CN105807204B - 基于频谱细化的硬件木马检测方法 - Google Patents

基于频谱细化的硬件木马检测方法 Download PDF

Info

Publication number
CN105807204B
CN105807204B CN201610130209.9A CN201610130209A CN105807204B CN 105807204 B CN105807204 B CN 105807204B CN 201610130209 A CN201610130209 A CN 201610130209A CN 105807204 B CN105807204 B CN 105807204B
Authority
CN
China
Prior art keywords
circuit
frequency
maternal
spectrum
electromagnetic
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
Application number
CN201610130209.9A
Other languages
English (en)
Other versions
CN105807204A (zh
Inventor
赵毅强
薛文佳
何家骥
刘沈丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201610130209.9A priority Critical patent/CN105807204B/zh
Publication of CN105807204A publication Critical patent/CN105807204A/zh
Application granted granted Critical
Publication of CN105807204B publication Critical patent/CN105807204B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2851Testing of integrated circuits [IC]
    • G01R31/2855Environmental, reliability or burn-in testing

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明公开了一种基于频谱细化的硬件木马检测方法,包括以下步骤:分别对只含有母本电路的工作芯片和加入木马电路后的该芯片进行多次电磁辐射信息采集,得到两个电磁时域数据矩阵;分别进行行向量叠加求均值,减弱测量噪声,获得母本电磁信息和母本电路加木马电路的电磁信息,分别做FFT变换,得到母本电路和加入有木马电路的全景谱信息,根据FFT变换的结果,对两种电磁信息频谱出现谱线密集或重叠的频谱范围分段进行频谱细化,通过对局部频谱的放大,用于观察上述谱线密集或重叠频谱范围的谱线结构,据此判断工作芯片是否除了母本电路之外还被加入了硬件木马。本发明具有频谱分辨率高、误差小的优点。

Description

基于频谱细化的硬件木马检测方法
技术领域
本发明涉及安全芯片的检测领域,具体涉及一种基于频谱细化的硬件木马芯片识别方法,可有效提高测试中对硬件木马的检测率。
背景技术
由于集成电路的规模越来越大,芯片设计、制造、测试、封装等环节逐渐分离,导致原始电路被恶意植入硬件木马的可能性变大,芯片的可靠性及信息安全问题越来越突出,如何有效检测硬件木马已成为信息安全领域上的关注热点。硬件木马是在原始电路中恶意植入的微小结构,其攻击目的性很强,隐蔽较深,难以检测并清除。目前对于硬件木马的检测,通常采用侧信道信息(功耗、延时、电磁辐射等)分析技术,通过提取原始电路和在原始电路基础上植入木马的电路在正常工作时所泄露的侧信道信息的特征,对比判断是否有差异,从而判定是否被植入木马。在此基础上,电磁辐射信息具有信号采集方便,非接触式测量、包含信息量更丰富等优点,基于电磁信息的硬件木马检测方法越来越受到重视。
电磁信息的获取通常采用示波器实时采集,由此得到电路工作时的时域信息。而在数据处理时,从时域上看,多个信号是叠加在一起的,因此,为了分离出不同信息,通常将时域信号转换成频域信号,即通用FFT变换将观察角度转到频域,以便更加精确地了解信号的内部“构造”。然而,在对所得电磁数据进行处理时,FFT变换只能给出离散点上的频谱采样值,而不可能得到连续频谱函数,这就相当于通过一个“栅栏”观看信号频谱,只能看到频谱中一些离散点,而其它频率点看不见,因此很可能使一部分有用的频率成分被漏掉,此种现象被称为“栅栏效应”。这时,即便在两个离散的谱线之间有一个特别大的频谱分量,也无法检测出来,这样就导致硬件木马检测出现较大误差。
研究FFT分析方法可知,当采样频率为fs、采样点数为N时,如图1(a)和图1(b)所示,频谱图上的有效频率分布范围是从直流(0Hz)到奈奎斯特频率fc(fs/2)为止,而相邻谱线间隔即频率分辨率(△f=fs/N)决定了频率分辨能力,即当△f越小,谱图的分辨率越高,△f较大时,将由于栅栏效应而丢失有用信息。当采样频率fs选定时,△f决定于采样点数N,此时若要提高频率分辨率,计算量就要增大。因此,在检测硬件木马电路的实际工作中,在采样长度的限制下,即要不损失上限频率(fs/2),又要求高分辨率是很困难的。另外,当植入的硬件木马的频谱与原始电路的频谱较接近时,无法正确判断原始电路中是否被植入硬件木马,进一步加大了硬件木马检测难度。
[参考文献]
[1]刘华锋,罗宏伟,王力纬;硬件木马综述[J],微电子学,2011,41(5):709-713。
[2]Soll O,Korak T,Duehlberghuber D,et al.ED-baseA AetectioT ofharAware trojaTs oT FPGAs[C]//HarAware-OrieTteA ecurity aTA Trust(HOST),2014IEEE ITterTatioTal SyDposiuD oT.IEEE,2014:84-87.
[3]丁康,谢明,杨志坚;离散频谱分析校正理论与技术[D],北京:科学出版社,2008.213—249。
发明内容
针对上述现有技术,因此,本发明基于可对窄带谱进行频率细化的技术,提供了一种高分辨率、高精度的基于频谱细化的硬件木马检测方法,从而可以解决利用芯片工作时电磁辐射信息来检测识别芯片中是否含有硬件木马的方法中存在频谱分辨率低、误差大的问题。
为了解决上述技术问题,本发明提出的一种基于频谱细化的硬件木马检测方法,包括以下步骤:
步骤1、设置示波器的采样率为fs,对只含有母本电路的工作芯片进行电多次磁辐射信息采集,得到电磁时域数据矩阵A1C×T,然后,在该工作芯片上加入木马电路后,以相同的采样条件进行多次电磁信息采集,得到电磁时域数据矩阵A2C×T,其中,C为样本个数,T为采样点数;
步骤2、对步骤1中所得数据矩阵A1C×T和数据矩阵A2C×T分别进行行向量叠加求均值,减弱测量噪声,得到序列A1(n)(n=0,1,2,…T)、A2(n)(n=0,1,2,…T);A1(n)表示母本电磁信息,A2(n)表示母本电路加木马电路的电磁信息,之后,分别对母本电磁信息A1(n)、母本电路加木马电路的电磁信息A2(n)做FFT变换,得到母本电磁信息A1(n)全景谱信息和母本电路加木马电路的电磁信息A2(n)全景谱信息,即得到上述两种电路工作时所能探测得到的电磁信息频谱特征,包括电磁频率、幅值;
步骤3、根据步骤2中FFT变换的结果,比对步骤2中的两种电路的电磁信息频谱,对两种电磁信息频谱出现谱线密集或重叠的频谱范围分段进行频谱细化,通过对局部频谱的放大,用于观察上述谱线密集或重叠频谱范围的谱线结构,具体步骤包括:
步骤3-1、首先确定中心频率f0及细化倍数D,选择要细化的频谱范围(f1~f2),其中,
步骤3-2、设计复解析带通滤波器,带宽为fs/D;复解析带通滤波器的冲击响应函数的实部为
虚部为
式(2)和式(3)中:w1=2πf1,w2=2πf2,M为复滤波器的半阶数,M取(3.3333~6)D;
步骤3-3、选抽滤波,利用重采样的方法将采样频率fs降低至fs/D;对步骤2中序列A1(n)和序列A2(n)数据做选抽滤波,即隔D个点抽一点,选抽出N个点,之后利用步骤3-2中设计的复解析带通滤波器对N个选抽点进行滤波;
步骤3-4、采用复调制移频,将要细化的起始频率f1移到零频点;移频量
得到复调制数据B1(n)(n=0,1,2,…N)、B2(n)(n=0,1,2,…N);
步骤3-4、对复调制数据B1(n)、B2(n)做N点FFT谱分析,得到对原始频带(f1~f2)的细化频谱;
步骤4、对细化后的频谱特征进行区分、判别;观察只含有母本电路的电磁信息的频谱特征和含有母本电路加木马电路的电磁信息的频谱特征的差别,用于判断工作芯片是否除了母本电路之外还被加入了硬件木马。
与现有技术相比,本发明的有益效果是:
芯片安全是保证信息安全的基础,所以硬件木马的检测效率及精确度是检测方法的重要指标。本发明提出的基于频谱细化的硬件木马检测方法,利用密集频谱的细化技术对局部频谱放大,将间隔很近的密集多频率谐波成分分割成间隔较远的多个单频率成分;从而可以提高频谱分辨率,同时保证谱值精确度,能够有效提高硬件木马检测效率及精确度。
附图说明
图1(a)和图1(b)是FFT方法中时、频域关系,其中,图1(a)为时域,图1(b)为频域;
图2(a)是未细化频谱仿真图;
图2(b)是细化50倍频谱仿真图。
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步详细描述,所描述的具体实施例仅对本发明进行解释说明,并不用以限制本发明。
本发明方法的设计思路是:频谱细化有助于分析频率的细微结构,因此,当硬件木马的频谱与母本电路的频谱较接近时,利用密集频谱的细化技术就可以对局部频谱放大,将间隔很近的密集多频率谐波成分分割成间隔较远的多个单频率成分。
本发明一种基于频谱细化的硬件木马检测方法,包括以下步骤:
步骤1、设置示波器的采样率为fs,对只含有母本电路的工作芯片进行电多次磁辐射信息采集,得到电磁时域数据矩阵A1C×T,然后,在该工作芯片上加入木马电路后,以相同的采样条件进行多次电磁信息采集,得到电磁时域数据矩阵A2C×T,其中,C为样本个数,T为采样点数;
步骤2、对步骤1中所得数据矩阵A1C×T和数据矩阵A2C×T分别进行行向量叠加求均值,减弱测量噪声,得到序列A1(n)(n=0,1,2,…T)、A2(n)(n=0,1,2,…T);A1(n)表示母本电磁信息,A2(n)表示母本电路加木马电路的电磁信息,之后,分别对母本电磁信息A1(n)、母本电路加木马电路的电磁信息A2(n)做FFT变换,得到母本电磁信息A1(n)全景谱信息和母本电路加木马电路的电磁信息A2(n)全景谱信息,即得到上述两种电路工作时所能探测得到的电磁信息频谱特征,包括电磁频率、幅值;
步骤3、根据步骤2中FFT变换的结果,比对步骤2中的两种电路的电磁信息频谱,可以观察到两种电路的频谱出现谱线密集或重叠的频带(频谱范围),由于此时无法确定硬件木马电路本身电磁辐射所在的频谱范围,所以,对两种电磁信息频谱出现谱线密集或重叠的频谱范围分段进行频谱细化,通过对局部频谱的放大,用于观察上述谱线密集或重叠频谱范围的谱线结构,具体步骤包括:
步骤3-1、首先确定中心频率f0及细化倍数D,选择要细化的频谱范围(f1~f2),其中,
步骤3-2、设计复解析带通滤波器,带宽为fs/D;复解析带通滤波器的冲击响应函数的实部为
虚部为
式(2)和式(3)中:w1=2πf1,w2=2πf2,M为复滤波器的半阶数,M取(3.3333~6)D;
步骤3-3、选抽滤波,为了得到选带的细化谱,利用重采样的方法将采样频率fs降低至fs/D;对步骤2中序列A1(n)和序列A2(n)数据做选抽滤波,即隔D个点抽一点,选抽出N个点,之后利用步骤3-2中设计的复解析带通滤波器对N个选抽点进行滤波,滤掉其他频率成分。
步骤3-4、步骤3-3中,由于实信号经过复解析带通滤波器后,变成了频率在(f1~f2)范围内的复解析信号,所以,采用复调制移频,将要细化的起始频率f1移到零频点;移频量
得到复调制数据B1(n)(n=0,1,2,…N)、B2(n)(n=0,1,2,…N);
步骤3-4、对复调制数据B1(n)、B2(n)做N点FFT谱分析,得到对原始频带(f1~f2)的细化频谱;图2(a)示出了未细化的一频谱的仿真图,图2(b)示出了针对图2(a)细化后的频谱仿真图,其细化倍数D为50。
步骤4、对细化后的频谱特征进行区分、判别;观察只含有母本电路的电磁信息的频谱特征和含有母本电路加木马电路的电磁信息的频谱特征的差别。可以通过对多个频段的细化,更完整地比对母本电路与含有木马的母本电路在正常工作时释放出的电磁信息的不同,根据其频谱特性的不同,有效判别工作芯片是否除了母本电路之外还被加入了硬件木马。
可以将本发明方法步骤扩展为分频段对比、分时段对比,从而更细节地、更具体地展现出木马电路对于母本电路在频谱特性上带来的差异。同时,改变木马电路的种类、面积,可以验证频谱细化对于检测不同木马电路具有高效的识别能力。
实施例:以AES加密算法电路为例,按照本发明方法,先后获取加密算法在无木马和有木马插入时所释放的电磁信息,通过频谱分析得到全景谱,然后选择需要的细化倍数,对密集频段的频带进行细化,或者对不同加密轮数进行时段截取,进而分析频谱。通过频谱细化将原本密集的频带区分开来,获得分离的谱线信息,同时结合分段对比、不同时段对比,实现高效、有目的地判别,最后通过观察分析,判断原始AES加密电路是否被加入硬件木马,实现安全芯片的高精度检测。
尽管上面结合图对本发明进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨的情况下,还可以作出很多变形,这些均属于本发明的保护之内。

Claims (1)

1.一种基于频谱细化的硬件木马检测方法,其特征在于,包括以下步骤:
步骤1、设置示波器的采样率为fs,对只含有母本电路的工作芯片进行多次电磁辐射信息采集,得到电磁时域数据矩阵A1C×T,然后,在该工作芯片上加入木马电路后,以相同的采样条件进行多次电磁信息采集,得到电磁时域数据矩阵A2C×T,其中,C为样本个数,T为采样点数;
步骤2、对步骤1中所得数据矩阵A1C×T和数据矩阵A2C×T分别进行行向量叠加求均值,减弱测量噪声,得到序列A1(n);n=0,1,2,…T;、A2(n);n=0,1,2,…T;A1(n)表示母本电磁信息,A2(n)表示母本电路加木马电路的电磁信息,之后,分别对母本电磁信息A1(n)、母本电路加木马电路的电磁信息A2(n)做FFT变换,得到母本电磁信息A1(n)全景谱信息和母本电路加木马电路的电磁信息A2(n)全景谱信息,即得到上述两种电路工作时所能探测得到的电磁信息频谱特征,包括电磁频率、幅值;
步骤3、根据步骤2中FFT变换的结果,比对步骤2中的两种电路的电磁信息频谱,对两种电磁信息频谱出现谱线密集或重叠的频谱范围分段进行频谱细化,通过对局部频谱的放大,用于观察上述谱线密集或重叠频谱范围的谱线结构,具体步骤包括:
步骤3-1、首先确定中心频率f0及细化倍数D,选择要细化的频谱范围f1~f2,其中,
步骤3-2、设计复解析带通滤波器,带宽为fs/D;复解析带通滤波器的冲击响应函数的实部为
虚部为
式(2)和式(3)中:w1=2πf1,w2=2πf2,M为复滤波器的半阶数,M取(3.3333~6)D;
步骤3-3、选抽滤波,利用重采样的方法将采样频率fs降低至fs/D;对步骤2中序列A1(n)和序列A2(n)数据做选抽滤波,即隔D个点抽一点,选抽出N个点,之后利用步骤3-2中设计的复解析带通滤波器对N个选抽点进行滤波;
步骤3-4、采用复调制移频,将要细化的起始频率f1移到零频点;移频量w1
得到复调制数据B1(n);n=0,1,2,…N;、B2(n);n=0,1,2,…N;
步骤3-4、对复调制数据B1(n)、B2(n)做N点FFT谱分析,得到对原始频带f1~f2的细化频谱;
步骤4、对细化后的频谱特征进行区分、判别;观察只含有母本电路的电磁信息的频谱特征和含有母本电路加木马电路的电磁信息的频谱特征的差别,用于判断工作芯片是否除了母本电路之外还被加入了硬件木马。
CN201610130209.9A 2016-03-08 2016-03-08 基于频谱细化的硬件木马检测方法 Expired - Fee Related CN105807204B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610130209.9A CN105807204B (zh) 2016-03-08 2016-03-08 基于频谱细化的硬件木马检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610130209.9A CN105807204B (zh) 2016-03-08 2016-03-08 基于频谱细化的硬件木马检测方法

Publications (2)

Publication Number Publication Date
CN105807204A CN105807204A (zh) 2016-07-27
CN105807204B true CN105807204B (zh) 2018-07-27

Family

ID=56466960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610130209.9A Expired - Fee Related CN105807204B (zh) 2016-03-08 2016-03-08 基于频谱细化的硬件木马检测方法

Country Status (1)

Country Link
CN (1) CN105807204B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407810B (zh) * 2016-09-27 2019-05-10 中国电子科技集团公司第五十八研究所 一种基于递归下降算法的rtl级硬件木马检测方法
CN108337207A (zh) * 2017-01-19 2018-07-27 中安工控(北京)科技有限公司 一种基于电磁泄露的木马威胁检测方法
CN109472051B (zh) * 2018-10-11 2023-07-04 天津大学 基于短时傅里叶变换的硬件木马检测方法
CN111259322A (zh) * 2020-02-02 2020-06-09 武汉大学 一种提高射电天文谱线分辨率的快速傅里叶变换构造方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101009150A (zh) * 2006-01-26 2007-08-01 徐炎堂 用于解析系统电路稳定化的频谱器
CN102841880A (zh) * 2012-09-06 2012-12-26 天津市德力电子仪器有限公司 一种基于数字信号处理器快速频谱细化的方法
CN104237768A (zh) * 2014-08-27 2014-12-24 工业和信息化部电子第五研究所 集成电路硬件木马检测方法及其系统
CN104330721A (zh) * 2014-10-29 2015-02-04 工业和信息化部电子第五研究所 集成电路硬件木马检测方法和系统
WO2015119541A1 (en) * 2014-02-05 2015-08-13 Telefonaktiebolaget L M Ericsson (Publ) Configurable built-in self-tests of digital logic circuits
CN104950246A (zh) * 2015-06-11 2015-09-30 工业和信息化部电子第五研究所 基于延时的硬件木马检测方法和系统
CN105158674A (zh) * 2015-08-27 2015-12-16 工业和信息化部电子第五研究所 利用寄生效应的硬件木马检测方法和系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7490268B2 (en) * 2004-06-01 2009-02-10 The Trustees Of Columbia University In The City Of New York Methods and systems for repairing applications
US9606167B2 (en) * 2011-08-03 2017-03-28 President And Fellows Of Harvard College System and method for detecting integrated circuit anomalies

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101009150A (zh) * 2006-01-26 2007-08-01 徐炎堂 用于解析系统电路稳定化的频谱器
CN102841880A (zh) * 2012-09-06 2012-12-26 天津市德力电子仪器有限公司 一种基于数字信号处理器快速频谱细化的方法
WO2015119541A1 (en) * 2014-02-05 2015-08-13 Telefonaktiebolaget L M Ericsson (Publ) Configurable built-in self-tests of digital logic circuits
CN104237768A (zh) * 2014-08-27 2014-12-24 工业和信息化部电子第五研究所 集成电路硬件木马检测方法及其系统
CN104330721A (zh) * 2014-10-29 2015-02-04 工业和信息化部电子第五研究所 集成电路硬件木马检测方法和系统
CN104950246A (zh) * 2015-06-11 2015-09-30 工业和信息化部电子第五研究所 基于延时的硬件木马检测方法和系统
CN105158674A (zh) * 2015-08-27 2015-12-16 工业和信息化部电子第五研究所 利用寄生效应的硬件木马检测方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于主成分分析的硬件木马检测方法;赵毅强 等;《基于主成分分析的硬件木马检测方法》;20150831;第43卷(第08期);正文第66至69页 *
基于局部频谱连续细化的高精度频率估计算法;薛海中 等;《西安电子科技大学学报(自然科学版)》;20070228;第34卷(第01期);正文第21至25页 *
高精度频谱连续细化算法研究与实现;董德英;《电脑知识与技术》;20140430;第10卷(第11期);正文第2653至2659页 *

Also Published As

Publication number Publication date
CN105807204A (zh) 2016-07-27

Similar Documents

Publication Publication Date Title
CN105807204B (zh) 基于频谱细化的硬件木马检测方法
CN106909784B (zh) 基于二维时频图像深度卷积神经网络的癫痫脑电识别装置
CN107505135B (zh) 一种滚动轴承复合故障提取方法及系统
CN103488941B (zh) 硬件木马检测方法及系统
Chen et al. A performance enhanced time-varying morphological filtering method for bearing fault diagnosis
CN105548832A (zh) 高压电力电缆故障识别方法
CN106771905B (zh) 一种适用于高频电流局部放电检测的脉冲提取方法
CN106019254B (zh) 一种uwb冲击生物雷达多人体目标距离向分离辨识方法
CN109993155A (zh) 针对低信噪比紫外拉曼光谱的特征峰提取方法
CN105823492B (zh) 一种洋流干扰中微弱目标信号提取方法
CN105678273A (zh) 射频指纹识别技术瞬态信号的起始点检测算法
CN105550702B (zh) 一种基于svm的gnss欺骗式干扰识别方法
CN106291275A (zh) 一种局部放电超高频单次波形频域特征提取及识别方法
CN109374298B (zh) 基于互相关奇异值的轴承故障诊断方法
CN108663576A (zh) 一种复杂环境下微弱电磁红信号检测方法
CN110196448A (zh) 一种滑坡次声信号识别方法
KR101426863B1 (ko) 특징인자를 이용한 레이더 펄스내 변조형태 인식 방법
CN106198008B (zh) 一种电机轴承外圈故障辨识方法
Liu et al. Maximum correntropy criterion-based blind deconvolution and its application for bearing fault detection
CN116127288A (zh) 基于独立成分分析的纳米孔传感信号噪声去除方法及装置
KR101362451B1 (ko) 다특성 기반의 지뢰 분류 결정 방법 및 이를 적용한 장치
CN108459209A (zh) 一种计算机视频电磁泄漏同步参数提取方法和装置
CN102346948A (zh) 一种周界入侵检测方法和系统
CN109100813A (zh) 一种基于协同滤波消除地面核磁共振数据中尖峰噪声的方法
Xu et al. Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum

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: 20180727

CF01 Termination of patent right due to non-payment of annual fee