CN106658638B - 一种基于hh-vbf的时间序列预测方法 - Google Patents

一种基于hh-vbf的时间序列预测方法 Download PDF

Info

Publication number
CN106658638B
CN106658638B CN201611170335.3A CN201611170335A CN106658638B CN 106658638 B CN106658638 B CN 106658638B CN 201611170335 A CN201611170335 A CN 201611170335A CN 106658638 B CN106658638 B CN 106658638B
Authority
CN
China
Prior art keywords
node
value
vbf
smoothing
data
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
CN201611170335.3A
Other languages
English (en)
Other versions
CN106658638A (zh
Inventor
张蕾
刘美光
曾佳
张钢
李悦
付钊
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 CN201611170335.3A priority Critical patent/CN106658638B/zh
Publication of CN106658638A publication Critical patent/CN106658638A/zh
Application granted granted Critical
Publication of CN106658638B publication Critical patent/CN106658638B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/14—Routing performance; Theoretical aspects
    • 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)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于HH‑VBF的时间序列预测方法，所述时间序列预测方法包括以下步骤：节点X是虚拟管道中经过MHH‑VBF验证的合法节点，节点Y是节点X的相邻节点；节点Y的影响指标包括：链路质量状态与剩余能量；对于加权移动平均法，根据数据包的到达时间，赋予最近的IF值以较大的权重；对于指数平滑法，通过平滑历史观测值曲线来预测时间序列的下一个值，并假定序列的极值代表了随机波动，利用收集的数据预测未知的值；如果节点IF的估计值大于阈值TD，该节点就是推荐的节点。本发明解决了在链路质量不稳定、高丢包率等恶劣无线网络环境下，节点的寻路问题。

Description

一种基于HH-VBF的时间序列预测方法
技术领域
本发明涉及无线网络与数据挖掘领域，尤其涉及一种基于HH-VBF(HOP-BY-HOPVECTOR-BASED FORWARDING逐跳矢量转发)的时间序列预测方法。
背景技术
随着物联网技术的发展，基于位置信息的无线网络路由设计凭借其无状态轻量级的优势占据无线网络路由设计的主导地位。其中，最著名的算法莫过于一系列基于VBF(矢量转发)协议开发的算法。
但是，现在的一系列算法仅是单纯的路由算法，没有涉及主导路由选择的关键因素。这些因素包括，节点能耗、底层信道状况等，直接影响到路径选择的效果。
发明内容
本发明提供了一种基于HH-VBF的时间序列预测方法，本发明用于解决在链路质量不稳定、高丢包率等恶劣无线网络环境下，节点的寻路问题，详见下文描述：
一种基于HH-VBF的时间序列预测方法，所述时间序列预测方法包括以下步骤：
节点X是虚拟管道中经过MHH-VBF验证的合法节点，节点Y是节点X的相邻节点；节点Y的影响指标包括：链路质量状态与剩余能量；
对于加权移动平均法，根据数据包的到达时间，赋予最近的IF值以较大的权重；
对于指数平滑法，通过平滑历史观测值曲线来预测时间序列的下一个值，并假定序列的极值代表了随机波动，利用收集的数据预测未知的值；
如果节点IF的估计值大于阈值TD，该节点就是推荐的节点。
所述节点Y的影响指标具体为：
IF＝λSNR×(1-λ)RE (1)
在公式(1)中，SNR是节点Y的信噪比，RE是节点Y的剩余能量，系数λ是权重，用于平衡链路状态与剩余能量。
所述对于加权移动平均法，根据数据包的到达时间，赋予最近的IF值以较大的权重的形式化表示具体为：
Figure BDA0001183312040000021
在公式(2)中，IFWMA(n+1)代表n次传输后IF的预测值，i代表传输次数，IFi代表第n次传输的观测值，系数β为恒定的平滑因子。
所述指数平滑法的形式化表示具体为：
Figure BDA0001183312040000022
在公式(3)中，IFES(n)代表使用指数平滑法来计算第n个节点的IF值，IFES(n-1)代表使用指数平滑法来计算第n-1个节点的IF值，IF(n-1)代表第n-1个节点的IF值，α代表数据平滑因子，n代表传输次数，IF(n)是第n次传输的IF值，公式(3)表明下一次的预测值是通过上一次的观测值和已经做出的上一次的预测值计算得到。
所述数据平滑因子α越接近1，平滑越粗糙，相应地赋予最近的数据的权重越大；
所述数据平滑因子α越接近0，平滑效果越显著，相应地最近观测值对预测结果的影响越小。
所述阈值TD具体为：
Figure BDA0001183312040000023
其中，IFj代表第j个节点的IF值。
本发明提供的技术方案的有益效果是：本发明提出了一组轻量级的分布式转发协议即MHH-VBFs。它致力于解决在恶劣的无线网络环境下节点能量有效的前提下的寻路问题，并且能够适应无线网络的动态拓扑结构变换，具有良好的可扩展性，健壮性与能量利用优化性，其有益效果主要体现在以下三方面：
(1)MHH-VBFs内置的预测算法十分有效，即使在十分恶劣的环境下(如高丢包率，节点密度稀疏，节点移动等)，依然能够保持良好的成功率。
(2)预测模型的节能机制能够显著节约系统能量，延长系统寿命。
(3)MHH-VBFs算法保证了在稀疏网络布局下数据包的稳定传输率。
附图说明
图1为本系统的光路示意图；
图2为MHH-VBFS数据包头附加的信息的示意图；
图3为MHH-VBFs协议的网络架构的示意图；
图4为MHH-VBFS整体执行的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
本发明实施例主要解决以下问题：
(1)传统的协议设计忽略了节点剩余能量这个关键因素。这种设计会因为一些节点能量耗尽，无法进行正常传输而影响数据包的传输率，甚至会导致较高的网络分区风险。本发明实施例设计的MHH-VBFs算法通过预测节点剩余能量，解决该问题，从而提高能量利用率。
(2)传统转发选择机制的另外一个严重问题是节点转发和接受数据包时，不管其相邻节点的链路质量，而本发明实施例提出的MHH-VBF(MODIFIED HOP-BY-HOP VECTOR-BASED FORWARDING，修改的逐跳矢量转发)算法会根据链路质量智能选择其邻居节点，尤其在恶劣的无线网络环境下，该策略会显著提高数据包的传输率。
由于链路质量和能源消耗都是可以预测的时间序列值，综合两项指标，本发明实施例提供两种版本的MHH-VBFs算法，一种是基于VBF的加权移动平均(WMA)预测法，另一种是基于VBF的指数平滑(ES)预测法。拥有合适位置，较多剩余能量和较高连接质量的节点优先用于数据包转发。
其中，加权移动平均法(WMA)是根据同一个采样窗口内不同时间的数据对预测值的影响程度，分别赋予不同的权重，然后再进行平均移动以预测未来，WMA算法对近期的趋势反应较为敏感，如果历史数据有着明显的阶段性变化时，用加权移动平均法所得到的预测值会有偏差，此算法有着广泛的应用，如计算节点在特定时间段的移动，在无线网状网络中评估包的传输成功率等。
其中，指数平滑法(ES)是一种预测时间序列波动的方法，此方法通过所有历史观测数据来预测时间序列的下一个值，因而能够很好的弥补WMA算法受季节性影响的不足，ES算法能够平滑数据集中的异常值，赋予不同时间序列点以不同的权重。这种算法假设最近的过去态势，在某种程度上会持续到最近的未来，所以赋予最近的观测值以较大的权重。ES算法作为标准的时间序列预测算法高效，且易于实现，在实际生活中有广泛的应用，如IEEE802.11无线网络的时频预测，无线传感网络资源利用的预测等。
本发明实施例将首次利用两种算法针对无线网络的时间序列状态进行预测，进而为跨层路径选择提供有效指导。
实施例1
本发明实施例提出了一组轻量级的跨层设计方法，在恶劣的无线网络环境下节点能量有限，如何优化路径选择，保证可靠传输，是本发明实施例的目标所在。参加图1，该方法包括以下步骤：
101：节点X是虚拟管道中经过MHH-VBF验证的合法节点，节点Y是节点X的相邻节点；节点Y的影响指标包括：链路质量状态与剩余能量；
102：对于加权移动平均法，根据数据包的到达时间，赋予最近的IF值以较大的权重；
103：对于指数平滑法，通过平滑历史观测值曲线来预测时间序列的下一个值，并假定序列的极值代表了随机波动，利用收集的数据预测未知的值；
104：如果节点IF的估计值大于阈值TD，该节点就是推荐的节点。
综上所述，本发明实施例利用时间序列数据预测算法，借鉴跨层协议设计思想，对底层信道状态和节点剩余能量的相关信息进行综合预测，然后将预测结果反馈给路由层，优化路由选择。
实施例2
下面结合具体的计算公式、实例对实施例1中的方案进行进一步地介绍，详见下文描述：
201：节点定义；
给定一对相邻节点X和Y，X是虚拟管道中经过MHH(HOP-BY-HOP逐跳)-VBF验证的合法节点，Y是X的一个相邻节点，Y节点的影响指标(IF)包括：链路质量状态与剩余能量，它的形式化定义如公式(1)所示
IF＝λSNR×(1-λ)RE (1)
在公式(1)中，SNR是节点Y的信噪比，RE是节点Y的剩余能量，系数λ∈(0,1)是权重，用于平衡链路状态与剩余能量。IF是SNR与RE的乘积。
一般情况下，λ的值设定为1/2。然而，如果应用对于数据包的丢失相当敏感，可以适当分配λ较大的值，比如0.8。具体实现时，根据实际应用中的情况进行设定，本发明实施例对此不做限制。
202：时间序列预测；
其中，对于加权移动平均法(WMA)，根据数据包的到达时间，赋予最近的IF值以较大的权重。其形式化表示如公式(2)：
Figure BDA0001183312040000051
在公式(2)中，IFWMA(n+1)代表n次传输后IF的预测值，并且i∈(1，2，3...n-1)，代表传输次数。IFi代表第n次传输的观测值。系数β∈(0,1)，它是一个恒定的平滑因子，通过这个因子可以控制最近观测值IFn的权重。当有一个新的IFi出现时，IFWMA(n+1)会递归地更新。
指数平滑法通过平滑历史观测值曲线来预测时间序列的下一个值，并假定序列的极值代表了随机波动，其基本模式是利用收集的数据预测未知的值，指数平滑法的形式化描述如公式(3)所示：
在公式(3)中，IFES(n)代表使用指数平滑法来计算第n个节点的IF值，IFES(n-1)代表使用指数平滑法来计算第n-1个节点的IF值，IF(n-1)代表第n-1个节点的IF值，α属于(0,1)代表数据平滑因子，n代表传输次数，IF(n)是第n次传输的IF值，公式(3)表明下一次的预测值是通过上一次的观测值和已经做出的上一次的预测值计算得到。α越接近1，平滑越粗糙，相应地赋予最近的数据的权重越大；反之，α越接近0，平滑效果越显著，相应地最近观测值对预测结果的影响越小。
203：节点选择标准。
给定一个节点和它的邻居节点集Nb，此处，size(Nb)＝k代表其邻居节点的个数，并且j属于Nb。则阈值(TD)
定义为该节点k个近邻IF值的平均值，形式化表示如公式(4)所示：
Figure BDA0001183312040000053
其中，IFj代表第j次传输的观测值。本发明实施例认为如果节点IF的估计值大于TD，那么该节点就是推荐的节点。
综上所述，本发明实施例利用时间序列数据预测算法，借鉴跨层协议设计思想，对底层信道状态和节点剩余能量的相关信息进行综合预测，然后将预测结果反馈给路由层，优化路由选择。
实施例3
下面结合具体的实例、图2、图3和图4对实施例1和2中的方案进行进一步地介绍，详见下文描述：
本实施例以基于无线网络的数据包传输为例来给出实施方式，下面结合附图对本发明中的作用和效果进行展示，具体步骤如下：
(1)节点选择阶段
首先依据HH-VBF算法选择入选节点。节点包头的附加信息如图2所示，NodeID用以标识节点，Residual Energy代表剩余能量，SNR即为信噪比。MHH-VBFs协议的网络架构如图3所示，虚线表示节点的传输范围，矩形框表示虚拟管道，每一个虚拟管道内有许多节点，这一点继承了HH-VBF的基于地理信息路径选择的优点，为了判定哪一个节点适合传输数据包，进入状态预测阶段。
(2)状态预测阶段
网络中的每个节点定期与邻居交换控制包，每个控制包携带有效的状态信息。然而，控制包交换会产生能量消耗与网络时延。每个传输周期持续15秒，其中包括3秒的控制包交换时间和12秒的数据传输时间。在无线网络传输复杂多变，节点进行通信时，电量也会随着减少，更新节点的剩余能量是非常必要的。在节点选择阶段，每一个节点都需要实时计算并更新它们自身的剩余能量、信噪比和相应的影响因素IF值。利用本发明实施例提出的加权移动平均法或指数平滑法可以对收集的时间序列历史数据进行预测。然后得到虚拟管道中每个节点的IF值。
(3)确定转发节点
根据状态预测结果，判定虚拟管道内的每个节点，综合考虑每个节点的地理位置信息和IF值，选择最合适的节点承担数据包转发的任务，如果所有经过MHH-VBFs判断为合格的节点都不在由HH-VBFs决定的虚拟通道中，此时数据包将会按照HH-VBFs所选择的节点传输。如图4显示了MHH-VBFs的整体执行流程，这种策略保证了数据包的可靠性，尤其是在稀疏网络中，其优势更加明显。
本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于HH-VBF的时间序列预测方法，其特征在于，所述时间序列预测方法包括以下步骤：
节点X是虚拟管道中经过MHH-VBF验证的合法节点，节点Y是节点X的相邻节点；节点Y的影响指标包括：链路质量状态与剩余能量；
对于加权移动平均法，根据数据包的到达时间，赋予最近的IF值以较大的权重；
对于指数平滑法，通过平滑历史观测值曲线来预测时间序列的下一个值，并假定序列的极值代表了随机波动，利用收集的数据预测未知的值；
如果节点IF的估计值大于阈值TD，该节点就是推荐的节点；
其中，HH-VBF为逐跳矢量转发，MHH-VBF为修改的逐跳矢量转发；
所述节点Y的影响指标具体为：
IF＝λSNR×(1-λ)RE (1)
在公式(1)中，SNR是节点Y的信噪比，RE是节点Y的剩余能量，系数λ是权重，用于平衡链路状态与剩余能量，
其中，赋予最近的IF值以较大的权重，形式化表示具体为：
Figure FDA0002165578070000011
在公式(2)中，IFWMA(n+1)代表n次传输后IF的预测值，i代表传输次数，IFi代表第n次传输的观测值，系数β为恒定的平滑因子，β∈(0,1)，通过平滑因子控制最近观测值IFn的权重；当有一个新的IFi出现时，IFWMA(n+1)会递归地更新；
所述指数平滑法的形式化表示具体为：
Figure FDA0002165578070000012
在公式(3)中，IFES(n)代表使用指数平滑法来计算第n个节点的IF值，IFES(n-1)代表使用指数平滑法来计算第n-1个节点的IF值，IF(n-1)代表第n-1个节点的IF值，α代表数据平滑因子，n代表传输次数，IF(n)是第n次传输的IF值，公式(3)表明下一次的预测值是通过上一次的观测值和已经做出的上一次的预测值计算得到。
2.根据权利要求1所述的一种基于HH-VBF的时间序列预测方法，其特征在于，
所述数据平滑因子α越接近1，平滑越粗糙，相应地赋予最近的数据的权重越大；
所述数据平滑因子α越接近0，平滑效果越显著，相应地最近观测值对预测结果的影响越小。
3.根据权利要求1所述的一种基于HH-VBF的时间序列预测方法，其特征在于，所述阈值TD具体为：
Figure FDA0002165578070000021
其中，IFj代表第j个节点的IF值。
CN201611170335.3A 2016-12-16 2016-12-16 一种基于hh-vbf的时间序列预测方法 Expired - Fee Related CN106658638B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611170335.3A CN106658638B (zh) 2016-12-16 2016-12-16 一种基于hh-vbf的时间序列预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611170335.3A CN106658638B (zh) 2016-12-16 2016-12-16 一种基于hh-vbf的时间序列预测方法

Publications (2)

Publication Number Publication Date
CN106658638A CN106658638A (zh) 2017-05-10
CN106658638B true CN106658638B (zh) 2020-02-07

Family

ID=58823877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611170335.3A Expired - Fee Related CN106658638B (zh) 2016-12-16 2016-12-16 一种基于hh-vbf的时间序列预测方法

Country Status (1)

Country Link
CN (1) CN106658638B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110688365A (zh) * 2019-09-18 2020-01-14 华泰证券股份有限公司 金融时间序列的合成方法、装置和存储介质
CN112669537B (zh) * 2020-12-17 2022-08-09 上海交通大学 基于Wi-Fi日志的校园共享单车投放信息处理方法及装置
CN113240270B (zh) * 2021-05-12 2022-08-26 青岛网信信息科技有限公司 渠道商运用大数据、预测算法选择供应商的方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101917752A (zh) * 2010-08-06 2010-12-15 东华大学 基于Pareto最优路径的无线传感器网络汇聚路由方法
CN102868974A (zh) * 2012-09-15 2013-01-09 青海师范大学 一种基于差分的水下传感器网络适应路由的方法
CN105916183A (zh) * 2016-06-15 2016-08-31 上海物联网有限公司 基于链路质量和剩余能量的无线传感器网络路由选择方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101917752A (zh) * 2010-08-06 2010-12-15 东华大学 基于Pareto最优路径的无线传感器网络汇聚路由方法
CN102868974A (zh) * 2012-09-15 2013-01-09 青海师范大学 一种基于差分的水下传感器网络适应路由的方法
CN105916183A (zh) * 2016-06-15 2016-08-31 上海物联网有限公司 基于链路质量和剩余能量的无线传感器网络路由选择方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Energy Efficient Routing Algorithm for UWSN - A Clustering Approach;Gulista Khan等;《2015 Second International Conference on Advances in Computing and Communication Engineering》;20150502;全文 *
Improvement research of underwater sensor network routing protocol HHVBF;Chen Wang等;《11th International Conference on Wireless Communications, Networking and Mobile Computing (WiCOM 2015)》;20150923;全文 *
无线传感器网络中位置信息获取与路由算法研究;薛亮;《中国博士学位论文全文数据库 信息科技辑》;20121015;全文 *

Also Published As

Publication number Publication date
CN106658638A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
US10171332B2 (en) Probing technique for predictive routing in computer networks
US8773992B2 (en) Methods and apparatus for hierarchical routing in communication networks
Kim et al. Ant colony based self-adaptive energy saving routing for energy efficient Internet
CN104168620A (zh) 无线多跳回传网络中的路由建立方法
Ghosh et al. A cognitive routing framework for reliable communication in IoT for industry 5.0
CN106658638B (zh) 一种基于hh-vbf的时间序列预测方法
CN108600103A (zh) 面向多层级网络的多QoS路由约束的蚁群算法
Pal et al. Path length prediction in MANET under AODV routing: Comparative analysis of ARIMA and MLP model
CN106209618A (zh) 一种提高智能配用电能效的通信混合组网方法及系统
CN111404595B (zh) 一种天基网络通信卫星健康度评估方法
CN103200041B (zh) 基于历史数据的容迟容断网络节点相遇概率预测方法
Henriksson et al. A caching-based approach to routing in delay-tolerant networks
CN114567588A (zh) 基于时延预测及双蚁群的软件定义网络QoS路由算法
Ding et al. Energy-efficient topology control mechanism for IoT-oriented software-defined WSNs
Ayadi et al. Deep learning in building management systems over ndn: Use case of forwarding and hvac control
US20060056302A1 (en) Apparatus for implementation of adaptive routing in packet switched networks
Rao et al. A deep learning-based constrained intelligent routing method
Wei et al. G-Routing: Graph Neural Networks-Based Flexible Online Routing
Yang et al. Hybrid cooperative caching based iot network considering the data cold start
Dana et al. Backup path set selection in ad hoc wireless network using link expiration time
Mingshi et al. Failure prediction based vnf migration mechanism for multimedia services in power grid substation monitoring
Mughal et al. An intelligent Hybrid‐Q Learning clustering approach and resource management within heterogeneous cluster networks based on reinforcement learning
Gunavathie et al. Traffic-aware optimal routing in software defined networks by predicting traffic using neural network
Abbasi et al. An Overview of Distributed Energy‐Efficient Topology Control for Wireless Ad Hoc Networks
CN113778620B (zh) 基于多sdn控制器与软硬件协同的大规模集群存储系统架构

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20200207

Termination date: 20201216

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