CN105188079B - 流媒体质量评测及移动网络质量提升的系统及方法 - Google Patents
流媒体质量评测及移动网络质量提升的系统及方法 Download PDFInfo
- Publication number
- CN105188079B CN105188079B CN201510682702.7A CN201510682702A CN105188079B CN 105188079 B CN105188079 B CN 105188079B CN 201510682702 A CN201510682702 A CN 201510682702A CN 105188079 B CN105188079 B CN 105188079B
- Authority
- CN
- China
- Prior art keywords
- duration
- interim card
- video
- network
- wine
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Abstract
本发明提供一种流媒体质量评测及移动网络质量提升的系统及方法,系统包括依次连接的网络抓包捕获模块、流媒体质量测评模块、移动网络空口信令分析模块、网优专家模块;本发明中方法的主要内容是通过在移动网络各端对流媒体质量进行定量的分析,通过分析的结果关联移动网络信令分析模块所提供的空口KPI指标,通过网优专家模块进行空口网络质量定位并提供网络优化的解决方案。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种流媒体质量评测及移动网络质量提升的系统及方法。
背景技术
随着移动网络应用的爆发式增长,对于移动网络质量的要求越来越高,流媒体作为一种能实时感知所在网络质量的应用。被广泛的应用于移动网络质量的评测装置中。
对于流媒体质量的评测,主流的评测参数多是基于流媒体播放成功率,音视频的抖动,播放缓冲时延,播放响应时延,这些KQI参数都只能从点上反应移动网络的空口问题,无法从面上反应移动网络空口的问题,本发明装置对于流媒体质量的评测主要是通过对流媒体卡顿参数的评估来反应移动网络的质量问题,它能通过卡顿周期和卡顿时长来定位移动网络空口的问题区域及故障程度。
对于流媒体卡顿参数的评测,目前使用比较多的方法是基于下载速率,视频祯率,下载数据量大小来判定,本发明提出一种新的分析方法,通过视频祯的下载时长与已下载视频祯可播放时长的差值来分析流媒体的卡顿参数。
发明内容
本发明的主要内容是通过在移动网络各端对流媒体质量进行定量的分析,通过分析的结果关联移动网络信令分析模块所提供的空口KPI指标,通过网优专家模块进行空口网络质量定位并提供网络优化的解决方案。
本发明对于流媒体质量评测主要是对于最能直观反应用户感知的卡顿周期、卡顿次数和卡顿总时长指标。
目前对于流媒体卡顿的主流判断是通过指定时间内理论播放数据量和实际下载数据量进行对比分析,若所述理论播放数据量大于实际下载数据量,则确定在播放流媒体文件时出现卡顿,达到识别播放流媒体文件是否出现卡顿的效果。该方法主要是通过对数据量的比较分析来判定是否出现了卡顿,本发明对于卡顿的判定主要是基于时间差的判定。
在流媒体播放中,一般决定流媒体是否卡顿主要是基于流媒体的视频祯,本装置对于卡顿的判定也是基于视频祯。
本发明基于卡顿的判定有以下的预设条件:
本发明主要是基于RTP包视频祯的判定,无法获得客户端缓冲区的大小,本发明设定客户端缓冲区阈值为3秒的视频祯内容。
本发明判定在开始播放后的首次缓冲时间不算作卡顿。
本发明采用如下技术方案实现:
一种流媒体质量评测及移动网络质量提升的系统,其特征在于:包括依次连接的网络抓包捕获模块、流媒体质量测评模块、移动网络空口信令分析模块、网优专家模块。
一种流媒体质量评测及移动网络质量提升的方法,通过流媒体评估的KQI卡顿周期从移动网络空口分析模块定位空口的KPI指标,然后通过网优专家模块对流媒体参数和空口KPI参数进行联合分析,诊断空口网络问题,并给出网络优化解决方案。
具体包括以下步骤;
步骤1,通过网络抓包捕获模块抓取数据包,之后进入步骤2;
步骤2,通过流媒体质量测评模块分析流媒体质量评估参数;
步骤3,通过移动网络空口信令分析模块定位空口网络问题;
步骤4,网优专家模块通分析空口网络问题,给出优化解决方案。
所述步骤2中,对于流媒体卡顿参数的评估是利用视频祯的下载时长与所下载的视频祯可播放时长之间的差值来评估流媒体的卡顿参数。
所述步骤2中,对于流媒体质量评测卡顿周期,卡顿次数及卡顿总时长的分析方法步骤如下:
步骤2.1,通过流媒体RTP包中的时间戳计算当前视频祯的传输时长,具体公式为:Duration(down)=Arrival_Time(当前视频帧)–Arrival_Time(视频第一帧);其中Duration(Down)表示视频祯的传输总时长,Arrival_Time(当前视频帧)表示当前视频祯采集的真实时间,Arrival_Time(视频第一帧)表示第一帧视频祯的时间。
步骤2.2,通过RTP视频祯中视频内容的采样时间戳与视频采样率计算视频祯数据可播放时长。具体公式为:Duration(Play)=TimeStamp(Video)/SampleRate(Video);Duration(Play)表示视频祯数据可播放时长,TimeStamp(Video)表示视频内容的采集时间戳,SampleRate(Video)表示视频采样率。
步骤2.3,由于下载时长Duration(Down)是实际的下载时间,因此如果可播放时长Duration(Play)小于下载时长Duration(Down),那么在时间段Duration(Down)内播放时长为Duration(Play)的视频数据会出现差值时间DValue的卡顿。具体公式为:DValue=Duration(Down)-Duration(Play);
步骤2.4,计算当Duration(play)=3s(缓冲区阈值)时的DValue(base)为基准差值,Arrival_Time(base)为卡顿计算初始时间点。
步骤2.5,通过滑动窗口宽度为5的移动均值滤波器对差值序列做数据降噪,消除由于异常数据包造成的噪声对于评估质量的影响。具体公式为:
步骤2.6,通过对数据降噪后的数据序列求取极大值点。当一个数据大于它在数据序列中前后相邻位置的两个数据时,它就是一个极大值点,公式为DValue(极大值)=DValue(n)(DValue(n)>DValue(n-1),DValue(n)>DValue(n+1))。
步骤2.7,通过对极大值点的数据序列进行比较分析。分析卡顿周期个数,卡顿总时长,统计方法就是使用冒泡法从极大值点数据序列找出最大值的过程,其中卡顿总时长是极大值点数据序列的最大值。卡顿周期个数就是找最大值过程中最大值的变换次数。
所述步骤2中,把降噪后数据序列的极大值点的单调上升区间作为一个卡顿周期。就是当下载时间与可播放时长的差值单调上升达到一个极大值的过程作为一次卡顿周期。
所述步骤2中,当某一个极大值Extremum(n)大于他前面n-1个极大值时,那么Extremum(n)就是一个新的卡顿周期单调上升的极大值点。新的卡顿周期的计算时间从本次单调上升过程中与前n-1个极大值点中的最大值相等的位置算作本次卡顿周期的开始,极大值Extremum(n)作为本次卡顿周期的结尾。
本发明对于通过流媒体的KQI指标卡顿参数分析空口网络问题并通过网优专家模块给出优化建议的步骤如下:
所述步骤3具体包括以下步骤:
步骤3.1,通过流媒体请求的IP地址从移动网络信令分析模块中找出流媒体测试所对应的空口测试数据。
步骤3.2,通过流媒体卡顿周期的起止时间找出具体的小区及流媒体各个卡顿周期中客户端所在小区的物理位置、小区的信号强度,载干比,邻区信号强度等。
步骤3.3,网络优化专家模块通过小区位置,信号强度,载干比,流媒体的卡顿指标定位空口的网络问题。
所述步骤4中,网络优化专家模块通过流媒体KPI指标及其所对应的空口KPI指标分析空口网络问题,给出网络优化解决方案。
本发明的优点是可以通过流媒体质量的KQI指标卡顿参数从面上来定位空口侧的网络故障。它可以通过卡顿周期从移动网络信令分析模块中获取流媒体测试过程中卡顿发生的地理区域或空口KPI指标。这种方式为大片区域空口故障定位提供了更加便利条件。
对于流媒体卡顿的分析主要基于抓包时间与RTP视频祯的时间戳,因此在分析过程中只需对RTP包头进行解析,由于协议解析工作量小,分析更加的快捷。
本发明对于流媒体卡顿的分析主要是基于真实的时间与视频可播放时间的比较,因此对于卡顿的分析更加的准确,更能反应人的直观感受。
附图说明
图1为本发明实施例的流媒体质量评测设备与网优设备示意图。
图2为本发明实施例中的具体流媒体质量评测流程示意图。
图3为本发明实施例中的具体流媒体质量指标标意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明实施例的上述目的、特征和优点能够更加明显和易懂,下面结合附图对本发明实施例中技术方案作进一步更加详细的说明。
首先对本发明所用到的专业术语进行解释:
极大值,函数在某个极小区间内,存在自变量取值x,且存在比其大与比其小的自变量,这些自变量所对应的函数值均小于x对应的函数值。那么此函数值称为极大值。极大值点不一定是最大值点。
最大值,最大值是指在某个区域内,所有的函数值均比该值小。
对于本发明所用到的技术进行解释:
移动均值滤波,移动均值滤波也称为移动线性滤波,其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替数据序列中的各个值,即对待处理的当前数据,选择一个模板,该模板由其近邻的若干数据组成,求模板中所有数据的均值,再把该均值赋予当前数据,公式为在本发明中m的值为5.
冒泡法,重复地遍历要排序的数列,一次比较两个元素,如果他们的顺序错误就把他们交换过来。遍历数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成。本发明只使用了冒泡法的第一次数据遍历比较。
本发明包括了以下的步骤:
步骤1,通过网络抓包捕获模块抓取数据包,如图1中标号101所示。进入步骤2.
步骤2,分析流媒体质量评估参数,如图1中标号102所示,具体的质量评估流程如图2所示。
首先做包判定分析流媒体的协议类型,如图2中标号201所示。
对于RTSP协议,解析RTSP包头,确定RTSP的消息类型,如图2中标号202所示。对于RTSP Describe消息,解析消息内容,如图2中标号203所示,分析视频祯的Sample Rate和Media format参数,如图2中标号204所示。结束流程。
对于RTP协议,解析RTP包头,通过Meida format判定是否视频祯,如图2中标号211所示,如果非视频祯不做任务处理,如图2中标号209所示。结束流程。
对于RTP视频祯判定是否首个视频祯,如图2中标号212所示,如果是首个视频祯,将Arrival time作为下载的基准时间,如图2中标号210所示。结束流程。
如果非首个视频祯,计算距离首个视频祯的下载时间Duration(down),计算公式为当前祯的Arrival time与首个视频祯Arrival time之差。如图2中标号213所示;通过RTP包头参数Timestamp与视频祯的Sample rate计算视频祯的可播放时长Duration(play),如图2标号214所示。计算下载时长Duration(down)与可播放时长Duration(play)的差值Dvalue,如图2标号215所示。判定可播放时长Duration(play)是否等于3,如图2标号216所示,如果等于3,将其所对应的下载时长Duration(down)作为视频缓冲时间,如图2标号219所示及图3标号309所示,将其所对应的差值DValue作为下载的差值基准时间DValue(base),如图2所对应标号220所示,及图3所对应标号313所示。结束流程。
如果可播放时长Duration(Play)大于3,将DValue减掉差值基准时间DValue(base),所得到的值保存到差值数据序列中,如图2所对应标号218所示及图3对应标号301所示,如果可播放时长Duration(Play)小于3,不作处理。结束流程。
对于RTSP协议Teardown消息,解析Teardown消息,如图2标号205所示,将差值数据序列进行移动窗口为5的均值滤波得到新的平滑后的差值数据序列,如图2标号206所示,及图3的拆线所示。通过对平滑后的差值数据序列求取极大值如图2标号207所示,如图3标号302、304、305、306、308所示,通过冒泡法的第一轮遍历求最大值,最大值就是卡顿的总时长,如图3标号308所示,卡顿的周期个数就是在遍历过程中最大值的变化次数,最大值如图3标号302变化为图3标号304、再变换为图3标号308所示三次,遍历过程中每一个新的最大值就是一个卡顿周期的终止时间。如图3标号302、304、308所示,开始时间就是本次单调上升过程中与前一个最大值相等的位置如图3标号303,307所示,卡顿周期如图3对应标号310、311、312所示。整个求取卡顿参数的流程如图2标号208所示,结束流程。
对于非RTP帧及非RTSP帧,直接抛弃,如图2标号209所示。
对于RTSP协议非Describer和非Teardown消息,直接抛弃,如图2标号209所示。
步骤3,通过移动空口信令分析模块定位空口网络问题,如图1标号103所示,通过流媒体数据客户端IP地址,从移动空口信令分析模块获取空口测试数据,通过步骤2所分析出的流媒体缓冲周期和视频缓冲时间定位所对应空口测试KPI指标。通过流媒体播放响应时延定位所对应空口测试KPI指标,通过流媒体播放卡顿周期定位所对应空口测试KPI指标。结束流程。
步骤4,网优专家模块通过流媒体KPI指标及其所对应的空口KPI指标分析空口网络问题,给出优化解决方案。如图1标号104所示。对于流媒体视频缓冲时间与流媒体播放响应时延如果大于网优专家模块所设置的阈值,网优专家模块通过对其所对应的空口KPI进行分析,判定网络故障,同时联合网优专家库给出网络故障优化建议。对于流媒体卡顿周期,及卡顿时长,网优专家模块通过对其所对应的空口KPI进行分析,判定网络故障,同时联合网优专家库给出网络故障优化建议。结束流程。
具体实施时,本领域技术人员可参考相关协议中各信元、字段的说明,本发明不予赘述。
本文中说描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似方式替代,但并不会偏离本发明的精神或超越所附权利要求书所定义的范围。
Claims (5)
1.一种流媒体质量评测及移动网络质量提升的系统,其特征在于:包括依次连接的网络抓包捕获模块、流媒体质量测评模块、移动网络空口信令分析模块、网优专家模块;
通过流媒体评估的KQI卡顿周期从移动网络空口分析模块定位空口的KPI指标,然后通过网优专家模块对流媒体参数和空口KPI参数进行联合分析,诊断空口网络问题,并给出网络优化解决方案;
具体包括以下步骤;
步骤1,通过网络抓包捕获模块抓取数据包,之后进入步骤2;
步骤2,通过流媒体质量测评模块分析流媒体质量评估参数;
步骤3,通过移动网络空口信令分析模块定位空口网络问题;
步骤4,网优专家模块通分析空口网络问题,给出优化解决方案;
所述步骤2中,对于流媒体卡顿参数的评估是利用视频帧的下载时长与所下载的视频帧可播放时长之间的差值来评估流媒体的卡顿参数;
所述步骤2中,具体的质量评估过程如下:
步骤2.1,通过流媒体RTP包中的时间戳计算当前视频帧的传输时长;
具体公式为:Duration(down)=Arrival_Time(当前视频帧)–Arrival_Time(视频第一帧);其中Duration(Down)表示视频帧的传输总时长,Arrival_Time(当前视频帧)表示当前视频帧采集的真实时间,Arrival_Time(视频第一帧)表示第一帧视频帧的时间;
步骤2.2,通过RTP视频帧中视频内容的采样时间戳与视频采样率计算视频帧数据可播放时长;
具体公式为:Duration(Play)=TimeStamp(Video)/SampleRate(Video);Duration(Play)表示视频帧数据可播放时长,TimeStamp(Video)表示视频内容的采集时间戳,SampleRate(Video)表示视频采样率;
步骤2.3,由于下载时长Duration(Down)是实际的下载时间,因此如果可播放时长Duration(Play)小于下载时长Duration(Down),那么在时间段Duration(Down)内播放时长为Duration(Play)的视频数据会出现差值时间DValue的卡顿;
具体公式为:DValue=Duration(Down)-Duration(Play);
步骤2.4,计算当Duration(play)=3s(缓冲区阈值)时的DValue(base)为基准差值,Arrival_Time(base)为卡顿计算初始时间点;
步骤2.5,通过滑动窗口宽度为5的移动均值滤波器对差值序列做数据降噪,消除由于异常数据包造成的噪声对于评估质量的影响;具体公式为:
步骤2.6,通过对数据降噪后的数据序列求取极大值点;当一个数据大于它在数据序列中前后相邻位置的两个数据时,它就是一个极大值点,公式为DValue(极大值)=DValue(n)(DValue(n)>DValue(n-1),DValue(n)>DValue(n+1));
步骤2.7,通过对极大值点的数据序列进行比较分析;分析卡顿周期个数,卡顿总时长,统计方法就是使用冒泡法从极大值点数据序列找出最大值的过程,其中卡顿总时长是极大值点数据序列的最大值;卡顿周期个数就是找最大值过程中最大值的变换次数。
2.根据权利要求1所述的流媒体质量评测及移动网络质量提升的系统,其特征在于:所述步骤2中,把降噪后数据序列的极大值点的单调上升区间作为一个卡顿周期;当下载时间与可播放时长的差值单调上升达到一个极大值的过程作为一次卡顿周期。
3.根据权利要求2所述的流媒体质量评测及移动网络质量提升的系统,其特征在于:所述步骤2中,当某一个极大值Extremum-n大于他前面n-1个极大值时,那么Extremum-n就是一个新的卡顿周期单调上升的极大值点,新的卡顿周期的计算时间从本次单调上升过程中与前n-1个极大值点中的最大值相等的位置算作本次卡顿周期的开始,极大值Extremum-n作为本次卡顿周期的结束。
4.根据权利要求3所述的流媒体质量评测及移动网络质量提升的系统,其特征在于:所述步骤3具体包括以下步骤:
