CN104994510B - 一种认知无线电网络多用户多信道频谱感知优化方法 - Google Patents

一种认知无线电网络多用户多信道频谱感知优化方法 Download PDF

Info

Publication number
CN104994510B
CN104994510B CN201510253397.XA CN201510253397A CN104994510B CN 104994510 B CN104994510 B CN 104994510B CN 201510253397 A CN201510253397 A CN 201510253397A CN 104994510 B CN104994510 B CN 104994510B
Authority
CN
China
Prior art keywords
channel
user
perception
slack
slock
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
CN201510253397.XA
Other languages
English (en)
Other versions
CN104994510A (zh
Inventor
岳文静
蒲昱
陈志�
刘敏
陆海亚
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 Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication University
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 Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201510253397.XA priority Critical patent/CN104994510B/zh
Publication of CN104994510A publication Critical patent/CN104994510A/zh
Application granted granted Critical
Publication of CN104994510B publication Critical patent/CN104994510B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10Dynamic resource partitioning
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic management; Network resource management
    • H04W28/02Traffic management, e.g. flow control or congestion control
    • H04W28/08Load balancing or load distribution
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W72/00Local resource management
    • H04W72/50Allocation or scheduling criteria for wireless resources
    • H04W72/54Allocation or scheduling criteria for wireless resources based on quality criteria
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明给出一种认知无线电网络多用户多信道频谱感知优化方法,是一种基于博弈论和二分最优匹配的认知无线电网络多用户多信道频谱感知优化方法,该方法在多用户多信道的认知无线电网络感知过程中,每个感知用户计算和选择其中较小的消耗指数,减小信息传输过程中的传输时延以及能量消耗;利用二分最优匹配算法优化信道选择。本发明方法能够有效提升认知无线电网通信质量。

Description

一种认知无线电网络多用户多信道频谱感知优化方法
技术领域
本发明涉及一种无线电感知网络频谱优化方法,主要采用非协作博弈论算法和最优二分匹配算法来优化在多感知用户多信道进行数据传输时,对感知用户的平均时延以及平均能量消耗,属于无线电通信技术领域与博弈论的交叉技术应用领域。
背景技术
认知无线电(CR,cognitive radio)是一种能够发现并伺机利用授权系统在时间、空间上的空闲频段的智能通信系统,其核心思想是CR具有学习能力,能与周围环境交互信息,以感知和利用该空间内的可用频谱,并限制和降低冲突的发生。
非合作博弈论是指策略环境下,非合作的框架把所有的人的行动都当成是个别行动,也就是说在一个策略组合中,所有的参与者面临这样的一种情况,当其他人改变策略时,他此时的策略是最好的。也就是说,此时如果他改变策略,他的获益将会降低。它主要强调一个人进行自主的决策,而与这个策略环境中其他人无关。通常也就是我们字面上博弈的意思。纳什均衡,指的是参与人的这样一种策略组合,在该策略组合上,任何参与人单独改变策略都不会得到好处。换句话说,如果在一个策略组合上,当所有其他人都不改变策略时,没有人会改变自己的策略,则该策略组合就是一个纳什均衡。
目前的感知无线电技术在多感知用户感知时,存在明显的频谱利用不充分,造成传输效率下降。本发明设计了一种基于非合作博弈论以及最优二分匹配算法的频谱感知优化方法,在各感知用户各自没有联系的情况下,利用非合作博弈论理论进行传输控制,来提高频谱的利用率,达到提高通信质量的目的。
发明内容
技术问题:在认知无线电网络中,无线电中的有限的信道数量,次要用户数量的增加,以及数据传输量的增加对次要用户的数据传输带来了巨大的挑战,在多次要用户,信道数量有限的时候,并且保证主用户的通信不受影响,如何优化数据传输方案,使得感知用户平均数据传输能量消耗少,传输时延短,是当前认知无线电数据传输协同分配的问题之一。本发明的目标是提供一种基于非协作博弈论算法和最优二分匹配算法的认知无线电网络多用户多信道频谱感知优化方法,优化上述问题。
技术方案:本发明所述的认知无线电网络多用户多信道频谱感知优化方法,每个感知用户会先感知其对每一个未被主用户占领的信道的传输时隙以及能量消耗,并且每个用户根据感知情况,选取最利于自己的信道作为传输信道(具体为该感知用户使用信道传输时对应消耗指数最小),对所有感知用户所选的传输信道,根据非合作博弈论,此时的用户对信道选择情况则会形成一个相对稳定的纳什均衡,在信道选择时候利用最优二分匹配算法算法,使得信道分配得到最优的匹配,从而减少感知用户平均能量消耗,提高传输时延,最终达到提高频谱传输质量的目的。
本发明提出的将多用户多信道的频谱感知分为感知过程、博弈过程、分配过程、传输过程四个过程,该方法包括以下步骤:
步骤1:每个感知用户向每个未被主用户占领的信道传输一个较小数据同时对该信道进行感知,得到此信道传输过程的传输时延Tij,和能量消耗Eij;传输时延Tij包括感知用户i感知信道j的传输时延,能量消耗Eij包括感知用户i感知信道j的能量消耗;
步骤2:实施博弈过程,具体步骤如下:
步骤2.1:根据上一步的感知过程得到的第i个感知用户向第j个信道感知过程中传输时延Tij以及能量消耗Eij,定义第i个感知用户对于第j个信道感知时候的消耗指数为其两者相对于传输时延Tij和能量消耗Eij的加权相加和,即为:所述c为感知用户的总数量;
步骤2.2:每个感知用户选择消耗指数最小的信道进行传输,所述选择消耗指数最小的信道过程使所有感知用户形成一个纳什均衡,每一个感知用户改变选择都会降低自己的获益以及所有人获益平均期望;
步骤3:利用二分最优匹配算法计算所有信道与感知用户的最优匹配传输对;步骤4:
成功交互的感知用户在此信道进行数据传输。
其中:所述利用二分最优匹配算法计算所有信道与感知用户的最优匹配传输对,具体步骤如下:
步骤3.1:建立一张二分图,将所有感知用户加入集合A,将所有信道加入集合B,所有感知用户与信道建边,感知节点x和信道y之间边权值设置为1/Wxy,设置Lx和Ly为对应感知节点x和信道y的标记量,Lx初始化为感知用户在步骤2中信道选择的信道对应能量消耗倒数1/Wij,Ly初始化为0,信道匹配标记Matchi初始化为-1,表明未被匹配;
步骤3.2:每个感知节点利用匈牙利算法寻找最大匹配,具体步骤如下:
步骤3.2.1:给每个信道设置一个松弛量Slack,将其设置为inf,所述inf是用户设置的正无穷值;
步骤3.2.2:当前感知节点以及信道访问标记值vis初始化为假,表示其未被访问;
步骤3.2.3:寻找增广路,具体步骤如下:
步骤3.2.3.1:对于当前感知节点,标记其访问标记值vis为真,表示其已被访问;
步骤3.2.3.2:对于每个未被访问的信道,设一个增广标记量t,具体计算增广标记量t为感知节点标记量Lx和信道标记量Ly和减去其消耗指数的倒数1/Wxy,即t=Lx+Ly-1/Wxy时,进入步骤3.2.3.3,否则跳到步骤3.3;
步骤3.2.3.3:对于当前信道,标记其访问标记值vis为真;
步骤3.2.3.4:如果当前信道未被配对,即信道的配对标记值Matchy为-1时,重新进入步骤3.2.3判断与当前信道配对的感知用户依然存在增广路,返回当前存在增广路,并且当前信道与当前感知用户配对,信道y的匹配标记值Matchy设置为当前感知用户x,即Matchy=x;
步骤3.2.4:当增广标记量t不等于0并且增广标记量小于信道松弛量,即当前信道Slock>t时,信道松弛量等于增广标记量,即当前信道松弛量Slock=t;
步骤3.2.5:如果判断当前感知用户不存在增广路,则跳到步骤3.3;
步骤3.2.6:寻找未被标记的节点中,所有信道松弛量最小的Slock为最小信道松弛量minSlock;
步骤3.2.7:对每个已访问过的感知用户,即访问标记值vis为真的感知用户,将其感知用户标记量Lx减去minSlock,即Lx=Lx-minSlock;
步骤3.2.8:对每个已访问过信道,将其感知用户标记量加上最小信道松弛量minSlock,即Ly=Ly+minSlock,否则其松弛量减去minSlock,即Slocky=Slocky-minSlock,重新跳回步骤3.2.3继续寻找增广路;
步骤3.3:对于每个已配对的信道,其信道匹配标记值Matchi即为与其配对的感知用户,将这些感知用户和信道进行交互,即建立传输链接。
有益效果:本发明对在对多用户感知多信道进行传输的时候,使用了非合作博弈论算法以及最优二分匹配算法进行用户与信道的匹配解决方案,优化了在感知用户使用信道进行信息传输的时候,所有传输的平均传输时延以及能量消耗,有效提升了感知无线电网络的通信质量,本发明所述的改进方法具体有如下的有益效果:
(1)采用非合作博弈论算法,对感知用户对于信息传输时的信道选择过程,通过建立消耗函数Wij,比较选择不同信道传输时消耗函数,从而选取了信息传输时综合考虑传输时延以及能量消耗的最小付出,从而提高了信道通信质量。
(2)利用最优二分匹配算法,使得单次传输时更多的信道参与传输过程,从而提高了信道在信息传输时的利用率。
(3)采用非合作博弈论算法为感知用户选择传输信道的方案,最终所有感知用户的信道选择方案形成纳什均衡,较杂乱无章的信道选择方案相比,信息传输更加有序。
附图说明
图1为认知无线电网络多用户多信道频谱感知优化方法流程图。
具体实施方式
下面结合图1对本发明具体实施做更详细的描述。
在认知无线电网络多用户多信道频谱感知优化方法实施中,感知过程、博弈过程、分配过程、传输过程是其四个过程。
假设有c个感知用户,每个感知用户向每个未被主用户占领的信道传输一个较小数据同时对该信道进行感知,得到此信道传输过程的传输时延Tij,和能量消耗Eij;传输时延Tij包括感知用户i感知信道j的传输时延,能量消耗Eij包括感知用户i感知信道j的能量消耗。
在具体实施中,根据上一步的感知过程得到的第i个感知用户向第j个信道感知过 程中传输时延Tij以及能量消耗Eij,我们定义第i个感知用户对于第j个信道感知时候的消 耗指数为利用进行计算。
每个感知用户在具体实施中选择消耗指数最小的信道进行传输,选择消耗指数最小的信道过程目的使所有感知用户形成一个纳什均衡,这样每一个感知用户改变选择都会降低自己的获益以及所有人获益平均期望;
在具体实施中,二分最优匹配算法用于计算所有信道与感知用户的最优匹配传输对,首先建立一张二分图,将所有感知用户加入集合A,将所有信道加入集合B,所有感知用户与信道建边,感知节点x和信道y之间边权值设置为1/Wxy,设置Lx和Ly为对应感知节点x和信道y的标记量,Lx初始化为感知用户前面实施过程中信道选择的信道对应能量消耗倒数1/Wij,Ly初始化为0,信道匹配标记Matchi初始化为-1,表明未被匹配;然后,每个感知节点利用匈牙利算法寻找最大匹配,给每个信道设置一个松弛量Slack,将其设置为用户设置的正无穷值inf,当前感知节点以及信道访问标记值vis初始化为假,表示其未被访问;最后寻找增广路。
在具体实施中,寻找增广路的过程为:对于当前感知节点,标记其访问标记值vis为真,表示其已被访问;对于每个未被访问的信道,设一个增广标记量t,具体计算增广标记量t为感知节点标记量Lx和信道标记量Ly和减去其消耗指数的倒数1/Wxy,即t=Lx+Ly-1/Wxy时,对于当前信道,标记其访问标记值vis为真,否则对于每个已配对的信道,其信道匹配标记值Matchi即为与其配对的感知用户,将这些感知用户和信道进行交互,即建立传输链接。
如果当前信道未被配对,即信道的配对标记值Matchy为-1时,重新进入寻找增广路来判断与当前信道配对的感知用户依然存在增广路,返回当前存在增广路,并且当前信道与当前感知用户配对,信道y的匹配标记值Matchy设置为当前感知用户x,即Matchy=x。
当增广标记量t不等于0并且增广标记量小于信道松弛量,即当前信道Slock>t时,信道松弛量等于增广标记量,即当前信道松弛量Slock=t;如果判断当前感知用户不存在增广路,则对于每个已配对的信道,其信道匹配标记值Matchi即为与其配对的感知用户,将这些感知用户和信道进行交互,即建立传输链接。
在具体实施中,寻找未被标记的节点中,所有信道松弛量最小的Slock为最小信道松弛量minSlock;对每个已访问过的感知用户,即访问标记值vis为真的感知用户,将其感知用户标记量Lx减去minSlock,即Lx=Lx-minSlock;对每个已访问过信道,将其感知用户标记量加上最小信道松弛量minSlock,即Ly=Ly+minSlock,否则其松弛量减去minSlock,即Slocky=Slocky-minSlock,重新寻找增广路。
每个感知节点利用匈牙利算法寻找最大匹配后,对于每个已配对的信道,其信道匹配标记值Matchi即为与其配对的感知用户,将这些感知用户和信道进行交互,即建立传输链接,这样成功交互的感知用户在此信道进行数据传输。

Claims (2)

1.一种认知无线电网络多用户多信道频谱感知优化方法,其特征在于该方法将多用户多信道的频谱感知分为感知过程、博弈过程、分配过程、传输过程四个过程,具体包括以下步骤:
步骤1:每个感知用户向每个未被主用户占领的信道传输一个较小数据同时对该信道进行感知,得到此信道传输过程的传输时延Tij,和能量消耗Eij;传输时延Tij包括感知用户i感知信道j的传输时延,能量消耗Eij包括感知用户i感知信道j的能量消耗;
步骤2:实施博弈过程,具体步骤如下:
步骤2.1:根据上一步的感知过程得到的第i个感知用户向第j个信道感知过程中传输时延Tij以及能量消耗Eij,定义第i个感知用户对于第j个信道感知时候的消耗指数为其两者相对于传输时延Tij和能量消耗Eij的加权相加和,即为:所述c为感知用户的总数量;
步骤2.2:每个感知用户选择消耗指数最小的信道进行传输,所述选择消耗指数最小的信道过程使所有感知用户形成一个纳什均衡,每一个感知用户改变选择都会降低自己的获益以及所有人获益平均期望;
步骤3:利用二分最优匹配算法计算所有信道与感知用户的最优匹配传输对;
步骤4:成功交互的感知用户在此信道进行数据传输。
2.根据权利要求1所述的一种认知无线电网络多用户多信道频谱感知优化方法,其特征在于所述利用二分最优匹配算法计算所有信道与感知用户的最优匹配传输对,具体步骤如下:
步骤3.1:建立一张二分图,将所有感知用户加入集合A,将所有信道加入集合B,所有感知用户与信道建边,感知节点x和信道y之间边权值设置为1/Wxy,设置Lx和Ly为对应感知节点x和信道y的标记量,Lx初始化为感知用户在步骤2中信道选择的信道对应能量消耗倒数1/Wij,Ly初始化为0,信道匹配标记Matchi初始化为-1,表明未被匹配;
步骤3.2:每个感知节点利用匈牙利算法寻找最大匹配,具体步骤如下:
步骤3.2.1:给每个信道设置一个松弛量Slock,将其设置为inf,所述inf是用户设置的正无穷值;
步骤3.2.2:当前感知节点以及信道访问标记值vis初始化为假,表示其未被访问;
步骤3.2.3:寻找增广路,具体步骤如下:
步骤3.2.3.1:对于当前感知节点,标记其访问标记值vis为真,表示其已被访问;
步骤3.2.3.2:对于每个未被访问的信道,设一个增广标记量t,具体计算增广标记量t为感知节点标记量Lx和信道标记量Ly和减去其消耗指数的倒数1/Wxy,即t=Lx+Ly-1/Wxy时,进入步骤3.2.3.3,否则对于已被访问的信道,跳到步骤3.3;
步骤3.2.3.3:对于当前信道,标记其访问标记值vis为真;
步骤3.2.3.4:如果当前信道未被配对,即信道的配对标记值Matchy为-1时,重新进入步骤3.2.3判断与当前信道配对的感知用户依然存在增广路,返回当前存在增广路,并且当前信道与当前感知用户配对,信道y的匹配标记值Matchy设置为当前感知用户x,即Matchy=x;
步骤3.2.4:当增广标记量t不等于0并且增广标记量小于信道松弛量,即当前信道Slock>t时,信道松弛量等于增广标记量,即当前信道松弛量Slock=t;
步骤3.2.5:如果判断当前感知用户不存在增广路,则跳到步骤3.3;
步骤3.2.6:寻找增广标记未被标记的节点中,所有信道松弛量最小的Slock为最小信道松弛量minSlock;
步骤3.2.7:对每个已访问过的感知用户,即访问标记值vis为真的感知用户,将其感知用户标记量Lx减去minSlock,即Lx=Lx-minSlock;
步骤3.2.8:对每个已访问过信道,将其感知用户标记量加上最小信道松弛量minSlock,即Ly=Ly+min Slock,若没有已访问过信道,其松弛量减去minSlock,即Slocky=Slocky-minSlock,重新跳回步骤3.2.3继续寻找增广路;
步骤3.3:对于每个已配对的信道,其信道匹配标记值Matchi即为与其配对的感知用户,将这些感知用户和信道进行交互,即建立传输链接。
CN201510253397.XA 2015-05-18 2015-05-18 一种认知无线电网络多用户多信道频谱感知优化方法 Active CN104994510B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510253397.XA CN104994510B (zh) 2015-05-18 2015-05-18 一种认知无线电网络多用户多信道频谱感知优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510253397.XA CN104994510B (zh) 2015-05-18 2015-05-18 一种认知无线电网络多用户多信道频谱感知优化方法

