用LR算法进行预处理得到约减域的基矩阵
和变换矩阵T′，然后对
进行QR分解进行SIC操作：
对y′(k)进行变换并对H′应用LR算法进行预处理得到
和T′：
其中，
z(k)＝T′-1x(k)。
对
进行QR分解得到
等式
两边分别左乘
得：
以SIC方式产生的SE阶段的候选信号列表表示如下：
其中，
并且
其中，q′(k),i是q′(k)的第i个元素，
是
的第(i,j)个元素。
S4进行后续处理，后续处理作用于SE阶段的候选信号，主要包括以下两个步骤：(1)把候选信号从约减域转换到原始域，(2)切片。首先，把SE阶段的候选信号从约减域转换到原始域，然后，根据原始域中的星座点对转换到原始域中的估计矢量进行切片。
S5进行ML度量，SE阶段的候选信号和FE阶段的候选信号一起，构成候选信号列表：
通过ML度量来确定具有最小欧氏距离的符号矢量：
S6检测矢量重排序，按照和步骤一相反的顺序对检测矢量进行重排序。
下面结合仿真对本发明的应用效果作详细的描述。
为了评估本发明的性能，下面的仿真实验对所提算法的性能进行仿真验证。采用的***配置为：4×4MIMO未编码***，信道条件为不相关平坦衰落信道，调制方式采用16QAM和64QAM。其仿真结果如图2和图3所示，由仿真图可知：无论采用16QAM还是64QAM，所提算法在FE阶段的层数p＝2时能够达到近最优的性能，而传统的ML-SIC算法在FE阶段的层数p＝4时才能够达到近最优的性能，较少的FE阶段层数意味着较低的计算复杂度，可见，本发明能够在计算复杂度和检测性能之间取得一个良好的折中。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于ZF准则的格基规约辅助的ML-SIC信号检测方法，其特征在于，该基于ZF准则的格基规约辅助的ML-SIC信号检测方法包括：
步骤一，对信道矩阵的列向量进行排序；
步骤二，FE阶段信号消除，在FE阶段产生候选信号，在转换到约减域之前在原始域中消除FE阶段的信号；
步骤三，SE阶段信号处理，LR-ZF-SIC被用到经FE阶段处理后的***模型中；
步骤四：后续处理和ML度量，后续处理作用于SE阶段的候选信号：把候选信号从约减域转换到原始域，切片；SE阶段的候选信号和FE阶段的候选信号一起，构成候选信号列表，通过ML度量来确定具有最小欧氏距离的符号矢量；
步骤五：检测矢量重排序，按照和步骤一相反的顺序对检测矢量进行重排序；
所述步骤一对信道矩阵的列向量按照范数值的大小进行排序，将可靠性低的信号放在FE阶段进行处理，将可靠性高的信号放在SE阶段进行处理；
所述步骤二在FE阶段产生候选信号，假设FE阶段包含p层信号，FE阶段的信号被消除如下：
其中，NT是发射天线数，NR是接收天线数，
是接收信号，
是已修正***中的接收信号，
是信道矩阵
的第l列，
(Ω是实星座)是来自第l根发射天线的第k个候选信号；最终，消除FE阶段的候选信号后的***模型为：
y″(k)＝H′s′(k)+n；
其中，
是已修正***中的信道矩阵，
是已修正***中的发射信号矢量，
是加性高斯白噪声矢量；
所述步骤三LR-ZF-SIC被用到经FE阶段处理后的***模型中，首先对H′应用LR算法进行预处理得到约减域的基矩阵
和变换矩阵T′，然后对
进行QR分解进行SIC操作：
对y′(k)进行变换并对H′应用LR算法进行预处理得到
和T′：
其中，
z(k)＝T′-1x(k)；
对
进行QR分解得到
等式
两边分别左乘
得：
以SIC方式产生的SE阶段的候选信号列表表示如下：
其中，
并且：
其中，q′(k),i是q′(k)的第i个元素，
是
的第(i,j)个元素；
所述步骤四后续处理作用于SE阶段的候选信号，包括以下两个步骤：(1)把候选信号从约减域转换到原始域，(2)切片；把SE阶段的候选信号转换到原始域，根据原始域中的星座点对转换到原始域中的估计矢量进行切片，SE阶段的候选信号和FE阶段的候选信号一起，构成候选信号列表：
最后，通过ML度量来确定具有最小欧氏距离的符号矢量：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811476016.4A CN109547074B (zh) | 2018-12-04 | 2018-12-04 | 一种基于zf准则的格基规约辅助的ml-sic信号检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811476016.4A CN109547074B (zh) | 2018-12-04 | 2018-12-04 | 一种基于zf准则的格基规约辅助的ml-sic信号检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109547074A CN109547074A (zh) | 2019-03-29 |
| CN109547074B true CN109547074B (zh) | 2021-09-10 |
Family
ID=65852708
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811476016.4A Active CN109547074B (zh) | 2018-12-04 | 2018-12-04 | 一种基于zf准则的格基规约辅助的ml-sic信号检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109547074B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111030739B (zh) * | 2020-01-09 | 2021-03-16 | 重庆邮电大学 | 一种基于lll-sd的大规模mimo信号检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101908937A (zh) * | 2010-08-20 | 2010-12-08 | 西安电子科技大学 | 下行分布式mimo-ofdm***中的信号检测方法 |
