CN103941236B - 多参数栅格化滑动信号统计筛选处理方法 - Google Patents

多参数栅格化滑动信号统计筛选处理方法 Download PDF

Info

Publication number
CN103941236B
CN103941236B CN201410195769.3A CN201410195769A CN103941236B CN 103941236 B CN103941236 B CN 103941236B CN 201410195769 A CN201410195769 A CN 201410195769A CN 103941236 B CN103941236 B CN 103941236B
Authority
CN
China
Prior art keywords
signal
time
parameter
statistics
arrival
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
Application number
CN201410195769.3A
Other languages
English (en)
Other versions
CN103941236A (zh
Inventor
王建
桂峰
翟晓宇
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.)
724th Research Institute of CSIC
Original Assignee
724th Research Institute of CSIC
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 724th Research Institute of CSIC filed Critical 724th Research Institute of CSIC
Priority to CN201410195769.3A priority Critical patent/CN103941236B/zh
Publication of CN103941236A publication Critical patent/CN103941236A/zh
Application granted granted Critical
Publication of CN103941236B publication Critical patent/CN103941236B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种多参数栅格化滑动信号统计筛选处理方法，用于解决被动信号侦测系统在密集信号环境中，对时变参数复杂信号序列进行分选的难题。本发明将侦收到的相互交织、参数随机变化的高密度复杂脉冲信号流，按时间栅格进行参数离散化切分，将各脉冲信号的时变参数向量与时间栅格对应排列，构成随时间滑动的矢量参数阵列，采用矢量栅格匹配算法，根据信号到达时间(TOA)、到达角(DOA)、载频参数变化对信号序列进行预分选，然后再根据信号脉宽、重复周期变化规律进行精细分选。本发明将时变参数复杂信号序列的分选分解为多级向量聚类统计筛选和最小二乘误差估计处理，可以对各种电子波束扫描和相控阵雷达辐射的复杂信号进行准确分选和识别。

Description

多参数栅格化滑动信号统计筛选处理方法
一技术领域
本发明属于被动探测定位系统、电子侦察/侦测系统中信号实时分选处理技术领域，用于对电子波束扫描雷达和相控阵雷达等复杂辐射源信号的分选识别。
二背景技术
在现代电子对抗环境中，电子侦察系统所面临的典型信号环境是由许多辐射源的脉冲信号序列随机交迭而成的密集的脉冲流。随着现代电子信息技术的快速发展，辐射源数量和信号复杂度在不断增加，使信号环境发生了质的变化，不但大量信号密集交叠，而且信号的参数也随时间快速变化。常规的电子侦察系统对侦收到的脉冲信号序列的分选，采用的是按照固定的载频、脉宽和脉冲重复周期进行直方图统计的方法，只能对载频和脉宽、重复周期固定不变或仅有小范围参差变化的辐射源信号进行正确分选，而对于参数也随时间快速变化的复杂信号序列则无法给出正确分选结果，因而无法有效截获这类目标辐射信号。
对时变参数的复杂脉冲信号的分选方法是现代被动侦测系统数据处理中的关键技术，也是进行信号精细分析和分类识别的前提和基础。各类电子信号侦察探测系统所采用的信号分选算法各不相同，性能差异很大。未来电子侦测定位系统面对的电磁环境将更加复杂，不但脉冲信号十分密集，而且目标信号种类繁多、参数多变，特别是现代频扫雷达、相控阵雷达和通信、无线电信标等电子信息系统技术的飞速发展，使得信号频率、脉宽、重复周期等参数捷变技术的应用日益广泛，造成脉冲信号序列更加复杂，同一个辐射源产生的脉冲信号序列中就会包含一系列载频、脉宽和重复周期差异极大的脉冲串，在存在多个目标辐射源的情况下，大量复杂的捷变参数脉冲信号序列混迭在一起，常规的电子信号侦察系统中采用的传统脉冲信号分选算法已经无法进行正常分选。现代电子侦察系统面对这种高密集和参数捷变的复杂信号环境，必须具备良好的智能化信号分选处理能力，应能够对相互交织重叠、参数随机时变的信号流正确进行自动分选处理，并在此基础上，实现对复杂辐射源信号平台的准确识别和定位。
本发明给出一种多参数栅格化滑动信号统计筛选处理方法，用于解决被动信号侦测系统在密集信号环境中，对复杂信号序列进行有效分选的难题。对侦收到的参数随时间快速变化的复杂目标辐射源信号序列，按时间栅格进行参数离散化切分，将脉冲信号到达时间、到达角和幅度、脉宽、载频等时变参数向量与时间栅格对应排列，构成随时间滑动的矢量阵列，运用多参数栅格滑动统计筛选方法和矢量栅格匹配算法，首先根据信号到达时间(TOA)、到达角(DOA)、载频参数变化对信号序列进行预分选，然后再根据信号脉宽、重复周期变化规律进行精细分选，将对时变参数复杂信号序列的分选处理分解为多级向量聚类统计筛选和最小二乘误差估计处理，可以对各种常规分选算法难以分选的电子波束扫描和相控阵雷达辐射信号进行正确分选和识别。
三发明内容
本发明的目的在于在充斥大量复杂脉冲信号的密集电磁信号环境中，是被动侦测系统能够对电子波束扫描雷达和相控阵雷达等复杂目标辐射源产生的时变参数脉冲信号序列进行有效分选和识别。
实现本发明目的的技术解决方案为：设侦测天线扫描周期为Ta，时间栅格的时长dT＝100ms。对在一个侦测天线扫描周期Ta时间范围内侦收到的参数随时间快速变化的复杂目标辐射源信号序列，按时间栅格进行参数离散化聚类统计，将脉冲信号到达时间、到达角和幅度、脉宽、载频等时变参数的统计向量与时间栅格对应排列，构成随时间滑动的信号参数矢量阵列。对落入两个相邻栅格的信号序列采用参数栅格化滑动筛选方法分两级进行信号参数聚类统计。
首先根据信号到达时间(TOA)、到达角(DOA)、载频参数变化对信号序列进行预筛选；
第二步根据信号幅度、脉宽、重复周期变化规律进行直方图统计的精细分选：
对经过聚类和直方图统计两级筛选处理后的复杂信号序列，与复杂目标信号参数数据库中的信号参数矢量模板逐一进行多向量最小二乘拟合运算，根据拟合误差的大小进行匹配度判决，即可实现对各种常规分选算法难以正确分选的电子波束扫描和相控阵雷达辐射信号等变参数脉冲信号流的正确分选和识别。
进行脉冲重复周期的直方图统计时，考虑到参差的问题，需要将直方图的统计间隔扩大。一般雷达PRI的参差量不超过10％，与之相适应，直方图的统计间隔可以按PRI的平均值设定(单位：微秒)，并逐步扩大到最大的PRI(30ms)。
四附图说明
图1是本发明的多参数栅格化滑动信号统计筛选方法原理框图。
图2是本发明的时变参数复杂信号分选处理流程图。
五具体实施方式
本发明设计了一种多参数栅格化滑动信号统计筛选处理系统。实现复杂信号实时分选的硬件处理平台采用4块基于CPCI总线的阵列信号处理板，每块电路板包含6片TS201DSP处理器，构成侦测信号高速阵列数据处理系统。四块DSP阵列处理板分别对应不同的侦测接收处理通道。每块电路板结构相同。四块DSP阵列处理板之间采用CPCI总线传输协同工作控制信号，并通过专用Link接口进行数据分配和数据交换。每块电路板通过两列64针插座连接并固定。各块DSP处理板可以分开独立调试并运行，为以后系统升级提供了方便。
输入信号经脉冲信号参数测量后，由DSP1完成脉冲信号稀释及多参数预筛选处理：
1)对信号到达时间(TOA)按帧进行聚类，估计出帧中心时刻，两帧信号的时间差即为目标天线扫描周期。
2)对信号到达角(DOA)在侦测天线波束1.5倍宽度扫描跨越时间内进行聚类统计。
3)对信号载频f0从0至采样频率的一半，(对于中频采样，则从采样频率的一半至采样频率，进行等分)分成100等份，当采样率为100MHz时，即0.05MHz一个间隔。将属于这个频率的PDW放入这个间隔内，然后，对0～999个间隔，依次统计落入每个间隔的PDW的数目，若有一个间隔的脉冲数超过了3个，则将该间隔和左右1个间隔，共0.15MHz频率范围内的所有PDW，挑选出来，准备进行脉冲重复周期的直方图统计。
DSP1完成基于载频的信号预筛选分选及稀释，形成脉冲流后，以链表形式存储于双端RAM中，供DSP2--DSP5进行后续处理。这种存储方式不但达到了分频率存储的效果，而且保持了全部脉冲TOA的有序性，为脉冲信号的其他方式分选处理(如全脉冲的输出)提供了方便。
DSP2--DSP5从双端口RAM中取出预筛选结果进行第二级精细分选处理：
对信号幅度根据对信号到达时间(TOA)的帧聚类结果进行直方图统计，以得到目标天线的方向图特性；
对信号脉宽根据对信号到达时间(TOA)的帧聚类结果进行直方图统计；
对信号脉冲重复周期根据脉宽的帧聚类结果进行直方图统计。进行脉冲重复周期的直方图统计时，考虑到参差的问题，需要将直方图的统计间隔扩大。一般雷达PRI的参差量不超过10％，与之相适应，直方图的统计间隔可以按PRI的平均值设定(单位：微秒)，并逐步扩大到最大的PRI(30ms)。
在每个时间栅格内，都要根据被截获信号进行各种参数(到达时间、到达角、载频、脉冲幅度、脉冲宽度、脉冲重复周期等)进行聚类筛选和直方图统计分选处理，形成一次信号筛选结果，但是从中只选出第一个脉冲落入前一个时间栅格的脉冲序列(落入第二个时间栅格的信号等待下次挑选)。再判断2个时间栅格内脉冲数的和是否超过了门限，若过了门限，则进行辐射源脉冲序列检索。在检索过程中，不仅仅依据SDIF得到PRI的值，而且使用PDW中提供的频率、脉宽、带宽、幅度、调制类型等参数，从而大大提高脉冲提取的准确度。序列检索主要包括三步，首先是确定起始脉冲，然后根据起始脉冲的PDW中的各参数和SDIF中计算出的PRI值进行脉冲列的抽取，最后判断抽取的脉冲是否落入构造的第一个时间栅格，若是则抽取，否则放弃抽取(等待下一次挑出)。采用这种方法，可以避免把来自同一目标辐射源，但是跨越两个侦测天线波束的脉冲信号序列错选的情况发生。
最后由DSP6对经过聚类和直方图统计两级筛选处理后的复杂信号序列进行最终检测判决，处理步骤如下：
1)从复杂目标信号参数数据库中读取预先存储的复杂目标信号参数矢量模板；
2)将经过前面筛选处理后的复杂信号序列逐一与预先存储的复杂目标信号参数矢量模板进行天线方向图调制特性、波束扫描周期、载频变化规律、脉宽和重复周期的多向量最小二乘加权拟合运算；
3)比较侦测信号序列参数与各信号模板加权拟合误差的大小；
4)进行最佳匹配度估计，给出对目标辐射信号的最终分选结果。
DSP6完成脉冲重复间隔PRI精分选后，将结果由CPCI总线传送给终端计算机进行信息显示。

Claims (2)

1.一种多参数栅格化滑动信号统计筛选处理方法，其特征在于：
(1)对侦收到的参数随时间快速变化的复杂目标辐射源信号序列，按时间栅格进行参数离散化切分，将脉冲信号到达时间、到达角和幅度、脉宽、载频五个时变参数向量与时间栅格对应排列，构成随时间滑动的信号参数矢量阵列；
(2)首先根据信号到达时间(TOA)、到达角(DOA)、载频参数变化对信号序列进行参数聚类预筛选，然后再根据信号幅度、脉宽、重复周期变化规律进行直方图统计精细分选，将对时变参数复杂信号序列的分选处理分解为多级向量聚类和直方图统计筛选；
(3)将筛选结果与已知复杂信号模板进行最小二乘拟合及匹配误差比较，实现对电子波束扫描和相控阵雷达辐射信号的时变参数脉冲信号的正确分选和识别。
2.一种根据权利要求1所述方法实现的多参数栅格化滑动信号统计筛选处理系统，其特征在于：
(1)硬件处理平台采用4块基于CPCI总线的DSP阵列处理板，每块板包含6片TS201DSP处理器，构成侦测信号高速阵列数据处理系统，每块DSP阵列处理板结构相同，四块DSP阵列处理板分别对应不同的侦测接收处理通道；四块DSP阵列处理板之间采用CPCI总线传输协同工作控制信号，并通过专用Link接口进行数据分配和数据交换；
(2)输入信号经脉冲信号参数测量后，由DSP1完成脉冲信号稀释及多参数预筛选处理；对信号到达时间(TOA)按帧进行聚类，估计出帧中心时刻，两帧信号的时间差即为目标天线扫描周期；对信号到达角(DOA)在侦测天线波束1.5倍宽度扫描跨越时间内进行聚类统计；对信号载频f0从0至采样频率的一半，分成100等份，当采样率为100MHz时，间隔为0.05MHz；对应每个频率间隔，依次统计落入的PDW的数目，若有一个间隔的脉冲数超过了3个，则将该间隔和左右1个间隔，共0.15MHz频率范围内的所有PDW，挑选出来，准备进行脉冲重复周期的直方图统计；
(3)DSP2――DSP5从双端口RAM中取出预筛选结果进行第二级精细分选处理；对信号幅度根据对信号到达时间(TOA)的帧聚类结果进行直方图统计，以得到目标天线的方向图特性；对信号脉宽根据对信号到达时间(TOA)的帧聚类结果进行直方图统计；对信号脉冲重复周期根据脉宽的帧聚类结果进行直方图统计；考虑到参差的问题，将直方图的统计间隔逐步扩大到最大30ms的PRI；
(4)由DSP6对经过聚类和直方图统计两级筛选处理后的复杂信号序列进行最终检测判决；从复杂目标信号参数数据库中读取预先存储的复杂目标信号参数矢量模板；将经过前面筛选处理后的复杂信号序列逐一与预先存储的复杂目标信号参数矢量模板进行天线方向图调制特性、波束扫描周期、载频变化规律、脉宽和重复周期的多向量最小二乘加权拟合运算；比较侦测信号序列参数与各信号模板加权拟合误差的大小；进行最佳匹配度估计，给出对目标辐射信号的最终分选结果。
CN201410195769.3A 2014-05-12 2014-05-12 多参数栅格化滑动信号统计筛选处理方法 Active CN103941236B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410195769.3A CN103941236B (zh) 2014-05-12 2014-05-12 多参数栅格化滑动信号统计筛选处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410195769.3A CN103941236B (zh) 2014-05-12 2014-05-12 多参数栅格化滑动信号统计筛选处理方法

Publications (2)

Publication Number Publication Date
CN103941236A CN103941236A (zh) 2014-07-23
CN103941236B true CN103941236B (zh) 2016-01-20

Family

ID=51188982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410195769.3A Active CN103941236B (zh) 2014-05-12 2014-05-12 多参数栅格化滑动信号统计筛选处理方法

Country Status (1)

Country Link
CN (1) CN103941236B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9954561B2 (en) * 2016-09-12 2018-04-24 The Boeing Company Systems and methods for parallelizing and pipelining a tunable blind source separation filter
US10324167B2 (en) * 2016-09-12 2019-06-18 The Boeing Company Systems and methods for adding functional grid elements to stochastic sparse tree grids for spatial filtering
CN106597365B (zh) * 2016-11-18 2019-04-30 中国船舶重工集团公司第七二四研究所 一种基于时域聚类的复杂电子信号时差定位方法
CN107576942B (zh) * 2017-07-27 2020-05-01 中国船舶重工集团公司第七二四研究所 一种基于信号聚类的辐射源扫描周期实时估计方法
CN108197146B (zh) * 2017-11-29 2020-06-23 山东航天电子技术研究所 基于脉冲流数据的精分类辐射源识别参量在轨生成系统
CN108919193A (zh) * 2018-07-12 2018-11-30 中国船舶重工集团公司第七二四研究所 一种基于序列片段挖掘的参数捷变雷达信号分选方法
CN109143180B (zh) * 2018-09-17 2023-05-12 江西洪都航空工业集团有限责任公司 一种被动雷达导引头在复杂电磁环境下脉冲选择方法
CN109270497B (zh) * 2018-10-28 2023-03-31 西南电子技术研究所（中国电子科技集团公司第十研究所） 雷达脉冲信号的多维参数预分选方法
CN109799483B (zh) * 2019-01-25 2021-04-27 中国人民解放军空军研究院战略预警研究所 一种数据处理方法和装置
CN110174347B (zh) * 2019-05-28 2022-01-28 中国科学院大气物理研究所 一种机载测量过程中时变的到达时间间隔阈值的破碎粒子识别方法
CN111090077B (zh) * 2020-01-20 2023-01-20 上海交通大学 多维度去交错后的toa差分统计雷达信号分选方法
CN112130119A (zh) * 2020-08-21 2020-12-25 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) 一种分布式多站电子侦察协同信号处理系统及方法
CN112986928B (zh) * 2021-03-11 2022-06-17 哈尔滨工程大学 一种复杂电磁环境下信号分选多源融合处理方法
CN114839602B (zh) * 2022-07-04 2022-09-16 中国人民解放军国防科技大学 基于电磁数据聚类的雷达信号统计特征提取方法及装置
CN117192482B (zh) * 2023-09-06 2024-05-28 扬州宇安电子科技股份有限公司 基于信号分选的靶机平台侦察设备告警方法
CN117491953B (zh) * 2024-01-02 2024-03-26 南京航天工业科技有限公司 一种基于链表的雷达信号分选方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324663A (zh) * 2008-01-08 2008-12-17 覃驭楚 激光雷达点云数据的快速分块与栅格化算法
EP2442129A1 (en) * 2010-10-18 2012-04-18 Siemens Aktiengesellschaft A method for processing an echo amplitude profile generated by a pulse-echo ranging system
CN102590791A (zh) * 2012-01-10 2012-07-18 哈尔滨工程大学 一种复杂密集环境下雷达辐射源信号覆盖分选方法
CN102608579A (zh) * 2012-02-29 2012-07-25 西安空间无线电技术研究所 一种sar数据接收处理系统及方法
CN102879765A (zh) * 2012-09-27 2013-01-16 哈尔滨工程大学 基于聚类统计分析的快速信号分选方法
CN103226192A (zh) * 2012-01-25 2013-07-31 古野电气株式会社 信号挑选装置、信号挑选方法以及雷达装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5870436A (en) * 1997-01-02 1999-02-09 Raytheon Company Uniform discrete fourier transform filter parameter encoder

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324663A (zh) * 2008-01-08 2008-12-17 覃驭楚 激光雷达点云数据的快速分块与栅格化算法
EP2442129A1 (en) * 2010-10-18 2012-04-18 Siemens Aktiengesellschaft A method for processing an echo amplitude profile generated by a pulse-echo ranging system
CN102590791A (zh) * 2012-01-10 2012-07-18 哈尔滨工程大学 一种复杂密集环境下雷达辐射源信号覆盖分选方法
CN103226192A (zh) * 2012-01-25 2013-07-31 古野电气株式会社 信号挑选装置、信号挑选方法以及雷达装置
CN102608579A (zh) * 2012-02-29 2012-07-25 西安空间无线电技术研究所 一种sar数据接收处理系统及方法
CN102879765A (zh) * 2012-09-27 2013-01-16 哈尔滨工程大学 基于聚类统计分析的快速信号分选方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种基于网格密度聚类的雷达信号分选;向娴等;《火控雷达技术》;20101231;第39卷(第4期);67-72 *
基于聚类分析的常规通信信号自动分选方法;贾可新等;《计算机应用研究》;20110228;第28卷(第2期);661-664,691 *
现代雷达信号分选跟踪的几种方法;杨学永等;《现代雷达》;20140331;第36卷(第3期);43-48 *

Also Published As

Publication number Publication date
CN103941236A (zh) 2014-07-23

Similar Documents

Publication Publication Date Title
CN103941236B (zh) 多参数栅格化滑动信号统计筛选处理方法
CN104215951B (zh) 一种在海杂波背景下慢速小目标的检测系统及其检测方法
CN103076602B (zh) 针对多目标背景的雷达自适应恒虚警率融合检测方法
CN103558595B (zh) 雷达通用恒虚警率检测器及其数据排序方法
CN108919193A (zh) 一种基于序列片段挖掘的参数捷变雷达信号分选方法
CN109521404B (zh) 基于fmcw雷达的振动测量的准确度评估方法和系统
CN110109094A (zh) 多接收站单频网外辐射源雷达机动目标的检测与跟踪方法
CN104714225B (zh) 一种基于广义似然比的动态规划检测前跟踪方法
CN109270497A (zh) 雷达脉冲信号的多维参数预分选方法
CN106597365A (zh) 一种基于时域聚类的复杂电子信号时差定位方法
CN102012503B (zh) 基于秩和局部估计的选大和选小非参量恒虚警检测器
CN107576942A (zh) 一种基于信号聚类的辐射源扫描周期实时估计方法
CN106772299B (zh) 一种基于距离匹配的pd雷达微弱目标动态规划检测方法
CN108872961B (zh) 基于低门限的雷达微弱目标检测方法
CN108872977B (zh) 基于单通道超宽带雷达的生命体双站协同探测方法
Du et al. NLOS target localization with an L-band UWB radar via grid matching
CN108549055A (zh) 一种同方位多部同型或不同型雷达信号的分选方法
CN102495392A (zh) 高精度测量脉冲到达时间的方法和装置
CN113534144A (zh) 基于时差约束残差的分布式信号分选方法
CN103076595B (zh) 一种多元离散雷达辐射源信号的异常类型识别方法
CN102122453B (zh) 电子干扰吊舱的仿真系统和方法
Yun et al. Radar signal recognition algorithms based on neural network and grey relation theory
CN106019250A (zh) 基于角闪烁转发式假目标鉴别方法
CN106033120A (zh) 一种多站雷达异步多帧联合检测方法
CN115980689A (zh) 基于点云检测的辐射源信号分选方法、装置、设备及介质

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