步骤3.1,通过流媒体请求的IP地址从移动网络空口信令分析模块中找出流媒体测试所对应的空口测试数据;
步骤3.2,通过流媒体卡顿周期时间点的起止时间找出具体的小区及流媒体各个卡顿周期中客户端所在小区的物理位置,当前小区的信号强度,载干比,邻区信号强度KPI指标;
步骤3.3,通过空口KPI指标和流媒体的卡顿指标,定位空口的网络问题。
5.根据权利要求3所述的流媒体质量评测及移动网络质量提升的系统,其特征在于:所述步骤4中,通过网优专家模块通过流媒体KPI指标及其所对应的空口KPI指标分析空口网络问题,给出网络优化建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510682702.7A CN105188079B (zh) | 2015-10-20 | 2015-10-20 | 流媒体质量评测及移动网络质量提升的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510682702.7A CN105188079B (zh) | 2015-10-20 | 2015-10-20 | 流媒体质量评测及移动网络质量提升的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105188079A CN105188079A (zh) | 2015-12-23 |
CN105188079B true CN105188079B (zh) | 2018-08-10 |
Family
ID=54909867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510682702.7A Active CN105188079B (zh) | 2015-10-20 | 2015-10-20 | 流媒体质量评测及移动网络质量提升的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105188079B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106791805B (zh) * | 2016-12-06 | 2018-08-10 | 中国联合网络通信集团有限公司 | 一种视频业务评估的方法及装置 |
CN108810522B (zh) * | 2017-04-26 | 2021-07-09 | 腾讯科技(深圳)有限公司 | 一种流媒体数据的评估方法及装置 |
CN108600368B (zh) * | 2018-04-25 | 2021-10-08 | 海信视像科技股份有限公司 | 一种hls网络视频下载优化方法及装置 |
CN114900720B (zh) * | 2022-04-02 | 2023-11-21 | 杭州星犀科技有限公司 | 媒体流的流畅性评估方法、系统、电子装置和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102075978A (zh) * | 2011-01-28 | 2011-05-25 | 浪潮通信信息系统有限公司 | 一种基于语音业务用户负感知的网络问题分析方法 |
CN104363130A (zh) * | 2014-07-03 | 2015-02-18 | 上海美琦浦悦通讯科技有限公司 | 通信网络中实现网络质量问题分析定位控制的系统及方法 |
CN104410516A (zh) * | 2014-11-24 | 2015-03-11 | 中国联合网络通信集团有限公司 | 一种用户业务感知度评估方法和装置 |
CN104641595A (zh) * | 2013-09-18 | 2015-05-20 | 华为技术有限公司 | 一种问题定界的方法及装置 |
-
2015
- 2015-10-20 CN CN201510682702.7A patent/CN105188079B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102075978A (zh) * | 2011-01-28 | 2011-05-25 | 浪潮通信信息系统有限公司 | 一种基于语音业务用户负感知的网络问题分析方法 |
CN104641595A (zh) * | 2013-09-18 | 2015-05-20 | 华为技术有限公司 | 一种问题定界的方法及装置 |
CN104363130A (zh) * | 2014-07-03 | 2015-02-18 | 上海美琦浦悦通讯科技有限公司 | 通信网络中实现网络质量问题分析定位控制的系统及方法 |
