CN103070687A - 一种非接触式生命体征监护系统的信号处理算法 - Google Patents

一种非接触式生命体征监护系统的信号处理算法 Download PDF

Info

Publication number
CN103070687A
CN103070687A CN2013100464092A CN201310046409A CN103070687A CN 103070687 A CN103070687 A CN 103070687A CN 2013100464092 A CN2013100464092 A CN 2013100464092A CN 201310046409 A CN201310046409 A CN 201310046409A CN 103070687 A CN103070687 A CN 103070687A
Authority
CN
China
Prior art keywords
signal
road
pass filter
low pass
frequency
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.)
Pending
Application number
CN2013100464092A
Other languages
English (en)
Inventor
洪弘
朱晓华
李彧晟
李洪涛
顾陈
黄剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN2013100464092A priority Critical patent/CN103070687A/zh
Publication of CN103070687A publication Critical patent/CN103070687A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种非接触式生命体征监护系统的信号处理算法，包括如下步骤：步骤一，将接收到的I、Q两路信号分别进行心跳和呼吸信号分离；步骤二，利用主成分分析算法进行心跳和呼吸主成分提取；步骤三，对步骤二获得的心跳和呼吸成分分别进行平滑和傅立叶变换以得到心跳和呼吸的波形及频率。本发明方法有效可靠，可对生命体征信号进行实时监测，监测精度高、实时性强。

Description

一种非接触式生命体征监护系统的信号处理算法
技术领域
本发明属于雷达领域，特别设计一种非接触式生命体征I按户系统的信号处理算法。
背景技术
心跳及呼吸是人体重要的身体特征状况信息。目前常用的处理生命体征监护系统的信号处理算法为反正切法相位解调，运用该种算法时，对测试条件要求非常苛刻，即前端模拟双支路正交解调出的两路信号需要严格正交，否则对解调出的相位正确性有很大影响，同时系统自身产生的噪声以及解调波的幅度误差都会对解调结果产生影响。本发明可以有效解决上述问题。
发明内容
本发明的目的在于提供一种非接触式生命体征监护系统的信号处理算法，主要包括三大部分：心跳呼吸信号分离部分、心跳呼吸主成分提取部分、心跳呼吸信号频率提取部分。心跳呼吸信号分离部分基于心跳与呼吸频率的差异特性，从心跳呼吸叠加信号中分离出呼吸信号及心跳信号。心跳呼吸主成分提取部分用于提取正交两支路的呼吸信号以及心跳信号。心跳呼吸信号频率提取部分主要是对主成分提取部分中提取出的信号进行频率提取以及信号平滑操作，得到心跳呼吸的频率以及波形。
实现本发明目的的技术解决方案为：
第一步：模拟端送来正交的两路心跳和呼吸数字信号，一路为同相（I）路信号，另一路为和正交（Q）路信号，分别对I路和Q路进行心跳和呼吸信号分离处理，即根据心跳和呼吸信号频率的差别进行滤波处理，处理步骤如下：
步骤11，模拟端送来正交的两路心跳和呼吸数字信号，一路为I路信号，另一路为Q路信号，将I路数字信号分为两路，一路通过第一高通滤波器，滤出I路心跳及高频信号；
步骤12，将步骤11滤出的I路心跳信号通过第一低通滤波器，滤除带外噪声，得到纯净的I路心跳信号；
步骤13，将I路的另一路通过第二低通滤波器，滤出I路呼吸信号。
步骤14，将Q路数字信号分为两路，一路通过第二高通滤波器，滤出Q路心跳及高频信号；
步骤15，将Q路心跳信号通过第三低通滤波器，滤除带外噪声，得到纯净的Q路心跳信号；
步骤16，将Q路的另一路通过第四低通滤波器，滤出Q路呼吸信号。
第二步：分别将第一步中分离所得的I路心跳信号和Q路心跳信号进行主成分提取处理，I路呼吸信号和Q路呼吸信号进行主成分提取处理，主成分提取处理步骤如下：
步骤21，将第一低通滤波器滤波后的信号                                                
Figure 2013100464092100002DEST_PATH_IMAGE001
和第三低通滤波器滤波后的信号
Figure 2013100464092100002DEST_PATH_IMAGE002
（或者将第二低通滤波器滤波后的信号和第四低通滤波器滤波后的信号
Figure 718650DEST_PATH_IMAGE002
）构成一个
Figure 2013100464092100002DEST_PATH_IMAGE003
维的矩阵
Figure 2013100464092100002DEST_PATH_IMAGE004
，即
步骤22，将步骤21所得矩阵
Figure 809972DEST_PATH_IMAGE004
进行样本中心化处理，即
Figure 2013100464092100002DEST_PATH_IMAGE006
步骤23，计算步骤22中的协方差矩阵得到协方差矩阵R：
Figure 2013100464092100002DEST_PATH_IMAGE008
步骤24，对步骤23所得的协方差矩阵进行特征分解，得到心跳两个特征值
Figure 2013100464092100002DEST_PATH_IMAGE009
及其对应的特征向量
Figure 2013100464092100002DEST_PATH_IMAGE010
和，并将特征值按从大到小排序，即，其对应的特征向量分别为
Figure 80548DEST_PATH_IMAGE010
和。（或者对步骤23所得的协方差矩阵进行特征分解得到呼吸的两个特征值
Figure DEST_PATH_IMAGE013
及其对应的特征向量
Figure 2013100464092100002DEST_PATH_IMAGE014
和
Figure DEST_PATH_IMAGE015
，并将特征值按从大到小排序，即
Figure 2013100464092100002DEST_PATH_IMAGE016
，其对应的特征向量分别为
Figure 85424DEST_PATH_IMAGE014
和
Figure 352458DEST_PATH_IMAGE015
）
步骤25，计算主成分所占总体信息的成分比，若成分比大于等于90%，则判定该成分为提取后的主成分，若成分比小于90%，则判定为无心跳（或呼吸）信号。其中主成分成分比计算公式为
步骤26，取L1为心跳主成分，L2为呼吸主成分。
第三步：分别将第二步中主成分提取所得的心跳信号进行平滑处理，得到心跳实时波形，主成分提取所得的心跳信号进行傅里叶变化处理，得到实时心跳频率；第二步中主成分提取所得的呼吸信号进行平滑处理，得到呼吸实时波形，主成分提取所得的呼吸信号进行傅里叶变化处理，得到实时呼吸频率，处理步骤如下：
步骤31，对提取主成分的心跳信号L1进行平滑滤波处理，得到实时心跳波形；
步骤32，对提取主成分的心跳信号L1进行FFT运算，得到实时心跳频率；
步骤33，对提取主成分的呼吸信号L2进行平滑滤波处理，得到实时呼吸波形；
步骤34，对提取主成分的呼吸信号L2进行FFT运算，得到实时呼吸频率。
第一高通滤波器：600阶，凯撒窗，截止频率0.83Hz，旁瓣抑制50dB。
第一低通滤波器：50阶，凯撒窗，截止频率8Hz。
第二低通滤波器：20阶，截止频率0.8Hz。
第二高通滤波器：600阶，凯撒窗，截止频率0.83Hz，旁瓣抑制50dB。
第三低通滤波器：50阶，凯撒窗，截止频率8Hz。
第四低通滤波器：20阶，截止频率0.8Hz。
本发明与现有技术相比，其显著优点：可有效处理带直流分量以及幅度误差的两路正交信号，所得计算结果符合实际情况，同时基于本发明实施的双支路正交解调可以有效的解决空点带来的信号频率无法检测问题。本发明计算精度高，实际应用性强，方便医务人员准确、实时、连续掌握病人的心跳及呼吸状况。
附图说明
图1为本发明的非接触式生命体征监护系统的信号处理算法框图。
图2为本发明的实时心跳波形图。
图3为本发明的实时呼吸波形图。
具体实施方式  
下面结合附图对本发明作进一步详细描述。
结合图1、图2和图3，
模拟端送入两路正交信号
Figure 2013100464092100002DEST_PATH_IMAGE018
以及
Figure DEST_PATH_IMAGE019
，
经过步骤11得到
Figure 2013100464092100002DEST_PATH_IMAGE020
，经过步骤12得到，
经过步骤13得到，经过步骤14得到，
经过步骤15得到
Figure 2013100464092100002DEST_PATH_IMAGE024
，经过步骤16得到
Figure DEST_PATH_IMAGE025
，
经过步骤21得到
Figure 2013100464092100002DEST_PATH_IMAGE026
（或者
Figure DEST_PATH_IMAGE027
），
由于所给实例是零均值，所以经过步骤22后得到结果与步骤21相同，即
Figure 800625DEST_PATH_IMAGE026
（或者
Figure 344870DEST_PATH_IMAGE027
）。
经过步骤23得到
Figure 2013100464092100002DEST_PATH_IMAGE028
（或者
Figure DEST_PATH_IMAGE029
）
经过步骤24得两个特征值为8.5949和0，对应特征向量为
Figure 2013100464092100002DEST_PATH_IMAGE030
和
Figure DEST_PATH_IMAGE031
，（或者两个特征值为199.198和0，对应特征向量为
Figure 2013100464092100002DEST_PATH_IMAGE032
和
Figure 712135DEST_PATH_IMAGE031
），
经过步骤25得到步骤26结果为心跳主成分
Figure 466465DEST_PATH_IMAGE030
（或者呼吸主成分
Figure 203477DEST_PATH_IMAGE032
）。
经过步骤31得到实时心跳波形，
经过步骤32得到1Hz，
经过步骤33得到实时呼吸波形，
经过步骤34得到0.3Hz。
 本发明计算精度高，实际应用性强，方便医务人员准确、实时、连续掌握病人的心跳及呼吸状况。

Claims (5)

1.一种非接触式生命体征监护的信号处理算法，其特征在于，算法步骤如下：
第一步：模拟端送来正交的两路心跳和呼吸数字信号，一路为I路信号，另一路为Q路信号，分别对I路和Q路进行心跳和呼吸信号分离处理，即根据心跳和呼吸信号频率的差别进行滤波处理；
第二步：分别将第一步中分离所得的I路心跳信号和Q路心跳信号进行主成分提取处理，I路呼吸信号和Q路呼吸信号进行主成分提取处理；
第三步：分别将第二步中主成分提取所得的心跳信号进行平滑处理，得到心跳实时波形，主成分提取所得的心跳信号进行傅里叶变化处理，得到实时心跳频率；第二步中主成分提取所得的呼吸信号进行平滑处理，得到呼吸实时波形，主成分提取所得的呼吸信号进行傅里叶变化处理，得到实时呼吸频率。
2.根据权利要求1所述的一种非接触式生命体征监护的信号处理算法，其特征在于，第一步心跳呼吸信号分离处理包括如下步骤：：
步骤11，模拟端送来正交的两路心跳和呼吸数字信号，一路为I路信号，另一路为Q路信号，将I路数字信号分为两路，一路通过第一高通滤波器，滤出I路心跳及高频信号；
步骤12，将步骤11滤出的I路心跳信号通过第一低通滤波器，滤除带外噪声，得到纯净的I路心跳信号；
步骤13，将I路的另一路通过第二低通滤波器，滤出I路呼吸信号；
步骤14，将Q路数字信号分为两路，一路通过第二高通滤波器，滤出Q路心跳及高频信号；
步骤15，将Q路心跳信号通过第三低通滤波器，滤除带外噪声，得到纯净的Q路心跳信号；
步骤16，将Q路的另一路通过第四低通滤波器，滤出Q路呼吸信号。
3.根据权利要求2所述的一种非接触式生命体征监护的信号处理算法，其特征在于：第一高通滤波器为600阶，凯撒窗，截止频率0.83Hz，旁瓣抑制50dB；
第一低通滤波器为50阶，凯撒窗，截止频率8Hz；第二低通滤波器为20阶，截止频率0.8Hz；第二高通滤波器为600阶，凯撒窗，截止频率0.83Hz，旁瓣抑制50dB；第三低通滤波器为50阶，凯撒窗，截止频率8Hz；第四低通滤波器为20阶，截止频率0.8Hz。
4.根据权利要求1所述的一种非接触式生命体征监护的信号处理算法，其特征在于，主成分提取处理包括如下步骤：
步骤21，将第一低通滤波器滤波后的信号                                               和第三低通滤波器滤波后的信号
Figure 2013100464092100001DEST_PATH_IMAGE004
，或者将第二低通滤波器滤波后的信号
Figure 628205DEST_PATH_IMAGE002
和第四低通滤波器滤波后的信号构成一个
Figure 2013100464092100001DEST_PATH_IMAGE006
维的矩阵
Figure 2013100464092100001DEST_PATH_IMAGE008
，即
Figure 2013100464092100001DEST_PATH_IMAGE010
步骤22，将步骤21所得矩阵
Figure 98293DEST_PATH_IMAGE008
进行样本中心化处理，即
Figure 2013100464092100001DEST_PATH_IMAGE012
步骤23，计算步骤22中
Figure 2013100464092100001DEST_PATH_IMAGE014
的协方差矩阵得到协方差矩阵R：
步骤24，对步骤23所得的协方差矩阵进行特征分解，得到心跳两个特征值
Figure 2013100464092100001DEST_PATH_IMAGE018
及其对应的特征向量
Figure 2013100464092100001DEST_PATH_IMAGE020
和
Figure 2013100464092100001DEST_PATH_IMAGE022
，并将特征值按从大到小排序，即
Figure 2013100464092100001DEST_PATH_IMAGE024
，其对应的特征向量分别为
Figure 856164DEST_PATH_IMAGE020
和
Figure 208648DEST_PATH_IMAGE022
；或者对步骤23所得的协方差矩阵进行特征分解得到呼吸的两个特征值
Figure 2013100464092100001DEST_PATH_IMAGE026
及其对应的特征向量和
Figure 2013100464092100001DEST_PATH_IMAGE030
，并将特征值按从大到小排序，即
Figure 2013100464092100001DEST_PATH_IMAGE032
，其对应的特征向量分别为
Figure 26563DEST_PATH_IMAGE028
和
Figure 464497DEST_PATH_IMAGE030
；
步骤25，计算主成分所占总体信息的成分比，若成分比大于等于90%，则判定该成分为提取后的主成分，若成分比小于90%，则判定为无心跳或呼吸信号；其中主成分成分比计算公式为
Figure 2013100464092100001DEST_PATH_IMAGE034
步骤26，取L1为心跳主成分，L2为呼吸主成分。
5.根据权利要求1所述的一种非接触式生命体征监护的信号处理算法，其特征在于，呼吸主成分提取处理包括如下步骤：
步骤31，对提取主成分的心跳信号L1进行平滑滤波处理，得到实时心跳波形；
步骤32，对提取主成分的心跳信号L1进行FFT运算，得到实时心跳频率；
步骤33，对提取主成分的呼吸信号L2进行平滑滤波处理，得到实时呼吸波形；
步骤34，对提取主成分的呼吸信号L2进行FFT运算，得到实时呼吸频率。
CN2013100464092A 2013-02-06 2013-02-06 一种非接触式生命体征监护系统的信号处理算法 Pending CN103070687A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013100464092A CN103070687A (zh) 2013-02-06 2013-02-06 一种非接触式生命体征监护系统的信号处理算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013100464092A CN103070687A (zh) 2013-02-06 2013-02-06 一种非接触式生命体征监护系统的信号处理算法

Publications (1)

Publication Number Publication Date
CN103070687A true CN103070687A (zh) 2013-05-01

Family

ID=48147542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013100464092A Pending CN103070687A (zh) 2013-02-06 2013-02-06 一种非接触式生命体征监护系统的信号处理算法

Country Status (1)

Country Link
CN (1) CN103070687A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104605829A (zh) * 2015-02-03 2015-05-13 南京理工大学 一种非接触式生命体征监护系统的心跳信号优化算法
CN104644142A (zh) * 2015-02-05 2015-05-27 南京理工大学 一种非接触式生命体征监护的信号处理算法
CN105722457A (zh) * 2013-11-20 2016-06-29 通用电气公司 用于确定呼吸率的方法和系统
CN107766845A (zh) * 2017-11-20 2018-03-06 苏州蓝珀医疗科技股份有限公司 一种基于光线震动传感器的呼吸及bcg信号提取方法
CN107981841A (zh) * 2017-10-27 2018-05-04 深圳和而泰智能控制股份有限公司 一种信号处理方法、装置、设备及介质
CN108415321A (zh) * 2018-02-23 2018-08-17 山东沃尔德生物技术有限公司 一种用于客房的智能控制系统
CN108888249A (zh) * 2018-06-07 2018-11-27 北京邮电大学 一种非接触式车内多人生命体征监测的方法及装置
CN109239707A (zh) * 2018-08-27 2019-01-18 成都工业学院 行为状态检测设备及方法
CN109602412A (zh) * 2018-12-05 2019-04-12 中国科学技术大学 利用面部视频实现心率检测的方法
CN109907744A (zh) * 2017-12-12 2019-06-21 昇雷科技股份有限公司 非接触式自我注入锁定感测器
CN112842271A (zh) * 2021-01-11 2021-05-28 武汉理工大学 基于光纤传感的生理信号分离提取系统及方法
CN112998701A (zh) * 2021-03-27 2021-06-22 复旦大学 基于毫米波雷达的生命体征检测与身份识别系统和方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102046076A (zh) * 2008-04-03 2011-05-04 Kai医药公司 非接触式生理运动传感器及其使用方法
US20120022348A1 (en) * 2010-05-14 2012-01-26 Kai Medical, Inc. Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, sway cancellation, patient identification, and subject monitoring sensors
CN102406507A (zh) * 2010-09-20 2012-04-11 天津职业技术师范大学 基于人体生理信号的汽车驾驶员疲劳监测方法
US20130001422A1 (en) * 2011-06-29 2013-01-03 The Procter & Gamble Company Apparatus And Method For Monitoring The Condition Of A Living Subject

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102046076A (zh) * 2008-04-03 2011-05-04 Kai医药公司 非接触式生理运动传感器及其使用方法
US20120022348A1 (en) * 2010-05-14 2012-01-26 Kai Medical, Inc. Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, sway cancellation, patient identification, and subject monitoring sensors
CN102406507A (zh) * 2010-09-20 2012-04-11 天津职业技术师范大学 基于人体生理信号的汽车驾驶员疲劳监测方法
US20130001422A1 (en) * 2011-06-29 2013-01-03 The Procter & Gamble Company Apparatus And Method For Monitoring The Condition Of A Living Subject

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AMY DIANE DROITCOUR: "Non-contact measurement of heart and respiration rates with a single-chip microwave Doppler radar", 《STANFORD UNIVERSITY》 *
李洪成等: "主成分分析的数学理论", 《SPSS数据分析教程》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105722457B (zh) * 2013-11-20 2018-08-17 通用电气公司 用于确定呼吸率的方法和系统
CN105722457A (zh) * 2013-11-20 2016-06-29 通用电气公司 用于确定呼吸率的方法和系统
CN104605829A (zh) * 2015-02-03 2015-05-13 南京理工大学 一种非接触式生命体征监护系统的心跳信号优化算法
CN104644142A (zh) * 2015-02-05 2015-05-27 南京理工大学 一种非接触式生命体征监护的信号处理算法
CN107981841A (zh) * 2017-10-27 2018-05-04 深圳和而泰智能控制股份有限公司 一种信号处理方法、装置、设备及介质
CN107766845A (zh) * 2017-11-20 2018-03-06 苏州蓝珀医疗科技股份有限公司 一种基于光线震动传感器的呼吸及bcg信号提取方法
CN109907744A (zh) * 2017-12-12 2019-06-21 昇雷科技股份有限公司 非接触式自我注入锁定感测器
CN109907744B (zh) * 2017-12-12 2022-04-08 昇雷科技股份有限公司 非接触式自我注入锁定感测器
CN108415321A (zh) * 2018-02-23 2018-08-17 山东沃尔德生物技术有限公司 一种用于客房的智能控制系统
CN108888249A (zh) * 2018-06-07 2018-11-27 北京邮电大学 一种非接触式车内多人生命体征监测的方法及装置
CN109239707A (zh) * 2018-08-27 2019-01-18 成都工业学院 行为状态检测设备及方法
CN109602412A (zh) * 2018-12-05 2019-04-12 中国科学技术大学 利用面部视频实现心率检测的方法
CN112842271A (zh) * 2021-01-11 2021-05-28 武汉理工大学 基于光纤传感的生理信号分离提取系统及方法
CN112842271B (zh) * 2021-01-11 2021-12-17 武汉理工大学 基于光纤传感的生理信号分离提取系统及方法
CN112998701A (zh) * 2021-03-27 2021-06-22 复旦大学 基于毫米波雷达的生命体征检测与身份识别系统和方法

Similar Documents

Publication Publication Date Title
CN103070687A (zh) 一种非接触式生命体征监护系统的信号处理算法
CN102440768B (zh) 脉搏波形特征点提取方法
CN110327036A (zh) 从穿戴式心电中提取呼吸信号和呼吸频率的方法
JP6310086B2 (ja) 呼吸数の検出のための方法とデバイス
CN105266800B (zh) 一种基于低信噪比条件下胎儿心电盲分离方法
CN104605831A (zh) 非接触式生命体征监护系统的呼吸与心跳信号分离算法
CN103110422B (zh) 基于生物雷达检测的呼吸和心跳实时分离方法
Liu et al. A multi-step method with signal quality assessment and fine-tuning procedure to locate maternal and fetal QRS complexes from abdominal ECG recordings
CN104644142B (zh) 一种非接触式生命体征监护的信号处理算法
CN109522826A (zh) 一种基于fmcw毫米波雷达的生命信号检测方法和系统
CN109875543B (zh) 用于可穿戴心率监测设备的多种健身运动状态下的心率估计方法及装置
CN109009125B (zh) 基于移动终端音频的驾驶员细粒度呼吸监测方法及系统
CN206239402U (zh) 一种基于dsp的汽车疲劳驾驶实时检测系统
MX2019013798A (es) Aproximacion algoritmica para la estimacion de la refecuencia respiratoria y de la frecuencia cardiaca.
CN105962914B (zh) 基于盲源分离的呼吸与心跳信号的分离方法及装置
CN104133199B (zh) 用于生命探测雷达的微弱呼吸信号增强方法
CN102961129B (zh) 一种远程医疗的异常心电张量分析方法
CN102988051A (zh) 用于计算机操作者健康的监测装置及方法
CN106874372A (zh) 基于无人机获取目标对象标识信息的方法及装置
CN103845079A (zh) 一种基于盲分离的多普勒胎心音瞬时心率的检测方法
CN111358464A (zh) 一种针对卧床病人的非接触式生命体征监测方法
CN113171064A (zh) 一种基于雷达的生命体征检测方法
CN103536282B (zh) 基于Fast-ICA法的磁感应心肺活动信号分离方法
CN105919597A (zh) 呼吸状态检测装置及检测方法
CN114897011A (zh) 一种多普勒雷达生理信号检测用信号分离去噪方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130501