CN112566159B - 一种基于mimo-noma的增强型小蜂窝下行通信方法 - Google Patents
一种基于mimo-noma的增强型小蜂窝下行通信方法 Download PDFInfo
- Publication number
- CN112566159B CN112566159B CN202011361675.0A CN202011361675A CN112566159B CN 112566159 B CN112566159 B CN 112566159B CN 202011361675 A CN202011361675 A CN 202011361675A CN 112566159 B CN112566159 B CN 112566159B
- Authority
- CN
- China
- Prior art keywords
- matrix
- noma
- user
- base station
- channel
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于MIMO‑NOMA的增强型小蜂窝下行通信方法,该方法包含以下步骤:首先,获取基站、NOMA用户以及NOMA配对策略等相关初始化参数以及信道的统计状态信息;然后利用干扰对齐技术进行NOMA远近用户的接收线性滤波器的设计;继而确定基站端的预编码矩阵;最后,在给定最大可容许的中断概率条件下,通过最大化长期平均吞吐量来优化设计所有NOMA用户的传输速率。与现有的方法如有预编码的MIMO‑OMA、无预编码MIMO‑OMA、以及无预编码MIMO‑NOMA相对比,本发明所提出方法可以有效提升吞吐量,尤其在NOMA用户对的信道差异越显著时表现更优。
Description
技术领域
本发明涉及无线通信技术领域,具体涉及一种基于MIMO-NOMA的增强型小蜂窝下行通信方法。
背景技术
随着无线数据流量和移动设备数量的激增,5G蜂窝网络越来越需要提供更高的频谱效率和更多的连接量。根据思科可视网络指数(VNI)预测,到2023年,5G速度预计将比2018年的平均移动连接速度提高约13倍,同时移动设备数量预计将从88亿台增长到131亿台。为了应对这些前所未有的挑战,小蜂窝通信技术被认为是5G中最有前途的解决方案之一,它可以提供更大的网络容量,满足大量用户的业务需求。然而,由于超密集小蜂窝通信造成过度的频率复用,从而引起严重的同频干扰。为了解决该问题,通过将非正交多址接入(NOMA)技术应用至小蜂窝通信中是一种非常有前景的解决方案。具体而言,利用多输入多输出(MIMO)辅助NOMA技术来增强小蜂窝通信,通过合理的波束成型、接收滤波器、功率分配优化设计来显著提高频谱效率,同时保证通信可靠性要求。
为支持接入更多的用户,5G***中小蜂窝通信技术通过更加频繁的频率复用技术来显著提高***容量。然而过度的频率复用也会引入很强的同频干扰,这给大规模通信***设计造成很大挑战。为进一步提高小蜂窝***容量,亟待采用MIMO结合NOMA的方式来进一步增强小蜂窝通信性能。然而在实际通信***中,信道状态信息很难被完美的估计出,必然会存在估计误差。因此,在实际的通信***中,应当考虑不完美信道状态信息条件下的通信***设计问题。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷,提供一种基于MIMO-NOMA的增强型小蜂窝下行通信方法,通过合理的波束成型、接收滤波器、功率分配优化设计方案来显著提高频谱效率,同时保证通信可靠性要求。
本发明的目的可以通过采取如下技术方案达到:
一种基于MIMO-NOMA的增强型小蜂窝下行通信方法,所述方法的实现步骤如下:
S1、初始化***参数,确定基站天线数M与用户天线数N,每根发送天线的发射功率为P,K个非正交多址接入(NOMA)的用户对,以及经过测量得到的信道统计状态信息集合
其中,是基站z到近端用户k的已知信道状态,Rrk表示信道估计误差的接收协方差矩阵,Rtk表示信道估计误差的发送协方差矩阵,是基站z到远端用户的已知信道状态,表示信道估计误差的接收协方差矩阵,表示信道估计误差的发送协方差矩阵,dk为基站z到用户k的距离,为基站z到用户的距离,α表示路径损耗指数,σ2为加性高斯白噪声的方差,σh 2为测量误差的方差,ρI表示干扰平均功率,λb为基站的部署密度,k∈[1,K];
S2、通过如下方程分别确定用户k的接收滤波器uk以及用户的接收滤波器其中,向量且满足|zk|2=1,由矩阵的零奇异值所对应的(2N-K)个右奇异向量所组成,矩阵为天线选择矩阵且满足LHL=IK,其中(·)H表示矩阵共轭运算,IK为K阶单位矩阵;
S3、确定基站端的预编码矩阵V=LG-HD,其中矩阵G=(g1,…,gK),且矩阵G中组成的列向量由给定,对角矩阵符号(·)-H表示矩阵共轭求逆运算,符号为根号运算,符号(·)m,n为矩阵的第m行第n列所对应的元素;
S4、通过如下优化问题求解所有NOMA用户最优传输速率
进一步地,所述的步骤S2中向量zk与天线选择矩阵L通过如下过程进行确定:
S201、构造zk的候选值集合且其中集合中每个候选向量只有一个元素为1其他元素均为0;同样地,构造天线选择矩阵L的候选值集合其中每个候选矩阵的每列恰好只包含一个1元素,而每一行中最多包含一个1元素,其他地方均为0;
S202、根据向量zk与天线选择矩阵L候选值组合确定每对用户的有效信道增益γk=1/(G-1G-H)k,k;
S203、找出最小的有效信道增益,即γmin,i=min{γ1,…,γK},i为天线zk与L候选值组合的序号;
进一步地,所述的步骤S4中非凸优化问题通过包括连续凸优化或者内点法在内的优化工具进行求解。
本发明相对于现有技术具有如下的优点及效果:
1、本发明充分考虑了信道的不确定性、同频干扰源位置的随机性对***优化设计的影响;
2、将中断概率的近似表达式代入到优化问题中可以大大简化优化方案的设计;
3、与有预编码MIMO-正交多址接入技术(OMA)、无预编码MIMO-OMA、以及无预编码MIMO-NOMA方案相对比,本发明所提出优化方案可以带来显著的吞吐量提升。
附图说明
图1是本发明中公开的MIMO-NOMA增强的小蜂窝下行通信方法的实施流程图;
图2是条件中断概率与信道K因子之间的关系图;
图3是本发明所提出技术与其他参考技术的吞吐量性能对比图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
本实施例将从***模型、中断概率分析、中断概率、最佳***设计四个方面具体介绍一种基于MIMO-NOMA的增强型小蜂窝下行通信方法的实施过程。
1.***模型
考虑在不完美信道状态信息条件下基于多输入多输出(MIMO)-非正交多址接入(NOMA)技术的增强型小蜂窝网络,首先假设小蜂窝基站的位置服从泊松点过程且分布密度为λb。每个用户与其距离最近的基站相关联,基站和用户分别配备M和N根天线。此外,假设在一个典型的沃罗诺伊(Voronoi)蜂窝小区内至少存在2K个用户,且满足K≤min{M,N}。一般来说,NOMA用户均匀分布在Voronoi蜂窝小区内,用户与相关联基站之间的距离近似服从瑞利分布,并且其概率密度函数为
其中,参数c=5/4。
A、信号传输模型
根据MIMO-NOMA传输方案,基站z发的信号向量可以表示成
其中,ok代表用户k的位置,P代表一条数据流的发射功率,代表从基站x到用户k的信道响应矩阵,V=(v1,…,vK)是归一化的M×K预编码矩阵,即k=1,…,K时,且满足||vk||=1。由于干扰源x∈Φb与用户k之间信道状态信息通常是未知的,因此同频干扰采用经典的散粒噪声模型进行建模。此外,l(x)=x-α表示路径损耗,α表示路径损耗指数,wx表示干扰源发送的归一化信号,ρI表示干扰平均功率,nk表示方差为σ2IM的复值加性高斯白噪声。
B、不完美信道状态信息模型
假设在发射机和接收机处只有部分信道状态信息可用,因此Hzk的信道模型可以构建为
Ezk=Rrk 1/2EwRtk 1/2 (5)
其中,vec(Ew)~CN(0,σh 2I)。值得注意的是,由于发射和接收天线的结构导致误差矩阵元素之间存在相关性。因此,Ezk是圆对称复高斯随机矩阵,即假设基站z和用户k已知部分信道状态信息Rtk与Rrk。为了表征信道状态信息的质量,这里引入了信道K因子
C、接收信噪比
在接收端,根据链路距离的降序对叠加信号进行连续译码。具体而言,对于近用户k,通过应用接收机滤波器uk来检测期望数据流k,其数学形式可以表示为
2.中断概率分析
通过使用二次型和公式,可以计算出(17)中的内部积分为
其中,M表示欧拉求和项的数量,Q表示截断顺序,离散化误差由|∈|≤e-A/(1-e-A)限制,且可以通过适当选择M和Q来控制截断误差。例如,如果限制离散误差最大为10-10,可以将A设置为A≈23。此外,通常选择M=11和Q=15。通过将(22)代入到(13)中,最后可以得出条件中断概率的最终表达式。
其中,
通过使用梅林变换的巴塞瓦尔性质,可以将(29)利用Fox-H函数来表示。
在干扰受限的情况下,即σ2/P→0,可以得出
然后,将(32)代入到期望表达式中可以推导出(30)。
根据上述两个定理,由于与λb不相关,因此平均中断概率与干扰限制体制中的基站强度无关。这是由于λb的影响是两方面的事实。一方面,λb的增加导致严重的同频干扰,最终导致高中断概率。另一方面,Voronoi小区的大小随着λb的增加而减小,因此导致路径损耗的衰减。
根据上述两个定理,由于与λb不相关,因此在干扰受限条件下平均中断概率与基站分布密度无关。这是由于λb的影响具有两面性。一方面,λb的增加导致严重的同频干扰,最终导致中断概率很高。另一方面,Voronoi小区的大小随着λb的增加而减小,因此导致路径损耗的降低。
B.临近用户k的中断概率
其中,
关于(36)式中的期望项,可以类似于(19)推导如下
通过运用二次型和可以得到
(x+μ)HA(x+μ)+xH(B+Σ-1)x=(x+ν)HΞ(x+ν)+φ(s,t) (42)
其中,Ξ=A+B+Σ-1=(s+t)I+Σ-1,ν=Ξ-1Aμ且
φ(s,t)=μHAμ-μHAΞ-1Aμ=μHAΞ-1(B+Σ-1)μ (43)
将(42)代入(41)中可以得到
通过将(38)和(44)代入到(36)中,可以推导出
此外,通过利用特征值分解Σ=ΨΔΨH,并定义Ψ=(ψ1,…,ψK)和Δ=diag(δ1,…,δK),φ(s,t)在(45)中可以简化为
其中,参数T决定采样周期,L是截断阶数,
离散化误差Er可通过适当设置ci来控制,即c2=-1/(2T)ln((Er-a)/(1-ξ)),根据Moorthy算法,(48)可以通过截断无穷级数来近似计算,如li∈[0,L]。通过实验表明,此外,应用Epsilon算法可以推测出剩余项,以便加速收敛和提高准确度。具体地说,2P+1部分和用于Epsilon算法,并且实验表明设置参数P=2比较合适。
2)的近似表达式:拉普拉斯变换的二维数值求逆需要付出相当大的计算成本,这对实时优化***设计造成很大负担。接下来,本发明提供了一种的近似表达式来解决这个计算难题。通过忽略和SINRk之间的相关性,(33)可以近似写为
其中,(52)的推导过程类似于(15)。显然,(52)和(53)可以类似于(22)式进行计算,并将(22)中的分别替换成和(θk,ν2,Σ,ωk,dk)。此外,值得强调的是,(51)所提供的近似表达式低估了中断性能,因为近似过程中忽略了解码远端用户消息和其自身消息的成功事件之间的正相关性。图2证实了这一断言。因此,(51)实际上充当pk|H的上限。因此利用(51),可以实现***的鲁棒优化设计。
3)平均中断概率:此外,平均中断概率是通过对距离dk取期望,由下式给出
证明:类似于(28),dk的概率密度函数由下式给出
通过使用(59),可以相应地获得(57)。
证明:证明过程与定理2的证明方法类似。
3.中断概率
中断概率的精确表达太过于复杂,很难得到一些有价值的结论。这里考虑特殊情况,即研究当信道状态信息质量提高时,即或时,中断概率的渐近行为。为了便于分析,后面分析假设无小区间干扰的情况,即λb=0。接下来,通过切尔诺夫界来提供中断概率的上界。
2)近端用户k的渐近中断概率
通过设置λb=0,并定义ν1=(μ1,…,μk-1,βk 2μk,μk+1,…,μK)T,ν2=(μ1,…,μk-1,0,μk+1,…,μK)T,可以将(66)改写为
其中,不等式的右侧第一项通过类似于(15)式推导得到。此外,与(62)和(63)相似,将切尔诺夫边界应用于(67)会得到
其中,s∈(0,min{1/δi,i∈[1,K]})。
4.最佳***设计
通过合理配置MIMO-NOMA增强型小蜂窝通信***的参数,以适应不完美的衰落信道,同时确保服务质量,其中设计的***参数配置包括预编码矩阵(即V)、接收滤波器(即uk,k∈[1,K])、功率分配系数(即βk,k∈[1,K]),传输速率(即Rk,k∈[1,K])。举例来说,以最大化长期吞吐量为目标,即平均每次传输成功时传送的信息比特数。表示已知的信道状态信息,MIMO-NOMA***的条件吞吐量可以表示为
基于此,这里最大化长期平均吞吐量并保证低中断概率,其优化问题可以构建成
其中,ε表示最大可允许中断概率。此外,值得注意的是,为了不违反NOMA原理的意图,在上式中没有联合优化功率分配系数βk和传输速率(Rk与),这是因为如果忽略用户公平性,βk和Rk&的联合优化将表现得像注水算法一样,也就是说,所有的功率将分配给信道条件好的用户,而没有任何信息比特会被传送给信道条件不良的用户。由于该原因,在后续优化设计中,将固定功率分配系数以保证用户公平性。
不幸的是,由于复杂的中断概率表达式,实际上不可能得到(73)的全局最优解。为解决该问题,干扰对齐的概念被用来选择合适的低实现复杂度的V,uk与特别是,为了充分抑制NOMA用户对之间的互干扰,有必要施加约束其中i≠k。基于此,可以得到
为了应用干扰对齐,这里应用如下分解V=LP,其中LHL=IK且在某种意义上,L的作用相当于在M个发射天线中选择K个。因此,通过穷举法来获得最优L。此外,通过定义和可以得到其中P=(p1,…,pK)。为了确保pi的存在,进行干扰对齐的先决条件是这确保了uk和两者的存在。uk和可以重写为
V=LG-HD (76)
显然,(77)可以进一步解耦为K个独立的子问题,即
如图3所示,可以验证本发明所提出优化方案明显优于其他现有的小蜂窝通信方案,其中现有参考方案包括有预编码MIMO-正交多址接入技术(OMA)、无预编码MIMO-OMA、以及无预编码MIMO-NOMA方案。对比可以发现,本发明所提出优化方案可以带来显著的吞吐量提升,尤其是在信道增益存在显著差异的情况下。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.一种基于MIMO-NOMA的增强型小蜂窝下行通信方法,其特征在于,所述方法的实现步骤如下:
S1、初始化***参数,确定基站天线数M与用户天线数N,每根发送天线的发射功率为P,K个非正交多址接入的用户对,以及经过测量得到的信道统计状态信息集合
其中,是基站z到近端用户k的已知信道状态,Rrk表示近端用户k信道估计误差的接收协方差矩阵,Rtk表示近端用户k信道估计误差的发送协方差矩阵,是基站z到远端用户的已知信道状态,表示远端用户信道估计误差的接收协方差矩阵,表示远端用户信道估计误差的发送协方差矩阵,dk为基站z到用户k的距离,为基站z到用户的距离,α表示路径损耗指数,σ2为加性高斯白噪声的方差,σh 2为测量误差的方差,ρI表示干扰平均功率,λb为基站的部署密度,k∈[1,K];
S2、通过如下方程分别确定用户k的接收滤波器uk以及用户的接收滤波器其中,向量且满足|zk|2=1,由矩阵的零奇异值所对应的(2N-K)个右奇异向量所组成,矩阵为天线选择矩阵且满足LHL=IK,其中(·)H表示矩阵共轭运算,IK为K阶单位矩阵;
S3、确定基站端的预编码矩阵V=LG-HD,其中矩阵G=(g1,…,gK),且矩阵G中组成的列向量由给定,对角矩阵符号(·)-H表示矩阵共轭求逆运算,符号为根号运算,符号(·)m,n为矩阵的第m行第n列所对应的元素;
S4、通过如下优化问题求解所有NOMA用户最优传输速率
2.根据权利要求1所述的一种基于MIMO-NOMA的增强型小蜂窝下行通信方法,其特征在于,所述的步骤S2中向量zk与天线选择矩阵L通过如下过程进行确定:
S201、构造zk的候选值集合且其中集合中每个候选向量只有一个元素为1其他元素均为0;同样地,构造天线选择矩阵L的候选值集合其中每个候选矩阵的每列恰好只包含一个1元素,而每一行中最多包含一个1元素,其他地方均为0;
S202、根据向量zk与天线选择矩阵L候选值组合确定每对用户的有效信道增益γk=1/(G-1G-H)k,k;
S203、找出最小的有效信道增益,即γmin,i=min{γ1,…,γK},i为天线zk与L候选值组合的序号;
3.根据权利要求1所述的一种基于MIMO-NOMA的增强型小蜂窝下行通信方法,其特征在于,所述的步骤S4中非凸优化问题通过包括连续凸优化或者内点法在内的优化工具进行求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011361675.0A CN112566159B (zh) | 2020-11-27 | 2020-11-27 | 一种基于mimo-noma的增强型小蜂窝下行通信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011361675.0A CN112566159B (zh) | 2020-11-27 | 2020-11-27 | 一种基于mimo-noma的增强型小蜂窝下行通信方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112566159A CN112566159A (zh) | 2021-03-26 |
CN112566159B true CN112566159B (zh) | 2022-12-27 |
Family
ID=75046514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011361675.0A Active CN112566159B (zh) | 2020-11-27 | 2020-11-27 | 一种基于mimo-noma的增强型小蜂窝下行通信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112566159B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114501517B (zh) * | 2022-02-21 | 2024-06-21 | 南京航空航天大学 | 一种高功效广义上行异步noma的可达速率分析方法 |
CN114759971B (zh) * | 2022-04-01 | 2023-04-11 | 南京航空航天大学 | 一种高功效上行异步noma无人机通信网络中断性能分析方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5830478B2 (ja) * | 2013-02-06 | 2015-12-09 | 株式会社Nttドコモ | 無線基地局、ユーザ端末及び無線通信方法 |
CN110086515B (zh) * | 2019-04-25 | 2021-09-28 | 南京邮电大学 | 一种mimo-noma***上行预编码设计方法 |
CN110212967B (zh) * | 2019-04-26 | 2021-10-12 | 西安电子科技大学 | 基于noma的全双工中继协作通信***性能优化方法 |
CN111601375B (zh) * | 2020-04-24 | 2024-05-03 | 北京蓝卫通科技有限公司 | 一种基于5g***的noma传输方法 |
-
2020
- 2020-11-27 CN CN202011361675.0A patent/CN112566159B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112566159A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Joudeh et al. | Sum-rate maximization for linearly precoded downlink multiuser MISO systems with partial CSIT: A rate-splitting approach | |
Upadhya et al. | Superimposed pilots are superior for mitigating pilot contamination in massive MIMO | |
Zhu et al. | Soft pilot reuse and multicell block diagonalization precoding for massive MIMO systems | |
Piovano et al. | Optimal DoF region of the $ K $-user MISO BC with partial CSIT | |
JP5220859B2 (ja) | マルチユーザプリコーディング及びスケジューリングの方法並びにそれを実施するための基地局 | |
Chatzinotas et al. | On the multicell processing capacity of the cellular MIMO uplink channel in correlated Rayleigh fading environment | |
CN107528624B (zh) | 一种基于非正交多址接入技术的稳健波束成形的设计方法 | |
Razavi et al. | Adaptive LS-and MMSE-based beamformer design for multiuser MIMO interference channels | |
CN112566159B (zh) | 一种基于mimo-noma的增强型小蜂窝下行通信方法 | |
KR100992418B1 (ko) | 다중 안테나 시스템의 송신단에서 간섭을 제거하기 위한장치 및 방법 | |
CN106716867B (zh) | Mimo接收机通过由re组单元对齐多个层以处理接收信号的方法 | |
Raghavan et al. | Semiunitary precoding for spatially correlated MIMO channels | |
KR100932272B1 (ko) | 멀티 유저 미모를 위한 송신 간섭 제거 방법 | |
CN111049552B (zh) | 基于电力线通信的多跳数据安全传输方法、装置及设备 | |
Su et al. | Performance analysis of rate splitting in K-user interference channel under imperfect CSIT: Average sum rate, outage probability and SER | |
CN108551357B (zh) | 一种电力线通信***的编码解码方法及装置 | |
Kumar et al. | Exploiting correlation with wideband CQI and making differential feedback overhead flexible in 4G/5G OFDM systems | |
CN108039900B (zh) | 一种基于子空间估计的预编码干扰消除方法 | |
Yi et al. | Null space-based precoding scheme for secondary transmission in a cognitive radio MIMO system using second-order statistics | |
KR20070085128A (ko) | 다중 사용자 다중 안테나 통신시스템에서 송수신 장치 및방법 | |
de Kerret et al. | Network MIMO: Transmitters with no CSI can still be very useful | |
Basnayaka et al. | MIMO interference channel between spatial multiplexing and spatial modulation | |
Manasa et al. | Swarm intelligence‐based deep ensemble learning machine for efficient channel estimation in MIMO communication systems | |
Taniguchi et al. | Resource efficiency and pilot decontamination in XL‐MIMO double‐scattering correlated channels | |
Sun et al. | Joint transceiver, data streams, and user ordering optimization for nonlinear multiuser MIMO systems |
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 |