CN105490972B - Cdma反向数据信道调制类型识别方法 - Google Patents
Cdma反向数据信道调制类型识别方法 Download PDFInfo
- Publication number
- CN105490972B CN105490972B CN201410505376.8A CN201410505376A CN105490972B CN 105490972 B CN105490972 B CN 105490972B CN 201410505376 A CN201410505376 A CN 201410505376A CN 105490972 B CN105490972 B CN 105490972B
- Authority
- CN
- China
- Prior art keywords
- signal
- data channel
- data
- code
- modulation type
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明请求保护一种CDMA2000反向业务信道中数据子信道的调制类型识别算法,属于信号处理技术领域。该方法使用奇异值分解识别出数据信道部分调制类型,结合CDMA2000系统特点恢复出数据信道数据,采用高阶累积量识别算法对恢复出来的数据进行分析。本发明采用的算法不需要对数据信道的调制类型进行遍历,进而提高了识别的速度。
Description
技术领域
本发明涉及信号处理技术领域,具体针对CDMA20001x EV-DO Rev.A系统(以下简称CDMA2000系统)反向业务信道中数据信道的调制类型的快速识别方法。
背景技术
在对通信信号进行调制模式识别时很难找到一个通用的调制分类特征和方法,针对每种分类问题都必须依据所需分类的调制类型来寻找特定的方法和特征。正如Lamontagne所说:“调制识别是一个非常直觉的领域,分类特征的选取依赖于作者的知识背景和想象力”。因此,在通信对抗领域,调制识别一直是被当作一个具有挑战性的问题来进行研究。
通过对信号的解调和参数提取来构造信号的幅度直方图、频率直方图、差分相位直方图、幅度方差和频率方差等分类特征,然后通过模式识别的分类方法,将选取分类特征与理想样本的特征参数相比较,按最近原则进行信号自动分类。CDMA2000反向业务信道中的数据子信道根据用户对传输速率的不同要求采用不同的调制和扩频的形式,因此直接恢复数据子信道的数据需要遍历各种可能性,增加了计算的复杂性。对CDMA2000反向业务信道中数据信道调制类型进行识别时,传统的方法需要首先解调出数据信道数据,然后才能对数据信道的调制类型进行识别。在不知道数据信道使用哪种扩频方式和物理结构的前提下,需要对各种情况进行遍历才能恢复出数据信道的数据,这样就大量增加了识别过程的运算量。
发明内容
本发明针对现有技术存在的上述技术问题,针对传统方法对CDMA2000反向业务信道中数据信道调制类型进行识别时,需要对各种情况进行遍历才能恢复数据信道的数据,大量增加了识别过程的运算量的问题,提出一种直接对反向业务信道CDMA信号直接进行处理的识别方法,计算量远小于传统方法,可以实现数据信道调制类型的快速识别。
本发明解决上述问题的技术方案是,根据数据信道调制类型与其所使用的扩频码周期相对应的特点,以CDMA2000系统反向业务信道CDMA信号为基础,使用确定长度对信号进行分段,求取每段信号的相关矩阵,然后对每段信号的相关矩阵累加取平均获得累加矩阵,再对累加矩阵使用奇异值分解。根据产生的奇异值的数目判断数据信道使用的扩频码周期,进而识别出B4、Q2和Q4调制类型;最后结合奇异值分解得到的数据信道扩频码和系统特点,恢复出数据信道数据,使用高阶累积量识别算法识别出Q4Q2和E4E2类型。
一种CDMA2000调制类型识别方法,反向业务信道对CDMA信号求取自相关矩阵进行奇异值分解,根据奇异值的数目判断数据信道所使用的调制类型和所使用的物理结构;根据奇异值分解结果和各调制类型结构恢复数据信道数据;对数据信道数据采用高阶累积量识别算法进一步区分是Q4Q2或E4E2调制类型。
