CN104596369B - 一种基于svm的连续波多普勒无线电引信抗扫频式干扰方法 - Google Patents

一种基于svm的连续波多普勒无线电引信抗扫频式干扰方法 Download PDF

Info

Publication number
CN104596369B
CN104596369B CN201410830619.5A CN201410830619A CN104596369B CN 104596369 B CN104596369 B CN 104596369B CN 201410830619 A CN201410830619 A CN 201410830619A CN 104596369 B CN104596369 B CN 104596369B
Authority
CN
China
Prior art keywords
amplitude
peak point
frequency
signal
point
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
Application number
CN201410830619.5A
Other languages
English (en)
Other versions
CN104596369A (zh
Inventor
闫晓鹏
张彪
郝新红
栗苹
王建涛
李志强
刘银山
于成大
王海彬
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201410830619.5A priority Critical patent/CN104596369B/zh
Publication of CN104596369A publication Critical patent/CN104596369A/zh
Application granted granted Critical
Publication of CN104596369B publication Critical patent/CN104596369B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于SVM的连续波多普勒无线电引信抗扫频式干扰方法,包括以下步骤:一、采集引信检波信号,并对采样数据进行快速傅里叶变换;二、寻找傅里叶幅值谱的三个最大峰值点;三、分别求取三个最大峰值点幅值的比值;四、用傅里叶幅值谱峰值比值构建三维特征向量,作为SVM的输入训练分类器,得到分类决策函数;五、对未知的引信检波信号,得到其傅里叶幅值谱峰值比值特征后输入SVM,由分类决策函数值对信号进行分类识别。本发明充分利用了扫频干扰机的工作特点,可以准确识别目标回波信号与扫频干扰信号作用下的引信检波信号,能够有效提高引信的抗扫频式干扰能力。

Description

一种基于SVM的连续波多普勒无线电引信抗扫频式干扰方法
技术领域
本发明涉及一种基于SVM的连续波多普勒无线电引信抗扫频式干扰方法,属于无线电引信技术领域。
背景技术
引信是利用环境信息和目标信息,在预定条件下引爆或引燃战斗部装药的控制装置或系统。作为武器系统的重要组成部分,引信探测装置能否在复杂干扰环境下正确识别各种干扰信号和真实目标信号,是引信能否保持较高的适时启动概率和引战配合效率的重要前提,也是能否确保弹药系统具有较高的毁伤效率所不可缺少的。一旦引信被敌方干扰系统成功干扰,将影响整个武器系统性能的发挥,因此国内外在引信设计中高度重视引信抗干扰的研究工作,尤其是对近炸引信,更要采取有效的抗干扰技术措施。
连续波多普勒引信是利用弹目接近过程中电磁波的多普勒效应工作的无线电引信,在无导武器和制导武器中使用都很普遍,因此对连续波多普勒无线电引信的干扰与抗干扰措施一直是引信研究领域的重点。由于连续波多普勒引信不容易实现严密的电磁场保护,干扰信号如果具备被干扰引信探测信道正常工作时所需要的能量且干扰频率落在引信接收通带以内就有可能突破引信的电磁场保护。对于连续波多普勒引信,目标信息体现在从目标回波信号提取的多普勒信号之中,引信的抗干扰能力主要体现在对目标信号所载信息的选择能力上。为此,连续波多普勒引信采用多种信号处理技术增加对多普勒信号特征量的识别以提高其抗干扰性能。这些特征量包括多普勒信号的幅值、幅值变化率、频率、频率变化率、作用出现时间、作用持续时间、信号波形等。干扰信号如果具备多普勒信号的这些特征量,满足连续波多普勒引信信号识别的条件,就能成功对引信实施干扰。因此,连续波多普勒引信的信号识别是引信抗干扰措施的关键。
对于无线电近炸引信,现在仍普遍采用时域统计法进行目标识别。其优点是算法简单,比较容易实现实时计算识别;缺点是提取的信号特征稳定性差,即抗干扰能力弱,分类效果不佳。为此考虑在频域中对目标与干扰信号进行特征提取与分类识别。在目前所出现的分类器中,支持向量机(SupportVectorMachine,SVM)因其自身的优越性能受到广泛关注与应用。西安机电信息研究所的张飞鹏研究了基于连续波多普勒体制无线电近炸引信的地面低速目标与地面背景的分类问题,选择信号幅度的归一化方差以及小周期频数多普勒周期频数比例作为地面低速目标模式识别中的顶层特征参量,并利用支持向量机作为分类算法进行实验,可获得较高的识别率(参考文献:张飞鹏.地面低速目标与背景模式分类和识别方法研究[J].探测与控制学报,2007,29(2):8-11.)。此研究表明支持向量机应用于连续波多普勒无线电引信的信号识别是可行的,但关键是如何针对不同应用背景进行信号的特征提取。上述文献中针对地面低速目标与地面背景的分类问题提取连续波多普勒引信信号幅度的归一化方差以及小周期频数多普勒周期频数比例作为特征向量,而本发明则主要针对目前连续波多普勒引信难以抵抗的扫频式干扰,因而要提取出目标回波信号作用下与扫频干扰信号作用下引信检波信号明显不同的特征。
当目标可视为点目标时,引信所得到的多普勒信号是一个单一频率的信号,但在引信实际工作时,往往需要考虑体目标效应,在这种情况下,目标回波信号多普勒频率展宽,波形会发生一定程度的畸变,但多普勒频率的变化仍然符合多普勒效应规律。
在对引信进行干扰时,扫频带宽必须覆盖引信工作频带,干扰机常采用扫频式干扰方法。这时候干扰机会在某一频率点处工作一段时间,发射一个固定载波频率的信号,然后转到下一频率点处继续工作。引信检波信号获取的是其所接收到的信号与本振信号差频后的中频信号,因此对于扫频干扰信号必然会在多普勒频带范围之外还分布有很大的频率峰值点且幅值相差不多。而理想的目标回波信号是在多普勒频带内出现一个幅值很大的峰值点,在其它频带内则是一些由杂波或者噪声以及使用傅里叶变换时频谱泄露导致的幅值很小的峰值点。
由图3可见,目标回波信号的能量主要集中在多普勒频点处,而扫频干扰信号的能量则比较分散,据此我们可以用频谱中的三个峰值点之间的相对值进行比较以区分干扰信号和目标信号。
发明内容
本发明的目的是为了增强连续波多普勒无线电引信抗扫频式干扰的性能,提出一种基于SVM的连续波多普勒无线电引信抗扫频式干扰方法,该方法可以有效区分扫频干扰信号与目标回波信号作用下的引信检波信号。
本发明的目的是通过下述技术方案实现的。
一种基于SVM的连续波多普勒无线电引信抗扫频式干扰方法,包括以下步骤:
一、分别采集目标回波信号作用下与扫频干扰信号作用下的引信检波信号,获得一定数量的训练样本,对采样后的数据进行快速傅里叶变换;
二、搜索步骤一得到的傅里叶幅值谱的三个最大峰值点,记第一峰值点幅值为PA1,第二峰值点幅值为PA2,第三峰值点幅值为PA3,要求相邻最大峰值点之间间隔一定的频率范围,对频率间隔小于规定范围的若干个局部峰值点,只保存其中的一个最大值作为峰值点,该间隔频率范围可根据实测信号的特征设置;
三、分别求取步骤二得到的三个最大峰值点幅值的比值,用所得到的比值构建一个特征向量f=[PR12,PR13,PR23];
四、将步骤三得到的特征向量输入SVM训练分类器,得到目标回波信号与扫频干扰信号的分类决策函数;
五、对于未知的引信检波信号,得到其傅里叶幅值谱峰值比值特征向量后,输入步骤四得到的分类器,由分类决策函数值对信号进行识别。
所述步骤二中搜索峰值点的步骤包括:
(1)初始化搜索程序,设置起始频率点、终止频率点、相邻最大峰值点间隔频率等参数,设需要搜索的傅里叶幅值谱共有N个频率点,第i频率点处的幅值为Ai,其中i=1,2...N,相邻最大峰值点之间至少间隔K个频率点;
(2)比较Ai与Ai-1和Ai+1的值,若Ai>Ai-1且Ai>Ai+1,则第i频率点处幅值为一个局部峰值点,若Ai<Ai-1或Ai<Ai+1,则设置i=i+1并重复步骤(2);
(3)若第i频率点处幅值为一个局部峰值点,则判断其幅值Ai是否大于第三峰值点幅值PA3,若否,则设置i=i+1并转步骤(2);
(4)若此局部峰值点幅值Ai大于第三峰值点幅值PA3,则判断Ai是否大于第i-K至i+K范围内的其他频率点的幅值,若否,则设置i=i+1并转步骤(2);
(5)若此局部峰值点幅值Ai大于第i-K至i+K范围内的其他频率点的幅值,则更新第三峰值点幅值PA3为此局部峰值点幅值Ai
(6)判断更新后的第三峰值点幅值PA3是否大于第二峰值点幅值PA2,若否,则设置i=i+1并转步骤(2);
(7)若第三峰值点幅值PA3大于第二峰值点幅值PA2,则交换PA3与PA2
(8)判断更新后的第二峰值点幅值PA2是否大于第一峰值点幅值PA1,若否,则设置i=i+1并转步骤(2);
(9)若第二峰值点幅值PA2大于第一峰值点幅值PA1,则交换PA2与PA1,设置i=i+1并转步骤(2)。
所述步骤三分别求取步骤二得到的三个最大峰值点幅值比值的步骤包括:
(1)用第一峰值点幅值PA1除以第二峰值点幅值PA2,得到第一个特征值PR12
(2)用第一峰值点幅值PA1除以第三峰值点幅值PA3,得到第二个特征值PR13
(3)用第二峰值点幅值PA2除以第三峰值点幅值PA3,得到第三个特征值PR23
有益效果:
本发明充分利用了扫频干扰机的工作特点,提取出扫频干扰信号与目标回波信号明显不同的频谱特征,结合支持向量机分类识别的优越性能,能够获得非常高的分类识别正确率,可以使引信有效抵抗扫频干扰机的干扰。
附图说明
图1为基于SVM的连续波多普勒无线电引信抗扫频式干扰流程图;
图2为寻找傅里叶幅值谱三个最大峰值点幅值程序流程图;
图3(a)为目标回波信号作用下引信检波信号的傅里叶幅值谱;
图3(b)为噪声调幅扫频干扰信号作用下引信检波信号的傅里叶幅值谱;
图3(c)为正弦调幅扫频干扰信号作用下引信检波信号的傅里叶幅值谱;
图4为搜索到的引信检波信号傅里叶幅值谱三个最大峰值点示意图;
图5为用三维峰值比特征向量训练支持向量机分类器所构造的分类超曲面示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
实施例
一、对引信检波信号进行采样与快速傅里叶变换
在本实施例中,分别采集了100个目标回波信号作用下的引信检波信号与170个扫频干扰信号作用下的引信检波信号,其中噪声调幅扫频样式的干扰信号100个,正弦调幅扫频样式的干扰信号70个。采样频率为100kHz,采样点数为引信启动时刻之前的20000个数据点,然后对采样数据进行快速傅里叶变换。目标回波信号作用下引信检波信号的傅里叶幅值谱如图3(a)所示,噪声调幅扫频干扰信号作用下引信检波信号的傅里叶幅值谱如图3(b)所示,正弦调幅扫频干扰信号作用下引信检波信号的傅里叶幅值谱如图3(c)所示,由图可见,目标回波信号的能量主要集中在多普勒频点处,而扫频干扰信号的能量则比较分散。
二、寻找检波信号傅里叶幅值谱的三个最大峰值点
局部峰值点的特征为幅值比其前后相邻点的幅值都大,可以利用这个特征寻找峰值点。由于体目标效应以及傅里叶变换自身特点等影响,信号的频谱会展宽,仅利用这个特征所找到的相邻两个峰值点频率和幅值可能很接近,因为想要利用的是峰值点的幅值之比,这样就有可能将目标信号识别为干扰信号而不能区分。为了避免这种情况,需要找到一段频带范围内的唯一最大峰值点,因此在找到符合局部峰值点特征即比其前后相邻频率点的幅值都大的点后,再对这个点前后一段范围内的点进行比较,如果在这一段范围内有比这个点的幅值更大的点存在,则说明这个频率点不是这段频带内的最大峰值点;反之,则说明这个频率点就是这段频带内的最大峰值点。
参照图2说明具体搜索程序:首先定义峰值点,即认为在多宽频带范围内的局部峰值点幅值的最大值为峰值点,这通过设置找到一个局部峰值点后再比较其前后若干个频率点的幅值实现,本实施例采用20个点,采样频率为100kHz,采样点数为20000个点,可以计算出相邻峰值点之间至少间隔100Hz。由图3可见,无论是干扰信号还是目标信号,在零频率处都会出现很大幅度的峰值点,这一特征在本发明中对于目标信号和干扰信号的区分没有任何实际价值,为了避免将零频率处识别为峰值点,同时考虑到连续波多普勒引信的信号特征,从第21个频率点开始搜索,即100Hz处,若某一个点的幅值比其前后相邻两个点的幅值都大,则与所保存的第三峰值点的幅值进行比较,若比第三峰值点的幅值大,再分别与此点前后20个频率点的幅值进行比较,若在其前后的20个点中都没有比这个点的幅值更大的点,则更新第三峰值点幅值为这个点的幅值,并与第二峰值点幅值进行比较,若比第二峰值点幅值大,则交换两个位置所保存的峰值点幅值,然后再将更新后的第二峰值点幅值与第一峰值点幅值进行比较,若比第一峰值点幅值大,则交换两个位置所保存的峰值点幅值,用这种方式搜索到第10000个频率点,即奈奎斯特频率处,即可得到三个最大峰值点的幅值,如图4所示。需要说明的是,在程序初始化阶段需要设置三个最大峰值点幅值的初始值以方便程序运行,本实施例设置其初始值均为零;若从傅里叶幅值谱的第一个频率点开始搜索到最后一个频率点,为了使初始和结束阶段的点也满足所定义的峰值点的特征即比其前后一段范围内点的幅值都大,可认为第一个频率点之前及最后一个频率点之后点的幅值都为零以方便程序运行。
三、用第一峰值点幅值除以第二峰值点幅值,第一峰值点幅值除以第三峰值点幅值,第二峰值点幅值除以第三峰值点幅值,所得结果用于构造三维特征向量。
四、分别得到100个目标回波信号及170个扫频干扰信号的特征向量后,将其作为支持向量机的输入训练分类器,得到分类决策函数,所构造的分类超曲面如图5所示。
五、对于未知的引信检波信号,找到其傅里叶幅值谱三个最大峰值点幅值求得其比值后,构造特征向量并输入训练得到的分类器,由分类决策函数值即可区分是目标回波信号还是扫频干扰信号。

Claims (3)

1.一种基于SVM的连续波多普勒无线电引信抗扫频式干扰方法,其特征在于,包括以下步骤:
一、分别采集目标回波信号作用下与扫频干扰信号作用下的引信检波信号,获得一定数量的训练样本,对采样后的数据进行快速傅里叶变换;
二、搜索步骤一得到的傅里叶幅值谱并寻找检波信号傅里叶幅值谱的三个最大峰值点,记第一峰值点幅值为PA1,第二峰值点幅值为PA2,第三峰值点幅值为PA3,要求相邻最大峰值点之间间隔一定的频率范围,对频率间隔小于规定范围的若干个局部峰值点,只保存其中的一个最大值作为峰值点,该间隔频率范围可根据实测信号的特征设置;
三、分别求取步骤二得到的三个最大峰值点幅值的比值,用所得到的比值构建一个特征向量f=[PR12,PR13,PR23];
四、将步骤三得到的特征向量输入SVM训练分类器,得到目标回波信号与扫频干扰信号的分类决策函数;
五、对于未知的引信检波信号,得到其傅里叶幅值谱峰值比值特征向量后,输入步骤四得到的分类器,由分类决策函数对信号进行识别。
2.根据权利要求1所述的一种基于SVM的连续波多普勒无线电引信抗扫频式干扰方法,其特征在于,所述步骤二中搜索峰值点的步骤包括:
(1)初始化搜索程序,设置起始频率点、终止频率点、相邻最大峰值点间隔频率参数,设需要搜索的傅里叶幅值谱共有N个频率点,第i频率点处的幅值为Ai,其中i=1,2...N,相邻最大峰值点之间至少间隔K个频率点;
(2)比较Ai与Ai-1和Ai+1的值,若Ai>Ai-1且Ai>Ai+1,则第i频率点处幅值为一个局部峰值点,若Ai<Ai-1或Ai<Ai+1,则设置i=i+1并重复步骤(2);
(3)若第i频率点处幅值为一个局部峰值点,则判断其幅值Ai是否大于第三峰值点幅值PA3,若否,则设置i=i+1并转步骤(2);
(4)若此局部峰值点幅值Ai大于第三峰值点幅值PA3,则判断Ai是否大于第i-K至i+K范围内的其他频率点的幅值,若否,则设置i=i+1并转步骤(2);
(5)若此局部峰值点幅值Ai大于第i-K至i+K范围内的其他频率点的幅值,则更新第三峰值点幅值PA3为此局部峰值点幅值Ai
(6)判断更新后的第三峰值点幅值PA3是否大于第二峰值点幅值PA2,若否,则设置i=i+1并转步骤(2);
(7)若第三峰值点幅值PA3大于第二峰值点幅值PA2,则交换PA3与PA2
(8)判断更新后的第二峰值点幅值PA2是否大于第一峰值点幅值PA1,若否,则设置i=i+1并转步骤(2);
(9)若第二峰值点幅值PA2大于第一峰值点幅值PA1,则交换PA2与PA1,设置i=i+1并转步骤(2)。
3.根据权利要求1所述的一种基于SVM的连续波多普勒无线电引信抗扫频式干扰方法,其特征在于,所述步骤三分别求取步骤二得到的三个最大峰值点幅值比值的步骤包括:
(1)用第一峰值点幅值PA1除以第二峰值点幅值PA2,得到第一个特征值PR12
(2)用第一峰值点幅值PA1除以第三峰值点幅值PA3,得到第二个特征值PR13
(3)用第二峰值点幅值PA2除以第三峰值点幅值PA3,得到第三个特征值PR23
CN201410830619.5A 2014-12-26 2014-12-26 一种基于svm的连续波多普勒无线电引信抗扫频式干扰方法 Expired - Fee Related CN104596369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410830619.5A CN104596369B (zh) 2014-12-26 2014-12-26 一种基于svm的连续波多普勒无线电引信抗扫频式干扰方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410830619.5A CN104596369B (zh) 2014-12-26 2014-12-26 一种基于svm的连续波多普勒无线电引信抗扫频式干扰方法

Publications (2)

Publication Number Publication Date
CN104596369A CN104596369A (zh) 2015-05-06
CN104596369B true CN104596369B (zh) 2015-12-30

Family

ID=53122315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410830619.5A Expired - Fee Related CN104596369B (zh) 2014-12-26 2014-12-26 一种基于svm的连续波多普勒无线电引信抗扫频式干扰方法

Country Status (1)

Country Link
CN (1) CN104596369B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107171994B (zh) * 2017-06-06 2020-06-05 南京理工大学 无线电引信信号识别和重构系统及方法
CN111323761B (zh) * 2020-03-20 2022-04-08 北京华力创通科技股份有限公司 回波系统函数构建方法、装置及回波模拟器
CN111609771B (zh) * 2020-04-19 2021-05-18 北京理工大学 一种气溶胶环境下激光引信的定距方法
CN115276847B (zh) * 2022-07-12 2023-11-24 山东大学 基于卷积神经网络的无线电调频引信干扰信号识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2315726Y (zh) * 1997-03-14 1999-04-21 中国人民解放军总参谋部军械技术研究所 一种无线电引信信号传输装置
US6198425B1 (en) * 1970-02-16 2001-03-06 The United States Of America As Represented By The Secretary Of The Navy Pulse doppler target detecting device
CN104237867A (zh) * 2014-08-27 2014-12-24 北京环境特性研究所 引信接收机的有效多普勒带宽的确定方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7352319B2 (en) * 2005-06-10 2008-04-01 Honeywell International Inc. Methods and systems utilizing Doppler prediction to enable fusing

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6198425B1 (en) * 1970-02-16 2001-03-06 The United States Of America As Represented By The Secretary Of The Navy Pulse doppler target detecting device
CN2315726Y (zh) * 1997-03-14 1999-04-21 中国人民解放军总参谋部军械技术研究所 一种无线电引信信号传输装置
CN104237867A (zh) * 2014-08-27 2014-12-24 北京环境特性研究所 引信接收机的有效多普勒带宽的确定方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
地面低速目标与背景模式分类和识别方法研究;张飞鹏;《探测与控制学报》;20070415;第29卷(第2期);第8-11页 *

Also Published As

Publication number Publication date
CN104596369A (zh) 2015-05-06

Similar Documents

Publication Publication Date Title
CN106330385B (zh) 一种干扰类型识别方法
CN109459732B (zh) 一种宽带雷达干扰信号的识别分类方法
CN104596369B (zh) 一种基于svm的连续波多普勒无线电引信抗扫频式干扰方法
CN104267379A (zh) 一种基于波形设计的主被动雷达协同抗干扰方法
CN105678273B (zh) 射频指纹识别技术瞬态信号的起始点检测算法
Suski II et al. Radio frequency fingerprinting commercial communication devices to enhance electronic security
Ristea et al. Fully convolutional neural networks for automotive radar interference mitigation
Sa et al. Specific emitter identification techniques for the internet of things
CN109167746A (zh) 连续波与脉冲信号快速识别装置
CN105137396B (zh) 一种smsp干扰和c&i干扰的检测方法
CN108627807B (zh) 一种机载雷达抗干扰方法
CN111693944A (zh) 雷达有源干扰信号参数提取与干扰样式识别方法及装置
Song et al. A method for specific emitter identification based on empirical mode decomposition
CN109001708A (zh) 基于分级积累检测的雷达机动目标快速精细化处理方法
CN105044686A (zh) 一种雷达密集假目标干扰抑制方法
CN111060878B (zh) 适用于单脉冲的lfm雷达工作模式实时分类方法及装置
CN109617631A (zh) 基于数字信道化瞬时参数测量的侦察系统自适应接收方法
CN105572643A (zh) 一种对抗射频存储转发干扰的雷达信号发射方法
CN105259540A (zh) 一种多站雷达抗有源欺骗式干扰的优化方法
KR101207779B1 (ko) 전자전 장비를 위한 신호 처리 장치 및 신호 처리 방법
CN114578296B (zh) 基于相位编码信号的间歇采样干扰抑制方法
CN114114194A (zh) 一种相控阵雷达主瓣干扰识别方法
KR101426863B1 (ko) 특징인자를 이용한 레이더 펄스내 변조형태 인식 방법
Almashaqbeh et al. A study on the performance evaluation of wavelet decomposition in transient‐based radio frequency fingerprinting of Bluetooth devices
Liu et al. RF fingerprint recognition based on spectrum waterfall diagram

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: 20151230

Termination date: 20171226

CF01 Termination of patent right due to non-payment of annual fee