CN105430685A - 基于控制图的干扰源数量估计方法 - Google Patents
基于控制图的干扰源数量估计方法 Download PDFInfo
- Publication number
- CN105430685A CN105430685A CN201510749660.4A CN201510749660A CN105430685A CN 105430685 A CN105430685 A CN 105430685A CN 201510749660 A CN201510749660 A CN 201510749660A CN 105430685 A CN105430685 A CN 105430685A
- Authority
- CN
- China
- Prior art keywords
- interference
- node
- neighbor
- interference source
- source quantity
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Abstract
本发明公开一种基于控制图的干扰源数量估计方法,包括如下步骤:(10)邻居监测:本节点接收来自邻居节点的报文,根据所述报文建立本节点的邻居列表,记录每个邻居节点的信噪比,本节点与邻居节点之间通过交互报文获得彼此的邻居列表;(20)干扰判别:本节点根据邻居列表及邻居节点的信噪比变化情况,判断本节点是否受到干扰攻击,如否,则返回(10)邻居监测步骤;(30)干扰估计:如本节点受到干扰攻击,则本节点向邻居节点发送静默请求,监测干扰信号强度,形成干扰信号强度矩阵,采用控制图方法从干扰信号强度矩阵估计出干扰源数量。本发明的干扰源数量估计方法,能准确估计多个干扰源的数量,从而有利于对多个干扰源进行准确定位。
Description
技术领域
本发明属于网络数据通信技术领域,特别是一种基于控制图的干扰源数量估计方法。
背景技术
干扰源定位是指多跳无线网络中的被干扰节点,通过主动测量和被动监听,得到多个协议栈层次的观察结果,利用无线信道传播特性和干扰区域几何知识,协作推断出干扰源的相对或绝对位置。干扰源定位的典型算法包括质心定位算法、权重质心定位算法、虚拟力迭代算法、凸壳定位方法等。这些定位算法大多针对单个干扰源提出。为了达到高效、大范围的干扰,多个干扰源通常协同工作,以增强干扰效果,从而使得无线网络节点周围可能存在多个干扰源。为此,如何有效的定位多个干扰源使得问题进一步复杂化。
北京科技大学的程天祯等人提出了一种称为X射线的干扰区域定位算法。该X射线定位算法包括干扰区域映射、干扰区域骨架化和干扰源位置确定三个步骤。该算法通过干扰区域骨架化,利用分叉点的位置信息反映干扰源的物理位置,由于区域边界受噪声影响较大,因此X射线干扰区域定位算法定位精度偏低。
为了准确定位多个干扰源,对干扰源数量的估计是基础。现有技术中未见关于多个干扰源数量估计的方法,导致难以对多个干扰源进行准确定位。
发明内容
本发明的目的在于提供一种基于控制图的干扰源数量估计方法,能准确估计多个干扰源的数量,从而有利于对多个干扰源进行准确定位。
实现本发明目的的技术解决方案为:一种基于控制图的干扰源数量估计方法,包括如下步骤:
(10)邻居监测:本节点接收来自邻居节点的报文,根据所述报文建立本节点的邻居列表,记录每个邻居节点的信噪比,本节点与邻居节点之间通过交互报文获得彼此的邻居列表;
(20)干扰判别:根据本节点的邻居列表及邻居节点的信噪比变化情况,判断本节点是否受到干扰攻击,如否,则返回(10)邻居监测步骤;
(30)干扰估计:如本节点受到干扰攻击,则其向邻居节点发送静默请求,监测干扰信号强度,形成干扰信号强度矩阵,采用控制图方法从干扰信号强度矩阵估计出干扰源数量。
本发明与现有技术相比,其显著优点为:
1.开销小,实现简单。本发明提出的干扰源数量估计方法无需复杂的通信交互和信号处理,仅需依赖廉价无线设备所具有的接收信号强度监测功能进行干扰源信号强度监测,无需进行干扰信号分离,因而处理开销大大降低,便于在普通民用无线设备上实现。
2.精度高,估计准确。本发明提出使用控制图方法对干扰信号强度矩阵进行变更点检测,可以精确发现干扰信号强度变化较大的变更时刻,可以准确估计干扰源数量的变化情况。
下面结合附图和具体实施方式对本发明作进一步的详细描述。
附图说明
图1是本发明基于控制图的干扰源数量估计方法的主流程图。
图2是图1中干扰估计步骤的流程图。
图3是存在干扰源的多跳无线网络场景示例图。
图4是采用本发明基于控制图的干扰源数量估计方法对多个干扰源的估计的结果示例。
具体实施方式
如图1所示,本发明基于控制图的干扰源数量估计方法,包括如下步骤:
(10)邻居监测:本节点接收来自邻居节点的报文,根据这些报文建立本节点的邻居列表,记录每个邻居节点的信噪比,然后,本节点与邻居节点之间通过交互报文获得彼此的邻居列表;
例如,本节点与邻居节点之间通过交互NEIGHBOR_LIST_REQUEST和NEIGHBOR_LIST_REPLY报文,获得彼此的邻居列表;当邻居节点收到NEIGHBOR_LIST_REQUEST报文时,邻居节点将自身的邻居列表放入NEIGHBOR_LIST_REPLY报文,回复本节点。
(20)干扰判别:根据本节点的邻居列表及邻居节点的信噪比变化情况,判断本节点是否受到干扰攻击,如否,则返回(10)邻居监测步骤;
所述(20)干扰判别步骤具体为:当本节点的邻居数量减少幅度大于等于30%,或者尽管本节点邻居数量减少幅度小于30%,但有不少于30%的邻居节点的信噪比降幅大于等于30%,则判定本节点受到干扰攻击。
(30)干扰估计:如本节点受到干扰攻击,则本节点向邻居节点发送静默请求,监测干扰信号强度,形成干扰信号强度矩阵,采用控制图方法从干扰信号强度矩阵估计出干扰源数量。
如图2所示,所述(30)干扰估计步骤包括:
(31)静默请求发送:本节点向邻居节点发送报文,请求邻居节点在静默期内不向本节点发送信息;
例如,本节点向邻居节点发送静默请求报文SILENCE_REQUEST。SILENCE_REQUEST报文中规定了静默时长。在静默时长内,邻居节点将不会向节点发送信息。
