CN108012276B - 基于加权Voronoi图的三维异构移动传感器网络自主部署方法 - Google Patents

基于加权Voronoi图的三维异构移动传感器网络自主部署方法 Download PDF

Info

Publication number
CN108012276B
CN108012276B CN201711348711.8A CN201711348711A CN108012276B CN 108012276 B CN108012276 B CN 108012276B CN 201711348711 A CN201711348711 A CN 201711348711A CN 108012276 B CN108012276 B CN 108012276B
Authority
CN
China
Prior art keywords
node
voronoi
nodes
sensor network
deployment
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
CN201711348711.8A
Other languages
English (en)
Other versions
CN108012276A (zh
Inventor
谭励
唐小江
杨朝玉
王敏基
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.)
Beijing Technology and Business University
Original Assignee
Beijing Technology and Business 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 Beijing Technology and Business University filed Critical Beijing Technology and Business University
Priority to CN201711348711.8A priority Critical patent/CN108012276B/zh
Publication of CN108012276A publication Critical patent/CN108012276A/zh
Application granted granted Critical
Publication of CN108012276B publication Critical patent/CN108012276B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18Network planning tools
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22Traffic simulation tools or models
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W84/00Network topologies
    • H04W84/18Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公布了一种三维环境下异构传感器网络的自主部署方法,基于加权Voronoi划分,将三维异构移动传感器网络协同自主部署过程转化为三维异构移动传感器网络节点自主移动的过程,由此快速完成传感器节点的部署;包括:初始化,获取信息并计算每个节点的权值;进行加权Voronoi划分;计算Voronoi区域质心;节点从原来的位置移动到节点的Voronoi区域的质心位置,更新节点的位置信息。采用本发明技术方案,网络部署的收敛速度快,能够更加快速地完成传感器节点的部署;能够提升网络覆盖率、降低网络能量消耗。

Description

基于加权Voronoi图的三维异构移动传感器网络自主部署 方法
技术领域
本发明属于无线传感器网络领域,涉及一种三维环境下异构传感器网络的自主部署方法。
背景技术
近年来,无线传感器网络由于其高度的学科交叉性和广泛的应用前景受到世界各地学术界和工业界的高度关注,已成为当前IT领域新兴的前沿热点。传感器节点可以根据感测能力、计算能力、通信能力和能量等不同而分为不同种类。异构传感器网络是指由多种不同类型的传感器节点构成的网络;反之,由相同类型传感器节点组成的网络称为同构传感器网络。根据采用的传感器节点类型,无线传感器网络可分为很多种。例如,若节点带有摄像装置,具有视频采集功能,则称之为视频传感器网络;若带有移动装置,则称为移动传感器网络。不同于传统的无线传感器网络,异构无线传感器网络是指在网络中存在多种感知范围或者多种类型节点的网络。在异构传感器网络中,网络中传感器节点的类型、感知范围是不相同的。而且,网络中具有特定功能的汇聚节点个数也不是确定的。不同感知范围、类型的传感器节点通过多跳的方式将监测区域中的数据进行采集、传输到一个或多个汇聚节点。最后汇聚节点再通过互联网将数据传送到任务管理节点,以便用户进行操作和管理。异构传感器网络的定义不具有唯一性。具有节点异构性、链路异构性或者网络协议异构性的无线传感网络都可以称为为异构传感器网络。其中节点异构对网络的覆盖控制影响最大。节点的异构又可以分为感知能力、计算能力等方面的异构特性。异构无线传感器网络问题也越来越广泛。
异构传感器网络节点加装了自主移动装置,就构成了异构移动传感器网络,例如用于军事、农业、灾难救援中的空中无线传感器网络,其节点是一架带有出传感器的微小型飞行器,由于能够进行组网协同飞行,从而能够更及时准确地获取目标区域的信息。
针对各类无线传感器网络,节点的部署和覆盖控制问题一直是研究的热点问题。常用的节点部署方法主要分为随机部署、人工部署和自主部署三类。在随机部署方式中,节点被一次性随机抛撒在监测区域内;在人工部署方式中,需要人工手动布设每一个节点;自主部署是指初始时节点被随机布撒,但由于节点自身带有移动装置能够自主移动,会按着一定的部署方法通过自主移动完成部署。
对于自主部署而言,由于节点的资源受限,通信范围和感知范围都十分有限,因此,自主部署算法的好坏会对监测区域覆盖产生重要影响。好的自主部署算法应尽可能避免重叠覆盖、尽可能减少覆盖漏洞,部署过程中尽可能避免节点之间或节点与目标之间的相互干扰(如碰撞)。
有向移动传感器网络在灾难救援中具有具大的应用潜力,可以快速、近距离对灾难发生地点进行全面监测,协助搜索被困人员、及时反馈现场信息。根据现有的资料表明,目前已有的自主部署算法,主要是针对二维平面环境进行区域覆盖,因此,难以解决三维异构传感器网络的部署问题。
发明内容
为了克服上述现有技术的不足,解决三维空间环境下异构移动传感器节点的区域覆盖问题,本发明提出一种基于加权Voronoi划分的方法、适用于三维异构传感器网络的自主部署方法,将三维异构移动传感器网络协同自主部署过程转化为节点自主移动的过程,能够更加快速的完成传感器节点的部署,提升网络覆盖率。
本发明的技术方案是:
一种三维环境下异构传感器网络的自主部署方法,基于加权Voronoi划分,将三维异构移动传感器网络协同自主部署过程转化为节点自主移动的过程,由此快速完成传感器节点的部署,提升网络覆盖率;该部署方法包括以下步骤:
1)初始化:获取三维异构移动传感器网络监测区域的大小、所有节点的位置信息集合、节点个数以及节点的感知半径信息集合,并依此计算每个节点的权值;
设节点的权值的集合为Q={q1,q2,q3,...qn,},通过式1计算得到每个节点的权值:
Figure BDA0001509809230000021
式1中,V为监测区域(立方体)的体积;n为部署在监测区域的节点的个数;qi表示第i个节点的权值;Ri感、Rj感分别表示第i个节点、第j个节点的感知半径。
2)Voronoi划分:根据节点的位置信息和权值对整个被监测区域进行三维的加权Voronoi划分,获取每个节点的Voronoi区域的顶点集合;
加权Voronoi图一般采用离散构造法进行构造,先建立集合S,用于存放所有待扩张的生成元,该集合在本发明中为三维异构移动传感器网络中的传感器节点集合;然后S中的生成元(球面)依次一层层向外扩张生成新的球面,每次生成的球的半径与权重成正比,在球面的扩张过程中只占领未分配的空白区域;如果该生成元的周围已经没有空白区域,则该生成元的Voronoi区域(即加权Voronoi区域)生成完毕,将该生成元从S集合中去除,直到集合S中没有生成元,然后扫描边界,至此加权Voronoi划分完成。在本发明中的Voronoi区域为上述生成的Voronoi区域顶点连线所构成的多面体。
3)计算Voronoi区域质心:根据每个Voronoi区域的顶点集合,计算每个Voronoi区域的质心位置;
通过式2计算得到质心:
Figure BDA0001509809230000031
其中,C为节点的Voronoi区域的质心;(xc,yc,zc)是C的x、y、z坐标;k表示节点的Voronoi区域的顶点个数,(xi,yi,zi)表示节点的Voronoi区域的第i个顶点vi的坐标;通过计算所有顶点集合Vn内所有顶点的坐标的算数平均值,即可得到节点的Voronoi区域的三维质心点;
4)节点从原来的位置移动到节点的Voronoi区域的质心位置,更新节点的位置信息;
5)计算覆盖率是否达到要求,如果覆盖率达到要求,终止操作,否则,返回步骤2),继续执行。
通过上述步骤即可实现基于Voronoi划分的三维异构移动传感器网络的自主部署。
与现有技术相比,本发明的有益效果是:
本发明提供一种基于加权Voronoi划分方法,将三维异构移动传感器网络协同自主部署过程转化为节点自主移动的过程,适用于三维异构传感器网络的自主部署的方法。本发明具有以下技术优势:
(一)收敛速度快,能够更加快速地完成传感器节点的部署;
(二)提升网络覆盖率,对于同等规格的三维异构移动传感器网络而言,本发明的能够极大提升网络覆盖率;
(三)能量消耗降低,在本发明中,传感器节点是不断逼近最终的位置,因此减少了震荡现象的发生,降低了网络能耗。
附图说明
图1是三维异构移动传感器网络节点感知模型的结构图;
其中,x、y、z、o、分别为三维坐标系的x轴,y轴,z轴和坐标原点;P为三维空间中的移动传感器节点;R表示节点最大感知距离;R表示节点最大通信距离。
图2是本发明实施例中被监测区域的部署模型示意图;
其中,图中黑色点代表三维异构移动传感器网络的传感器节点,立方体为三维异构移动传感器网络的监测区域。
图3是三维加权Voronoi图划分示意图;
其中,P1、P2、P3、P4、P5、P6、P7表示传感器节点,V1、V2、V3、V4、V5、V6、V7、V8表示节点P1的Voronoi区域的顶点,C表示节点P1的Voronoi区域的质心。
图4是本发明提供的三维异构移动传感器网络部署方法的流程框图。
图5是本发明实施例中初始随机部署的Voronoi图;
其中,点为三维异构传感器网络中的传感器节点,线为节点的Voronoi区域顶点的连线,每个节点周围的连线构成了节点的Voronoi区域。
图6是本发明实施例中中间某时刻的Voronoi图;
其中,点为三维异构传感器网络中的传感器节点,线为节点的Voronoi区域顶点的连线,每个节点周围的连线构成了节点的Voronoi区域。
图7是本发明实施例中最终部署的Voronoi图;
其中,点为三维异构传感器网络中的传感器节点,线为节点的Voronoi区域顶点的连线,每个节点周围的连线构成了节点的Voronoi区域。
图8是本发明实施例中初始随机部署仿真图;
其中,点为三维异构传感器网络中的传感器节点,节点周围的球型区域为节点的感知区域。
图9是本发明实施例中中间某时刻部署仿真图;
其中,点为三维异构传感器网络中的传感器节点,节点周围的球型区域为节点的感知区域。
图10是本发明实施例中最终部署仿真图;
其中,点为三维异构传感器网络中的传感器节点,节点周围的球型区域为节点的感知区域。
具体实施方式
下面结合附图,通过实施例进一步描述本发明,但不以任何方式限制本发明的范围。
本发明提供一种基于Voronoi划分的三维异构移动传感器网络的自主部署方法,将三维异构移动传感器网络协同自主部署过程转化为节点自主移动的过程,适用于三维异构传感器网络的自主部署。
三维异构移动传感器网络是由带有自主移动装置和传感器的节点组成,节点的感知范围是一个球体,节点位于球体质心位置。如图1所示。其中,监测区域为立方体,立方体的体积为V,部署在监测区域的节点的个数为n,如图2所示,图中n取值为1-8;节点的权值的集合Q={q1,q2,q3,...qn,},通过公式1计算每个节点的权值:
Figure BDA0001509809230000051
式1中,qi表示第i个节点的权值,Ri感表示第i个节点的感知半径。
三维异构移动传感器网络的节点感知模型可以表示为一个四元组<P,R,R,C,Vn>。其中,P表示三维空间中的移动传感器节点P的位置坐标;R表示节点最大感知距离;R表示节点最大通信距离;Vn表示节点的Voronoi区域的顶点集合,Vn={v1,v2,v3,...,vk};C表示节点的Voronoi区域的质心,图3是三维加权Voronoi图的划分示意图,节点的Voronoi区域的质心如图3中的C所示。质心的计算公式如公式2所示:
Figure BDA0001509809230000052
其中,k表示节点的Voronoi区域的顶点个数,(xi,yi,zi)表示节点的Voronoi区域的第i个顶点vi的坐标;通过计算所有顶点集合Vn内所有顶点的坐标的算数平均值,即可得到节点的Voronoi区域的三维质心点。
图4是本发明提供的三维异构移动传感器网络部署方法的流程框图。具体实施时,本发明方法具体包括以下执行步骤。
(1)初始化:获取监测区域的大小、所有节点的位置信息集合、节点个数以及节点的感知半径信息集合,并根据上述信息,通过式1计算得到每个节点的权值;
(2)Voronoi划分:根据节点的位置信息和权值,对整个被监测区域进行三维的加权Voronoi划分,获取每个节点的Voronoi区域的顶点集合;
(3)通过式2计算得到Voronoi区域质心:根据每个Voronoi区域的顶点集合计算每个Voronoi区域的质心位置;
(4)节点从原来的位置移动到节点的Voronoi区域的质心位置,更新节点的位置信息;
(5)计算覆盖率是否达到要求,如果覆盖率达到要求,终止操作,否则,返回步骤(2),继续执行。
本发明具体实施时,覆盖率达到要求是指本次的覆盖率与上次的覆盖率的差值小于0.1%。覆盖率的计算采用蒙特卡洛方法思想,在监测区域内随机放置200万个检查点,检查每个检查点是否被传感器节点覆盖,被覆盖的检查点与总的检查点的比值就代表整个网络的覆盖率。
通过上述步骤即可实现基于Voronoi划分的三维异构移动传感器网络的自主部署。
图5~图10分别展示了本发明所述方法一个具体实例实施过程中的结果展示。图5-7是部署过程中Voronoi划分的结果图,图8-10是部署过程中的仿真图。本实例在50x50x50的监测区域随机部署150个传感器节点,节点的坐标集合用二维数组表示,节点的感知半径为4到9内的随机整数,节点的感知半径用一维数组表示,然后通过本发明所述的方法不断更新节点的坐标集合,达到最终覆盖率最大的部署状态。在实例中采用蒙特卡洛方法计算网络的覆盖率。其中,图5和图8所示分别是实施例中三维异构移动传感器网络的初始状态的Voronoi划分图和结果仿真图,图5为初始的Voronoi图,图8为初始仿真图。图6和图9所示是三维异构移动传感器网络节点自主部署过程中某一时刻状态。图7和图10所示是三维异构移动传感器网络最终部署状态。
需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。

Claims (3)

1.一种三维环境下异构传感器网络的自主部署方法,基于加权Voronoi划分,将三维异构移动传感器网络协同自主部署过程转化为三维异构移动传感器网络节点自主移动的过程,由此快速完成传感器节点的部署,提升网络覆盖率;所述自主部署方法包括以下步骤:
1)初始化:获取三维异构移动传感器网络监测区域的大小、所有节点的位置信息集合、节点个数及节点的感知半径信息集合,并计算每个节点的权值;
设节点的权值的集合为Q={q1,q2,q3,...qn,},通过式1计算得到每个节点的权值:
Figure FDA0002829842880000011
式1中,V为监测区域的体积;n为部署在监测区域的节点的个数;qi表示第i个节点的权值;Ri感、Rj感分别表示第i个节点、第j个节点的感知半径;
2)进行加权Voronoi划分:根据节点的位置信息和权值,对监测区域进行三维的加权Voronoi划分,获取每个节点的Voronoi区域的顶点集合;Voronoi区域为生成的Voronoi区域顶点连线所构成的多面体;具体包括如下过程:
首先,采用离散构造法构造加权Voronoi图,建立集合S,用于存放所有待扩张的生成元;集合S即为三维异构移动传感器网络中的传感器节点集合;
然后,依次一层层向外扩张集合S中的生成元,生成新的生成元球面,每次生成的球的半径与权重成正比,在球面的扩张过程中只占领未分配的空白区域;
如果当前生成元的周围已经没有空白区域,则该生成元的Voronoi区域生成完毕,将该生成元从S集合中去除,直到集合S中没有生成元,结束扩张操作;该生成元的Voronoi区域即加权Voronoi区域;
之后,扫描边界,完成加权Voronoi划分;
3)计算Voronoi区域质心:根据每个Voronoi区域的顶点集合,计算每个Voronoi区域的质心位置;具体通过式2计算得到质心:
Figure FDA0002829842880000012
其中,C为节点的Voronoi区域的质心;k表示节点的Voronoi区域的顶点个数,(xi,yi,zi)表示节点的Voronoi区域的第i个顶点vi的坐标;
通过计算所有顶点集合Vn内所有顶点的坐标的算数平均值,即可得到节点的Voronoi区域的三维质心点;
4)节点从原来的位置移动到节点的Voronoi区域的质心位置,更新节点的位置信息;
5)计算覆盖率是否达到要求,如果覆盖率达到要求,终止操作,否则,返回执行步骤2);
通过上述步骤即可实现基于Voronoi划分的三维异构移动传感器网络的自主部署。
2.如权利要求1所述自主部署方法,其特征是,步骤5)所述覆盖率达到要求指当前的覆盖率与上次的覆盖率的差值小于0.1%。
3.如权利要求1所述自主部署方法,其特征是,步骤5)所述覆盖率采用蒙特卡洛方法计算,在监测区域内随机放置200万个检查点,检查每个检查点是否被传感器节点覆盖,被覆盖的检查点与总的检查点的比值为整个网络的覆盖率。
CN201711348711.8A 2017-12-15 2017-12-15 基于加权Voronoi图的三维异构移动传感器网络自主部署方法 Active CN108012276B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711348711.8A CN108012276B (zh) 2017-12-15 2017-12-15 基于加权Voronoi图的三维异构移动传感器网络自主部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711348711.8A CN108012276B (zh) 2017-12-15 2017-12-15 基于加权Voronoi图的三维异构移动传感器网络自主部署方法

Publications (2)

Publication Number Publication Date
CN108012276A CN108012276A (zh) 2018-05-08
CN108012276B true CN108012276B (zh) 2021-04-06

Family

ID=62059095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711348711.8A Active CN108012276B (zh) 2017-12-15 2017-12-15 基于加权Voronoi图的三维异构移动传感器网络自主部署方法

Country Status (1)

Country Link
CN (1) CN108012276B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108769164B (zh) * 2018-05-17 2019-06-21 重庆电子工程职业学院 一种海洋监测物联网三维空间探测节点的部署方法
CN112203289B (zh) * 2020-04-26 2022-02-15 北京理工大学 一种集群无人机区域覆盖的空中基站网络部署方法
CN111885526B (zh) * 2020-06-22 2021-10-08 同济大学 一种基于5g智慧灯杆集群的地球皮肤感知系统和应用方法
CN113873459B (zh) * 2021-07-16 2024-03-12 合肥工业大学 土壤成分采集的多传感器优化部署方法
CN113645633B (zh) * 2021-08-06 2023-10-31 杭州海兴泽科信息技术有限公司 一种主干网络规划方法及存储介质
CN113627019B (zh) * 2021-08-12 2022-03-18 宁波市气象安全技术中心 一种自动气象站覆盖优化方法
CN115297487A (zh) * 2022-09-16 2022-11-04 哈尔滨理工大学 一种异构无线传感网初始化部署方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101634699A (zh) * 2008-12-31 2010-01-27 中国科学院计算技术研究所 一种在传感器网络中的定位方法及定位装置
CN101765091A (zh) * 2010-01-14 2010-06-30 上海交通大学 基于泰森多边形的无线传感器网络定位方法
CN101925100A (zh) * 2010-09-03 2010-12-22 东华大学 一种异构无线传感器网络的容错路由恢复方法
CN104159236A (zh) * 2014-06-23 2014-11-19 江南大学 基于Voronoi图盲区的无线传感器网络节点覆盖优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7716740B2 (en) * 2005-10-05 2010-05-11 Alcatel Lucent Rogue access point detection in wireless networks

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101634699A (zh) * 2008-12-31 2010-01-27 中国科学院计算技术研究所 一种在传感器网络中的定位方法及定位装置
CN101765091A (zh) * 2010-01-14 2010-06-30 上海交通大学 基于泰森多边形的无线传感器网络定位方法
CN101925100A (zh) * 2010-09-03 2010-12-22 东华大学 一种异构无线传感器网络的容错路由恢复方法
CN104159236A (zh) * 2014-06-23 2014-11-19 江南大学 基于Voronoi图盲区的无线传感器网络节点覆盖优化方法

Also Published As

Publication number Publication date
CN108012276A (zh) 2018-05-08

Similar Documents

Publication Publication Date Title
CN108012276B (zh) 基于加权Voronoi图的三维异构移动传感器网络自主部署方法
CN107396374B (zh) 一种基于虚拟力和泰森多边形的覆盖方法
CN102752761B (zh) 基于粒子群的无线传感器网络移动节点覆盖优化方法
Yao et al. Coverage enhancement strategy for WSNs based on virtual force-directed ant lion optimization algorithm
CN103648164B (zh) 一种基于到达时间差和Gossip算法的无线传感器网络分布式定位方法
CN103997747A (zh) 一种基于虚拟力的空间网络节点均匀部署方法
CN107819635B (zh) 基于Voronoi图的三维有向异构移动传感器网络自部署方法
CN109874146A (zh) 一种预测路损的方法及装置
CN103281704A (zh) 基于三维感知的无线传感器网络确定性空间部署方法
Petrov et al. On the use of integral geometry for interference modeling and analysis in wireless networks
CN105228166A (zh) 有向移动传感器网络三维空间路径自主部署方法
CN105357681B (zh) 基于多目标优化的物联网网关部署方法
Chen et al. Harris hawks optimization algorithm and BP neural network for ultra-wideband indoor positioning
Vuckovik et al. Durkin’s propagation model based on triangular irregular network terrain
CN115426658B (zh) 基于多目标优化算法的地下及遮蔽空间无线传感器网络部署方法
CN103533643A (zh) 三维apit无线传感网络定位算法
CN106658537A (zh) 构建无人机自组织网络节点的三维时空相关群组移动模型的方法及系统
CN107483309B (zh) 基于博弈论的分布式网络系统最小权顶点覆盖求解方法
CN106131860B (zh) 利用有向移动传感器网络节点覆盖三维空间大目标的方法
Anand et al. A novel computational geometry-based node deployment scheme in 3D wireless sensor network
Mou et al. Three-dimensional area coverage with uav swarm based on deep reinforcement learning
Mansfield et al. TerrainLOS: An outdoor propagation model for realistic sensor network simulation
He et al. Radio propagation modeling and real test of ZigBee based indoor wireless sensor networks
CN107094284A (zh) 一种基于谱聚类算法的机会网络群组移动方法
He et al. The authentic 3D mobility model based on spiral line for aerial backbone network

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