CN104410516A (zh) * | 2014-11-24 | 2015-03-11 | 中国联合网络通信集团有限公司 | 一种用户业务感知度评估方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105188079A (zh) | 2015-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105188079B (zh) | 流媒体质量评测及移动网络质量提升的系统及方法 | |
CN106850337B (zh) | 一种网络质量检测方法及装置 | |
US10601869B2 (en) | System and method to estimate quality of experience for consumption of encrypted media network traffic | |
US7768937B2 (en) | Video quality assessment | |
US20140201330A1 (en) | Method and device for quality measuring of streaming media services | |
JP6092409B2 (ja) | 無線ネットワーク毛管路性能を評価する方法及び装置 | |
CN107087159B (zh) | Iptv和ott视频质量的评估装置及评估方法 | |
CN110300003B (zh) | 数据处理方法以及客户端 | |
CN110048962A (zh) | 一种网络流量分类的方法、系统及设备 | |
Ellis et al. | A two-level Markov model for packet loss in UDP/IP-based real-time video applications targeting residential users | |
CN103152599A (zh) | 基于有序回归的移动视频业务用户体验质量评估方法 | |
EP3310000B1 (en) | Methods and systems for analyzing streaming media sessions | |
Ickin et al. | The effects of packet delay variation on the perceptual quality of video | |
US20210409820A1 (en) | Predicting multimedia session mos | |
CN104917626B (zh) | 用户行为分析中的数据采集方法和装置 | |
US20140293799A1 (en) | Method and apparatus for measuring end-to-end service level agreement in service provider network | |
Raca et al. | Incorporating prediction into adaptive streaming algorithms: A QoE perspective | |
EP3491784B1 (en) | Estimation of losses in a video stream | |
JP6033058B2 (ja) | 通信路識別装置 | |
US9203708B2 (en) | Estimating user-perceived quality of an encoded stream | |
US20210176152A1 (en) | Technique for performing analysis of an rtp flow | |
Singh et al. | No-reference quality of experience monitoring in DVB-H networks | |
CN112688824B (zh) | Rtp丢包检测方法、装置、设备及计算机可读存储介质 | |
JP2014116840A (ja) | 通信品質推定装置 | |
De Vera et al. | Automatic quality of experience measuring on video delivering networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |