CN108042116A - 一种基于Goertzel算法提取脉搏信息的方法 - Google Patents
一种基于Goertzel算法提取脉搏信息的方法 Download PDFInfo
- Publication number
- CN108042116A CN108042116A CN201711453760.8A CN201711453760A CN108042116A CN 108042116 A CN108042116 A CN 108042116A CN 201711453760 A CN201711453760 A CN 201711453760A CN 108042116 A CN108042116 A CN 108042116A
- Authority
- CN
- China
- Prior art keywords
- pulse
- signal
- sampled signal
- goertzel algorithm
- method based
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Vascular Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种基于Goertzel算法提取脉搏信息的方法,包括如下步骤:对人体脉搏信号进行采样,得到脉搏采样信号;对得到的脉搏采样信号进行滤波处理,得到滤波后的脉搏采样信号;基于Goertzel算法,提取滤波后的脉搏采样信号中的有效脉搏信息。本发明的方法针对信号中为数不多的频点信息进行提取分析,对多个频带通道进行实时频谱分析,加快了运算速度,极大地提高了计算效率,减少了硬件电路的复杂程度,具有快速、无创、低成本、高效率等众多优势。
Description
技术领域
本发明涉及一种基于Goertzel算法提取脉搏有效信息的方法;属于医疗电子技术领域。
背景技术
人体的脉搏波含有非常丰富的人体生理信息,近年来逐渐成为医学研究的热点领域。传统的脉搏诊断手法以切脉为主,不仅诊断不便,具有很强主观性,而且对医生的临床经验要求也很高。近几年,随着光学技术、光谱技术以及电子信息技术的发展,无创检测脉搏波应用逐渐广泛。目前,探讨到同一脉类所主的不同疾病间在脉象上的差异及机理时,很少有研究涉及,因此,运用现代科学技术对脉搏波进行频域特征的提取分析,将会有助于对脉象的深入研究和精准的医疗判断。
研究发现,快速傅里叶分析、小波分析等处理方法在脉搏信息的提取和分析得到了初步应用,但是脉搏信号高次谐波微弱,所以包含的信息量较少,这使得分析的有效性不高。鉴于上述原因,有必要对脉搏信息的提取方法进行优化,以提高信息的有效性。
发明内容
为解决现有技术的不足,本发明的目的在于提供一种基于Goertzel算法提取脉搏有效信息的方法。
为了实现上述目标,本发明采用如下的技术方案:
一种基于Goertzel算法提取脉搏信息的方法,包括如下步骤:
S1、对人体脉搏信号进行采样,得到脉搏采样信号;
S2、对得到的脉搏采样信号进行滤波处理,得到滤波后的脉搏采样信号;
S3、基于Goertzel算法,提取滤波后的脉搏采样信号中的有效脉搏信息。
优选地,前述步骤S1的具体操作为:基于预设的采样频率和样本点数对人体脉搏信号进行采样,所述预设的采样频率为50~100Hz,所述预设的样本点数为64~512。
再优选地,采用光电容积传感器对人体脉搏波信号进行一次采样。
更优选地,钱述光电容积传感器为HKG-07B红外脉搏传感器。
更优选地,钱述步骤S2的具体操作为:
S21、对脉搏采样信号进行低通滤波处理,得到低频脉搏采样信号;
S22、对所述低频脉搏采样信号进行平滑滤波处理。
进一步优选地,钱述步骤S3的具体操作为:
S31、对滤波后的脉搏采样信号进行离散傅里叶变换,得到频域脉搏采样信号;
S32、利用二阶IIR带通滤波器滤除频域脉搏采样信号中的噪声信号,得到有效脉搏信息。
更进一步优选地,钱述有效脉搏信息包括:心率、心室收缩舒张系数、血管黏度、动脉管弹性模量和外周阻力。
本发明的有益之处在于:本发明的基于Goertzel算法的脉搏信号快速提取方法,针对信号中为数不多的频点信息(例如:1Hz、2Hz、3Hz……12Hz点)进行提取分析,对多个频带通道进行实时频谱分析,加快了运算速度,极大地提高了计算效率,减少了硬件电路的复杂程度,具有快速、无创、低成本、高效率等众多优势。
附图说明
图1是本发明的一种基于Goertzel算法提取脉搏有效信息的方法的流程图;
图2是二阶IIR带通滤波器的结构框图。
图3是经本发明的方法提取后得到的脉搏波形图;
图4是中医12值的各谐波标准幅值参考图;
图5是Goertzel算法与FFT算法的运算量对比图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
脉搏波包含着人体健康状况的丰富信息,无论是中医脉诊还是西医心血管疾病检查,都要从脉搏波的压力与波形变化中提取生理、病理信息。从典型的指端脉搏功率图中可以直观的分析脉搏波具有谐波的特性;脉搏波的功率谱的趋势是随着频率的升高,相应谐波的幅值单调下降,这正是谐波的幅值不同决定了脉搏波在时域上的形态不同。因此,脉搏波的谐波特性中可以反映心血管系统的参数,如心率、心室收缩舒张系数、血管黏度、动脉管弹性模量和外周阻力等的不同,脉搏波的峰值和宽度如有明显的改变则反映心血管某些功能异常,上述这些信息就是有效脉搏信息。
参见图1,本发明的基于Goertzel算法提取脉搏信息的方法,包括如下步骤:
S1、对人体脉搏信号进行采样,得到一次脉搏采样序列{Sk};
利用光电容积传感器对人体脉搏波信号进行一次采样,本实施例中选用HKG-07B红外脉搏传感器,基于预设的采样频率和样本点数对人体脉搏信号进行采样。
1)选择输入信号的采样频率fs
脉搏波的主要能量集中在频率较低的范围(0~12Hz);
按照奈奎斯特定律,信号采样率必须大于其最高频率的2倍才可保证其不失真,因此采样频率要大于24Hz,且采样频率越高,精度越高,
本发明中建议选择的采样频率范围为50~100Hz;
考虑到设计后端电路的处理能力,本实施例中采样率选择100Hz。
2)采样的样本点数N
对频率为fi的稳态响应信号进行采样,采样频率为fs,采样点数为N,则fs/N是Goertzel算法的分辨率。如果N取值过小,信号检测计算时,相邻信号落入同一检测窗口,会产生一定的混叠,在给定的采样频率下,可以通过调整N和k值,得到检测频率的信号能量幅值,本发明中建议选择的N值为64~512;
N值越大,分辨率越高,但是对后端电路要求也越高,本实施例中样本点数N取64;
3)存储系数p1,p2
p1=cos(2πk/N)
p2=sin(2πk/N)
根据“欧拉公式”可得,传递函数中进一步提高运算速度,在数值处理之前,系数cos(2πk/N)及sin(2πk/N)提前进行处理运算,不同的k、N的结果生成系数表格,在实际运算时只需进行查表即可,减少了实时采集处理时的乘法运算。
该采样过程具有高速度和高精度等特性,结合光调制、频分方式等技术,提高系统抗干扰能力,从而提高检测灵敏度和信噪比,具有快速、无创、低成本等众多优势。
S2、对脉搏采样信号进行滤波处理,得到滤波后脉搏采样信号,具体包括:
S21、对步骤S1得到的一次采样数据序列{Sk}进行低通滤波处理,去除高频成分,得到低频脉搏采样信号,即二次采样序列{Tk};
S22、对二次采样序列{Tk}进行平滑滤波处理,去除高斯白噪声等成分,得到三次采样序列{Fk}。
S3、基于Goertzel算法,提取滤波后脉搏采样信号中的有效脉搏信息,包括:
S31、对滤波后脉搏采样信号进行离散傅里叶变换,得到频域脉搏采样信号;
S32、利用二阶IIR带通滤波器滤除频域脉搏采样信号中的噪声信号,得到有效脉搏信息。
提取时的具体方法如下:对原始脉搏波信号进行滤波和采样后得到序列x[N]={x[0],x[1],x[2],……,x[N-1]},N表示本序列的长度为N,即样本点数为N。
对该序列做离散傅里叶变换(DFT):
上式中,k=1,2,L,N-1,(其中,N是指变换长度(等于样本点数);k为整数,取值为1,2,……,N-1,也即这个长度内的分散的每一个点处的取值,j是虚部表示方式),x[n]为序列x[N]中的元素值,n=1,2,L,N-1,n为整数。此变换共需要进行N2次复数乘法,N(N-1)次复数加法,N(N+2)次实数乘法以及N(2N+1)次实数加法。
Goertzel算法可以看作是以一个二阶IIR带通滤波器,该滤波器的传递函数为:其结构框图如图2所示。其中,N表示脉搏波序列的长度为N,即样本点数N;k=1,2,L,N-1,k为整数;z表示在Z域的表达形式;k=fN/fs,f为信号的频率,fs为采样频率。
则该滤波器的实现形式可以表示为:
1)对n=0,1,……,N-1作递归计算,
式中,x(n)是输入;
Vk(-1)=0;Vk(-3)=0;(其中Vk是对Hk做递归迭代的表达式。)
2)对每个N,只计算一次
在本发明的提取过程中,数据具有边采样、边处理的特点,获得一个有效采样数据点F[i]后,马上对其进行下一步运算,而不是将所有的数据采集全部完成后再计算,这种方式极大地减小了系统的响应时间,使得有效性得到改善;本实施例中,样本点数N为64,即选取64个数据点描绘待处理的人体光电容积脉搏波,依次得到基频信号分量、二次谐波分量……谐波次数达到5次后(步骤S1、S21、S22、S31、S32分别对应着5次谐波么),即可基本恢复脉搏波波形,如图3所示。