所述进行奇异值分解进一步包括:将CDMA信号x(t)按照反向业务信道码片速率fs(fs=1.2288 Mchip/s)的整数倍采样形成一个时间序列,并以T0=32E/fs为周期进行连续不重叠分段(其中32是反向业务信道中各信道所使用的Walsh-Hadamard(WH)扩频码中最长的码序列长度,E为正整数),每段序列构成一个数据向量xi,取出M个数据向量(M为分段数,其值越大估计出的自相关矩阵越准确),使用这些分段数据向量组成数据矩阵A=[x1,x2,…,xM],求出相关矩阵的估计值对相关矩阵的估计值进行奇异值分解。所述判断数据信道所使用的调制类型和所使用的物理结构的方法具体包括:当数据信道奇异值的数目为0个、8个或16个时,数据信道对应采用B4、Q4、Q2调制类型;当奇异值数目为24个时,数据信道采用Q4Q2或E4E2调制类型。
图1中各信道数据扩频以后的速率均为1.2288Mchip/s,因此I路各信道在扩频之前共有3组速率(使用相同扩频码长度的速率相同归为一组),每组速率下又存在1到2个用户(扩频码长度相同而码序列不同)。由此可见,反向业务信道属于多速率多用户DirectSequence-Code Division Multiple Access(直接序列码分多址,DS-CDMA)系统模型,由于I路和Q路模型相同,以下仅以其中一路为例对本发明的实施进行分析说明。
xi可以表达为:其中Nr,k为第r组速率的第
k个用户每段数据所包含的信息码数量,R为速率组数,Kr为第r组速率所包含的用户数目,为第i段数据的第j个信息码,为对应的
扩频码序列,pr,k为第r组速率的第k个用户采样后的一周期WH码序列,p′r,k,1为包含了pr,k的
后段的序列,p′r,k,2为包含了pr,k的前段的序列。构造四阶累积量特征参数f=|C40|/|C42|区
分QPSK信号和8PSK信号:当f>=0.6时为QPSK信号;当f<0.6时为8PSK信号。
本发明提出的一种直接对反向业务信道CDMA信号直接进行处理的识别方法,计算量远小于传统方法,可以实现数据信道调制类型的快速识别。
附图说明
图1反向业务信道的物理结构框图;
图2 B4调制类型结构框图;
图3 Q4调制类型结构框图;
图4 Q4Q2调制类型结构框图;
图5本发明算法流程框图;
图6单个用户数据分段模型;
图7各种调制类型的数据x(t)奇异值
(a)B4调制类型
(b)Q4调制类型
(c)Q2调制类型
(d)Q4Q2/E4E2调制类型;
图8各种调制类型的数据y(t)奇异值
(a)B4调制类型
(b)Q4调制类型
(c)Q2调制类型
(d)Q4Q2/E4E2调制类型;
图9 Q4Q2和E4E2类型对应的特征参数f值。
具体实施方式
CDMA2000反向业务信道的物理结构如图1所示,各子信道经不同的扩频码扩频后叠加在一起形成I路信道x(t)和Q路信道y(t)。其中,导频信道、辅助导频信道、反向速率指示信道(RRI信道)、确认/数据源信道(ACK/DSC信道)和数据速率控制信道(DRC信道)的扩频码已知,而数据信道使用的调制类型和扩频码未知。数据信道存在以下5种调制类型:
B4调制类型,如图2数据子信道数据经过Binary Phase Shift Keying(二相相移键控,BPSK)调制器后由WH码W2 4扩频,然后传输到Q路;没有数据传输到I路。Q4调制类型,如图3数据子信道数据经过Quadrature Phase Shift Keying(四相相移键控,QPSK)调制器后由WH码W2 4扩频,然后一路传输到I路,另外一路传输到Q路。Q2调制类型与Q4类型相似,只是Q2类型采用WH码W1 2进行扩频调制。Q4Q2调制类型,如图4信号以6比特为一组进入调制器,前2比特使用QPSK调制后使用WH码W2 4扩频调制,而后4比特使用QPSK调制后使用WH码W1 2扩频调制。E4E2调制类型与Q4Q2调制类型相似,信号以9比特为一组进入调制器,前3比特使用8Quadrature Phase Shift Keying(8相相移键控,8PSK)调制后使用WH码W2 4扩频调制,而后6比特使用8PSK调制后使用WH码W1 2扩频调制。