(32)干扰信号强度监测:本节点在m个信道上,经过n个监测周期t,记录自身接收到的干扰信号强度,形成干扰信号强度矩阵
X=[x1,x2,…xi,…,xm],
其中,xi表示第i个信道上监测到的干扰信号强度时间序列,
xi={x1i,x2i,…,xji,…,xni},
其中,xji表示第i个信道上第j个监测周期内监测到的干扰信号强度;
(33)干扰信号数量估计:采用控制图方法,对干扰信号强度矩阵进行处理,估计出干扰源数量;
所述(33)干扰信号数量估计步骤包括:
(331)构建n-1行m列的矩阵Y=[y1,y2,…,ym],使得yij=x(i+1)j-xij;
(332)对矩阵Y应用Shewhart控制图方法,其上控制线为
下控制线为
其中,
为Y的各列极差的平均值,d2是依赖于参数n-1的一个常数;
(333)构建包含n-1个元素的向量
z={z1,z2,…,zn-1},
其中,
(334)设置第1个监测周期之前的干扰源数量为0;
(335)估计第i个监测周期之前的干扰源数量:从z1开始到zi-1为止,在保证干扰源数量大于等于0的前提下,对于每个zj,1≤j<i,当zj大于UCL时,干扰源数量加1,当zj小于LCL时,干扰源数量减1,否则干扰源数量不变,当处理至zi时,得到第i个监测周期之前的干扰源数量。
(34)静默区间判别:判别本时刻是否仍处于静默期内,如是,则返回(32)干扰信号强度监测步骤,如否,则输出干扰源数量。
图3是存在干扰源的多跳无线网络场景示例图。针对图3所示的场景,网络环境中节点S采用本发明基于控制图的干扰源数量估计方法对多个干扰源估计的结果如图4所示。
多节点部署在一个100米乘以100米的区域内,干扰源传输功率设置为31.6毫瓦,S的坐标为(80,90),第一、第二和第三个干扰源的坐标分别为(60,80)、(80,100)和(100,80),监测周期为100毫秒,采用自由空间传播模型。第一个干扰源在第11个监测周期打开,在第40个监测周期关闭,并在第61个监测周期再次打开。第二个干扰源在第21个监测周期打开,在第51个监测周期关闭,并在第71个监测周期重新打开。第三个干扰源在第31个监测周期打开,并在第61个监测周期关闭。根据这个设定可知,第1-10个监测周期,干扰源数量为0;第11-20个监测周期,干扰源数量为1;第21-30个监测周期,干扰源数量为2;第31-39个监测周期,干扰源数量为3;第40-50个监测周期,干扰源数量为2;第51-70个监测周期,干扰源数量为1;第71-80个监测周期,干扰源数量为2。
S监测得到的干扰信号强度矩阵的各个列分别为:
x1=[0.0000790.0000780.0000800.0000770.0000780.0000770.0000780.0000770.0000770.0000770.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0119840.0119840.0119840.0119840.0119840.0119840.0119840.0119840.0119840.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0017240.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0102600.0102600.010260]’
x2=[0.0000770.0000760.0000770.0000790.0000770.0000780.0000770.0000780.0000780.0000780.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0205190.0205190.0205190.0205190.0205190.0205190.0205190.0205190.0205190.0205190.0239680.0239680.0239680.0239680.0239680.0239680.0239680.0239680.0239680.0205200.0205200.0205200.0205200.0205200.0205200.0205200.0205200.0205200.0205200.0205200.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0034480.0205190.0205190.0205190.0205190.0205190.0205190.0205190.0205190.0205190.020519]’
x3=[0.0000780.0000760.0000770.0000760.0000760.0000770.0000780.0000780.0000760.0000780.0038780.0038780.0038780.0038780.0038780.0038780.0038780.0038780.0038780.0038780.0230840.0230840.0230840.0230840.0230840.0230840.0230840.0230840.0230840.0230840.0269640.0269640.0269640.0269640.0269640.0269640.0269640.0269640.0269640.0230850.0230850.0230850.0230850.0230850.0230850.0230850.0230850.0230850.0230850.0230850.0038800.0038800.0038800.0038800.0038800.0038800.0038800.0038800.0038800.0038800.0038780.0038780.0038780.0038780.0038780.0038780.0038780.0038780.0038780.0038780.0230840.0230840.0230840.0230840.0230840.0230840.0230840.0230840.0230840.023084]’
计算得到的矩阵Y的三个列分别为:
y1=[-0.0000010.000002-0.0000030.000001-0.0000010.000001-0.000001-0.0000000.0000010.0016460.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0085360.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0017240.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0017240.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0085360.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0085360.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000]’
y2=[-0.0000010.0000010.000002-0.0000020.000000-0.0000000.000001-0.0000000.0000000.0033690.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0170720.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0034480.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0034480.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0170720.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0000010.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0170720.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000]’
y3=[-0.0000020.000001-0.000001-0.0000000.0000010.000001-0.000000-0.0000020.0000020.0038000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0192060.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0038800.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0038780.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0192060.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0000010.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0192060.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000]’
计算得到的向量z为:
z=[-0.0000010.000002-0.000001-0.0000000.0000000.000000-0.000000-0.0000010.0000010.0029390.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0149380.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0030170.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0030170.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0149380.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000-0.0000010.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0149380.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000]
控制图输出为:
LCL=-0.0002776244;
UCL=0.0007301933。
第1到第80个监测周期,估计得到的干扰源数量为:
[00000000001111111111222222222233333333322222222222111111111111111111112222222222]。
从图4可以看出,利用本发明方法得到的干扰源数量的结果与预期结果一致。
本发明仅需依赖廉价无线设备所具有的接收信号强度监测功能进行干扰源信号强度监测,无需进行干扰信号分离,因而处理开销大大降低,便于在普通民用无线设备上实现多个干扰源数量的估计。使用控制图方法对干扰信号强度矩阵进行变更点检测,可以精确发现干扰信号强度变化较大的变更时刻,准确估计干扰源数量的变化情况。
Claims (4)
1.一种基于控制图的干扰源数量估计方法,其特征在于,包括如下步骤:
(10)邻居监测:本节点接收来自邻居节点的报文,根据所述报文建立本节点的邻居列表,记录每个邻居节点的信噪比,本节点与邻居节点之间通过交互报文获得彼此的邻居列表;
(20)干扰判别:根据本节点的邻居列表及邻居节点的信噪比变化情况,判断本节点是否受到干扰攻击,如否,则返回(10)邻居监测步骤;
(30)干扰估计:如本节点受到干扰攻击,则其向邻居节点发送静默请求,监测干扰信号强度,形成干扰信号强度矩阵,采用控制图方法从干扰信号强度矩阵估计出干扰源数量。