| CN105119665A (zh) * | 2015-07-17 | 2015-12-02 | 上海交通大学 | 一种基于格基规约的mimo检测方法 |
| CN106850013A (zh) * | 2016-12-31 | 2017-06-13 | 上海交通大学 | 一种上行链路大规模mimo***的信号检测方法 |
| CN107094043A (zh) * | 2017-05-23 | 2017-08-25 | 西安电子科技大学 | 基于块迭代法的改进后的mmse低复杂度信号检测方法 |
| CN107147606A (zh) * | 2017-05-05 | 2017-09-08 | 哈尔滨工业大学 | 一种广义空间调制中格基规约辅助的线性检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7349496B2 (en) * | 2003-06-27 | 2008-03-25 | Nortel Networks Limited | Fast space-time decoding using soft demapping with table look-up |
-
2018
- 2018-12-04 CN CN201811476016.4A patent/CN109547074B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101908937A (zh) * | 2010-08-20 | 2010-12-08 | 西安电子科技大学 | 下行分布式mimo-ofdm***中的信号检测方法 |
| CN105119665A (zh) * | 2015-07-17 | 2015-12-02 | 上海交通大学 | 一种基于格基规约的mimo检测方法 |
| CN106850013A (zh) * | 2016-12-31 | 2017-06-13 | 上海交通大学 | 一种上行链路大规模mimo***的信号检测方法 |
| CN107147606A (zh) * | 2017-05-05 | 2017-09-08 | 哈尔滨工业大学 | 一种广义空间调制中格基规约辅助的线性检测方法 |
| CN107094043A (zh) * | 2017-05-23 | 2017-08-25 | 西安电子科技大学 | 基于块迭代法的改进后的mmse低复杂度信号检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109547074A (zh) | 2019-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101582748B (zh) | 低复杂度的mimo***信号检测方法和检测装置 | |
| CN101383797B (zh) | 用于mimo***的低复杂度的信号检测方法和检测装置 | |
| US8488684B2 (en) | Methods and systems for hybrid MIMO decoding | |
| RU2303330C1 (ru) | Способ приема сигнала в системе связи с несколькими каналами передачи и приема | |
| CN104836603B (zh) | 一种mimo信号检测方法 | |
| CN101917368B (zh) | 基于格基规约的mimo检测的软输出方法 | |
| CN108989262B (zh) | 一种基于apsk调制的低复杂度非相干空间调制检测方法 | |
| CN106357312B (zh) | 格约减辅助广度优先树搜索mimo检测方法 | |
| CN100571098C (zh) | 通信***中低复杂度的极大似然检测方法及装置 | |
| Singhal et al. | Lattice reduction aided detection in large-MIMO systems | |
| CN103780349B (zh) | 一种基于有限距离译码的解随机化采样格译码方法 | |
| CN112215335B (zh) | 一种基于深度学习的***检测方法 | |
| TWI400902B (zh) | 多重輸入輸出通訊系統之符元解映射方法及裝置 | |
| CN106877916B (zh) | 一种基于广义空间调制***的星座点分块检测方法 | |
| CN105610484B (zh) | 大规模mimo低复杂度迭代接收方法 | |
| CN109547074B (zh) | 一种基于zf准则的格基规约辅助的ml-sic信号检测方法 | |
| CN100499611C (zh) | 无线通信***空域最大后验概率检测方法 | |
| CN109818663B (zh) | 一种低复杂度差分正交空间调制检测方法 | |
| CN102006113B (zh) | 基于迫零预检测的并行mimo信号检测方法 | |
| CN113541862A (zh) | 一种低复杂度的ml检测方法 | |
| KR101937559B1 (ko) | Mimo-ofdm 시스템을 이용한 선형 근사화 신호 검출 장치 및 그 방법 | |
| US8270520B2 (en) | System and method for low complexity sphere decoding for spatial multiplexing MIMO | |
| TWI436610B (zh) | 多輸入多輸出偵測方法 | |
| CN108234010B (zh) | 一种低复杂度的信号检测算法 | |
| CN112910519B (zh) | 基于残差齐次化排序技术的大规模mimo基站接收端信号恢复方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |