CN102510314B - 基于菱形积分双谱的通信电台个体识别方法及装置 - Google Patents
基于菱形积分双谱的通信电台个体识别方法及装置 Download PDFInfo
- Publication number
- CN102510314B CN102510314B CN201110354259.2A CN201110354259A CN102510314B CN 102510314 B CN102510314 B CN 102510314B CN 201110354259 A CN201110354259 A CN 201110354259A CN 102510314 B CN102510314 B CN 102510314B
- Authority
- CN
- China
- Prior art keywords
- communication station
- signal
- rhombus
- integration
- spectrum
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供的基于菱形积分双谱的通信电台个体识别方法包括对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB;对所述菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化,并进行通信电台个体特征融合;采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别。本发明提供的基于菱形积分双谱的通信电台个体识别方法及装置,以RHIB为主体信号特征能够有效的用于对通信电台个体进行识别。
Description
技术领域
本发明涉及现代通信系统安全和通信信号处理技术领域,特别涉及一种基于菱形积分双谱的通信电台个体识别方法及装置。
背景技术
通信电台个体识别技术是现代通信系统安全技术领域的一大热点,新的通信电台个体特征分析方法逐渐引起了人们的关注,尤其是在利用高阶谱进行通信电台个体特征提取方面取得了良好的效果。由于实际经过编码和调制后的通信电台信号都是非平稳或非高斯信号,而且通信电台的个体特征更多地表现为不规则的非平稳、非线性和非高斯性,传统意义上的一阶、二阶矩或者功率谱分析等通信信号处理方法难以更深入揭示电台个体特征的本质,而高阶谱是一种非平稳信号分析工具,理论上可以完全抑制高斯有色噪声的影响。因此,采用高阶谱分析方法提取通信电台个体特征的技术得到了较为广泛的应用。
目前,研究人员大多采用高阶谱中的双谱进行通信信号个体特征提取,但是直接双谱需要应用匹配滤波器组进行二维匹配,计算量极大,这限制了直接双谱在通信电台个体识别领域的应用。为了克服这一困难,研究人员引入了积分双谱的方法将二维双谱变换为计算简单的一维函数。目前主要有三种积分双谱,即径向积分双谱(RIB)、轴向积分双谱(AIB)、圆周积分双谱(CIB),以及较为常用的选择双谱方法,上述四种双谱可统称为局部双谱。
径向积分双谱是指沿过原点的双频平面的第一象限对直接双谱进行积分,轴向积分双谱是指沿着双频平面上平行于某一个频率的直线进行积分,圆周积分双谱是指沿双频平面以原点为圆心的一组同心圆对直接双谱进行积分,而选择双谱则是采用类可分离度来判断一个双谱值在信号特征识别中作用大小,然后选择其中一部分具有最强类间分离度的双谱作为信号特征参数。在上述局部双谱中,轴向积分双谱丢失了信号个体的相位特征,对于电台个体识别极为不利,径向积分双谱和圆周积分双谱存在非均匀采样问题,分类特征的准确度不高,而选择双谱对噪声的免疫性弱于上述三种积分双谱。因此,采用上述四种局部双谱特征对通信电台进行个体识别有很大的局限性。
发明内容
本发明所要解决的技术问题是提供一种能够有效的用于对通信电台个体进行识别的基于菱形积分双谱(RHIB)的通信电台个体识别方法及装置。
根据本发明的一个方面,提供一种基于菱形积分双谱的通信电台个体识别方法包括:
对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB;
对所述菱形积分双谱RHIB的特征按照Fisher可分离度准则进行优化,并进行通信电台个体特征融合;
采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别。
进一步地,对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB包括:
计算通信电台个体信号{x(i)(n)}的直接双谱B(i)(ω),所述B(i)(ω)=B(i)(ω1,ω2)=X(i)(ω1)X(i)(ω2)X(i)(ω1+ω2),所述ω=(ω1,ω2);
计算通信电台个体信号{x(i)(n)}的菱形积分双谱RHIB(i)(ω),所述,所述B(ω1,ω2)表示菱形路径Pr上通信信号的双谱数值,所述RHIB(i)(ω)是第i类通信电台信号样本在频率ω处的菱形积分双谱。
进一步地,所述对所述菱形积分双谱RHIB的特征按照Fisher可分离度准则进行优化,并进行通信电台个体特征融合包括:
假定是第i类通信电台信号样本在频率ω处的菱形积分双谱集合,是第j类通信电台信号样本在频率ω处的菱形积分双谱集合;其中,所述i和j表示通信电台信号的类别,所述中的k表示所监测到的第i类通信电台的第k个监测通信信号样本,所述中的k表示所监测到的第j类通信电台的第k个监测通信信号样本,所述Ni是第i类通信电台监测信号样本的个数,所述Nj是第j类通信电台监测信号样本的个数;
将第i类和第j类个体信号特征间的Fisher可分离度按照如下公式进行计算:
其中,所述m(i,j)(ω)表示第i类和第j类个体信号特征间在频率ω处的可分离度;所述p(l)为第l类电台通信信号发生的先验概率;所述meank(RHIBk (l)(ω))代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的均值;所述vark(RHIBk (l)(ω))代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的方差;所述meanl[meank(RHIBk (l)(ω))]表示所有类型信号全体样本在频率ω处的菱形积分双谱均值;
对于所监测到的第i类通信电台的所有Ni个信号样本,根据第i类和其他类别个体信号特征间的Fisher可分离度筛选出第i类电台的菱形积分双谱信号特征,并标记为RHIBi(l);
采用快速傅里叶变换方法对第i类通信信号个体进行分析,得到通信电台个体的发射载频特征,标记为fc(i);
对所述菱形积分双谱信号特征RHIBi(l)和所得到的通信电台个体的发射载频特征fc(i)按照OSFi={fc(i),RHIBi(l)}进行特征融合,然后对所述OSFi进行归一化处理,从而得到第i类通信电台的个体信号特征SFi。
进一步地,所述采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别包括:
依据所述通信电台第i类通信信号个体信号特征SFi建立电台特征数据库,并用来训练个体特征匹配识别器;
对所述通信电台第i类通信信号个体信号特征SFi,由已完成训练的个体特征匹配识别器对未知电台设备的个体信号特征进行匹配识别,并给出最终匹配识别结果,其中匹配识别算法采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别;
根据所述通信电台个体信号特征SFi的匹配识别结果,对相应的通信电台进行安全服务:若为已在通信电台信号特征数据库注册的合法无线通信设备,则依据新的电台信号特征更新电台数据库,否则报告关于非法电台设备的警示信息。
本发明还提供一种基于菱形积分双谱的通信电台个体识别装置包括:
菱形积分双谱提取模块、特征优化融合模块以及电台个体匹配识别模块;
所述菱形积分双谱提取模块,对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB;
所述特征优化融合模块,对所述菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化,并进行通信电台个体特征融合;
所述电台个体匹配识别模块,采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别。
本发明提供的基于菱形积分双谱的通信电台个体识别方法及装置,以RHIB为主体的信号特征能够有效的用于对通信电台个体进行识别。
附图说明
图1为本发明实施例提供的基于菱形积分双谱的通信电台个体识别方法的流程示意图;
图2为本发明实施例提供的菱形积分双谱在双频平面上的积分路径的示意图;
图3为本发明实施例提供的基于菱形积分双谱的通信电台个体识别装置的结构框图。
具体实施方式
参见图1,本发明实施例提供的一种基于菱形积分双谱的通信电台个体识别方法包括:
步骤10、在对接收到的通信电台个体信号进行下变频和数字采样后,对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB。
步骤20、对菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化,并进行通信电台个体特征融合。
步骤30、采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别。
其中,步骤10对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB包括:
步骤102、计算通信电台个体信号{x(i)(n)}的直接双谱B(i)(ω),所述B(i)(ω)=B(i)(ω1,ω2)=X(i)(ω1)X(i)(ω2)X(i)(ω1+ω2),所述ω=(ω1,ω2)。
步骤103、计算通信电台个体信号{x(i)(n)}的菱形积分双谱RHIB(i)(ω),所述,所述B(ω1,ω2)表示菱形路径Pr上通信信号的双谱数值(结构如图2所示),RHIB积分路径Pr的选择使得积分值可以保留通信信号个体的尺度和相位信息,而且在指定的菱形积分路径上不存在双谱数值的非均匀采样问题,因而可以保证个体特征的区别精度。同时,RHIB还具有积分双谱所具备良好的抗噪性能。RHIB(i)(ω)是第i类通信电台信号样本在频率ω处的菱形积分双谱。
其中,步骤20对所述菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化,并进行通信电台个体特征融合包括:
步骤201、假定是第i类通信电台信号样本在频率ω处的菱形积分双谱集合,是第j类通信电台信号样本在频率ω处的菱形积分双谱集合。和是采用步骤101-步骤103计算所得到第i类和第j类通信电台信号样本的菱形积分双谱集合。其中,所述i和j表示通信电台信号的类别,所述中的下标k表示所监测到的第i类通信电台的第k个通信信号样本,所述中的下标k表示所监测到的第j类通信电台的第k个通信信号样本,所述Ni是第i类通信电台监测信号样本的个数,所述Nj是第j类通信电台监测信号样本的个数。
将第i类和第j类个体信号特征间的Fisher可分离度按照如下公式进行计算:
其中,所述m(i,j)(ω)表示第i类和第j类个体信号特征间在频率ω处的可分离度,据此选择出Q个具有最强分离度的频率集合作为菱形积分双谱特征点(Q一般取为256或者128);所述p(l)为第l类电台通信信号发生的先验概率;所述meank(RHIBk (l)(ω))代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的均值;所述vark(RHIBk (l)(ω))代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的方差;所述meanl[meank(RHIBk (l)(ω))]表示所有类型信号全体样本在频率ω处的菱形积分双谱均值;
对于所监测到的第i类通信电台的所有Ni个信号样本,根据第i类和其他类别个体信号特征间的Fisher可分离度筛选出的菱形积分双谱信号特征标记为RHIBi(l);类似地,对于其他任一类别的通信电台,按照上述同样的方法可以筛选出其菱形积分双谱信号特征。
步骤202、采用快速傅里叶变换方法对所有类别电台的通信信号个体进行分析,得到所有类别通信电台个体的发射载频特征。例如,对第i类通信信号个体,所得到的发射载频可以标记为fc(i)。
步骤203、对步骤201得到的菱形积分双谱信号特征RHIBi(l)和步骤202得到的通信电台个体的发射载频特征fc(i)按照OSFi={fc(i),RHIBi(l)}进行特征融合,然后对所述OSFi进行归一化处理,从而得到第i类通信电台的个体信号特征SFi;对其他类别的通信电台,按照同样的特征融合方法可以得到其个体信号特征。
步骤30采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别包括:
步骤301、依据以菱形积分双谱为主体的通信电台个体信号融合特征,对采集到的所有电台个体信号的样本特征建立电台特征数据库,并用来训练个体特征匹配识别器。例如,依据所述通信电台第i类通信信号个体信号特征SFi建立电台特征数据库,并用来训练个体特征匹配识别器。
步骤302、对通信电台第i类通信信号个体信号特征SFi,由已完成训练的个体特征匹配识别器对未知电台设备的个体信号特征进行匹配识别,并给出最终匹配识别结果,其中匹配识别算法采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别;
步骤303、根据通信电台第i类通信信号个体信号特征SFi的匹配识别结果,对相应的通信电台进行安全服务:若为已在通信电台信号特征数据库注册的合法无线通信设备,则依据新的电台信号特征更新电台数据库,否则报告关于非法电台设备的警示信息。
参见图3,基于菱形积分双谱的通信电台个体识别装置,其包括菱形积分双谱提取模块6、特征优化融合模块7以及电台个体匹配识别模块8。菱形积分双谱提取模块6可根据步骤101-步骤103对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB。特征优化融合模块7可根据步骤201-步骤203对所述菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化,并进行通信电台个体特征融合。电台个体匹配识别模块8采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别(具体参见步骤301-303)。
本发明实施例提供的基于菱形积分双谱的信号特征分析方法,提取反映通信电台设备属性的个体特征,并依据匹配识别结果对未知的通信电台个体进行识别。本发明中的菱形积分双谱可以表现为不同的形式(例如,多维稳定的信号特征矢量)。对于具有不同特性的通信设备个体,都有相应的菱形积分双谱提取优化,以及与之相应的特征匹配识别方法,这使得菱形积分双谱信号特征及其在现代通信系统安全领域中的具体应用方式具有极大的灵活性。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种基于菱形积分双谱的通信电台个体识别方法,其特征在于,包括:
对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB;
对所述菱形积分双谱RHIB的特征按照Fisher可分离度准则进行优化,并进行通信电台个体特征融合;
采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别;所述对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB包括:
计算通信电台个体信号{x(i)(n)}的直接双谱B(i)(ω),所述B(i)(ω)=B(i)(ω1,ω2)=X(i)(ω1)X(i)(ω2)X(i)(ω1+ω2),所述ω=(ω1,ω2);
2.根据权利要求1所述的识别方法,其特征在于,所述对所述菱形积分双谱RHIB的特征按照Fisher可分离度准则进行优化,并进行通信电台个体特征融合包括:
假定是第i类通信电台信号样本在频率ω处的菱形积分双谱集合,是第j类通信电台信号样本在频率ω处的菱形积分双谱集合;其中,所述i和j表示通信电台信号的类别, 所述中的k表示所监测到的第i类通信电台的第k个监测通信信号样本,所述中的k表示所监测到的第j类通信电台的第k个监测通信信号样本,所述Ni是第i类通信电台监测信号样本的个数,所述Nj是第j类通信电台监测信号样本的个数;
将第i类和第j类个体信号特征间的Fisher可分离度按照如下公式进行计算:
其中,所述m(i,j)(ω)表示第i类和第j类个体信号特征间在频率ω处的可分离度;所述p(l)为第l类电台通信信号发生的先验概率;所述 代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的均值;所述代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的方差;所述表示所有类型信号全体样本在频率ω处的菱形积分双谱均值;
对于所监测到的第i类通信电台的所有Ni个信号样本,根据第i类和其他类别个体信号特征间的Fisher可分离度筛选出第i类电台的菱形积分双谱信号特征,并标记为RHIBi(l);
采用快速傅里叶变换方法对第i类通信信号个体进行分析,得到通信电台个体的发射载频特征,标记为fc(i);
对所述菱形积分双谱信号特征RHIBi(l)和所得到的通信电台个体的发射载频特征fc(i)按照OSFi={fc(i),RHIBi(l)}进行特征融合,然后对所述OSFi进行归一化处理,从而得到第i类通信电台的个体信号特征SFi;所述OSFi是融合的第i类通信电台的个体信号特征,由载频特征fc(i)与菱形积分双谱特征RHIB(i)合并而成。
3.根据权利要求1所述的识别方法,其特征在于,所述采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别包括:
依据所述通信电台第i类通信信号个体信号特征SFi建立电台特征数据库,并用来训练个体特征匹配识别器;
对所述通信电台第i类通信信号个体信号特征SFi,由已完成训练的个体特征匹配识别器对未知电台设备的个体信号特征进行匹配识别,并给出最终匹配识别结果,其中匹配识别算法采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别;
根据所述通信电台个体信号特征SFi的匹配识别结果,对相应的通信电台进行安全服务:若为已在通信电台信号特征数据库注册的合法无线通信设备,则依据新的电台信号特征更新电台数据库,否则报告关于非法电台设备的警示信息。
4.一种基于菱形积分双谱的通信电台个体识别装置,其特征在于,包括:
菱形积分双谱提取模块、特征优化融合模块以及电台个体匹配识别模块;
所述菱形积分双谱提取模块,对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB;所述对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB包括:计算通信电台个体信号{x(i)(n)}的傅立叶变换矢量X(i)(ω),其中,所述频率所述T为信号长度,所述Z表示整数域;计算通信电台个体信号{x(i)(n)}的直接双谱B(i)(ω),所述B(i)(ω)=B(i)(ω1,ω2)=X(i)(ω1)X(i)(ω2)X(i)(ω1+ω2),所述ω=(ω1,ω2);计算通信电台个体信号{x(i)(n)}的菱形积分双谱RHIB(i)(ω),所述所述B(ω1,ω2)表示菱形 路径Pr上通信信号的双谱数值,所述RHIB(i)(ω)是第i类通信电台信号样本在频率ω处的菱形积分双谱;
所述特征优化融合模块,对所述菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化,并进行通信电台个体特征融合;
所述电台个体匹配识别模块,采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110354259.2A CN102510314B (zh) | 2011-11-10 | 2011-11-10 | 基于菱形积分双谱的通信电台个体识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110354259.2A CN102510314B (zh) | 2011-11-10 | 2011-11-10 | 基于菱形积分双谱的通信电台个体识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102510314A CN102510314A (zh) | 2012-06-20 |
CN102510314B true CN102510314B (zh) | 2014-04-02 |
Family
ID=46222368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110354259.2A Expired - Fee Related CN102510314B (zh) | 2011-11-10 | 2011-11-10 | 基于菱形积分双谱的通信电台个体识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102510314B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845339B (zh) * | 2016-12-13 | 2020-03-24 | 电子科技大学 | 一种基于双谱和emd融合特征的手机个体识别方法 |
CN113569695B (zh) * | 2021-07-22 | 2024-04-30 | 中国人民解放军海军航空大学航空作战勤务学院 | 基于双谱三特征的海面目标检测方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470194A (zh) * | 2007-12-26 | 2009-07-01 | 中国科学院声学研究所 | 一种水雷目标的识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8185077B2 (en) * | 2009-01-20 | 2012-05-22 | Raytheon Company | Method and system for noise suppression in antenna |
-
2011
- 2011-11-10 CN CN201110354259.2A patent/CN102510314B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470194A (zh) * | 2007-12-26 | 2009-07-01 | 中国科学院声学研究所 | 一种水雷目标的识别方法 |
Non-Patent Citations (6)
Title |
---|
> * |
< * |
.2008,第36卷(第7期),第14页第2栏,15页,16页第2栏. * |
华中科技大学学报(自然科学版)> * |
徐书华等.基于SIB/PCA的通信辐射源个体识别.< * |
徐书华等.基于SIB/PCA的通信辐射源个体识别.<<华中科技大学学报(自然科学版)>>.2008,第36卷(第7期),第14页第2栏,15页,16页第2栏. |
Also Published As
Publication number | Publication date |
---|---|
CN102510314A (zh) | 2012-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086669B (zh) | 人脸识别身份验证方法、装置、电子设备 | |
CN106845339B (zh) | 一种基于双谱和emd融合特征的手机个体识别方法 | |
CN105678273A (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
CN101404160B (zh) | 一种基于音频识别的语音降噪方法 | |
CN107979842B (zh) | 一种基于双谱特征和深度学习的手机个体识别方法 | |
EP2827326A1 (en) | Scene recognition method, device and mobile terminal based on ambient sound | |
CN113168836A (zh) | 计算机系统、语音识别方法以及程序 | |
CN106446877B (zh) | 一种基于信号幅度排序的射频指纹特征提取和识别方法 | |
CN102780534B (zh) | 一种通用的电磁信号自动搜索方法 | |
CN104283918A (zh) | 一种无线局域网终端类型获取方法及系统 | |
CN106385288B (zh) | 一种雷达脉冲跨信道融合检测装置及其检测方法 | |
CN104717744A (zh) | 一种基于无线局域网及分层聚类的室内定位方法 | |
CN105844132A (zh) | 基于移动终端的人脸识别方法及系统 | |
CN104317909A (zh) | 兴趣点数据的校验方法和装置 | |
CN106503108A (zh) | 地理位置检索方法和装置 | |
CN110647951A (zh) | 基于机器学习算法的无线射频设备身份识别方法及系统 | |
CN107255825A (zh) | 信号分类方法、装置及卫星信号检测设备 | |
CN106169070A (zh) | 基于协作表示的通信辐射源个体识别方法及系统 | |
CN102510314B (zh) | 基于菱形积分双谱的通信电台个体识别方法及装置 | |
CN110619535B (zh) | 一种数据处理方法及其装置 | |
CN105550702B (zh) | 一种基于svm的gnss欺骗式干扰识别方法 | |
CN114218984B (zh) | 一种基于样本多视图学习的射频指纹识别方法 | |
CN103826241A (zh) | 一种无线网络中室内外区分方法 | |
Zhang et al. | Radio frequency fingerprint identification based on logarithmic power cosine spectrum | |
CN110764152A (zh) | 一种无人机快速检测与识别的装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140402 Termination date: 20141110 |
|
EXPY | Termination of patent right or utility model |