根据MATLAB处理分析,典型脉搏波基频至5次谐波功率占总功率的97.9%,因此将信号展开到12次谐波基本可以提取到脉搏波中有效信息。FFT等算法需要反复做实数加法和实数乘法,其与Goertzel算法运算量的对比如图5所示,而且我们只需要特定点的频率点的信息,FFT算法就造成了大量的运算量的浪费。因此,本实施例中基于Goertzel算法只对有效点(针对信号中为数不多的含有有效信息的频率点进行提取分析,例如:1Hz、2Hz、3Hz……12Hz点)进行运算大量减少了寄存器的使用,加快了运算速度。
此外,由步骤S3提取得到的信息和标准值进行对比,还可以得知测试者健康指标,这也是本发明的方法的一大重要应用:
首先,针对步骤4中有基频信号、一次谐波、二次谐波、三次谐波、四次谐波和五次谐波恢复的信号进行形态特征提取,包括K值、心率等参数;
其次,分析其频谱特征提取。其中,最典型的是中医12值的分析,各谐波标准幅值参考如图4所示(第12个点值为0,故省略);
最后,将提取到的脉搏信息与标准脉搏信息进行比对,得到比对结果,基于比对结果,查询比对表,得到人体健康指标。
综上,本发明使用前端光电式脉搏传感器采集人体PPG(Photoplethysmograhic)脉搏波,并采纳本发明中Goertzel算法对采集到的人体脉搏波信号处理、提取有效信息,最后由后端电路反馈本发明结果,在实现快速、准确、提高有效性的同时减少了处理电路寄存器的使用,弥补了现有技术中FFT(快速傅里叶分析)的缺点。本发明结合现代技术,处理分析脉搏波,弘扬了中医的传统文化,推进医疗事业进一步发展。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (7)
1.一种基于Goertzel算法提取脉搏信息的方法,其特征在于,包括如下步骤:
S1、对人体脉搏信号进行采样,得到脉搏采样信号;
S2、对得到的脉搏采样信号进行滤波处理,得到滤波后的脉搏采样信号;
S3、基于Goertzel算法,提取滤波后的脉搏采样信号中的有效脉搏信息。
2.根据权利要求1所述的一种基于Goertzel算法提取脉搏信息的方法,其特征在于,所述步骤S1的具体操作为:基于预设的采样频率和样本点数对人体脉搏信号进行采样,所述预设的采样频率为50~100Hz,所述预设的样本点数为64~512。
3.根据权利要求2所述的一种基于Goertzel算法提取脉搏信息的方法,其特征在于,采用光电容积传感器对人体脉搏波信号进行一次采样。
4.根据权利要求3所述的一种基于Goertzel算法提取脉搏信息的方法,其特征在于,所述光电容积传感器为HKG-07B红外脉搏传感器。
5.根据权利要求1所述的一种基于Goertzel算法提取脉搏信息的方法,其特征在于,所述步骤S2的具体操作为:
S21、对脉搏采样信号进行低通滤波处理,得到低频脉搏采样信号;
S22、对所述低频脉搏采样信号进行平滑滤波处理。
6.根据权利要求1所述的一种基于Goertzel算法提取脉搏信息的方法,其特征在于,所述步骤S3的具体操作为:
S31、对滤波后的脉搏采样信号进行离散傅里叶变换,得到频域脉搏采样信号;
S32、利用二阶IIR带通滤波器滤除频域脉搏采样信号中的噪声信号,得到有效脉搏信息。
7.根据权利要求1-6任一项所述的一种基于Goertzel算法提取脉搏信息的方法,其特征在于,所述有效脉搏信息包括:心率、心室收缩舒张系数、血管黏度、动脉管弹性模量和外周阻力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711453760.8A CN108042116A (zh) | 2017-12-28 | 2017-12-28 | 一种基于Goertzel算法提取脉搏信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711453760.8A CN108042116A (zh) | 2017-12-28 | 2017-12-28 | 一种基于Goertzel算法提取脉搏信息的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108042116A true CN108042116A (zh) | 2018-05-18 |
Family
ID=62128444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711453760.8A Pending CN108042116A (zh) | 2017-12-28 | 2017-12-28 | 一种基于Goertzel算法提取脉搏信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108042116A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114184848A (zh) * | 2021-12-03 | 2022-03-15 | 中国科学院国家空间科学中心 | 基于Goertzel算法的星载VHF瞬态信号逐点扫描实时处理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5119322A (en) * | 1988-05-05 | 1992-06-02 | Mitel Corporation | Digital dtmf tone detector |
JP3729143B2 (ja) * | 2002-03-14 | 2005-12-21 | 株式会社デンソー | 脈波計測装置 |
CN101036576A (zh) * | 2007-04-29 | 2007-09-19 | 东北大学 | 便携式连续记录脉搏检测装置 |
CN101156771A (zh) * | 2007-09-28 | 2008-04-09 | 天津市先石光学技术有限公司 | 基于脉搏波频谱分析提高血管硬度测量精度的方法及装置 |
CN102488504A (zh) * | 2011-12-13 | 2012-06-13 | 深圳市杰纳瑞医疗仪器有限公司 | 基于Goertzel算法实现无创血压测量方法 |
CN105595974A (zh) * | 2016-01-29 | 2016-05-25 | 深圳职业技术学院 | 一种人体光电容积脉搏波频谱特征的快速提取方法 |
CN106073783A (zh) * | 2016-06-23 | 2016-11-09 | 桂林航天工业学院 | 一种从光电容积脉搏波中提取呼吸率的方法 |
CN106574848A (zh) * | 2014-05-26 | 2017-04-19 | 大陆-特韦斯股份有限公司 | 带有可变的载波频率和戈泽尔滤波的传感器装置 |
-
2017
- 2017-12-28 CN CN201711453760.8A patent/CN108042116A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5119322A (en) * | 1988-05-05 | 1992-06-02 | Mitel Corporation | Digital dtmf tone detector |
JP3729143B2 (ja) * | 2002-03-14 | 2005-12-21 | 株式会社デンソー | 脈波計測装置 |
CN101036576A (zh) * | 2007-04-29 | 2007-09-19 | 东北大学 | 便携式连续记录脉搏检测装置 |
CN101156771A (zh) * | 2007-09-28 | 2008-04-09 | 天津市先石光学技术有限公司 | 基于脉搏波频谱分析提高血管硬度测量精度的方法及装置 |
CN102488504A (zh) * | 2011-12-13 | 2012-06-13 | 深圳市杰纳瑞医疗仪器有限公司 | 基于Goertzel算法实现无创血压测量方法 |
CN106574848A (zh) * | 2014-05-26 | 2017-04-19 | 大陆-特韦斯股份有限公司 | 带有可变的载波频率和戈泽尔滤波的传感器装置 |
CN105595974A (zh) * | 2016-01-29 | 2016-05-25 | 深圳职业技术学院 | 一种人体光电容积脉搏波频谱特征的快速提取方法 |
CN106073783A (zh) * | 2016-06-23 | 2016-11-09 | 桂林航天工业学院 | 一种从光电容积脉搏波中提取呼吸率的方法 |
Non-Patent Citations (2)
Title |
---|
刘磊等: "戈泽尔算法在信号功率谱计算中的应用与改进", 《信息工程大学学报》 * |
吴剑等: "用频域方法实时计算运动中的脉搏数", 《清华大学学报(自然科学版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114184848A (zh) * | 2021-12-03 | 2022-03-15 | 中国科学院国家空间科学中心 | 基于Goertzel算法的星载VHF瞬态信号逐点扫描实时处理方法 |
CN114184848B (zh) * | 2021-12-03 | 2023-09-26 | 中国科学院国家空间科学中心 | 基于Goertzel算法的星载VHF瞬态信号逐点扫描实时处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106037694A (zh) | 一种基于脉搏波的连续血压测量装置 | |
Xu et al. | Wavelet-based cascaded adaptive filter for removing baseline drift in pulse waveforms | |
CN101919704B (zh) | 一种心音信号定位、分段方法 | |
CN105997043B (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
CN109512395B (zh) | 一种生物信号的分析处理方法、装置及设备 | |
Zou et al. | An ultra-low power QRS complex detection algorithm based on down-sampling wavelet transform | |
Awodeyi et al. | Median filter approach for removal of baseline wander in photoplethysmography signals | |
CN106687047A (zh) | 提供对血管内流动和压力数据的数字处理的传感器接口设备 | |
CN108403094A (zh) | 一种识别脉搏波波峰的方法 | |
CN111419279A (zh) | 一种超声多普勒胎心信号的自适应消噪算法 | |
Yang et al. | Removal of pulse waveform baseline drift using cubic spline interpolation | |
CN110313903A (zh) | 一种脉搏波频域特征参数提取方法及装置 | |
Zairi et al. | Intelligent system for detecting cardiac arrhythmia on FPGA | |
CN108042116A (zh) | 一种基于Goertzel算法提取脉搏信息的方法 | |
CN113729653A (zh) | 一种人体脉搏波信号采集方法 | |
CN108294736A (zh) | 连续血压测量系统及测量方法 | |
Zhang | An improved QRS wave group detection algorithm and matlab implementation | |
Garg et al. | An effective method to identify various factors for denoising wrist pulse signal using wavelet denoising algorithm | |
CN105595974B (zh) | 一种人体光电容积脉搏波频谱特征的快速提取方法 | |
Wang et al. | Analysis of pulse waveforms preprocessing | |
Wu et al. | An improved method for ECG signal feature point detection based on wavelet transform | |
Ieong et al. | ECG heart beat detection via mathematical morphology and quadratic spline wavelet transform | |
CN105832323A (zh) | 一种基于rc电路的光电血管容积图信号处理方法 | |
Ribeiro et al. | VLSI Architecture for Energy-Efficient and Accurate Pre-Processing Pan-Tompkins Design | |
CN112353377A (zh) | 一种识别光电容积脉搏波特征点的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180518 |