CN106324709B - 微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法 - Google Patents

微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法 Download PDF

Info

Publication number
CN106324709B
CN106324709B CN201610921177.4A CN201610921177A CN106324709B CN 106324709 B CN106324709 B CN 106324709B CN 201610921177 A CN201610921177 A CN 201610921177A CN 106324709 B CN106324709 B CN 106324709B
Authority
CN
China
Prior art keywords
rainfall
weather radar
data
microwave link
raindrop spectrometer
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
Application number
CN201610921177.4A
Other languages
English (en)
Other versions
CN106324709A (zh
Inventor
薛杨
高太长
刘西川
宋堃
胡云涛
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.)
National University of Defense Technology
Original Assignee
PLA University of Science and Technology
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 PLA University of Science and Technology filed Critical PLA University of Science and Technology
Priority to CN201610921177.4A priority Critical patent/CN106324709B/zh
Publication of CN106324709A publication Critical patent/CN106324709A/zh
Application granted granted Critical
Publication of CN106324709B publication Critical patent/CN106324709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Atmospheric Sciences (AREA)
  • Electromagnetism (AREA)
  • Hydrology & Water Resources (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了微波链路、雨滴谱仪、雨量计与天气雷达联合的降雨场重构方法：选定微波链路、雨滴谱仪、雨量计和天气雷达同步观测的覆盖区域，并进行离散格点化；对雨滴谱仪、雨量计和天气雷达同步观测的降雨强度资料按空间匹配与时间匹按照配，采用反距离插值法进行插值，得到格点化资料；利用微波链路、雨滴谱仪、雨量计和天气雷达同步观测的降雨强度格点化资料进行降雨场重构：通过时间域估计值递推求取微波链路、雨滴谱仪、雨量计和天气雷达同步观测的降雨强度数据资料的自相关系数和互相关系数，进而确定微波链路、雨滴谱仪、雨量计和天气雷达的方差；通过最小方差估计确定四种降雨强度数据的最优权重实现降雨场重构。

Description

微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重 构方法
技术领域
本发明属于大气科学领域，具体涉及微波链路、雨滴谱仪、雨量计与天气雷达的同步测量，通过数据融合方法对多源降雨资料进行优化，实现降雨场的重构。
背景技术
降水空间分布的精确估计对于洪涝监测、地质灾害预警、流域水文分析和水利工程设计等均具有重要意义。天气雷达可以提供空间上连续的降水动态观测信息，实现对降水的实时监测和预警，但雷达回波强度Z受到地物、地形杂波、传播路径等多种因素的影响，与降雨强度I之间的关系不稳定，使得测定局地降水量的精度不高。雨量计可以获得高精度的单点降水强度和累积降水量，但仅能反映有限离散点的降水信息，且站点分布密度有限，空间代表性差，往往容易漏掉暴雨强中心，无法获取降水的空间精细分布。雨滴谱仪可以获取降水的雨滴谱特征，可对降水进行精细化描述，测量精度高，但空间代表有限。一种新的技术是使用微波链路测雨，可提供路径平均两点间的降雨强度。微波链路网能够覆盖近地面层较大区域，通过微波衰减与雨强之间的关系进行区域降水测量，具有测量精度高的特点。
将不同仪器联合起来对降水进行同步观测，通过数据融合技术对多源资料进行分析与同化，实现区域降雨场的重构，是进一步提高降水空间分布精度的途径。随着测雨方法、数据融合技术的发展，为了充分挖掘降雨资料的有效信息，在时空匹配的基础上，将不同来源、不同精度、不同时空分辨率的雷达遥测信息、微波链路测雨信息与地表雨量观测信息等结果在同一系统中构成，也可加入数值天气预报估计结果等。通过一定的数据融合技术准则对各数据进行匹配、权衡和优化组合，实现对降雨场分布的合理重构，获得对“真实”降雨分布状态的更合理估计。从雷达测雨信息的角度而言，在融合过程中，单点测量(雨量计和雨滴谱仪)、微波链路对降雨的“点”、“线”观测体现了降雨的细节状态；从单点测量、微波链路测雨的角度而言，雷达对降雨的“面”观测信息能对降水空间的连续性和结构特征加以描述。总之，三种类型的“点”、“线”、“面”数据融合是一个互相平衡的过程，最终的结果是获取了对降水空间分布的更精确的估计。
发明内容
本发明的目的是：提出一种微波链路、雨滴谱仪、雨量计与天气雷达联合的多源降水资料同化方法，通过以自适应最优加权为例的融合方法实现区域降水场的重构，提高区域降水的测量精度。
本发明的技术方案为：微波链路、雨滴谱仪、雨量计与天气雷达联合的降雨场重构方法，包括如下步骤：
1)选定微波链路网络、雨滴谱仪、雨量计和天气雷达同步观测的覆盖区域，并进行离散格点化；
2)对雨滴谱仪、雨量计和天气雷达同步观测的降雨强度资料按空间匹配与时间匹按照配，采用反距离插值法进行插值，得到格点化资料；
3)利用微波链路、雨滴谱仪、雨量计和天气雷达同步观测的降雨强度格点化资料进行降雨场重构：以自适应最优加权融合方法为例，对一定时间序列下的资料，通过时间域估计值递推求取微波链路、雨滴谱仪、雨量计和天气雷达的降雨强度资料的自相关系数和互相关系数，进而确定微波链路、雨滴谱仪、雨量计和天气雷达的观测方差；通过最小方差估计确定四种观测数据的最优权重；根据最优权重和实时观测值，将各降雨强度资料进行融合，实现降雨场重构；
3-1)对一定时间序列的降水观测资料，建立自相关系数和互相关系数的迭代形式：
其中k为格点X上的降雨强度测量数据Xi(k)个数，Rii(k)、Rij(k)为时间域估计值，自相关系数Rii(k)介于0～1之间，互相关系数Rij(k)介于-1～1之间，N种仪器的观测值表示为Xi(i＝1,2,..,N)；典型的N为三种仪器。
3-2)通过求取互相关系数的均值降低误差，并通过(3)式求解时刻k的最小方差
3-3)依据(4)式求得最优权重
4)由求得的最优权重与观测值，按(5)式对天气雷达、微波链路、雨量计的降雨强度测量数据进行融合，得到融合后的降雨重构场；在时刻k格点X上的估计值为
其中N为N种仪器，Xi为降雨强度测量数据，Wi为加权因子，满足
所采用的观测资料是经检验有效的数据。
包括但并不限于以自适应最优加权的融合方法进行降雨场重构，此种融合方法融合过程中根据一定时间序列下的观测资料，利用自适应的方式得到各仪器的自相关系数和互相关关系；利用自、互相关关系得到各仪器的最优加权因子。
本发明的有益效果：一是将不同类型的降水信息进行适当的融合，可利用实时的动态观测值实现降雨场的重构，可有效提高资料的信息利用和区域降雨分布的精度，降低了某一资料出现错误时所造成的影响；尤其当某个仪器出现错误或失效时，其他仪器也可独立提供信息。二是融合模型中观测量的标准偏差通过实时动态数据累积，被设置为当前最佳的猜测值。自适应加权融合方法以均方误差最小做最优条件来获取最优权重，因而该估计算法的均方误差是最小的。将不同来源、不同精度、不同时空分辨率的微波链路、雨滴谱仪、雨量计与天气雷达的多源降水观测信息，在总均方误差最小的最优条件下，根据各仪器所提供的测量值，以自适应的形式找到各仪器对应的最优加权因子，进行降雨场重构，从而使得重构后的结果达到最优。将不同仪器联合起来对降水进行同步观测，对进一步提高降水空间分布的精度具有重要意义。
附图说明
图1是本发明的工作示意图；
图2是本发明的工作流程图；
图3是本发明的重构流程图。
具体实施方式
结合说明书附图详细描述本发明的实施方式。
如图2所示，本发明的多源降雨资料重构降水场的算法包括以下步骤：
1.选定微波链路网、雨滴谱仪、部分雨量计和天气雷达同步观测的覆盖区域，并进行离散格点化；
2.对降水资料做空间匹配与时间匹配，采用反距离插值法进行插值，得到格点化资料；
3.通过以自适应最优加权为例的融合算法，依据一定时间序列下的观测值，求解得到各格点对应的最优权重。
如图3所示，以自适应最优加权融合算法为例的重构流程为：
1)对于网格上任意一点X，将N种仪器的观测值表示为Xi(i＝1,2,..,N)，表述为
Xi(t)＝X(t)+ni(t) (1)
其中t为观测时刻，ni(t)为真值X(t)的误差量，ni(t)的方差为
因为观测是无偏、相互独立的，则点X的估计和均方方差表示为
其中Wi为加权因子，满足
为了求得最小方差下对X的估计，即确定(3)式中方差最小的Wi，构造辅助函数
将(4)式在约束条件下的最值问题转化为条件极值问题：
求解后满足
由上式知，要确定最优权重，最重要的是确定
从以上分析可以看出，最优加权因子Wi由各个仪器的方差决定。
2)由于仪器方差一般是未知的，利用各仪器所提供的测量值，依据以下算法求解方差。
任意两个不同的仪器i、j的测量值分别为Xi、Xj，所对应的观测误差分别为ni、nj，即
Xi(t)＝X(t)+ni(t) (7)
Xj(t)＝X(t)+nj(t) (8)
因为ni、nj互不相关，且均值为零，与X也不相关，所以Xi、Xj的互相关系数满足
Rij＝E[XiXj]＝E[X2] (9)
Xi的自相关系数Rii满足
(10)式与(9)式相减得
通过自相关、互相关系数的时间域估计值求解Rii、Rij。
3)设格点X上的测量数据个数为k，Rii的时间域估计值为Rii(k)，Rij的时间域估计值为Rij(k)，则
同理
为降低误差，求取各仪器对应Rij(k)的均值，所以有
那么在时刻k格点X上的估计值为
4.通过各格点对应的权重与实时观测值，进行降雨场重构；
5.降雨场重构结束。

Claims (3)

1.微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法，其特征是包括如下步骤：
1)选定微波链路、雨滴谱仪、雨量计和天气雷达同步观测的覆盖区域，并进行离散格点化；
2)对雨滴谱仪、雨量计和天气雷达同步观测的降雨强度资料按空间匹配与时间匹按照配，采用反距离插值法进行插值，得到格点化资料；
3)利用微波链路、雨滴谱仪、雨量计和天气雷达同步观测的降雨强度格点化资料进行降雨场重构：采用自适应最优加权融合方法，对一定时间序列下的资料，通过时间域估计值递推求取微波链路、雨滴谱仪、雨量计和天气雷达同步观测的降雨强度数据资料的自相关系数和互相关系数，进而确定微波链路、雨滴谱仪、雨量计和天气雷达的方差；通过最小方差估计确定四种降雨强度数据的最优权重；根据最优权重和实时观测值，将各雨量资料进行融合，实现降雨场重构；
3-1)对一定时间序列的降水观测资料，建立自相关系数和互相关系数的迭代形式：
其中k为格点X上的降雨强度测量数据Xi(k)个数，Rii(k)介于0～1之间，Rij(k)介于-1～1之间，N种仪器的观测值表示为Xi(i＝1,2,..,N)；N为三种仪器；
格点X上的测量数据个数为k，Rii的时间域估计值为Rii(k)，Rij的时间域估计值为Rij(k)，则
同理
3-2)通过求取互相关系数的均值降低误差，求取各仪器对应Rij(k)的均值，并通过(3)式求解时刻k的最小方差
3-3)依据(4)式求得最优权重
4)由求得的最优权重与观测值，按(5)式对天气雷达、微波链路、雨量计的降雨强度测量数据资料进行融合，得到融合后的降雨重构场；在时刻k格点X上的估计值为
其中Xi为降雨强度测量数据，Wi为加权因子，满足所采用的观测资料是经检验有效的数据；
多源资料来源于微波链路、雨滴谱仪、雨量计与天气雷达的同步测量。
2.根据权利要求1所述的微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法，其特征在于，所采用的观测资料是经检验有效的数据。
3.根据权利要求1所述的微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法，其特征在于，包括但并不限于以自适应最优加权的融合方法进行降雨场重构，此种融合方法融合过程中根据一定时间序列下的观测资料，利用自适应的方式得到各仪器的自相关系数和互相关关系；利用自、互相关关系得到各仪器的最优加权因子。
CN201610921177.4A 2016-10-21 2016-10-21 微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法 Active CN106324709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610921177.4A CN106324709B (zh) 2016-10-21 2016-10-21 微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610921177.4A CN106324709B (zh) 2016-10-21 2016-10-21 微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法

Publications (2)

Publication Number Publication Date
CN106324709A CN106324709A (zh) 2017-01-11
CN106324709B true CN106324709B (zh) 2019-01-01

Family

ID=57818114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610921177.4A Active CN106324709B (zh) 2016-10-21 2016-10-21 微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法

Country Status (1)

Country Link
CN (1) CN106324709B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107367773A (zh) * 2017-03-14 2017-11-21 北京维艾思气象信息科技有限公司 一种基于北斗定位的单点气象要素确定方法
US10962680B2 (en) 2017-11-03 2021-03-30 Climacell Inc. Real-time weather forecasting for transportation systems
EP3729146A4 (en) * 2017-12-21 2021-10-06 The Tomorrow Companies Inc. IMPROVED REAL-TIME WEATHER FORECAST SYSTEM
FR3080188B1 (fr) * 2018-04-17 2020-06-12 Suez Groupe Dispositif, procede et produit programme d'ordinateur de validation de donnees fournies par une sonde pluviometrique
CN108761576B (zh) * 2018-05-28 2020-11-13 国网山西省电力公司电力科学研究院 一种x波段气象雷达与雨量站数据融合方法及系统
CN108761461B (zh) * 2018-05-29 2022-02-18 南京信息工程大学 基于天气雷达回波时序图像的降水预报方法
CN110488393B (zh) * 2019-09-24 2020-05-15 中国科学院大气物理研究所 X波段双偏振天气雷达定量测量降水方法及系统
CN112285807B (zh) * 2019-11-12 2023-11-07 北京嘉韵楷达气象科技有限公司 一种气象信息预测方法及装置
CN111414974B (zh) * 2020-03-30 2022-04-26 中国人民解放军国防科技大学 基于通信基站的微波链路测雨网络拓扑结构优化方法
CN112526637B (zh) * 2020-11-17 2022-12-06 国网湖南省电力有限公司 基于不均匀权重的一体化电网通道暴雨监测方法和系统
CN112668761B (zh) * 2020-12-17 2021-07-06 河海大学 一种逐级式线聚合降雨数据尺度转换方法
CN113034902A (zh) * 2021-03-05 2021-06-25 阿里云计算有限公司 一种交通控制方法、装置及电子设备
CN113095590B (zh) * 2021-04-29 2022-04-29 中国人民解放军国防科技大学 微波水平降雨场高时空分辨率重构分析与短临预测方法
CN114545529B (zh) * 2022-02-22 2022-12-20 长沙祥云瑞风信息技术有限公司 一种基于高频格点化雨量探测方法、系统、介质及设备
CN114488160A (zh) * 2022-04-02 2022-05-13 南京师范大学 顾及三维风场影响的雷达降雨估算误差校正方法
CN115184938B (zh) * 2022-07-05 2024-04-19 中国人民解放军63796部队 一种S波段天气雷达和Ka波段云雷达的反射率融合方法
CN115166875A (zh) * 2022-08-09 2022-10-11 新疆维吾尔自治区气象技术装备保障中心 一种雨滴谱仪数据质量控制及评估系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103885095A (zh) * 2014-01-10 2014-06-25 中国人民解放军理工大学 面均匀降雨场模拟装置
CN103926635A (zh) * 2014-04-29 2014-07-16 中国人民解放军理工大学气象海洋学院 一种利用微波链路网络监测雨区分布的方法
CN104656163A (zh) * 2015-02-04 2015-05-27 中国人民解放军理工大学 一种基于大数据的移动通信网降水分布及动态测量方法
CN105717556A (zh) * 2016-02-03 2016-06-29 长江水利委员会水文局 一种基于大数据的自分型雷达估测降水方法
CN105891833A (zh) * 2016-04-15 2016-08-24 兰州大学 基于多普勒雷达信息识别暖云降水率的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3250601B2 (ja) * 1995-09-19 2002-01-28 日本電信電話株式会社 気象予測装置
JPH09318745A (ja) * 1996-05-28 1997-12-12 Nippon Telegr & Teleph Corp <Ntt> 相互相関雨域予測装置および相互相関雨域予測方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103885095A (zh) * 2014-01-10 2014-06-25 中国人民解放军理工大学 面均匀降雨场模拟装置
CN103926635A (zh) * 2014-04-29 2014-07-16 中国人民解放军理工大学气象海洋学院 一种利用微波链路网络监测雨区分布的方法
CN104656163A (zh) * 2015-02-04 2015-05-27 中国人民解放军理工大学 一种基于大数据的移动通信网降水分布及动态测量方法
CN105717556A (zh) * 2016-02-03 2016-06-29 长江水利委员会水文局 一种基于大数据的自分型雷达估测降水方法
CN105891833A (zh) * 2016-04-15 2016-08-24 兰州大学 基于多普勒雷达信息识别暖云降水率的方法

Also Published As

Publication number Publication date
CN106324709A (zh) 2017-01-11

Similar Documents

Publication Publication Date Title
CN106324709B (zh) 微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法
CN110986747B (zh) 一种滑坡位移组合预测方法及系统
CN110346844A (zh) Nriet基于云分类和机器学习的定量降水估测方法
CN104392414A (zh) 一种区域cors坐标时间序列噪声模型的建立方法
CN112505068A (zh) 一种基于gnss-ir的地表土壤湿度多星组合反演方法
CN108763849A (zh) 结合沉积物和模型的流域面源磷污染入河系数计算方法
CN110174044A (zh) 一种基于psi技术的桥梁纵向位移形变监测的方法
Pan et al. Inversion of surface vegetation water content based on GNSS-IR and MODIS data fusion
Carouge et al. What can we learn from European continuous atmospheric CO 2 measurements to quantify regional fluxes–Part 2: Sensitivity of flux accuracy to inverse setup
CN110531054A (zh) 基于Bootstrap抽样的土壤有机碳预测不确定性估测方法
CN110286396A (zh) 一种基于电离层延迟先验信息和时空变化信息双约束的非差非组合ppp方法
Sun et al. Evaluation of a local regression kriging approach for mapping apparent electrical conductivity of soil (ECa) at high resolution
Wardah et al. Radar rainfall estimates comparison with kriging interpolation of gauged rain
CN115840908B (zh) 基于lstm模型的微波链路构建pm2.5三维动态监测场的方法
CN116840447A (zh) 一种基于多传感器与神经网络的土壤紧实度检测方法
Seo et al. Multi‐scale hydrologic evaluation of the national water model streamflow data assimilation
CN108362697B (zh) 一种增加分层数目的大气视宁度分层测量方法
Yao et al. A global empirical model for mapping zenith wet delays onto precipitable water vapor using GGOS Atmosphere data
CN109444055A (zh) 一种盐碱地土壤盐分含量的高光谱计算方法
Wang et al. Soil moisture retrieval from sentinel-1 and sentinel-2 data using ensemble learning over vegetated fields
Zheng et al. Virtual reference station technology for voxels without signal ray in ionospheric tomography based on machine learning
Ma et al. A Method for Establishing Tropospheric Atmospheric Refractivity Profile Model Based on Multiquadric RBF and k-means Clustering
Novella et al. Validation of satellite-derived rainfall products over the Sahel
Guedj et al. Future benefits of high-density radiance data from MTG-IRS in the AROME fine-scale forecast model Final Report
Bianchi et al. Rainfall nowcasting by combining radars, microwave links and rain gauges

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20190710

Address after: 211101 No. 60 Shuanglong Street, Jiangning District, Nanjing City, Jiangsu Province

Patentee after: National University of Defense Technology

Address before: 211101 No. 60 Shuanglong Street, Jiangning District, Nanjing City, Jiangsu Province

Patentee before: PLA University OF SCIENCE AND TECHNOLOGY