如图5所示为本发明CDMA2000反向业务信道调制类型识别方法处理流程示意图。将信号x(t)采样形成一个时间序列,并进行连续不重叠分段,使用这些分段数据组成数据矩阵A,(A=[x1,x2,…,xM]),根据数据矩阵求出相关矩阵的估计值对相关矩阵的估计值进行奇异值分解,根据产生的奇异值的数目L判断数据信道所使用的调制类型和所使用的物理结构。数据信道分别采用B4、Q4或Q2调制类型时,分别对应0个、8个或16个奇异值(图7(b)中点1到8为0、8个奇异值,图7(c)中点1到16为16个奇异值);而辅助导频信道、ACK/DSC信道和RRI信道奇异值分解后对应的奇异值数目都是1个(图7(a)中点1,图7(b)中点9,图7(c)中点17)、1个(图7(a)中点2,图7(b)中点10,图7(c)中点18)和2个(图7(a)中点3到4,图7(b)中点11到12,图7(c)中点19到20)。所以,L的取值分别为4,12,20。数据信道采用Q4Q2和E4E2调制类型时,由于它们使用相同的扩频码和类似的物理结构,因此都是对应24个奇异值(此时L为28),需要使用其它方法识别。
当确定调制类型为Q4Q2或者E4E2时,此时数据信道使用的扩频码和对应的物理结构就成了已知的,再结合其它信道的扩频码,可以恢复出数据信道的数据,最后使用高阶累积量识别数据信道的数据是QPSK信号还是8PSK信号,QPSK对应Q4Q2调制类型,8PSK对应E4E2调制类型。
由标准可知,图1中各信道数据扩频以后的速率均为1.2288Mchip/s,因此I路各信道在扩频之前共有3组速率(使用相同扩频码长度的速率相同归为一组),每组速率下又存在1到2个用户(扩频码长度相同而码序列不同)。由此可见,反向业务信道属于多速率多用户DS-CDMA系统模型,由于I路和Q路模型相同,以下仅以其中一路为例对本发明的实施进行分析说明。
设此多速率多用户同步DS-CDMA系统的基带高斯白噪声信道模型为:
其中,x(t)为基带信号,R为速率组数,Kr为第r组速率所包含的用户数目,Ar,k为第r组速率的第k个用户所接收信号的幅值,T0为R组速率的WH码中最长的码周期,mr,k为信息码,pr,k(t)为WH码波形;Tx为采样起始点,当Tx恰好处于信息码与伪码序列的同步点上时,Tx=0,n(t)是方差为的零均值高斯白噪声。
将信号x(t)按反向业务信道码片速率fs的整数倍采样形成一个时间序列,并以T0为周期进行连续不重叠分段(图6为单个用户的分段示意图)。于是每段序列就可构成一个数据向量xi。
当Tx随机选取时,xi可以表达为:
其中,Nr,k为第r组速率的第k个用户每段数据所包含的信息码数量,为
第i段数据的第j个信息码,为对应的扩频码序列,
pr,k为第r组速率的第k个用户采样后的一周期WH码序列,p′r,k,1为包含了pr,k的后段的序列,
p′r,k,2为包含了pr,k的前段的序列。
数据矩阵的自相关矩阵的估计值:
式中,I为单位矩阵。
将做幅度归一化,
并假设第r组速率的WH码能量:
可以推导出:
其中Tr,k为第r组速率的第k个用户的扩频码周期。由上式可知,第r组速率的第k个用户有Nr,k个较大的奇异值对应于有用信号,而剩下的较小奇异值则对应了噪声。通过以上计算可以得到数据信道对应的较大奇异值数目,再结合数据信道奇异值数目与调制类型的关系,可以得到数据信道调制类型。
利用计算机对算法进行仿真,仿真参数为:采样速率Fs=1.2288Mchip/s;数据信道相对于导频信道增益为:B4类型8.75dB、Q4类型11.5dB、Q2类型14.5dB、Q4Q2类型17dB、E4E2类型21.25dB。信噪比为10dB时,去除导频信道干扰后对x(t)和y(t)分别使用32和16分段求取相关矩阵、奇异值分解。每次截取1024个符号长度,对待识别信号进行100次独立的蒙特卡洛仿真,取其平均值,得到的归一化奇异值如图7和图8所示。
图7(a)中,采用B4调制类型,如图2数据经过BPSK调制器后I路无数据输出,因此有4个奇异值(数据信道0个、辅助导频信道1个、RRI信道2个、ACK/DSC信道1个);图7(b)中,采用Q4调制类型,如图3数据信道数据经QPSK调制器后I路数据经过WH码W2 4扩频,因此有12个奇异值(数据信道8个、辅助导频信道1个、RRI信道2个、ACK/DSC信道1个);图7(c)中,采用Q2调制类型,数据信道数据经QPSK调制器后I路数据经过WH码W1 2扩频,因此有20个奇异值(数据信道16个、辅助导频信道1个、RRI信道2个、ACK/DSC信道1个);图7(d)中,采用Q4Q2/E4E2调制类型,如图4所示数据信道数据经2个QPSK/8PSK调制器后两路数据分别经过WH码W2 4和W1 2扩频,因此有28个奇异值(数据信道24个、辅助导频信道1个、RRI信道2个、ACK/DSC信道1个)。