Publications (2)

Publication Number Publication Date
CN104994510A CN104994510A (zh) 2015-10-21
CN104994510B true CN104994510B (zh) 2019-05-03

Family

ID=54306243

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510253397.XA Active CN104994510B (zh) 2015-05-18 2015-05-18 一种认知无线电网络多用户多信道频谱感知优化方法

Country Status (1)

Country Link
CN (1) CN104994510B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107438250B (zh) * 2016-05-26 2021-04-16 中国人民解放军理工大学 5g认知微蜂窝网络中基于博弈论的频谱决策方法
CN108551406B (zh) * 2018-04-24 2021-05-18 福州大学 一种基于负载均衡的软件定义移动无线网信道划分方法
CN108847908A (zh) * 2018-04-26 2018-11-20 宁波大学 一种射频能量收集认知无线电系统中的多信道选择方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102457338A (zh) * 2011-11-09 2012-05-16 南京邮电大学 认知传感器网络中多用户感知信道的选择方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102457338A (zh) * 2011-11-09 2012-05-16 南京邮电大学 认知传感器网络中多用户感知信道的选择方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
多小区多用户无线网络下行链路协同波束成形设计;解陪中,郑宝玉,岳文静;《通信学报》;20120731;第33卷(第7期);全文
感知频谱共享下的多天线功率优化分配算法研究;岳文静,武聪,陈志,孟庆民,郑宝玉;《信号处理》;20141130;第30卷(第11期);全文

Also Published As

Publication number Publication date
CN104994510A (zh) 2015-10-21

Similar Documents

Publication Publication Date Title
Zhang et al. Resource allocation in NOMA-based fog radio access networks
CN109639377B (zh) 基于深度强化学习的频谱资源管理方法
Altman et al. Closed form solutions for water-filling problems in optimization and game frameworks
CN109862610A (zh) 一种基于深度强化学习ddpg算法的d2d用户资源分配方法
Yang et al. Latency optimization for multi-user NOMA-MEC offloading using reinforcement learning
Liu et al. Distributed Q-learning aided uplink grant-free NOMA for massive machine-type communications
CN103220052B (zh) 一种认知无线电中检测频谱空洞的方法
CN102186174A (zh) 认知无线电系统中的协作频谱共享博弈方法
CN110365463B (zh) 大规模mimo系统两次聚类划归的导频分配方法
CN104994510B (zh) 一种认知无线电网络多用户多信道频谱感知优化方法
CN113596785B (zh) 基于深度q网络的d2d-noma通信系统资源分配方法
CN101359941A (zh) 认知无线电技术中基于归一化博弈模型的功率控制方法
CN104980389A (zh) 适用非正交多址系统的新用户差异性选择接入方法
Belmega et al. Power allocation games in wireless networks of multi-antenna terminals
CN102448159A (zh) 基于干扰管理的功率速率联合控制博弈方法
CN109548159A (zh) 一种非正交多址异构网络中的功率分配方法
CN103002455B (zh) 一种基于社交网络和博弈论的认知无线电频谱共享模型
CN106793147A (zh) 基于定时提前信息的导频随机接入方法
Gao et al. Joint multiple relay selection and time slot allocation algorithm for the EH-abled cognitive multi-user relay networks
Makhanbet et al. A fully distributed and clustered learning of power control in user-centric ultra-dense HetNets
CN106027214A (zh) 一种多小区大规模mimo系统导频分配方法
Benamor et al. Mean field game-theoretic framework for distributed power control in hybrid noma
CN104135769A (zh) 不完备信道状态信息下ofdma遍历容量最大化资源分配方法
Zheng et al. Achievable computation rate in NOMA-based wireless-powered networks assisted by multiple fog servers
Sreenu et al. Innovative Power Allocation Strategy for NOMA Systems by Employing the Modified ABC Algorithm.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: No. 66, New Model Road, Gulou District, Nanjing City, Jiangsu Province, 210000

Applicant after: Nanjing Post & Telecommunication Univ.

Address before: 210003 No. 9 Wenyuan Road, Xianlin, Nanjing, Jiangsu Province

Applicant before: Nanjing Post & Telecommunication Univ.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant