CN105611611B - 一种提高能量有效性的无线传感器网络二阶一致性方法 - Google Patents
一种提高能量有效性的无线传感器网络二阶一致性方法 Download PDFInfo
- Publication number
- CN105611611B CN105611611B CN201511022350.9A CN201511022350A CN105611611B CN 105611611 B CN105611611 B CN 105611611B CN 201511022350 A CN201511022350 A CN 201511022350A CN 105611611 B CN105611611 B CN 105611611B
- Authority
- CN
- China
- Prior art keywords
- node
- network
- wireless sensor
- iteration
- formula
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种提高能量有效性的无线传感器网络二阶一致性方法,包括对WSNs进行邻接权重分布式优化的步骤,二阶状态一致性模型建立及更新步骤,建立二阶状态一致性收敛条件步骤,二阶状态一致性能量消耗优化步骤。基于网络邻接权重的调整来优化二阶一致性算法的能耗,并采用分布式设计优化网络邻接矩阵,在收敛效率和通信能耗两方面均有良好改善;与现有其他方法相比,本发明有效地提高了收敛速度、降低了通信能耗,性能优越。
Description
技术领域
本发明属于无线传感器网络通信技术领域,涉及一种无线传感器网络通信方法,更为具体地说,是涉及一种能够提高能量有效性的无线传感器网络通信方法。
背景技术
无线传感器网络(Wireless sensor networks,WSNs)是由部署在监测区域内的大量微型传感器节点通过无线电通信形成的一个自组织网络系统,其目的是协作地感知、采集和处理网络覆盖区域里被监测对象的信息。网络中的每个节点都有一种或多种感知器,并具有一定的计算能力。各个传感器节点之间通过相应的专用网路协议来实现信息的汇集和处理,能够实现对监测区域的信息采集、分布处理和数据的远程传输等功能,在军事、工业、环境等领域有着巨大的应用价值。与传统网络相比,无线传感器网络通常在监测区域部署大量传感器节点,众多的传感器节点会消耗可观的能量,而传感器节点一般采用电池供电,不仅供电能量有限而且难以补充电能,因此这就对无线传感器网络的能耗提出了较高的要求。而现有的无线传感器网络设计方法耗能较高,无法满足长时间使用需求。
发明内容
为解决上述问题,本发明为无线传感器网络设计了一种二阶一致性方法,并基于网络邻接权重的调整来优化该二阶一致性方法,在使得所有节点的速度和位置都一致的基础上具有较低能耗。
为了达到上述目的,本发明提供如下技术方案:
一种提高能量有效性的无线传感器网络二阶一致性方法,包括如下步骤:
步骤A,首先对WSNs进行邻接权重分布式优化:
步骤A-1,对矩阵W的第i,j个元素Wij按照下式进行初始化:
上式中,di、dj分别为节点i和节点j的入度;
步骤A-2,对网络G的拉普拉斯矩阵L作线性变换得到矩阵M=I-L/2,初始化M(0)为I-L/2,其中,L=Din-W(0),W={Wij},
步骤A-3,采用下式所述的基于梯度的迭代算法进行Mij(k)和Wij(k)更新:
上式中,γ(k)是迭代步长且满足gij(k)是f(M)梯度函数g(k)的第i,j个元素,且gij(k)按照下式计算:
上式中,sgn(x)为一符号函数,PX{y}为y到集合X的投影,X=[-1,1],投影函数PX{y}具体表达为下式:
上式中,ε为阈值;为节点i的输入邻接集的子集,Nei表达为下式:
Nei={j|j∈Ni(k),di(k)>2,dj(k)>2,j至少是i的第σi(k)远节点}
基于式(2)进行多次迭代,迭代过程如下:
在进行第k次迭代时,若节点i的某非零Mij(k)被置为零,则调整σi(k)=σi(k)-1、di(k)=di(k)-1和dj(k)=dj(k)-1,且σi(0)=κdi(0)、di(0)=di,κ为调整网络G稀疏度的参数,di为网络G中节点i的初始入度,σi(k)为第k次迭代时节点i可以被优化的邻居节点数;在第k次迭代后,节点i调整σi(k+1)=σi(k)、di(k+1)=di(k)和dj(k+1)=dj(k),且根据剩余邻接节点中与节点i最远的节点来调整发射功率;迭代多次后,得到邻接权重优化矩阵Wo;
步骤B,二阶状态一致性模型建立及更新:
网络G中,按照下式更新节点i的位置信息x1i(k)和速度信息x2i(k):
上式中,T为网络更新周期,u1i(k)和u2i(k)为其位置和速度的一致性控制输入,所述u1i(k)和u2i(k)在第k次状态更新时由节点i根据自身与邻居节点的位置状态不一致构造,具体表示如下式:
上式中,即为步骤A得到的邻接权重优化矩阵,μ为控制增益,μ符合以下条件:
在第k次状态更新后,节点i将自身位置信息x1i(k+1)广播给邻居节点。
进一步的,所述步骤A-3中,γ(k)=1/k。
进一步的,所述步骤A-3中,进行θ次迭代后,得到Wo=W(θ)。
与现有技术相比,本发明具有如下优点和有益效果:
本发明基于网络邻接权重的调整来优化二阶一致性算法的能耗,并采用分布式设计优化网络邻接矩阵,在收敛效率和通信能耗两方面均有良好改善;与现有其他方法相比,本发明有效地提高了收敛速度、降低了通信能耗,性能优越。
附图说明
图1为几种WSNs通信方法的能量消耗比较曲线。
图2为几种WSNs通信方法的收敛时间比较曲线。
图3为本发明方法中网络稀疏度sp与调整参数κ的关系曲线。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
实施例:
本发明中WSNs节点间的通信关系可以用图G=(V,E,W)来表征,其中,V={1,2,...,N}为节点集合,N表示节点数目;边集表示N个节点间的通信关系,若节点i可接收到节点j的信息,则{i,j}∈E,反之且假定网络中不存在自连接,即W为网络G的邻接权重矩阵,其第i,j个元素Wij满足:若{i,j}∈E时有Wij>0,若时Wij=0。若{i,j}∈E,则节点j为节点i的输入邻居节点,Ni={j|(i,j)∈E,i≠j}表示节点i的输入邻居节点集,di=|Ni|表示节点i的入度。
基于上述对WSNs节点间的描述,本发明通过以下思路进行二阶状态一致性的能量消耗优化
网络G用于实现状态一致性的能量消耗es为:
上式中,l为信息包长度,Eelec表示每比特数据在发射电路或接收电路中的能量损耗,εfs表示自由空间传输时可接受的位差错率,εmp表示多路径衰减传输时可接受的位差错率,Ri表示节点i的实际传输距离,对于给定无线传感器网络G而言,Eelec、εfs和εamp均为常数。
本发明从两个方面提高状态一致性算法能量有效性:减小算法的收敛时间Tasym,从而提高收敛速度;对网络进行稀疏化处理,即通过对节点i(i=1,2,...,N)发射功率的控制,减小和
本发明通过最大化网络G的拉普拉斯矩阵L的第二小特征值λ2(L),来实现的最小化。对L作线性变换,有M=I-L/δ,δ为一变换系数。矩阵W和L的特征值满足λi(M)=1-λi(L)/δ(i=1,2,...,N),选择δ使得1=λ1(M)>λ2(M)≥...≥λN(M)≥0。则L的第2小特征值等价于W的第二大特征值λ2(M),将λ2(L)最大化问题转化为λ2(M)的最小化问题,即:
由于为一非光滑函数,将上述λ2(W)最小化问题化为最小Schatten范数问题
上式中,为矩阵M的Schatten范数.
由无线节点的广播特性,本发明通过降低节点i(i=1,2,...,N)发射功率,令节点i(i=1,2,...,N)的通信半径减小,从而减小和为此,将和的最小化问题,转化为通过控制节点发射功率的网络稀疏化问题,即在满足网络连通情况下的W矩阵非零元素个数的最小化问题,也即||W||0-最小化问题。而L=Din-W、M=I-L/2,则有M=(2IN-Din+W)/2,因此M中非零元素对应W的非零元素,即||W||0-最小化问题等价于||M||0-最小化问题。但由于0-范数||M||0为一非凸函数,其最优解计算量大、计算复杂,考虑到WSNs中节点的计算能力有限,本文用M的L1-范数||M||1最小化问题近似表示||M||0-最小化问题,具体为:
上式中,μ(M)=||M||1为矩阵M的1范数。
结合以上优化方法,综合考虑收敛时间Tasym和网络稀疏性的es最小化问题,转换为如下式所示的υ(M)和μ(M)的加权优化问题:
其中η>0为加权系数,用以调整μ(M)在es优化问题中的权重。
基于上述思路,本发明采用以下步骤实现无线传感器网络二阶一致性方法:
步骤A,首先对WSNs进行邻接权重分布式优化。
步骤A-1,对矩阵W的第i,j个元素Wij按照LD(local degree)方法进行初始化:
上式中,di、dj分别为节点i和节点j的入度。
步骤A-2,网络G的拉普拉斯矩阵L=Din-W(0),W={Wij},为矩阵W第i列元素之和。LT=L,L1=0,其中1和0分别表示全1元素和全0元素的列向量,且L的特征值满足0=λ1(L)<λ2(L)≤...≤λN(L)≤2。对L作线性变换得到矩阵M=I-L/2,初始化M(0)为I-L/2,I为N阶单位矩阵。
步骤A-3,采用基于梯度的迭代算法来完成Mij(k)和Wij(k)更新,更新公式如下:
上式中,Mij(k)为第k次迭代时矩阵M位于第i行第j列的元素,Wij(k)为第k次迭代时矩阵M位于第i行第j列的元素,gij(k)是f(M)梯度函数g(k)的第i,j个元素,γ(k)是迭代步长且满足本发明令γ(k)为一个网络全局变量,γ(k)=1/k,gij(k)按照下式计算:
上式中,sgn(x)为一符号函数,当x>0取值为1,当x<0时取值为-1,当x=0时取值为0。
PX{y}表示y到集合X的投影函数,X=[-1,1],投影函数PX{y}具体表达为下式:
其中ε为一用以将y近似为0的阈值;为节点i的输入邻接集的子集,表达为下式:
Nei={j|j∈Ni(k),di(k)>2,dj(k)>2,j至少是i的第σi(k)远节点}
基于式(2)进行多次迭代,在进行第k次迭代时,若节点i的某非零Mij(k)被置为零,则调整σi(k)=σi(k)-1、di(k)=di(k)-1和dj(k)=dj(k)-1,且σi(0)=κdi(0)、di(0)=di,κ为调整网络G稀疏度的参数,di为网络G中节点i的初始入度,σi(k)为第k次迭代时节点i可以被优化的邻居节点数。在第k次迭代结束后,节点i调整σi(k+1)=σi(k)、di(k+1)=di(k)和dj(k+1)=dj(k),且根据剩余邻接节点中与节点i最远的节点来调整发射功率,令节点i能够与剩余邻接节点中最远的节点通信。在式(2)迭代θ次后,得到邻接权重优化矩阵Wo=W(θ)。
步骤B,WSN的二阶状态一致性
网络G中,按照下式更新节点i的x1i(k)和x2i(k):
上式中,T为网络更新周期,x1i(k)和x2i(k)为节点i的位置信息和速度信息,u1i(k)和u2i(k)为其位置和速度的一致性控制输入。本发明中,在第k次状态更新时,节点i根据自身与邻居节点的位置状态不一致构造控制输入,具体如下式:
上式中即为步骤A得到的邻接权重优化矩阵,μ为控制增益。
在第k次状态更新后,将自身位置信息x1i(k+1)广播给邻居节点。
为了实现二阶状态一致性收敛,记x1(k)=[x11(k),...,x1N(k)],x2(k)=[x21(k),...,x2N(k)]T,网络G的状态方程为:
上式中IN为N阶单位阵,0N×N为N×N阶零矩阵。记Π1=11T/N,算法(7)收敛的充要条件是ρ(A-Π)<1,其中表示Krocnecker内积,ρ(A)表示系统矩阵A的谱半径。记收敛因子为rasym=ρ(A-Π),收敛到误差10-s的收敛时间为将ρ(A-Π)<1转化为对L、μ和T的要求,得到以下公式:
上式中λN(L)为矩阵L的第N大特征值。
记通过以上对μ和Wij(i,j∈V)的分布式设计,
使得均有:
成立,则称实现WSNs的二阶平均状态一致性。
为验证本发明方法的有效性,本发明进行了数值验证。仿真参数设置为:N=40,T=1,ε=10-2,s=4,Eelec=50nJ/bit,εfs=10pJ/bit/m2,εmp=1.3fJ/bit/m4,η=2,θ=100。在100×100m2的矩形区域内按照平均分布方法随机布置N个节点,通过增大节点通信半径的方法增加网络连接边的条数,直至网络中有大于500条连接边。在同样环境下,我们针对包括本发明方法在内的几种WSNs通信方法均进行试验,EEAWD为本发明所提出的提高能量有效性的无线传感器二阶一致性方法,LD为本地度设计方法,MD为最大度设计方法,OC为最优参数设计方法。几种方法下不同κ取值下的es的比较如图1所示,显然,几种方法中,本发明方法(EEAWD)能耗最低;收敛时间Tasym的比较如图2所示,可见在几种方法中,本发明方法(EEAWD)收敛速度最快;定义网络稀疏度为本发明所提EEAWD方法的网络稀疏度与κ间关系如图3所示。综合图1,图2和图3可见,随着κ的增加,网络稀疏度sp和收敛时间Tasym均增加,但sp增加态势快于Tasym的增加,本发明所提EEAWD方法具有最小的能量消耗和最快的收敛速度。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (3)
1.一种提高能量有效性的无线传感器网络二阶一致性方法,其特征在于,包括如下步骤:
步骤A,首先对WSNs进行邻接权重分布式优化:
步骤A-1,对矩阵W的第i,j个元素Wij按照下式进行初始化:
上式中,di、dj分别为节点i和节点j的入度;表示无线传感器网络中N个节点间的通信关系,V={1,2,...,N}为无线传感器网络的节点集合;
步骤A-2,对网络G的拉普拉斯矩阵L作线性变换得到矩阵M=I-L/2,初始化M(0)为I-L/2,其中,L=Din-W(0),W={Wij},
步骤A-3,采用下式所述的基于梯度的迭代算法进行Mij(k)和Wij(k)更新:
上式中,Ni(k)表示节点i在第k个迭代时刻的输入邻居节点集,γ(k)是迭代步长且满足gij(k)是f(M)梯度函数g(k)的第i,j个元素,且gij(k)按照下式计算:
上式中,其中η>0为加权系数,用以调整μ(M)在es优化问题中的权重;sgn(x)为一符号函数,当x>0,sgn(x)取值为1;当x<0时,sgn(x)取值为-1;当x=0时,sgn(x)取值为0;PX{y}为y到集合X的投影,X=[-1,1],投影函数PX{y}具体表达为下式:
上式中,ε为阈值;为节点i的输入邻接集的子集,Nei表达为下式:
Nei={j|j∈Ni(k),di(k)>2,dj(k)>2,j至少是i的第σi(k)远节点}
基于式(2)进行多次迭代,迭代过程如下:
在进行第k次迭代时,若节点i的某非零Mij(k)被置为零,则调整σi(k)=σi(k)-1、di(k)=di(k)-1和dj(k)=dj(k)-1,且σi(0)=κdi(0)、di(0)=di,κ为调整网络G稀疏度的参数,di为网络G中节点i的初始入度,σi(k)为第k次迭代时节点i可以被优化的邻居节点数;在第k次迭代后,节点i调整σi(k+1)=σi(k)、di(k+1)=di(k)和dj(k+1)=dj(k),且根据剩余邻接节点中与节点i最远的节点来调整发射功率;迭代多次后,得到邻接权重优化矩阵Wo;
步骤B,二阶状态一致性模型建立及更新:
网络G中,按照下式更新节点i的位置信息x1i(k)和速度信息x2i(k):
上式中,T为网络更新周期,u1i(k)和u2i(k)为其位置和速度的一致性控制输入,所述u1i(k)和u2i(k)在第k次状态更新时由节点i根据自身与邻居节点的位置状态不一致构造,具体表示如下式:
上式中,即为步骤A得到的邻接权重优化矩阵,μ为控制增益,μ符合以下条件:
在第k次状态更新后,节点i将自身位置信息x1i(k+1)广播给邻居节点。
2.根据权利要求1所述的提高能量有效性的无线传感器网络二阶一致性方法,其特征在于:所述步骤A-3中,γ(k)=1/k。
3.根据权利要求1所述的提高能量有效性的无线传感器网络二阶一致性方法,其特征在于:所述步骤A-3中,进行θ次迭代后,得到Wo=W(θ)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511022350.9A CN105611611B (zh) | 2015-12-29 | 2015-12-29 | 一种提高能量有效性的无线传感器网络二阶一致性方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511022350.9A CN105611611B (zh) | 2015-12-29 | 2015-12-29 | 一种提高能量有效性的无线传感器网络二阶一致性方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105611611A CN105611611A (zh) | 2016-05-25 |
CN105611611B true CN105611611B (zh) | 2019-01-11 |
Family
ID=55991072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511022350.9A Active CN105611611B (zh) | 2015-12-29 | 2015-12-29 | 一种提高能量有效性的无线传感器网络二阶一致性方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105611611B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1473870A2 (en) * | 2003-05-01 | 2004-11-03 | Lucent Technologies Inc. | Adaptive sleeping and awakening protocol for an energy efficient adhoc network |
CN102118821A (zh) * | 2011-02-24 | 2011-07-06 | 浙江工业大学 | 基于Lagrange-Newton法的无线传感器网络分布式路由方法 |
KR20130022790A (ko) * | 2011-08-26 | 2013-03-07 | 목포대학교산학협력단 | 센서네트워크 전력절감방법 |
CN103945534A (zh) * | 2014-05-19 | 2014-07-23 | 中国科学院上海微系统与信息技术研究所 | 基于二阶滞后信息的无线传感网络一致性方法 |