图8可作为辅助识别,图8(a)中,采用B4调制类型,如图2数据经过BPSK调制器后Q路数据经过WH码W2 4扩频,因此有5个奇异值(数据信道4个、DRC信道1个);图8(b)中,采用Q4调制类型,如图3数据信道数据经QPSK调制器后Q路数据经过WH码W2 4扩频,因此有5个奇异值(数据信道4个、DRC信道1个);图8(c)中,采用Q2调制类型,数据信道数据经QPSK调制器后Q路数据经过WH码W1 2扩频,因此有9个奇异值(数据信道8个、DRC信道1个);图8(d)中,采用Q4Q2/E4E2调制类型,如图4所示数据信道数据经2个QPSK/8PSK调制器后两路数据分别经过WH码W2 4和W1 2扩频,因此有13个奇异值(数据信道12个、DRC信道1个)。
结合以上分析,通过对CDMA2000反向业务信道的奇异值分解,可以找到奇异值分解得到的奇异值数目与数据信道调制类型的对应关系,利用这种关系就能实现数据信道B4、Q4和Q2调制类型的识别。
如图7(d)和图8(d)所示,为数据信道采用Q4Q2或E4E2调制类型时奇异值分解的结果。由于数据信道采用Q4Q2调制类型或者E4E2调制类型时其扩频结构相同且唯一,此时恢复出数据信道的数据利用高阶累积量识别算法就能实现Q4Q2和E4E2调制类型的识别。
由于高斯随机过程的高阶累积量恒为零,因此利用高阶累积量识别算法对数据信道调制类型识别时对高斯噪声具有很好的鲁棒性。在信号识别中,采用六阶及以上累积量识别效果好,但是计算复杂,本发明采用四阶累积量进行识别。
对于一个具有零均值复平稳随机过程r(k),位置q处的p阶混合矩定义为:Mpq=E[r(k)p-qr*(k)q]
其中*表示函数的共轭。根据共轭函数位置(位置分别为0,1,2)的不同,其四阶累积量分别为:
C40=M40-3(M20)2,C41=M41-3M20M21,C42=M42-|M20|2-2(M21)2
(其中,|C40|,|C41|,|C42|分别为的位置0,1,2的四阶累积量的绝对值,)
表1平均功率归一化后调制信号的高阶累积量理论值
调制方式 | |C<sub>40</sub>| | |C<sub>41</sub>| | |C<sub>42</sub>| |
QPSK | 1 | 0 | 1 |
8PSK | 0 | 0 | 1 |
由QPSK和8PSK的四阶累积量的理论值可以构造特征参数f=|C40|/|C42|来区分QPSK信号和8PSK信号:当f=1时为QPSK信号;当f=0时为8PSK信号,由于噪声的存在,实际计算得到的f不可能恒为0或1。根据图9的仿真结果设置判决门限为0.6。当f<0.6时,判断为8PSK调制信号;当f>=0.6时,判断为QPSK调制信号。
利用计算机对算法进行仿真,仿真参数为:采样速率Fs=1.2288Mchip/s;每次截取1024个符号长度,对待识别信号进行100次独立的蒙特卡洛仿真,取其平均值,特征参数f随信噪比的变化如图9所示。从图中可以看出待识别的调制信号在信噪比不低于0dB时可以完全分离出来。
上述过程可以归纳为:当数据信道奇异值的数目为0个、8个或16个时,数据信道对应采用B4、Q4、Q2调制类型;当奇异值数目为24个时,数据信道采用Q4Q2或E4E2调制类型。构造四阶累积量特征参数f=|C40|/|C42|区分QPSK信号和8PSK信号:当f>=0.6时为QPSK信号,采用Q4Q2调制类型;当f<0.6时为8PSK信号,采用E4E2调制类型。
Claims (4)
1.一种CDMA2000调制类型识别方法,其特征在于:使用确定长度对CDMA2000信号进行分段,求取每段信号的相关矩阵,对每段信号的相关矩阵累加取平均获得相关矩阵的估计值,再对相关矩阵的估计值进行奇异值分解;根据产生的奇异值的数目判断数据信道使用的扩频码周期,确定数据信道所使用的调制类型,当奇异值的数目为0个、8个或16个时,数据信道对应采用B4、Q4或Q2调制类型,当奇异值数目为24个时,数据信道采用Q4Q2或E4E2调制类型;进一步根据奇异值分解获得的数据信道扩频码,恢复出数据信道数据,使用高阶累积量识别算法识别数据信道使用的是Q4Q2调制类型还是E4E2调制类型。
