CN115226202B - 一种基于最大互信息的定位基站筛选方法 - Google Patents
一种基于最大互信息的定位基站筛选方法 Download PDFInfo
- Publication number
- CN115226202B CN115226202B CN202210674392.4A CN202210674392A CN115226202B CN 115226202 B CN115226202 B CN 115226202B CN 202210674392 A CN202210674392 A CN 202210674392A CN 115226202 B CN115226202 B CN 115226202B
- Authority
- CN
- China
- Prior art keywords
- base station
- positioning
- mutual information
- base stations
- user position
- 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 34
- 238000012216 screening Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 4
- RGJOEKWQDUBAIZ-IBOSZNHHSA-N CoASH Chemical compound O[C@@H]1[C@H](OP(O)(O)=O)[C@@H](COP(O)(=O)OP(O)(=O)OCC(C)(C)[C@@H](O)C(=O)NCCC(=O)NCCS)O[C@H]1N1C2=NC=NC(N)=C2N=C1 RGJOEKWQDUBAIZ-IBOSZNHHSA-N 0.000 claims 1
- 238000007689 inspection Methods 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/121—Wireless intrusion detection systems [WIDS]; Wireless intrusion prevention systems [WIPS]
- H04W12/122—Counter-measures against attacks; Protection against rogue devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提出一种基于最大互信息的定位基站筛选方法,通过将整个定位服务覆盖区域网格化,从所有的定位基站中选择3个基站进行三边定位解算,遍历所有的选择,得到每种选择下的用户位置,然后计算用户位置位于某一网格的概率,利用所有网格的定位概率计算用户位置的熵。剔除其中一个基站,遍历所有组合,计算剩下基站的用户位置熵,以此进一步计算互信息,使用贪婪算法,只保留最大互信息的基站组合,然后重复执行剔除步骤、互信息计算步骤和保留步骤,直到不存在互信息大于0的剔除操作,此时的基站组合为筛选结果,利用筛选结果中所有基站进行联合定位解算,利用最小方差无偏估计得到最终的用户位置。
Description
【技术领域】
本发明一种基于最大互信息的定位基站筛选方法,用于终端定位时剔除不良定位基站和保留测距精度高基站,属于终端定位领域的技术领域。
【背景技术】
信号到达时间TOA(Time Of Arrival,)测距是一种被广泛应用的定位技术。定位服务器通过测量多个基站发送的参考信号到达用户的时间来计算不同基站与用户之间的距离,根据所测距离,通过三边定位以及最小二乘等定位算法估算用户位置。然而,TOA测距的精确度受基站和用户之间的时间同步程度的影响,同时对信道噪声、干扰以及多径传播较敏感。同时,随着基站定位服务的蓬勃发展,定位基础设施正成为恶意攻击的目标,攻击者能完全扭曲基站的测距信息,导致定位错误。在现实环境中,一种能快速剔除不良测距基站同时保留测距精度高基站的筛选算法将会显著地提高无线定位的准确度。
由于定位服务器无法判断基站测距是否准确,只能通过定位解算后用户位置与实际用户位置进行比较来判断参与定位的基站测距是否准确。然而,定位解算使用的是三边定位算法,最终的只能将不良基站的范围缩小到三个基站中,无法准确剔除不良基站。直接剔除不良测距基站且保留测距准确基站具有巨大的挑战性。
现有的筛选算法使用相容性检验、幻影节点过滤、图刚性检验等方法进行不良测距基站的筛选,但都存在阈值设定困难,计算量巨大等问题,缺乏实际场景中的可操作性。因此,如何在低计算量条件下,快速地剔除不良测距基站且同时保留测距准确基站是目前亟待解决的问题。
【发明内容】
本发明一种基于最大互信息的能快速剔除不良测距基站同时保留测距精度高基站的定位方法,整体思路如下,通过将整个定位服务覆盖区域网格化,从所有的定位基站中选择3个基站进行三边定位解算,遍历所有的选择,得到每种选择下的用户位置,然后计算用户位置位于某一网格的概率,利用所有网格的定位概率计算用户位置的熵。剔除其中一个基站,遍历所有组合,计算剩下基站的用户位置熵,以此进一步计算互信息,使用贪婪算法,只保留最大互信息的基站组合,然后重复执行剔除步骤、互信息计算步骤和保留步骤,直到不存在互信息大于0的剔除操作,此时的基站组合为筛选结果,利用筛选结果中所有基站进行联合定位解算,利用最小方差无偏估计得到最终的用户位置。具体通过以下步骤实现:
步骤一、建立定位服务覆盖区域的网格化模型。具体包括:定位服务覆盖区域被视作矩形,并建立直角坐标系,长为a,宽为b,其四个顶点坐标分别为(0,0),(a,0),(0,b),(a,b)。网格为矩形,其长为am,计算公式为:am=a/na,其中na是整数,作为均分段数,其取值为[a/ε],其中ε为定位精度。其宽为bm,计算公式为:bm=b/nb,其中nb是整数,作为均分段数,其取值为[b/ε]。定位服务覆盖区域被均分为na×nb个矩形网格。
步骤二、选择参与定位解算的基站。具体包括:基站集合为M={s1,s2,···,sp},其中si为索引为i的基站的坐标,sp为索引为p的基站的坐标,np为基站集合M的元素数量,xi、yi分别为第i个基站的横坐标和纵坐标。对应的测量距离集合为D={d1,d2,…,dp},其中di为索引为i的基站的测量距离。从集合M中任选3个基站,共/>种组合,设其中的某一个组合为/>i1,i2,i3分别为该组合内基站的索引,其对应的测量距离集合为/>相应对应的坐标分别为,/>
步骤三、根据基站组合进行用户位置解算。具体包括:解算出的用户位置其中xt、yt分别为解算出的用户位置的横坐标和纵坐标。利用三边定位算法,使用最小方差无偏估计,计算用户位置/>公式为/>其中矩阵H为观测矩阵,HT代表矩阵H的转置,/>为观测矢量
步骤四、根据所有解算出的用户位置计算用户位置的熵。具体包括:计算每个网格的定位概率pj,公式为其中nj为落在第j个网格中的用户位置的数量。根据所有网格的定位概率计算用户位置的熵HS,公式为/>
步骤五、根据最大互信息原则剔除基站集合中的元素。具体包络:去除基站集合M中的一个元素,共种选择。对每一种选择后产生新基站集合M*和对应的测量距离集合D*,执行步骤二、三、四,得到新基站集合M*的用户位置的熵HS*,计算互信息I(M;M*),公式为I(M;M*)=HS-HS*。保留所有产生的新集合中互信息最大且为正数的集合为/>和对应的测量距离集合/>循环执行步骤五,直到所有产生的新集合的互信息都为负数,停止操作,保留执行去除操作前的集合,记为/>此时集合/>内不含有不良测距基站且保留测距准确基站。
步骤六、根据最佳基站集合计算用户位置。具体包括,设基站集合b1,b2,bg均为该集合内基站的索引,分别对应的坐标为g为该集合的元素数量,对应的测量距离集合为为最佳基站集合。由于此时基站集合/>中不含有不良测距基站且保留测距准确基站,所以利用基站集合/>中所有基站进行联合定位得到的用户位置将会是最准确的,通过最小方差无偏估计计算最终的用户位置/>xbest为最终的用户位置的横坐标,ybest·为最终用户的纵坐标,计算公式为
其中/> Hbest为使用最佳基站集合定位的观测矩阵,/>为使用最佳基站集合定位的观测矢量。
本发明的优点及有益效果在于:本发明通过上述基于最大互信息的定位基站筛选方法,能在短时间内快速从所有的定位基站集合中剔除不良定位基站,同时保留测距精度高基站,排除不良基站的测距结果对定位解算的干扰,有效地提高了用户位置的定位精度,同时本发明计算量小,无需人为设置参数,对定位服务器的计算能力要求低,具有很强的实际场景的可操作性。并且,本发明能排除被恶意攻击的定位基站,能有效增强定位服务的安全性。
【附图说明】
图1是本发明所提出的基于最大互信息的定位基站筛选方法的总体流程图。
图2是本发明在仿真环境中与基于相容性检测方法和基于幻影节点筛选方法的定位结果的对比图。
【具体实施方式】
下面以定位基站数量np=12,定位服务覆盖区域长为a=30m,宽为b=30m,用户真实位置为(15,15),基站集合M的元素为{s1,s2,…,s12},其中,
s1=(28.239,7.3232),s2=(28.7133,15.3247),
s3=(16.9374,29.8115),s4=(23.1295,9.4141),
s5=(1.7362,1.3222),s6=(24.3883,12.3622),
s7=(11.5249,15.6938),s8=(26.7645,12.1776),
s9=(18.1317,2.8441),s10=(10.0794,4.3453),
s11=(7.3464,11.3691),s12=(8.1096,6.4680),
对应的测量距离集合D={d1,d2,…,d12},其中d1=26.3736,d2=16.1149,d3=22.6058,d4=13.0337,d5=31.0185,d6=10.0429,d7=7.3034,d8=12.6174,d9=10.2943,d10=14.5982,d11=11.3671,d12=9.4733,定位精度ε=5m,为例对发明的具体实施方式进行详细介绍,方法总体流程如图1所示。
步骤一、建立定位服务覆盖区域网格化模型。根据定位精度ε=5m,计算得出am=5,na=6,bm=5,nb=6,定位服务覆盖区域被均分为36个矩形。
步骤二、选择参与定位解算的基站,对每一种组合进行用户位置解算。从集合M中任选3个基站,共种组合,以其中一种组合{s1,s3,s5}为例,
s1=(28.239,7.3232),s3=(16.9374,29.8115),
s5=(1.7362,1.3222),对应的测量距离组合为{d1,d3,d5}。
步骤三、对每一种组合进行用户位置解算。以其中一种组合{s1,s3,s5}为例,对应的根据公式/>计算得到/>该用户位置由组合{s1,s3,s5}求解得出。对所有的组合都进行上述的定位解算。
步骤四、根据所有解算出的用户位置计算用户位置的熵。计算每个网格的定位概率pj,公式为其中nj为落在第j个网格中的用户位置的数量。根据所有网格的定位概率计算用户位置的熵HS,公式为/>在此示例中HS=7.4181bit。
步骤五、根据最大互信息原则剔除基站集合中的元素。去除基站集合M中的一个元素,共种选择。对每一种选择后产生新基站集合M*和对应的测量距离集合D*,执行步骤二、三、四,得到新基站集合M*的用户位置的熵HS*,计算互信息I(M;M*),公式为I(M;M*)=HS-HS*。例如,剔除基站集合M中的s1,产生的新基站集合M*={s2,s3,...,s12},距离集合D*={d2,d3,...,d12},执行步骤二、三、四,得到新基站集合M*的用户位置的熵HS*=6.8820,计算互信息I(M;M*)=7.4181-6.8820=0.5361bit。保留所有产生的新集合中互信息最大且为正数的集合为/>和对应的测量距离集合/>循环执行步骤四,直到所有产生的新集合的互信息都为负数,停止操作,保留执行去除操作前的集合,记为/>此时集合/>内不含有不良测距基站且保留测距准确基站。
步骤六、根据最佳基站集合计算用户位置。在此例中,最后得到的最佳基站集合其中,s7=(11.5249,15.6938),s8=(26.7645,12.1776),s9=(18.1317,2.8441),s12=(8.1096,6.4680),对应的测量距离集合/>利用基站集合/>中所有基站进行联合定位,计算过程为,根据公式计算得到结果如图2所示,同时图2显示了基于相容性的筛选方法和基于幻影节点的筛选方法的结果,本发明提出的方法误差为3.6992m,基于相容性的筛选方法误差为7.0117m,基于幻影节点的筛选方法误差为7.82m。
Claims (5)
1.一种基于最大互信息的定位基站筛选方法,其特征在于,包括如下步骤:
步骤一、建立定位服务覆盖区域的网格化模型;
步骤二、选择参与定位解算的基站;
步骤三、根据基站组合进行用户位置解算;
步骤四、根据所有解算出的用户位置计算用户位置的熵;
步骤五、根据最大互信息原则剔除基站集合中的元素;
步骤六、根据最佳基站集合计算用户位置;
其中,在步骤四中,具体包括:计算每个网格的定位概率pj,公式为其中,nj为落在第j个网格中的用户位置的数量;根据所有网格的定位概率计算用户位置的熵HS,公式为/>
在步骤五中,具体包括:去除基站集合M中的一个元素,共种选择;对每一种选择后产生新基站集合M*和对应的测量距离集合D*,执行步骤二、三、四,得到新基站集合M*的用户位置的熵HS*,计算互信息I(M;M*),公式为I(M;M*)=HS-HS*保留所有产生的新集合中互信息最大且为正数的集合为/>和对应的测量距离集合/>循环执行步骤五,直到所有产生的新集合的互信息都为负数,停止操作,保留执行去除操作前的集合,记为/>此时集合/>内不含有不良测距基站且保留测距准确基站;
在步骤六中,具体包括,设基站集合b1,b2,bg均为该集合内基站的索引,分别对应的坐标为/>g为该集合的元素数量,对应的测量距离集合为/> 为最佳基站集合;由于此时基站集合/>中不含有不良测距基站且保留测距准确基站,所以利用基站集合/>中所有基站进行联合定位得到的用户位置将会是最准确的,通过最小方差无偏估计计算最终的用户位置xbest为最终的用户位置的横坐标,ybest为最终用户的纵坐标,计算公式为:
其中,
Hbest为使用最佳基站集合定位的观测矩阵,为使用最佳基站集合定位的观测矢量。
2.根据权利要求1所述的一种基于最大互信息的定位基站筛选方法,其特征在于:在步骤一中,具体包括:定位服务覆盖区域被视作矩形,并建立直角坐标系,长为a,宽为b,四个顶点坐标分别为(0,0),(a,0),(0,b),(a,b);网格为矩形,长为am,计算公式为:am=a/na,其中,na是整数,作为均分段数,取值为[a/ε],其中,s为定位精度;宽为bm,计算公式为:bm=b/nb,其中nb是整数,作为均分段数,取值为[b/ε];定位服务覆盖区域被均分为na×nb个矩形网格。
3.根据权利要求1所述的一种基于最大互信息的定位基站筛选方法,其特征在于:在步骤二中,具体包括:基站集合为M={s1,s2,…,sp},xi∈[0,a],yi∈[0,b],其中,si为索引为i的基站的坐标,sp为索引为p的基站的坐标,np为基站集合M的元素数量;xi、yi分别为第i个基站的横坐标和纵坐标;对应的测量距离集合为D={d1,d2,…,dp},其中,di为索引为i的基站的测量距离。
4.根据权利要求3所述的一种基于最大互信息的定位基站筛选方法,其特征在于:从集合M中任选3个基站,共种组合,设其中的某一个组合为分别为该组合内基站的索引,对应的测量距离集合为相应对应的坐标分别为/>
5.根据权利要求4所述的一种基于最大互信息的定位基站筛选方法,其特征在于:在步骤三中,具体包括:解算出的用户位置其中,xt、yi分别为解算出的用户位置的横坐标和纵坐标;利用三边定位算法,使用最小方差无偏估计,计算用户位置/>公式为其中,矩阵H为观测矩阵,HT代表矩阵H的转置,/>为观测矢量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210674392.4A CN115226202B (zh) | 2022-06-15 | 2022-06-15 | 一种基于最大互信息的定位基站筛选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210674392.4A CN115226202B (zh) | 2022-06-15 | 2022-06-15 | 一种基于最大互信息的定位基站筛选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115226202A CN115226202A (zh) | 2022-10-21 |
CN115226202B true CN115226202B (zh) | 2024-05-28 |
Family
ID=83608920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210674392.4A Active CN115226202B (zh) | 2022-06-15 | 2022-06-15 | 一种基于最大互信息的定位基站筛选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115226202B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080099940A (ko) * | 2007-05-11 | 2008-11-14 | 주식회사 셀리지온 | 기지국별 신호세기의 비율을 이용한 네트워크 기반의이동단말기 위치 측정방법 및 그 시스템 |
CN103997781A (zh) * | 2014-04-15 | 2014-08-20 | 刘骐畅 | 区域定位基站***及其区域定位方法 |
CN104159297A (zh) * | 2014-08-19 | 2014-11-19 | 吉林大学 | 一种基于聚类分析的无线传感器网络多边定位算法 |
CN107462901A (zh) * | 2011-06-28 | 2017-12-12 | 内克斯特纳夫有限公司 | 用于从发射器网络发射定位信号的方法和*** |
CN108966120A (zh) * | 2018-06-09 | 2018-12-07 | 中国电子科技集团公司第五十四研究所 | 一种用于动态集群网络改进的组合三边定位方法及*** |
CN111107485A (zh) * | 2019-12-03 | 2020-05-05 | 浙江大学 | 一种定位基站选择方法 |
CN113766600A (zh) * | 2021-09-18 | 2021-12-07 | 浙江万里学院 | 一种多基站无线传感网络的移动目标定位方法 |
CN114205741A (zh) * | 2021-12-13 | 2022-03-18 | 安徽理工大学 | 基于uwb的toa与位置指纹联合室内定位方法 |
-
2022
- 2022-06-15 CN CN202210674392.4A patent/CN115226202B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080099940A (ko) * | 2007-05-11 | 2008-11-14 | 주식회사 셀리지온 | 기지국별 신호세기의 비율을 이용한 네트워크 기반의이동단말기 위치 측정방법 및 그 시스템 |
CN107462901A (zh) * | 2011-06-28 | 2017-12-12 | 内克斯特纳夫有限公司 | 用于从发射器网络发射定位信号的方法和*** |
CN103997781A (zh) * | 2014-04-15 | 2014-08-20 | 刘骐畅 | 区域定位基站***及其区域定位方法 |
CN104159297A (zh) * | 2014-08-19 | 2014-11-19 | 吉林大学 | 一种基于聚类分析的无线传感器网络多边定位算法 |
CN108966120A (zh) * | 2018-06-09 | 2018-12-07 | 中国电子科技集团公司第五十四研究所 | 一种用于动态集群网络改进的组合三边定位方法及*** |
CN111107485A (zh) * | 2019-12-03 | 2020-05-05 | 浙江大学 | 一种定位基站选择方法 |
CN113766600A (zh) * | 2021-09-18 | 2021-12-07 | 浙江万里学院 | 一种多基站无线传感网络的移动目标定位方法 |
CN114205741A (zh) * | 2021-12-13 | 2022-03-18 | 安徽理工大学 | 基于uwb的toa与位置指纹联合室内定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115226202A (zh) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2952047B1 (en) | Method for localizing wireless devices | |
CN105491661B (zh) | 基于改进的Kalman滤波算法的室内定位***及方法 | |
JP2000092556A (ja) | パタ―ン認識ベ―スの地理位置識別 | |
CN109490826B (zh) | 一种基于无线电波场强rssi的测距与位置定位方法 | |
CN107484240B (zh) | 一种基于指纹进行定位的方法及装置 | |
CN103270801A (zh) | 用于定位用户设备的方位的方法和*** | |
CN114189809A (zh) | 基于卷积神经网络与高维5g观测特征的室内定位方法 | |
CN109143157B (zh) | 基于信号强度值混合滤波的动态更新参数的测距方法 | |
CN110727752B (zh) | 位置指纹库处理方法、设备及计算机可读存储介质 | |
CN109982368B (zh) | 小区方位角的核查方法、装置、设备及介质 | |
CN111770528B (zh) | 基于信道参数萃取方法的视距与非视距识别方法及装置 | |
CN115226202B (zh) | 一种基于最大互信息的定位基站筛选方法 | |
CN110809284B (zh) | 基于mr数据的定位方法、***、设备、可读存储介质 | |
CN110297212B (zh) | 基于Voronoi图的室外分组测试定位方法及*** | |
Zheng et al. | RSS-based indoor passive localization using clustering and filtering in a LTE network | |
Jiao et al. | LCC-Rwgh: A NLOS error mitigation algorithm for localization in wireless sensor network | |
KR100949576B1 (ko) | 보정을 통한 위치추정방법 | |
CN111565452B (zh) | 基于WiFi多径相似性的室内定位指纹库综合生成方法 | |
Liu et al. | An adaptive hybrid localization algorithm for wireless sensor network | |
CN112261578A (zh) | 基于众值滤波的室内指纹定位方法 | |
CN108495365A (zh) | 基于窄带物联网时延估计的终端定位方法 | |
CN112188385A (zh) | 一种基于ap序列的缩小定位区域的室内定位方法 | |
Xing et al. | A robust wireless sensor network localization algorithm in NLOS environment | |
CN115413022B (zh) | 基站位置的识别方法、装置、设备及存储介质 | |
CN112423333B (zh) | 基于位置指纹匹配的蜂窝网络无线定位方法 |
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 |