-
2015
- 2015-12-29 CN CN201511022350.9A patent/CN105611611B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1473870A2 (en) * | 2003-05-01 | 2004-11-03 | Lucent Technologies Inc. | Adaptive sleeping and awakening protocol for an energy efficient adhoc network |
CN102118821A (zh) * | 2011-02-24 | 2011-07-06 | 浙江工业大学 | 基于Lagrange-Newton法的无线传感器网络分布式路由方法 |
KR20130022790A (ko) * | 2011-08-26 | 2013-03-07 | 목포대학교산학협력단 | 센서네트워크 전력절감방법 |
CN103945534A (zh) * | 2014-05-19 | 2014-07-23 | 中国科学院上海微系统与信息技术研究所 | 基于二阶滞后信息的无线传感网络一致性方法 |
Non-Patent Citations (2)
Title |
---|
Adjacency Weight Design for Discrete-time Second-order Consensus in Wireless Sensor Networks;Zhenping Chen等;《IEEE International Conference on Control & Automation (ICCA)》;20160603;824-829 |
无线传感器网络混合触发一致性时间同步;陈珍萍等;《仪器仪表学报》;20151031;第36卷(第10期);2193-2199 |
Also Published As
Publication number | Publication date |
---|---|
CN105611611A (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Du et al. | Joint resources and workflow scheduling in UAV-enabled wirelessly-powered MEC for IoT systems | |
Lu et al. | Energy efficiency optimization in SWIPT enabled WSNs for smart agriculture | |
Ren et al. | Energy minimization in RIS-assisted UAV-enabled wireless power transfer systems | |
CN109104225B (zh) | 一种能效最优的大规模mimo波束域多播传输方法 | |
CN108234101B (zh) | 能效最大化导频信号设计方法及大规模多天线系统 | |
CN107172705B (zh) | 无线携能异构网络的波束优化方法及系统 | |
CN110311715B (zh) | 能效最优的大规模mimo非正交单播多播传输功率分配方法 | |
CN109194373B (zh) | 一种大规模mimo波束域联合单播多播传输方法 | |
CN108777855B (zh) | 应用于das的功率分配方法、装置及计算机可读存储介质 | |
CN105162507A (zh) | 大规模mimo fdd系统中基于信漏噪比的两阶段预编码方法 | |
CN107613567A (zh) | 一种基于无线输能的无线传感网络资源分配方法 | |
CN107592144B (zh) | Eh-mimo能量收集及多天线通信系统的节点天线选择方法及装置 | |
CN107135544A (zh) | 一种基于干扰动态更新的能效资源分配方法 | |
CN105263135A (zh) | 一种mimo通信系统的鲁棒性安全设计方法 | |
CN105722104B (zh) | 一种射频能量捕获无线传感网能量源最少化布置方法 | |
CN103916170B (zh) | 一种实现移动终端多天线位置优化配置的智能优化方法 | |
CN107124757B (zh) | 一种混合能量供电分布式天线系统的功率分配方法 | |
CN106656379B (zh) | 中继携能通信系统的传输速率优化方法及装置 | |
CN106712816B (zh) | 一种基于能量收割认知网络的安全波束成形的设计方法 | |
Liu et al. | Power allocation schemes based on machine learning for distributed antenna systems | |
CN114339791B (zh) | 智能反射面辅助的noma系统中最大吞吐量优化方法 | |
CN104158634B (zh) | 异构网协作多点传输的预编码方法及装置 | |
CN108462975A (zh) | D2d无线供电通信网络中功率与时间联合分配方法 | |
CN106506055B (zh) | 基于无线能量传输的双向中继系统的最大化和速率方法 | |
CN108521672A (zh) | 一种分布式无线能量和信息传输系统的资源分配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |