CN105675778B - 基于双树复小波变换的色谱重叠峰分解方法 - Google Patents
基于双树复小波变换的色谱重叠峰分解方法 Download PDFInfo
- Publication number
- CN105675778B CN105675778B CN201610005845.9A CN201610005845A CN105675778B CN 105675778 B CN105675778 B CN 105675778B CN 201610005845 A CN201610005845 A CN 201610005845A CN 105675778 B CN105675778 B CN 105675778B
- Authority
- CN
- China
- Prior art keywords
- peak
- signal
- dual
- detail coefficients
- chromatographic
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Treatment Of Liquids With Adsorbents In General (AREA)
Abstract
本发明公开一种基于双树复小波变换的色谱重叠峰分解方法,主要采用双树复小波变换来对色谱信号进行分解,并通过放大细节系数重构信号对色谱重叠峰进行分离。本发明包括色谱信号的采集及预处理、双树复小波分解及细节系数的提取,细节系数的放大、双树复小波的重构和旁瓣抑制与谱图还原。结果表明:双树复小波变换有效的克服了传统离散小波变换抗混叠性差、平移敏感等缺点,分解重叠信号的效果比一般的实数小波好,保证了原谱峰特征和定量定性分析的准确性。
Description
技术领域
本发明属于谱处理技术领域,涉及一种基于双树复小波变换分解重叠峰的方法。
背景技术
色谱法(chromatography)又称色谱分析、色谱分析法、层析法,是一种分离和分析方法,在分析化学、有机化学、生物化学等领域有着非常广泛的应用。近年来随着色谱分离技术的提高,化学物质能够得到有效的分离。对实验样品进行定量定性分析是色谱分析最关键的一步。而重叠峰的分辨对色谱的定量定性分析具有很大的影响。
目前,用于重叠峰分解的方法有很多,例如曲线拟合、傅里叶变换、导数方法,小波变换,导数与小波结合、小波与傅里叶结合、小波与神经网络结合等方法。传统的傅里叶和导数等方法对噪声敏感,降低了信噪比不利于定量定性分析;而神经网络、曲线拟合以及其他结合等方法需要建立数学模型,实现过程和运算都比较复杂。
在这些方法中,小波变换以其相对简单的运算与强大的局部时频分辨能力,在重叠峰分解方面获得了广泛的应用。使用小波离散细节系数用于重叠峰的分辨,一般有以下几种方法:1)采取离散haar小波基进行构造,haar小波是一种最简单的正交小波,优点是较容易构造。使用haar小波基在分解重叠峰后,重叠信号能得到有效的分离,但是峰形发生畸变且对重叠峰程度较高的分辨能力不佳。2)采用bior2.2小波基进行构造,bior是一种双正交小波基,其函数系的主要特性体现在具有线性相位性,使用bior2.2小波分解重叠峰之后,峰位特征较准确,但是峰面积特征就无法保证,不利于定性定量计算。3)采用样条小波分辨重叠的信号,峰可以得到有效分离,而且峰位和峰面积误差均较小,样条小波在谱分析分解重叠信号方面较优,但实际的样条小波滤波器构造比较麻烦。4)二阶导数与小波结合起来对色谱重叠峰的分析,分辨力得到了提高,峰面积特征依然无法保证。虽然小波变换在重叠峰分析中应用广泛,但实数小波变换在分析色谱中依旧具有其局限性,离散小波变换(Discrete Wavelet Transform,DWT)系数具有正负震荡,增大色谱处理的困难,而向下间隔采样造成混叠性,产生平移敏感性,若在进行离散小波变换之前在时域上处理过信号,可能造成重构后的信号不准确。阶数越高偏移越明显,误差越来越大。双树复数小波变换可以克服这些缺点,其只具有正幅值,具有平移不变性,采用双树复小波变换可以完美重构信号。
传统的离散小波变换(Discrete Wavelet Transform,DWT)将输入信号分解为高频和低频分量(通过高通滤波和低通滤波),再进过二抽样得到小波分解系数。但是DWT二抽取过程所引起的混叠,平移敏感等缺陷,可能会丢失一些重要信息,产生错误的结果。
双树复小波变换算法采用二叉树结构的两路离散小波变换形式,在利用双树复小波变换进行信号的分解与重构中,始终保持虚部树的采样位置点正好位于实部树的中间,这样就能使得两树分解系数达到信息互补。本方法采用双树复小波变换分解色谱,放大细节系数重构信号,以达到对重叠峰的分解。
发明内容
针对现有技术中的经典离散小波变换抗混叠性差,无法准确分离和重构原信号,最终导致分辨率较低、峰形易出现畸变,且分解后的重叠峰信号无法准确反映峰位特性和面积特性等缺陷,提出了一种先通过提取谱图重叠信号段,采用抗混叠性优良的双树复小波变换对重叠信号进行分解,选取合适的细节系数进行放大与重构,最后达到色谱重叠峰分离的方法。在分辨率方面,该方法比离散小波分辨率更高,能够分离出分离度较低的重叠峰信号;在峰图形方面,该方法比起离散小波,能够较好的保持原信号的峰形,不会发生畸变;在准确率方面,该方法较之其他方法优势明显,峰位与峰面积误差较小,有利于色谱定性定量分析;在计算效率方面,该方法较之其他方法,算法计算简单,滤波器构造方便,有利于色谱实际应用。
为了实现上述目的,本发明采用的技术方案是:
一种基于双树复小波变换的重叠峰分解方法,其特征在于包含以下几个步骤:
步骤一、色谱信号的采集及预处理:采集色谱信号,并对采集到的谱图进行移动平均滤波与基线扣除得到信号f,切取有信号重叠的谱段n组,n为正整数;记录下每一重叠谱段范围[ai,bi],每组信号记为fi,每组各有两个重叠峰,左峰为pi1,右峰为pi2,其中i=1,...,n,左峰起点谱址为ai,右峰终点谱址为bi,两峰中间波谷谱址为vi;
步骤二、双树复小波分解及细节系数提取:将步骤一预处理后所得到的色谱采集的信号fi在合适的尺度l上采用双树复小波变换进行分解,得到相应尺度l下的近似系数cl(n)以及细节系数dj(n),其中j=1,...,l;
步骤三、细节系数的放大:根据步骤二提取的细节系数,选择一层合适的细节系数dk(n)乘以放大倍数N,其中1≤k≤l,N>1;
步骤四、将步骤三放大的细节系数Ndk(n)与其他未放大的细节系数dj(n),近似系数cl(n)采用双树复小波进行信号重构获得重叠峰分离后的色谱信号其中j=1,...l,j≠k
其中为相应重叠谱段信号fi分离后的色谱信号,Dj(t)、Dk(t)、Cl(t)为dk(n)、dj(n)、cl(n)经双树复小波逆变换重构的系数序列;
步骤五、观察分解后的色谱峰图,若分解不明显或原峰出现较大畸变则重复步骤三,重新选择需要放大的细节系数dk(n),其中1≤k≤l;若分解后重叠两峰之间波谷点vi未近似到达基线或是幅值低于基线,即或为波谷点vi处的信号幅度,重复步骤三,重新选择放大倍数N直到峰间波谷vi近似落在基线上,即其中ε取接近0的正值;
步骤六、旁瓣抑制与谱图还原:经过处理后的信号左锋pi1起点变为右峰pi2终点变为对处理后色谱峰的旁瓣进行抑制,色谱峰群的起点与终点前后产生旁瓣信号置0,即其中之后将处理后的谱段信号替换原重叠谱段[ai,bi]还原到色谱图中。
与现有技术相比,本发明的有益效果是:
1)本发明与现有方法相比,在保证重叠峰信号能进行分离的同时,所使用切取重叠信号的方法,取出重叠峰谱段,使得原谱中正常未重叠信号不受影响,更有利于对色谱重叠峰的准确分析与处理。
2)本发明所采用的双树复小波变换方法利用实部树和虚部树的信息互补,有效地降低了隔点采样对分解的影响,抑制了混叠现象的产生,有利于对细节系数进行处理,提高了分辨能力,重构后保证了原色谱信号的峰形以及峰位与峰面积特性,有利于色谱的定性与定量分析。
3)本发明根据处理后的信号与原信号进行对比,之后进行旁瓣抑制,消除了以往小波变换处理重叠峰出现旁瓣的影响,并将处理后的重叠信号重新拼接到原始谱图中,得到处理后整体的谱图信号。
4)本文采用的双树复小构造简单,所采用的算法整体运行速度快,复杂程度低,适应于色谱工作系统发展方向,有利于色谱分析的实际应用。
附图说明
图1为本发明整体流程示意图;
图2为实验测得的氨基酸色谱图;
图3为平均滤波与基线扣除后的色谱图;
图4(a)为切取的有信号重叠的谱段图,第一组重叠峰信号f1,谱段范围为[4985,7512];
图4(b)为切取的有信号重叠的谱段图,第二组重叠峰信号f2,谱段范围为[13975,17152];
图4(c)为切取的有信号重叠的谱段图,第三组重叠峰信号f3,谱段范围为[19245,23642];
图4(d)为切取的有信号重叠的谱段图,第四组重叠峰信号f4,谱段范围为[28847,31432];
图4(e)为切取的有信号重叠的谱段图,第五组重叠峰信号f5,谱段范围为[33907,38268];
图5(a)第一组重叠峰信号f1经过分离后得到的的信号谱段范围为[4985,7512],波谷v1=6077,
图5(b)第二组重叠峰分离后的信号f2经过分离后得到的的信号谱段范围为[13975,17152],波谷v2=15603,
图5(c)第二组重叠峰分离后的信号f3经过分离后得到的的信号谱段范围为[19245,23642],波谷v3=21628,
图5(d)第二组重叠峰分离后的信号f4经过分离后得到的的信号谱段范围为[28847,31432],波谷v4=29999,
图5(e)第二组重叠峰分离后的信号f5经过分离后得到的的信号谱段范围为[33907,38268],波谷v5=36048,
图6为将分离后的信号还原至原色谱图,最后得到的氨基酸谱图;
具体实施方式
下面结合附图和具体实施例对本发明做进一步的描述。
如图1-6所示,本发明基于双树复小波变换色谱重叠峰分解方法,利用双树复小波分解与重构重叠峰信号,具体包括以下几个步骤:
图1是本发明具体实施时的流程图,图2是实验测得的氨基酸色谱图。
步骤一、色谱信号的采集及预处理:采用色谱仪获取色谱信号,并对采集到的谱图进行移动平均滤波与基线扣除得到信号f,谱图如图3所示。
由图3可得在采样点范围为[4985,7512],[13975,17152],[19245,23642],[28847,31432],[33907,38268]内共有五组明显的重叠峰,切取有信号重叠的谱段5组,记录下每一重叠谱段范围[ai,bi],每组信号记为fi,每组各有两个重叠峰,左峰为pi1,右峰为pi2,其中i=1,...,5,左峰起点谱址为ai,右峰终点谱址为bi,两峰中间波谷谱址为vi,各组数据与切取谱段如图4所示。
步骤二、双树复小波分解及细节系数提取:将步骤一预处理后所得到的色谱采集的信号f1~f5,采用两个小波函数'near_sym_b'和'qshift_b'构造的双树复小波滤波器对其进行11层分解,分别得到f1~f5各个需处理重叠信号的近似系数c11(n)以及细节系数d1(n)~d11(n)。
步骤三、细节系数的放大:根据步骤二提取的细节系数,选择一层合适的细节系数dk(n)乘以放大倍数N,其中1≤k≤11,N>1,具体为:
对重叠信号f1~f5分别进行处理,先选取估计的细节系数与估算放大倍数N,之后采取步骤四重构的方式得出处理后的信号通过步骤五进行判断是否满足条件,若不满足判断条件,跳转步骤三重新估计细节系数与放大倍数。直至选择出最佳的细节系数与放大倍数N,通过判断f1~f5的特征与各谷点v1~v5的计算,最后得出最适合结果为:
第一组待处理的重叠信号f1,提取其细节系数d9(n)×3.68;第二组待处理的信号f2,提取其细节系数d10(n)×1.24;第三组待处理的重叠信号f3,提取其细节系数d11(n)×1.16;第四组待处理的重叠信号f4,提取其细节系数d9(n)×3.21;第五组待处理的重叠信号f5,提取其细节系数d10(n)×1.08。
步骤四、将步骤三放大的细节系数Ndk(n)与其他未放大的细节系数dj(n),近似系数c11(n)采用双树复小波进行信号重构获得重叠峰分离后的色谱信号其中j=1,...11,j≠k
其中为相应重叠谱段信号fi分离后的色谱信号,i=1,...,5,Dj(t)、Dk(t)、C11(t)为dk(n)、dj(n)、c11(n)经双树复小波逆变换重构的系数序列,通过选择得出最合适结果为:第一组f1信号,k=9;第二组f2信号,k=10;第三组f3信号,k=11;第四组f4信号,k=9;第五组f5信号,k=10。
步骤五、观察分解后的色谱峰图,若分解不明显或原峰出现较大畸变则重复步骤三,重新选择需要放大的细节系数dk(n),其中1≤k≤11;若分解后重叠两峰之间波谷点vi未近似到达基线或是幅值低于基线,即或为波谷点vi处的信号幅度,重复步骤三,重新选择放大倍数N直到峰间波谷近似落在基线上,选取时的放大倍数N为最佳,其中ε取接近0的正值,一般取ε<0.05,具体为:
1)分解不明显、重构图形出现噪声表明选取的细节系数太小,因增大k值,选取高一层的细节系数。其原因在于,细节系数表征信号高频特性,d1~d11随着层数增加,频带范围依次减小。选择的细节系数太小放大了高频信号,分解不明显,出现噪声。此时重复步骤三重新选取高一层细节系数。
2)原峰出现较大畸变表明选取细节系数太大,因减小k值,选取第一层的细节系数。选取细节系数太大放大低频信号,造成波形出现畸变。重复步骤三重新选取低一层细节系数。
3)若分解后1)、2)条件满足便确定了细节系数,若分解后计算则表明步骤三放大倍数N选取过大,应减小N重新计算。若分解后计算则表明步骤三放大倍数N选取较小,应增大N重新计算。
步骤六、旁瓣抑制与谱图还原:经过处理后的信号左锋pi1起点变为右峰pi2终点变为对处理后色谱峰的旁瓣进行抑制,色谱峰群的起点与终点前后产生旁瓣信号置0,即其中之后将处理后的谱段信号替换原重叠谱段[ai,bi],i=1,...,n还原到色谱图中具体为:
图5为f1~f5分解后的信号经过旁瓣抑制之后的对比图,f1旁瓣抑制范围为[4985,5345]∪[6899,7512],f2旁瓣抑制范围为[13975,14101]∪[17052,17152],f3旁瓣抑制范围为[19245,19308]∪[23640,23642],f4旁瓣抑制范围为[28847,29122]∪[31267,31432],f5旁瓣抑制范围为[33907,33920]∪[38245,38268]。将这些范围内的信号全部置0。最后通过拼接方式将获得的信号还原到相应谱段,得到最后分解的整体色谱图,如图6所示。
以上仅是本发明的优选实施方式,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,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种基于双树复小波变换的重叠峰分解方法,其特征在于包含以下几个步骤:
步骤一、色谱信号的采集及预处理:采集色谱信号,并对采集到的谱图进行移动平均滤波与基线扣除得到信号f,切取有信号重叠的谱段n组,n为正整数;记录下每一重叠谱段范围[ai,bi],每组信号记为fi,每组各有两个重叠峰,左峰为pi1,右峰为pi2,其中i=1,...,n,左峰起点谱址为ai,右峰终点谱址为bi,两峰中间波谷谱址为vi;
步骤二、双树复小波分解及细节系数提取:将步骤一预处理后所得到的色谱采集的信号fi在合适的尺度l上采用双树复小波变换进行分解,得到相应尺度l下的近似系数cl(n)以及细节系数dj(n),其中j=1,...,l;
步骤三、细节系数的放大:根据步骤二提取的细节系数,选择一层合适的细节系数dk(n)乘以放大倍数N,其中1≤k≤l,N>1;
步骤四、将步骤三放大的细节系数Ndk(n)与其他未放大的细节系数dj(n),近似系数cl(n)采用双树复小波进行信号重构获得重叠峰分离后的色谱信号其中j=1,...l,j≠k
其中为相应重叠谱段信号fi分离后的色谱信号,Dj(t)、Dk(t)、Cl(t)为dk(n)、dj(n)、cl(n)经双树复小波逆变换重构的系数序列;
步骤五、观察分解后的色谱峰图,若分解不明显或原峰出现较大畸变则重复步骤三,重新选择需要放大的细节系数dk(n),其中1≤k≤l;细节系数确定之后,若分解后重叠两峰之间波谷点vi未近似到达基线或是幅值低于基线,即或 为波谷点vi处的信号幅度,则重新选择步骤三中的放大倍数N进行重新计算,直到峰间波谷vi近似落在基线上,即其中ε取接近0的正值;
步骤六、旁瓣抑制与谱图还原:经过处理后的信号左峰pi1起点变为右峰pi2终点变为对处理后色谱峰的旁瓣进行抑制,色谱峰群的起点与终点前后产生旁瓣信号置0,即其中之后将处理后的谱段信号替换原重叠谱段[ai,bi]还原到色谱图中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610005845.9A CN105675778B (zh) | 2016-01-06 | 2016-01-06 | 基于双树复小波变换的色谱重叠峰分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610005845.9A CN105675778B (zh) | 2016-01-06 | 2016-01-06 | 基于双树复小波变换的色谱重叠峰分解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105675778A CN105675778A (zh) | 2016-06-15 |
CN105675778B true CN105675778B (zh) | 2017-05-17 |
Family
ID=56299054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610005845.9A Expired - Fee Related CN105675778B (zh) | 2016-01-06 | 2016-01-06 | 基于双树复小波变换的色谱重叠峰分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105675778B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107884346B (zh) * | 2017-10-12 | 2020-03-27 | 浙江全世科技有限公司 | 一种基于mpt光谱数据的重叠谱线分离方法 |
CN109085282A (zh) * | 2018-06-22 | 2018-12-25 | 东南大学 | 一种基于小波变换和随机森林模型的色谱重叠峰解析方法 |
CN109187836A (zh) * | 2018-09-21 | 2019-01-11 | 红河哈尼族彝族自治州农产品质量安全检验检测中心 | 出峰重叠农药高效分析方法 |
CN110443775B (zh) * | 2019-06-20 | 2022-12-16 | 吉林大学 | 基于卷积神经网络的离散小波变换域多聚焦图像融合方法 |
CN110542739A (zh) * | 2019-08-20 | 2019-12-06 | 无锡创想分析仪器有限公司 | 一种基于卡尔曼技术的重叠峰分离方法 |
CN111982949B (zh) * | 2020-08-19 | 2022-06-07 | 东华理工大学 | 一种四次导数结合三样条小波变换分离edxrf光谱重叠峰方法 |
CN113592743B (zh) * | 2021-08-11 | 2024-01-23 | 北华航天工业学院 | 基于复数小波变换的光谱高频信息与低频信息分离与耦合方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4807148A (en) * | 1987-05-29 | 1989-02-21 | Hewlett-Packard Company | Deconvolving chromatographic peaks |
US6208951B1 (en) * | 1998-05-15 | 2001-03-27 | Council Of Scientific & Industrial Research | Method and an apparatus for the identification and/or separation of complex composite signals into its deterministic and noisy components |
US7519488B2 (en) * | 2004-05-28 | 2009-04-14 | Lawrence Livermore National Security, Llc | Signal processing method and system for noise removal and signal extraction |
CN104200436B (zh) * | 2014-09-01 | 2017-01-25 | 西安电子科技大学 | 基于双树复小波变换的多光谱图像重构方法 |
CN105067732A (zh) * | 2015-07-07 | 2015-11-18 | 天津大学 | 基于二阶高斯函数拟合的色谱重叠峰定量方法 |
CN105067650B (zh) * | 2015-08-03 | 2018-01-02 | 东南大学 | 一种利用小波计算导数检测谱特征峰的方法 |
-
2016
- 2016-01-06 CN CN201610005845.9A patent/CN105675778B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN105675778A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105675778B (zh) | 基于双树复小波变换的色谱重叠峰分解方法 | |
CN107817527B (zh) | 基于块稀疏压缩感知的沙漠地震勘探随机噪声压制方法 | |
CN110610717B (zh) | 复杂频谱环境混合信号的分离方法 | |
CN105974468B (zh) | 一种能够同时进行五维地震数据重建和噪声压制的方法 | |
CN107219555B (zh) | 基于主成分分析的并行震源地震勘探资料强工频噪声压制方法 | |
CN108458871A (zh) | 一种基于改进经验小波变换的齿轮箱故障识别方法 | |
CN108771534B (zh) | 一种基于多小波变换融合下的脉搏信号特征提取方法 | |
CN105807241A (zh) | 一种利用先验信息的指数信号去噪方法 | |
CN102631198A (zh) | 一种基于差值提取的动态光谱数据处理方法 | |
CN107918710B (zh) | 基于凸优化的非下采样图滤波器组的设计方法 | |
Narasimhan et al. | Comparison of satellite image enhancement techniques in wavelet domain | |
CN104240712A (zh) | 一种三维音频多声道分组聚类编码方法及系统 | |
CN104124976A (zh) | 有限新息率信号结构化亚奈奎斯特率采样方法 | |
CN104485113A (zh) | 一种多故障源声发射信号分离方法 | |
CN105259579A (zh) | 一种基于地震数据瞬时属性的强振幅屏蔽层剔除方法 | |
CN102631199A (zh) | 一种快速的动态光谱数据提取方法 | |
CN113702037B (zh) | 基于子带重排与集合双树复小波包变换的重加权谱峭度方法 | |
Oruklu et al. | Ultrasonic flaw detection using discrete wavelet transform for NDE applications | |
CN101814146B (zh) | 一种基于多个小波变换的动作电位特征提取方法 | |
CN102496144A (zh) | 基于hsv色彩空间的nsct水声图像增强方法 | |
CN110531420A (zh) | 一种地震数据中工业干扰噪声无损分离方法 | |
Zhang et al. | Denoising vegetation spectra by combining mathematical-morphology and wavelet-transform-based filters | |
CN103323853B (zh) | 一种基于小波包和双谱的鱼类识别方法及系统 | |
CN113341378A (zh) | 基于频谱差分熵检测的自适应信道化接收方法 | |
CN104181508B (zh) | 基于压缩感知的威胁雷达信号检测方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170517 Termination date: 20200106 |
|
CF01 | Termination of patent right due to non-payment of annual fee |