2.根据权利要求1所述的干扰源数量估计方法,其特征在于,所述(20)干扰判别步骤具体为:当本节点的邻居数量减少幅度大于等于30%,或者尽管本节点邻居数量减少幅度小于30%,但有不少于30%的邻居节点的信噪比降幅大于等于30%,则判定本节点受到干扰攻击。
3.根据权利要求1所述的干扰源数量估计方法,其特征在于,所述(30)干扰估计步骤包括:
(31)静默请求发送:本节点向邻居节点发送报文,请求邻居节点在静默期内不向本节点发送信息;
(32)干扰信号强度监测:本节点在m个信道上,经过n个监测周期t,记录自身接收到的干扰信号强度,形成干扰信号强度矩阵
X=[x1,x2,…xi,…,xm],
其中,xi表示第i个信道上监测到的干扰信号强度时间序列,
xi={x1i,x2i,…,xji,…,xni},
其中,xji表示第i个信道上第j个监测周期内监测到的干扰信号强度;
(33)干扰信号数量估计:采用控制图方法,对干扰信号强度矩阵进行处理,估计出干扰源数量;
(34)静默区间判别:判别本时刻是否仍处于静默期内,如是,则返回(32)干扰信号强度监测步骤,如否,则输出干扰源数量。
4.根据权利要求3所述的干扰源数量估计方法,其特征在于,所述(33)干扰信号数量估计步骤包括:
(331)构建n-1行m列的矩阵Y=[y1,y2,…,ym],使得yij=x(i+1)j-xij;
(332)对矩阵Y应用Shewhart控制图方法,其上控制线为
下控制线为
其中,
为Y的各列极差的平均值,d2是依赖于参数n-1的一个常数;
(333)构建包含n-1个元素的向量
z={z1,z2,…,zn-1},
其中,
(334)设置第1个监测周期之前的干扰源数量为0;
(335)估计第i个监测周期之前的干扰源数量:从z1开始到zi-1为止,在保证干扰源数量大于等于0的前提下,对于每个zj,1≤j<i,当zj大于UCL时,干扰源数量加1,当zj小于LCL时,干扰源数量减1,否则干扰源数量不变,当处理至zi时,得到第i个监测周期之前的干扰源数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510749660.4A CN105430685B (zh) | 2015-11-05 | 2015-11-05 | 基于控制图的干扰源数量估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510749660.4A CN105430685B (zh) | 2015-11-05 | 2015-11-05 | 基于控制图的干扰源数量估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105430685A true CN105430685A (zh) | 2016-03-23 |
CN105430685B CN105430685B (zh) | 2018-11-13 |
Family
ID=55508551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510749660.4A Active CN105430685B (zh) | 2015-11-05 | 2015-11-05 | 基于控制图的干扰源数量估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105430685B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106454925A (zh) * | 2016-09-29 | 2017-02-22 | 中央军委装备发展部第六十三研究所 | 一种车联网干扰源定位方法 |
WO2019211792A1 (en) * | 2018-05-02 | 2019-11-07 | Jerusalem College Of Technology | Machine learning methods for sir prediction in cellular networks |
CN111711604A (zh) * | 2020-05-15 | 2020-09-25 | 中国人民解放军国防科技大学 | 基于距离度量的无线网络干扰攻击场景识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090264077A1 (en) * | 2008-04-16 | 2009-10-22 | Qualcomm Incorporated | Methods and apparatus for uplink and downlink inter-cell interference coordination |
CN103297955A (zh) * | 2013-04-27 | 2013-09-11 | 天津工业大学 | 一种无线传感器网络安全定位方法 |
-
2015
- 2015-11-05 CN CN201510749660.4A patent/CN105430685B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090264077A1 (en) * | 2008-04-16 | 2009-10-22 | Qualcomm Incorporated | Methods and apparatus for uplink and downlink inter-cell interference coordination |
CN103297955A (zh) * | 2013-04-27 | 2013-09-11 | 天津工业大学 | 一种无线传感器网络安全定位方法 |
Non-Patent Citations (1)
Title |
---|
XIANGLIN WEI: "《2014 Ninth International Conference on Broadband and Wireless Computing》", 31 December 2014 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106454925A (zh) * | 2016-09-29 | 2017-02-22 | 中央军委装备发展部第六十三研究所 | 一种车联网干扰源定位方法 |
CN106454925B (zh) * | 2016-09-29 | 2019-07-26 | 中央军委装备发展部第六十三研究所 | 一种车联网干扰源定位方法 |
WO2019211792A1 (en) * | 2018-05-02 | 2019-11-07 | Jerusalem College Of Technology | Machine learning methods for sir prediction in cellular networks |
CN111711604A (zh) * | 2020-05-15 | 2020-09-25 | 中国人民解放军国防科技大学 | 基于距离度量的无线网络干扰攻击场景识别方法 |
CN111711604B (zh) * | 2020-05-15 | 2022-02-18 | 中国人民解放军国防科技大学 | 基于距离度量的无线网络干扰攻击场景识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105430685B (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Energy‐efficient adaptive dynamic sensor scheduling for target monitoring in wireless sensor networks | |
CN105430685A (zh) | 基于控制图的干扰源数量估计方法 | |
CN110167114B (zh) | 一种基于帧同步信号的水下声通信节点唤醒信号检测方法 | |
Xiao et al. | Wireless network optimization via physical layer information for smart cities | |
WO2021012859A1 (zh) | 基于调制信号循环自相关函数对称峰值的频谱感知方法 | |
CN107064876A (zh) | 基于无线传感网络和超声波的室内定位系统及定位方法 | |
Zou et al. | A data-aggregation scheme for WSN based on optimal weight allocation | |
CN102438334A (zh) | 一种多传感器节点分布式协作进行调制识别的方法 | |
CN106373279B (zh) | 用于多表集抄系统的智能ic卡水表的通信方法 | |
Weimer et al. | Multiple source detection and localization in advection-diffusion processes using wireless sensor networks | |
CN103870686A (zh) | 一种基于信息融合的超声相控阵方法 | |
JP7253286B2 (ja) | 変調信号の周期的自己相関関数の対称なピーク値に基づくスペクトル検知方法 | |
JP7070243B2 (ja) | 到来方向推定装置 | |
Wang et al. | Collaborative target tracking in WSNs using the combination of maximum likelihood estimation and Kalman filtering | |
Young | An instrumental variable approach to ARMA model identification and estimation | |
Yang et al. | A two-step cooperative energy detection algorithm robust to noise uncertainty | |
CN102223345B (zh) | 时隙同步与符号同步的方法 | |
WO2023193413A1 (zh) | 一种用于无线传感器网络节点定位的数据处理方法 | |
Parwekar et al. | Localization of sensors by base station in wireless sensor networks | |
CN107104744B (zh) | 一种认知无线网络中的频谱感知方法及装置 | |
CN106301627A (zh) | 一种认知自组织网络中分布式协作频谱感知方法 | |
CN114740425A (zh) | 一种融合路径规划信息的蓝牙定位方法及其系统 | |
Zhang et al. | Joint detection of cyclostationary and energy in cognitive radio | |
Djurić et al. | Non-centralized target tracking in networks of directional sensors | |
CN106851538B (zh) | 一种抗ssdf的协作频谱感知方法 |
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: 210007 No. 18, rear standard camp, Jiangsu, Nanjing Applicant after: The 36th Institute of Central Military Commission Equipment Development Department Address before: 210007 No. 18, rear standard camp, Jiangsu, Nanjing Applicant before: No. 63 Inst. of the Headquarters of the Genearal Staff of C.P. L. A. |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |