CN112578359B - 一种通过双谱变换处理提取雷达信号脉内特征参数的方法 - Google Patents
一种通过双谱变换处理提取雷达信号脉内特征参数的方法 Download PDFInfo
- Publication number
- CN112578359B CN112578359B CN202011262561.0A CN202011262561A CN112578359B CN 112578359 B CN112578359 B CN 112578359B CN 202011262561 A CN202011262561 A CN 202011262561A CN 112578359 B CN112578359 B CN 112578359B
- Authority
- CN
- China
- Prior art keywords
- entropy
- radar
- bispectrum
- radon
- radiation source
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 title description 5
- 229910052704 radon Inorganic materials 0.000 claims abstract description 43
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims abstract description 43
- 230000009466 transformation Effects 0.000 claims abstract description 41
- 230000005855 radiation Effects 0.000 claims abstract description 37
- 238000001228 spectrum Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G01S7/418—Theoretical aspects
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/295—Means for transforming co-ordinates or for evaluating data, e.g. using computers
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及雷达信号领域,具体的说是一种通过双谱变换处理提取雷达信号脉内特征参数的方法,包括以下步骤:一、对接收到的雷达信号进行双谱特征变换处理;二、对双谱特征进行Radon变换处理;三、求取三维熵作为最终的雷达信号脉内特征参数。当某个熵不足以区分8类雷达辐射源信号时,可以结合其他熵进行分析,总体而言,8类雷达辐射源信号双谱Radon变换特征的三维熵特征存在差异,即具有较好的分离性,香农熵的方差小于0.01,指数熵的方差处于‑5数量级,范数熵的方差小于2.5,说明8类雷达辐射源信号双谱Radon变换特征的三维熵特征受噪声的影响较小,即具有较好的稳定性,为后续的雷达信号分选与识别奠定了良好的基础。
Description
技术领域
本发明涉及雷达信号领域,具体说是一种通过双谱变换处理提取雷达信号脉内特征参数的方法。
背景技术
随着新型复杂体制雷达所占的比例越来越大,未知雷达辐射源信号分选在电子战中扮演的角色愈来愈重要,所需解决的问题也愈来愈多。当前的雷达辐射源信号分选算法主要是基于分析截获信号的各种常规参数,如到达时间、到达角、载频、脉宽等。其中,利用到达时间分选是较为常用的一种方法,典型的如序列差直方图、PRI变换,以及改进的PRI变换算法等。但这些算法都存在一定的缺陷,难以适用于当前复杂的电磁环境。脉内特征是雷达辐射源信号最具特色的参数之一,虽然当前一些雷达辐射源信号的常规参数变化丰富,但其脉内特征参数却具有一定的稳定性。因此,本发明提出一种基于双谱变换处理的脉内特征参数,给出详细的提取过程,并进行了仿真分析,验证了所提方法的有效性和可行性。
发明内容
针对现有技术中的问题,本发明提供了一种通过双谱变换处理提取雷达信号脉内特征参数的方法。
本发明解决其技术问题所采用的技术方案是:一种通过双谱变换处理提取雷达信号脉内特征参数的方法,包括以下步骤:
(1)对接收到的雷达信号进行双谱特征变换处理:
1)将数据{x(0),x(1),...x(N-1)}分成K段,每段M个样本,即N=KM,这里允许两段相邻数据间的重叠;
2)计算离散傅立叶变换系数DFT
式中,λ=0,1,...,M/2,k=1,...,K;
3)在此基础上,求出DFT系数的三重相关
式中,k=1,...,K;0≤λ2≤λ1,λ1+λ2≤fs/2,Δ0=fs/N0,而N0和L1应选择为满足M=(2L1+1)N0的值;
4)将所给数据x(0),x(1),...,x(N-1)的双谱估计以K段双谱估计的平均值给出,即
式中,
(2)对双谱特征进行Radon变换处理:
虽然雷达辐射源信号的双谱特征具有较好的性能,但其为三维特征图,不利于后续的分选处理,因此需要考虑对其进行简化处理,本发明选择Radon变换进行简化处理,该变换可以实现对图像全角度观察,广泛应用于图像处理领域;
Radon变换基于投影积分的思想,沿特定方向求线积分,并将积分值投影到Radon变换平面上,得到Radon曲线,图像沿θ方向的Radon曲线定义为:
式中,f(x,y)为原始图像;g(s,θ)为Radon曲线;δ(·)为冲激函数。可见,当(s,θ)确定后,式(2.42)表示f(x,y)沿直线l(s=x cosθ+y sinθ)进行线积分,进而得到Radon曲线g(s,θ);
(3)求取三维熵作为最终的雷达信号脉内特征参数:
虽然求取雷达辐射源信号的双谱Radon变换特征,不同雷达信号间的差异得到了凸显,但是其维数较大,不便于表征信号特征和后续的分选识别,需要考虑利用一些提取简单、适用性强的特征进行降维处理,熵可以用来表征***能量分布均匀的程度,也能作为对***无序状态的衡量,下面给出三维熵特征的具体计算方法:
1)香农熵
由于不同雷达辐射源信号的双谱Radon变换特征的无序化和不确定程度存在差异,因此可以用香农熵来进行刻画。香农熵的定义为:
假设一集合X={x1,x2,…,xn},则集合中各个事件发生的概率用n维概率分布P={p1,p2,…,pn}表示,且满足两个条件:0≤pi≤1且由此,香农熵表达式为下列公式一:
其中,
2)指数熵
香农熵在解决信号不确定性问题时有较好的效果,但也存在一定的问题,在香农熵的定义中,如果pi→0,则信息增量ΔI(pi)→∞,即当pi=0时,ΔI(pi)=-log2(pi)没有定义,因此,为了解决计算过程中出现不收敛的现象,用代替log2(1/pi)能起到较好的效果,并且能提高计算精度,则指数熵表达式为下列公式二:
其中,
3)范数熵
范数熵在刻画不同脉内调制方式的雷达辐射源信号的频谱形状、能量分布和集中程度上有较好的效果,考虑到不同雷达辐射源信号的双谱Radon变换特征具有不同的能量分布情况,因此可以用范数熵来进行刻画,假设一信号序列则范数熵的表达式为下列公式七:
式中,1<R<2,通常情况下可以取R=1.5;
选择三维熵作为最终的雷达信号脉内特征参数:
对于侦测到的雷达信号,首先求取双谱Radon变换特征,然后在此基础上按照公式一、公式二和公式三,依次求取出香农熵、指数熵和范数熵,构成雷达信号的脉内特征参数,描述为
F={HS,HE,HR}。
本发明的有益效果:
本发明所述的一种通过双谱变换处理提取雷达信号脉内特征参数的方法,当某个熵不足以区分8类雷达辐射源信号时,可以结合其他熵进行分析,总体而言,8类雷达辐射源信号双谱Radon变换特征的三维熵特征存在差异,即具有较好的分离性,香农熵的方差小于0.01,指数熵的方差处于-5数量级,范数熵的方差小于2.5,说明8类雷达辐射源信号双谱Radon变换特征的三维熵特征受噪声的影响较小,即具有较好的稳定性,为后续的雷达信号分选与识别奠定了良好的基础。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明提供的一种通过双谱变换处理提取雷达信号脉内特征参数的方法的流程图;
图2为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的香农熵均值;
图3为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的指数熵均值;
图4为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的范数熵均值;
图5为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的香农熵方差;
图6为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的指数熵方差;
图7为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的范数熵方差。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
如图1-图7所示,本发明所述的一种通过双谱变换处理提取雷达信号脉内特征参数的方法,包括以下步骤:
(1)对接收到的雷达信号进行双谱特征变换处理。
1)将数据{x(0),x(1),...x(N-1)}分成K段,每段M个样本,即N=KM,这里允许两段相邻数据间的重叠;
2)计算离散傅立叶变换(DFT)系数
式中,λ=0,1,...,M/2,k=1,...,K;
3)在此基础上,求出DFT系数的三重相关
式中,k=1,...,K;0≤λ2≤λ1,λ1+λ2≤fs/2,Δ0=fs/N0,而N0和L1应选择为满足M=(2L1+1)N0的值;
4)将所给数据x(0),x(1),...,x(N-1)的双谱估计以K段双谱估计的平均值给出,即
式中,
(2)对双谱特征进行Radon变换处理
虽然雷达辐射源信号的双谱特征具有较好的性能,但其为三维特征图,不利于后续的分选处理,因此需要考虑对其进行简化处理。本发明选择Radon变换进行简化处理,该变换可以实现对图像全角度观察,广泛应用于图像处理领域。
Radon变换基于投影积分的思想,沿特定方向求线积分,并将积分值投影到Radon变换平面上,得到Radon曲线(即二维特征图)。图像沿θ方向的Radon曲线定义为:
式中,f(x,y)为原始图像;g(s,θ)为Radon曲线;δ(·)为冲激函数。可见,当(s,θ)确定后,式(2.42)表示f(x,y)沿直线l(s=xcosθ+ysinθ)进行线积分,进而得到Radon曲线g(s,θ)。
(3)求取三维熵作为最终的雷达信号脉内特征参数
虽然求取雷达辐射源信号的双谱Radon变换特征,不同雷达信号间的差异得到了凸显,但是其维数较大,不便于表征信号特征和后续的分选识别,需要考虑利用一些提取简单、适用性强的特征进行降维处理。熵可以用来表征***能量分布均匀的程度,也能作为对***无序状态的衡量。由图2-图4可知,不同雷达辐射源信号的双谱Radon变换特征具有不同的规律特性,用熵有利于定量描述这种特性。下面给出三维熵特征的具体计算方法:
1)香农熵
由于不同雷达辐射源信号的双谱Radon变换特征的无序化和不确定程度存在差异,因此可以用香农熵来进行刻画。香农熵的定义为:
假设一集合X={x1,x2,…,xn},则集合中各个事件发生的概率用n维概率分布P={p1,p2,…,pn}表示,且满足两个条件:0≤pi≤1且由此,香农熵表达式为下列公式一:
其中,
2)指数熵
香农熵在解决信号不确定性问题时有较好的效果,但也存在一定的问题。在香农熵的定义中,如果pi→0,则信息增量ΔI(pi)→∞,即当pi=0时,ΔI(pi)=-log2(pi)没有定义。因此,为了解决计算过程中出现不收敛的现象,用代替log2(1/pi)能起到较好的效果,并且能提高计算精度。则指数熵表达式为下列公式二:
其中,
3)范数熵
范数熵在刻画不同脉内调制方式的雷达辐射源信号的频谱形状、能量分布和集中程度上有较好的效果,考虑到不同雷达辐射源信号的双谱Radon变换特征具有不同的能量分布情况,因此可以用范数熵来进行刻画。假设一信号序列则范数熵的表达式为下列公式三:
式中,1<R<2,通常情况下可以取R=1.5。
选择三维熵作为最终的雷达信号脉内特征参数。
对于侦测到的雷达信号,首先求取双谱Radon变换特征,然后在此基础上按照公式一、公式二和公式三,依次求取出香农熵、指数熵和范数熵,构成雷达信号的脉内特征参数,描述为
F={HS,HE,HR}
为了对雷达信号脉内特征参数的性能进行分析,在信噪比为0、5、10和15dB时,分别求取8类雷达辐射源信号双谱Radon变换特征的三维熵特征,每类信号产生200个,得到8类雷达辐射源信号在对应信噪比环境下双谱Radon变换特征的三维熵特征的均值和方差,如图2-图7所示。
由图2-图4可知,当某个熵不足以区分8类雷达辐射源信号时,可以结合其他熵进行分析,总体而言,8类雷达辐射源信号双谱Radon变换特征的三维熵特征存在差异,即具有较好的分离性。由图5-图7可知,香农熵的方差小于0.01,指数熵的方差处于-5数量级,范数熵的方差小于2.5,说明8类雷达辐射源信号双谱Radon变换特征的三维熵特征受噪声的影响较小,即具有较好的稳定性,为后续的雷达信号分选与识别奠定了良好的基础。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施方式和说明书中的描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入本发明要求保护的范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.一种通过双谱变换处理提取雷达信号脉内特征参数的方法,其特征在于,包括以下步骤:
(1)对接收到的雷达信号进行双谱特征变换处理:
1)将数据{x(0),x(1),...x(N-1)}分成K段,每段M个样本,即N=KM,这里允许两段相邻数据间的重叠;
2)计算离散傅立叶变换系数DFT
式中,λ=0,1,...,M/2,k=1,...,K;
3)在此基础上,求出DFT系数的三重相关
X(k)(-λ1-λ2-i1-i2)
式中,k=1,...,K;0≤λ2≤λ1,λ1+λ2≤fs/2,Δ0=fs/N0,而N0和L1应选择为满足M=(2L1+1)N0的值;
4)将所给数据x(0),x(1),...,x(N-1)的双谱估计以K段双谱估计的平均值给出,即
式中,
(2)对双谱特征进行Radon变换处理;
Radon变换基于投影积分的思想,沿特定方向求线积分,并将积分值投影到Radon变换平面上,得到Radon曲线,图像沿θ方向的Radon曲线定义为:
式中,f(x,y)为原始图像;g(s,θ)为Radon曲线;δ(·)为冲激函数,可见,当(s,θ)确定后,式(2.42)表示f(x,y)沿直线l(s=xcosθ+ysinθ)进行线积分,进而得到Radon曲线g(s,θ);
(3)求取三维熵作为最终的雷达信号脉内特征参数:
熵用来表征***能量分布均匀的程度,也能作为对***无序状态的衡量,下面给出三维熵特征的具体计算方法:
1)香农熵
由于不同雷达辐射源信号的双谱Radon变换特征的无序化和不确定程度存在差异,因此用香农熵来进行刻画,香农熵的定义为:
假设一集合X={x1,x2,…,xn},则集合中各个事件发生的概率用n维概率分布P={p1,p2,…,pn}表示,且满足两个条件:0≤pi≤1且由此,香农熵表达式为下列公式一:
其中,
2)指数熵
香农熵在解决信号不确定性问题时有较好的效果,但也存在一定的问题,在香农熵的定义中,如果pi→0,则信息增量ΔI(pi)→∞,即当pi=0时,ΔI(pi)=-log2(pi)没有定义,因此,为了解决计算过程中出现不收敛的现象,用代替log2(1/pi)能起到较好的效果,并且能提高计算精度,则指数熵表达式为下列公式二:
其中,
3)范数熵
范数熵在刻画不同脉内调制方式的雷达辐射源信号的频谱形状、能量分布和集中程度上有较好的效果,考虑到不同雷达辐射源信号的双谱Radon变换特征具有不同的能量分布情况,因此用范数熵来进行刻画,假设一信号序列则范数熵的表达式为下列公式七:
式中,1<R<2,通常情况下取R=1.5;
选择三维熵作为最终的雷达信号脉内特征参数:
对于侦测到的雷达信号,首先求取双谱Radon变换特征,然后在此基础上按照公式一、公式二和公式三,依次求取出香农熵、指数熵和范数熵,构成雷达信号的脉内特征参数,描述为F={HS,HE,HR}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011262561.0A CN112578359B (zh) | 2020-11-12 | 2020-11-12 | 一种通过双谱变换处理提取雷达信号脉内特征参数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011262561.0A CN112578359B (zh) | 2020-11-12 | 2020-11-12 | 一种通过双谱变换处理提取雷达信号脉内特征参数的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112578359A CN112578359A (zh) | 2021-03-30 |
CN112578359B true CN112578359B (zh) | 2023-09-19 |
Family
ID=75122887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011262561.0A Active CN112578359B (zh) | 2020-11-12 | 2020-11-12 | 一种通过双谱变换处理提取雷达信号脉内特征参数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112578359B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8059026B1 (en) * | 2006-03-01 | 2011-11-15 | The United States Of America As Represented By The Secretary Of The Air Force | Interference avoiding transform domain radar |
CN102279390A (zh) * | 2011-05-06 | 2011-12-14 | 西南交通大学 | 一种低信噪比雷达辐射源信号脉内调制识别方法 |
CN107832787A (zh) * | 2017-10-31 | 2018-03-23 | 杭州电子科技大学 | 基于双谱自编码特征的雷达辐射源识别方法 |
CN111257872A (zh) * | 2020-01-07 | 2020-06-09 | 哈尔滨工业大学 | 基于Radon变换与拉普拉斯算子的微多普勒抑制方法 |
-
2020
- 2020-11-12 CN CN202011262561.0A patent/CN112578359B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8059026B1 (en) * | 2006-03-01 | 2011-11-15 | The United States Of America As Represented By The Secretary Of The Air Force | Interference avoiding transform domain radar |
CN102279390A (zh) * | 2011-05-06 | 2011-12-14 | 西南交通大学 | 一种低信噪比雷达辐射源信号脉内调制识别方法 |
CN107832787A (zh) * | 2017-10-31 | 2018-03-23 | 杭州电子科技大学 | 基于双谱自编码特征的雷达辐射源识别方法 |
CN111257872A (zh) * | 2020-01-07 | 2020-06-09 | 哈尔滨工业大学 | 基于Radon变换与拉普拉斯算子的微多普勒抑制方法 |
Non-Patent Citations (1)
Title |
---|
基于局部双谱的高分辨距离像雷达目标识别;时宇, 张贤达;清华大学学报(自然科学版)(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112578359A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110007148B (zh) | 一种基于离散频谱相位和幅值综合内插的单频信号频率估计方法 | |
CN111736131B (zh) | 一种剔除一比特信号谐波虚假目标的方法及相关组件 | |
US5874916A (en) | Frequency selective TDOA/FDOA cross-correlation | |
CN112462343B (zh) | 一种通过频域变换处理提取雷达信号脉内特征参数的方法 | |
CN110197209A (zh) | 一种基于多特征融合的辐射源识别方法 | |
CN106501765B (zh) | 一种基于平方和与半定规划的最大似然波达方向估计方法 | |
CN113050075B (zh) | 一种基于扩散映射的水下声源匹配场定位方法 | |
CN105572473B (zh) | 高分辨率线性时频分析方法 | |
CN105158751A (zh) | 一种声矢量阵快速方位估计方法 | |
CN108761380B (zh) | 一种用于提高精度的目标波达方向估计方法 | |
Wang et al. | Parameter estimation of chirp signal under low SNR | |
CN109239680B (zh) | 一种低截获概率雷达lfm信号的参数估计方法 | |
CN104880697B (zh) | 基于稀疏约束的线性调频信号参数估计方法 | |
CN112578359B (zh) | 一种通过双谱变换处理提取雷达信号脉内特征参数的方法 | |
CN111832632B (zh) | 基于高次频谱对称Holder系数的雷达信号分选方法及*** | |
CN111781590B (zh) | 基于高效frft的雷达目标参数估计方法 | |
CN106501787B (zh) | 基于平滑伪魏格纳分布的二相编码信号参数估计方法 | |
CN112213697A (zh) | 一种基于贝叶斯决策理论用于雷达欺骗干扰识别的特征融合方法 | |
CN112462344B (zh) | 通过时频域变换处理提取雷达信号脉内特征参数的方法 | |
CN112578360B (zh) | 一种基于变换域提取雷达信号脉内特征参数的方法 | |
Tan et al. | Angular resolution enhancement of real-beam scanning radar base on accelerated iterative shinkage/thresholding algorithm | |
CN117054998A (zh) | 一种基于信息熵背景平稳度的集群目标检测方法和*** | |
CN110632563A (zh) | 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法 | |
CN113391286B (zh) | 基于二维块稀疏恢复的虚拟孔径mimo雷达目标探测方法 | |
CN115169406A (zh) | 基于经验模态分解的瞬时相位指纹特征增强方法 |
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 |