2.根据权利要求1所述的方法,其特征在于:当奇异值数目为24个时,数据信道使用的是Q4Q2或E4E2类型,根据I路的扩频码和Q路的扩频码,反解出QPSK或8PSK调制后的数据信号,然后使用高阶累积量识别QPSK或8PSK:QPSK对应Q4Q2调制类型,8PSK对应E4E2调制类型。
3.根据权利要求2所述的方法,其特征在于:识别数据信道使用的是Q4Q2或E4E2类型进一步包括,构造四阶累积量特征参数f=|C40|/|C42|区分QPSK信号和8PSK信号:当f>=0.6时为QPSK信号对应Q4Q2调制类型;当f<0.6时为8PSK信号对应E4E2调制类型。
4.根据权利要求1所述的方法,其特征在于:设多速率多用户同步DS-CDMA系统的基带高斯白噪声信道模型为:
其中,x(t)为基带信号,R为速率组数,Kr为第r组速率所包含的用户数目,Ar,k为第r组速率的第k个用户所接收信号的幅值,T0为R组速率的WH码中最长的码周期,mr,k为信息码,pr,k(t)为WH码波形;Tx为采样起始点,当Tx恰好处于信息码与伪码序列的同步点上时,Tx=0,n(t)是方差为的零均值高斯白噪声;
将信号x(t)按反向业务信道码片速率fs的整数倍采样形成一个时间序列,并以T0为周期进行连续不重叠分段,于是每段序列就可构成一个数据向量xi,当Tx随机选取时,xi表达为:其中,R为速率组数,Kr为第r组速率所包含的用户数目,Nr,k为第r组速率的第k个用户每段数据所包含的信息码数量,为第i段数据的第j个信息码,为对应的扩频码序列,pr,k为第r组速率的第k个用户采样后的一周期WH码序列,p′r,k,1为包含了pr,k的后段的序列,p′r,k,2为包含了pr,k的前段的序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410505376.8A CN105490972B (zh) | 2014-09-26 | 2014-09-26 | Cdma反向数据信道调制类型识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410505376.8A CN105490972B (zh) | 2014-09-26 | 2014-09-26 | Cdma反向数据信道调制类型识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105490972A CN105490972A (zh) | 2016-04-13 |
CN105490972B true CN105490972B (zh) | 2019-06-04 |
Family
ID=55677696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410505376.8A Active CN105490972B (zh) | 2014-09-26 | 2014-09-26 | Cdma反向数据信道调制类型识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105490972B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112345240B (zh) * | 2019-08-08 | 2022-12-20 | 上海三菱电梯有限公司 | 机械零部件故障诊断系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104393963A (zh) * | 2014-09-30 | 2015-03-04 | 重庆邮电大学 | 基于循环平稳特性的空时分组码mc-cdma信号盲识别方法 |
-
2014
- 2014-09-26 CN CN201410505376.8A patent/CN105490972B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104393963A (zh) * | 2014-09-30 | 2015-03-04 | 重庆邮电大学 | 基于循环平稳特性的空时分组码mc-cdma信号盲识别方法 |
Non-Patent Citations (4)
Title |
---|
Blind MC-DS-CDMA parameters estimation in;Nzeza C Nsiala等;《2009 Proceedings of the IEEE Global Telecommunications Conference(GLOBECOM2009)》;20091204;全文 |
二进制偏置载波调制长码扩频信号的组合码盲估计;阳锐等;《科学技术与工程》;20140831;第14卷(第22期);第1-3页 |
多径信道下多载波调制信号盲识别算法;于志明等;《电子与信息学报》;20100731;第32卷(第7期);第1-3页 |
数字信号调制方式识别方法的设计与实现;黄如荣;《中国优秀硕士学位论文全文数据库》;20121015;第3.3.2节 |
Also Published As
Publication number | Publication date |
---|---|
CN105490972A (zh) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110266622B (zh) | 一种正交多载波m元混沌调相扩频水声通信方法 | |
CN103971124A (zh) | 一种基于相位同步的多类别运动想象脑电信号分类方法 | |
CN101951356B (zh) | 一种基于峰值检测的ofdm-uwb系统同步方法 | |
CN104618278B (zh) | 一种基于谱相关的多用户tddm‑boc信号的伪码速率估计方法 | |
CN104038249B (zh) | 周期长码直扩信号伪随机码估计方法 | |
CN113595951B (zh) | 一种基于混合索引的差分混沌相移键控通信方法及系统 | |
CN104393963B (zh) | 基于循环平稳特性的空时分组码mc‑cdma信号盲识别方法 | |
CN103475602B (zh) | 一种考虑同频干扰的mimo‑ofdm信道估计方法 | |
CN104270234B (zh) | 一种基于欠奈奎斯特采样的宽带信号检测识别方法 | |
CN106789789A (zh) | Wcdma信号扰码估计和信源信息盲解码方法 | |
CN105915480A (zh) | 基于正交混沌信号发生器的高效混沌通信方案 | |
CN114422311A (zh) | 联合深度神经网络和专家先验特征的信号调制识别方法及系统 | |
Schimming et al. | Optimal detection of differential chaos shift keying | |
CN101867548A (zh) | 一种基于滤波器组多载波的盲频率跟踪算法 | |
CN105634544A (zh) | 一种同步长码ds-cdma信号的盲解扩方法 | |
CN105490705B (zh) | 基于ilsp算法的同步ds‑cdma信号盲解扩方法 | |
CN104378320A (zh) | 一种基于单通道盲源分离的抗干扰通信方法及接收装置 | |
CN105490972B (zh) | Cdma反向数据信道调制类型识别方法 | |
CN105445767B (zh) | 基于平均模糊函数的boc信号参数盲估计方法 | |
CN111245758A (zh) | 一种用于泛在电力物联网的qpsk调制非相干检测方法 | |
CN109150236A (zh) | 一种基于变步长leap神经网络的直扩信号伪码序列估计方法 | |
CN105553635A (zh) | 基于循环自相关的boc信号参数盲估计方法 | |
CN113794492A (zh) | 基于码索引调制的空时移位键控方法 | |
CN105871764A (zh) | Mc-cdma信号的调制识别及伪码序列盲估计 | |
CN102158254B (zh) | 信号接收方法及装置 |
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 |