CN108337055A - 一种基于信道状态信息的矿难人员监测方法 - Google Patents
一种基于信道状态信息的矿难人员监测方法 Download PDFInfo
- Publication number
- CN108337055A CN108337055A CN201810081191.7A CN201810081191A CN108337055A CN 108337055 A CN108337055 A CN 108337055A CN 201810081191 A CN201810081191 A CN 201810081191A CN 108337055 A CN108337055 A CN 108337055A
- Authority
- CN
- China
- Prior art keywords
- personnel
- csi
- microcomputer
- module
- mine disaster
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开一种基于信道状态信息的矿难人员监测方法,检测设备包括矿用本质安全型路由器以及安装有CSI‑TOOL的微型工控机,矿用本质安全型路由器与其距离最近的微型工控机进行通信连接;检测方法具体流程包括:当发生矿难时由外部发送指令开启矿用本质安全型路由器与微型工控机,然后通过微型工控机进行信号的收集与处理来实现对矿下情况进行检测;微型工控机具有利用CSI‑TOOL进行信号收集与处理的井下人员检测模块、人员状态识别模块与人员健康监测模块;井下人员检测模块具有模型建立子模块、轮廓拟合子模块、人员判定子模块。
Description
技术领域
本发明涉及一种基于信道状态信息的矿难人员监测方法。该方法利用信道信息可以实现全覆盖无设备人员检测矿难人员,地面人员根据检测信号实现地下人数判定、人员状态识别、呼吸检测,以此来监测矿难人员生命状态。
背景技术
中国是一个产煤大国,是一个严重依赖煤炭能源的国家,同时也是矿难大国。矿难严重威胁矿工的生命安全。一旦发生事故,救援人员对井下作业人员的位置情况和生命状态的确认会非常困难。
近年来,专利号为CN201410561281的一种基于LABVIEW的矿难检测系统,将LABVIEW应用于矿难检测系统,对现场节点采集得数据进行分析处理,利用空间定位算法,检测出遇难人员的位置,解决了监控系统对于入井人员管理困难,井上人员难以掌握井下人员人数分布与作业情况的问题。专利号为CN201710500939的一种井下矿难生命迹象监测与定位系统。通过采集和监听被困于井下人员的呼救声音以及行走活动产生的声音信号获得被困人员的生命迹象。
基于上述研究现状,目前矿难人员检测人存在着如下问题:只能获得能够呼救或行走的人员的生命迹象,而完全无法获得更需要及时救援的,即已经无法行动或昏迷的被困人员的生命状态。
发明内容
技术问题:本发明的目的是克服已有技术中的不足之处,提供了一种基于无线信道状态信息的可精确定位被困人员、判断活动状态、以及获得被困人员的健康状态即呼吸率的检测方法。
技术方案:为实现上述目的,本发明的技术方案如下:
一种基于信道状态信息的矿难人员监测方法,所述检测方法应用到的设备包括分布于矿下的矿用本质安全型路由器以及安装有CSI-TOOL的微型工控机,矿用本质安全型路由器与其距离最近的微型工控机进行通信连接;
所述检测方法具体流程包括:当发生矿难时由外部发送指令开启矿用本质安全型路由器与微型工控机,然后通过微型工控机进行信号的收集与处理来实现对矿下情况进行检测;
所述微型工控机具有利用CSI-TOOL进行信号的收集与处理的井下人员检测模块、人员状态识别模块与人员健康监测模块三大功能模块;
所述井下人员检测模块具有模型建立子模块、轮廓拟合子模块、人员判定子模块;
所述人员状态识别模块用于判定人员活动以及位置;
所述人员健康监测模块用于检测呼吸来判断生命状态;
所述模型建立子模块用于建立CSI变化和人群的数量之间的关系;
所述轮廓拟合子模块用于用灰色Verhulst模型描述人群数量和相应的PEM之间的关系;
所述人员判定子模块用来判断区域是否有人。
进一步的,所述模型建立子模块CSI变化和人群的数量之间的关系,具体包括以下步骤:
步骤1:将CSI振幅值转换为二维矩阵。提出度量PEM,即在扩张的CSI矩阵中非零元素的百分比,以表示CSI的变化。大小为Mc*P的矩阵M0每个元素初始化为0,CSI读数Cd[i][j]转化为整数k,将第k行,第j列的元素设为1,其中Mc为矩阵的行数、P是数据包的数量、Cu、Cl分别为CSI测量值得最大值与最小值。其中k的计算公式为:
步骤2:扩张矩阵,把元素1周围的元素也设为1。扩张后的矩阵为M。
步骤3:计算非零元素,第i个子载波的扩张矩阵M中非零元素的个数为PEM。PEM与人数正相关;
进一步的,所述轮廓拟合子模块用灰色Verhulst模型描述人群数量和相应的PEM之间的关系,具体包括以下步骤:初始序列X(0)={x(0)(1),x(0)(2),...,x(0)(n)},建立一个阶微分方程,方程如下:
其中a,b计算公式如下:
[a,b]T=(BTB)-1BTY
进一步的,所述人员判定子模块用来判断区域是否有人,具体包括以下步骤:
步骤1:根据灰度理论为了更好的预测,|a|取最小。每次预测都有不同的a,b。他们的估计值的计算公式如下:
步骤2:根据加权估计获得最终En。若En=0,则区域内无人,赋值Wh字段为0;若En非零,则区域内有人,赋值Wh字段为1,同时将矿用本质安全型路由器MAC地址赋值给字段Nu,矿用本质安全型路由器以及微型工控机事先安装在矿下,由于MAC地址的唯一性,地面人员可根据矿用本质安全型路由器MAC地址精确判断路由器所在区域,从而确定被困人员位置,
En的计算公式如下:
进一步的,人员状态识别模块具体包括以下步骤:
步骤1:构建CSI帧,将CSI序列映射为CSI帧,每帧有M*N像素,M是子载波数,N每帧包含的采样数;
步骤2:构造背景模型,每个像素点符合混合高斯分布,选取B个分量为背景;
步骤3:前景提取,每个像素与当前B个分量进行比较。像素点的值与均值超过2.5倍标准差则为前景点;
步骤4:在线更新模型,对环境变化的自适应;
步骤5:运动提取,利用人体运动的时间相关和频率相关性移除无效点,提取最终运动;
步骤6:判断运动,判断三种运动状态。若为行走则赋值St字段为1,爬行为2,静止为3。
进一步的,人员健康监测模块具体包括以下步骤:
步骤1:数据提取,获得60个不同的CSI数据;
步骤2:数据预处理,数据校正是为了消除直流分量和高频噪声,创建一个二维的Hankel矩阵,每一个子载波的相位差异数据都是连续接收的数据包,然后分析了Hankel矩阵的排名;
步骤3:CP分解,应用CP分解来估计多个呼吸信号,并证明所提出的CSI张量的唯一性;
步骤4:信号匹配,计算分解信号的自相关函数,并结合一个稳定的匹配算法来识别每个人的分解信号对。
步骤5:呼吸率估计,每一对中的分解信号组合在一起,并使用峰值检测方法来计算每个人的呼吸率。最终将呼吸率赋值给字段He。
最终获得全部字段(Wh,St,He),并将此数据帧发送至地面。
有益效果:
本发明利用WIFI的无线信道状态信息来检测监控区域有人员,人员的人数、状态、呼吸实现全覆盖无人员检测,节省人力;
同时在非矿难状态下无需开启设备,节省资源。在本技术领域内具有广泛的实用性。
附图说明
图1是本发明的系统架构图。
具体实施方式
下面结合附图对本发明做进一步说明。
如图1所示,
一种基于信道状态信息的矿难人员监测方法,所述检测方法应用到的设备包括分布于矿下的矿用本质安全型路由器以及安装有CSI-TOOL的微型工控机,矿用本质安全型路由器与其距离最近的微型工控机进行通信连接;
所述检测方法具体流程包括:当发生矿难时由外部发送指令开启矿用本质安全型路由器与微型工控机,然后通过微型工控机进行信号的收集与处理来实现对矿下情况进行检测;
所述微型工控机具有利用CSI-TOOL进行信号的收集与处理的井下人员检测模块、人员状态识别模块与人员健康监测模块三大功能模块;
所述井下人员检测模块具有模型建立子模块、轮廓拟合子模块、人员判定子模块;
所述人员状态识别模块用于判定人员活动以及位置;
所述人员健康监测模块用于检测呼吸来判断生命状态;
所述模型建立子模块用于建立CSI变化和人群的数量之间的关系;
所述轮廓拟合子模块用于用灰色Verhulst模型描述人群数量和相应的PEM之间的关系;
所述人员判定子模块用来判断区域是否有人。
所述模型建立子模块CSI变化和人群的数量之间的关系,具体包括以下步骤:
步骤1:将CSI振幅值转换为二维矩阵。提出度量PEM,即在扩张的CSI矩阵中非零元素的百分比,以表示CSI的变化。大小为Mc*P的矩阵M0每个元素初始化为0,CSI读数Cd[i][j]转化为整数k,将第k行,第j列的元素设为1。其中Mc为矩阵的行数、P是数据包的数量、Cu、Cl分别为CSI测量值得最大值与最小值。其中k的计算公式为:
步骤2:扩张矩阵。把元素1周围的元素也设为1。扩张后的矩阵为M;
步骤3:计算非零元素,第i个子载波的扩张矩阵M中非零元素的个数为PEM,PEM与人数正相关。
进一步的,所述轮廓拟合子模块用灰色Verhulst模型描述人群数量和相应的PEM之间的关系,具体包括以下步骤:初始序列X(0)={x(0)(1),x(0)(2),...,x(0)(n)},建立一个阶微分方程,方程如下:
其中a,b计算公式如下:
[a,b]T=(BTB)-1BTY
所述人员判定子模块用来判断区域是否有人,具体包括以下步骤:
步骤1:根据灰度理论为了更好的预测,|a|取最小,每次预测都有不同的a,b,他们的估计值的计算公式如下:
步骤2:根据加权估计获得最终En。若En=0,则区域内无人,赋值Wh字段为0;若En非零,则区域内有人,赋值Wh字段为1,同时将矿用本质安全型路由器MAC地址赋值给字段Nu,矿用本质安全型路由器以及微型工控机事先安装在矿下,由于MAC地址的唯一性,地面人员可根据矿用本质安全型路由器MAC地址精确判断路由器所在区域,从而确定被困人员位置;
En的计算公式如下:
人员状态识别模块具体包括以下步骤:
步骤1:构建CSI帧,将CSI序列映射为CSI帧,每帧有M*N像素,M是子载波数,N每帧包含的采样数;
步骤2:构造背景模型,每个像素点符合混合高斯分布,选取B个分量为背景;
步骤3:前景提取,每个像素与当前B个分量进行比较,像素点的值与均值超过2.5倍标准差则为前景点;
步骤4:在线更新模型。对环境变化的自适应;
步骤5:运动提取。利用人体运动的时间相关和频率相关性移除无效点,提取最终运动;
步骤6:判断运动,判断三种运动状态。若为行走则赋值St字段为1,爬行为2,静止为3;
进一步的,人员健康监测模块具体包括以下步骤:
步骤1:数据提取,获得60个不同的CSI数据;
步骤2:数据预处理,数据校正是为了消除直流分量和高频噪声,创建一个二维的Hankel矩阵,每一个子载波的相位差异数据都是连续接收的数据包,然后分析了Hankel矩阵的排名;
步骤3:CP分解,应用CP分解来估计多个呼吸信号,并证明所提出的CSI张量的唯一性;
步骤4:信号匹配,计算分解信号的自相关函数,并结合一个稳定的匹配算法来识别每个人的分解信号对;
步骤5:呼吸率估计,每一对中的分解信号组合在一起,并使用峰值检测方法来计算每个人的呼吸率。最终将呼吸率赋值给字段He;
最终获得全部字段(Wh,St,He),并将此数据帧发送至地面。
Claims (6)
1.一种基于信道状态信息的矿难人员监测方法,其特征在于,所述检测方法应用到的设备包括分布于矿下的矿用本质安全型路由器以及安装有CSI-TOOL的微型工控机,矿用本质安全型路由器与其距离最近的微型工控机进行通信连接;
所述检测方法具体流程包括:当发生矿难时由外部发送指令开启矿用本质安全型路由器与微型工控机,然后通过微型工控机进行信号的收集与处理来实现对矿下情况进行检测;
所述微型工控机具有利用CSI-TOOL进行信号收集与处理的井下人员检测模块、人员状态识别模块与人员健康监测模块三大功能模块;
所述井下人员检测模块具有模型建立子模块、轮廓拟合子模块、人员判定子模块;
所述人员状态识别模块用于判定人员活动以及位置;
所述人员健康监测模块用于检测呼吸来判断生命状态;
所述模型建立子模块用于建立CSI变化和人群的数量之间的关系;
所述轮廓拟合子模块用于用灰色Verhulst模型描述人群数量和相应的PEM之间的关系;
所述人员判定子模块用来判断区域是否有人。
2.根据权利要求1所述的一种基于信道状态信息的矿难人员监测方法,其特征在于,所述模型建立子模块建立CSI变化和人群的数量之间的关系,具体包括以下步骤:
步骤1:将CSI振幅值转换为二维矩阵,提出度量PEM,即在扩张的CSI矩阵中非零元素的百分比,以表示CSI的变化,大小为Mc*P的矩阵M0每个元素初始化为0,CSI读数Cd[i][j]转化为整数k,将第k行,第j列的元素设为1,其中Mc为矩阵的行数、P是数据包的数量、Cu、Cl分别为CSI测量值得最大值与最小值,其中k的计算公式为:
步骤2:扩张矩阵,把元素1周围的元素也设为1,扩张后的矩阵为M;
步骤3:计算非零元素,第i个子载波的扩张矩阵M中非零元素的个数为PEM,PEM与人数正相关。
3.根据权利要求1所述的一种基于无线信道状态信息的面向矿难人员监测方法,其特征在于,所述轮廓拟合子模块用灰色Verhulst模型描述人群数量和相应的PEM之间的关系,具体包括以下步骤:初始序列X(0)={x(0)(1),x(0)(2),...,x(0)(n)},建立一个阶微分方程,方程如下:
其中a,b计算公式如下:
[a,b]T=(BTB)-1BTY。
4.根据权利要求1所述的一种基于信道状态信息的矿难人员监测方法,其特征在于,所述人员判定子模块用来判断区域是否有人,具体包括以下步骤:
步骤1:根据灰度理论为了更好的预测,|a|取最小,每次预测都有不同的a,b。他们的估计值的计算公式如下:
步骤2:根据加权估计获得最终En。若En=0,则区域内无人,赋值Wh字段为0;若En非零,则区域内有人,赋值Wh字段为1,同时将矿用本质安全型路由器MAC地址赋值给字段Nu,矿用本质安全型路由器以及微型工控机事先安装在矿下,由于MAC地址的唯一性,地面人员可根据矿用本质安全型路由器MAC地址精确判断路由器所在区域,从而确定被困人员位置;
En的计算公式如下:
5.根据权利要求1所述的一种基于信道状态信息的矿难人员监测方法,其特征在于,人员状态识别模块具体包括以下步骤:
步骤1:构建CSI帧,将CSI序列映射为CSI帧,每帧有M*N像素,M是子载波数,N每帧包含的采样数;
步骤2:构造背景模型,每个像素点符合混合高斯分布,选取B个分量为背景;
步骤3:前景提取,每个像素与当前B个分量进行比较。像素点的值与均值超过2.5倍标准差则为前景点;
步骤4:在线更新模型,对环境变化的自适应;
步骤5:运动提取,利用人体运动的时间相关和频率相关性移除无效点,提取最终运动;
步骤6:判断运动,判断三种运动状态。若为行走则赋值St字段为1,爬行为2,静止为3。
6.根据权利要求1所述的一种基于信道状态信息的矿难人员监测方法,其特征在于,人员健康监测模块具体包括以下步骤:
步骤1:数据提取,获得60个不同的CSI数据;
步骤2:数据预处理,数据校正是为了消除直流分量和高频噪声。创建一个二维的Hankel矩阵,每一个子载波的相位差异数据都是连续接收的数据包,然后分析了Hankel矩阵的排名;
步骤3:CP分解,应用CP分解来估计多个呼吸信号,并证明所提出的CSI张量的唯一性;
步骤4:信号匹配,计算分解信号的自相关函数,并结合一个稳定的匹配算法来识别每个人的分解信号对;
步骤5:呼吸率估计,每一对中的分解信号组合在一起,并使用峰值检测方法来计算每个人的呼吸率;最终将呼吸率赋值给字段He;
最终获得全部字段(Wh,St,He),并将此数据帧发送至地面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081191.7A CN108337055B (zh) | 2018-01-29 | 2018-01-29 | 一种基于信道状态信息的矿难人员监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081191.7A CN108337055B (zh) | 2018-01-29 | 2018-01-29 | 一种基于信道状态信息的矿难人员监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108337055A true CN108337055A (zh) | 2018-07-27 |
CN108337055B CN108337055B (zh) | 2021-03-02 |
Family
ID=62926251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810081191.7A Expired - Fee Related CN108337055B (zh) | 2018-01-29 | 2018-01-29 | 一种基于信道状态信息的矿难人员监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108337055B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111757250A (zh) * | 2020-05-27 | 2020-10-09 | 重庆邮电大学 | 一种基于张量分解的信道状态信息定位指纹构造方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001309421A (ja) * | 2000-04-25 | 2001-11-02 | Matsushita Electric Works Ltd | 位置検出システム |
CN2699828Y (zh) * | 2003-12-15 | 2005-05-18 | 腾春誉 | 远程定位健康监护装置 |
CN202843589U (zh) * | 2012-08-20 | 2013-04-03 | 中国矿业大学(北京) | 基于无线传感器网络的煤矿井下人员健康监测系统 |
CN203296818U (zh) * | 2013-06-17 | 2013-11-20 | 河北省通信建设有限公司 | 矿井检测和人员定位系统 |
CN104239951A (zh) * | 2014-09-10 | 2014-12-24 | 西安交通大学 | 一种利用信道状态信息的非绑定人数计数方法 |
CN105873212A (zh) * | 2016-05-16 | 2016-08-17 | 南京邮电大学 | 基于信道状态信息的室内环境人员检测方法 |
CN107154088A (zh) * | 2017-03-29 | 2017-09-12 | 西安电子科技大学 | 基于信道状态信息的活动人员数量估计方法 |
CN107333105A (zh) * | 2017-07-14 | 2017-11-07 | 中国矿业大学 | 一种基于wifi的井下智能视频监控系统和监控方法 |
-
2018
- 2018-01-29 CN CN201810081191.7A patent/CN108337055B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001309421A (ja) * | 2000-04-25 | 2001-11-02 | Matsushita Electric Works Ltd | 位置検出システム |
CN2699828Y (zh) * | 2003-12-15 | 2005-05-18 | 腾春誉 | 远程定位健康监护装置 |
CN202843589U (zh) * | 2012-08-20 | 2013-04-03 | 中国矿业大学(北京) | 基于无线传感器网络的煤矿井下人员健康监测系统 |
CN203296818U (zh) * | 2013-06-17 | 2013-11-20 | 河北省通信建设有限公司 | 矿井检测和人员定位系统 |
CN104239951A (zh) * | 2014-09-10 | 2014-12-24 | 西安交通大学 | 一种利用信道状态信息的非绑定人数计数方法 |
CN105873212A (zh) * | 2016-05-16 | 2016-08-17 | 南京邮电大学 | 基于信道状态信息的室内环境人员检测方法 |
CN107154088A (zh) * | 2017-03-29 | 2017-09-12 | 西安电子科技大学 | 基于信道状态信息的活动人员数量估计方法 |
CN107333105A (zh) * | 2017-07-14 | 2017-11-07 | 中国矿业大学 | 一种基于wifi的井下智能视频监控系统和监控方法 |
Non-Patent Citations (1)
Title |
---|
WEI XI: "Electronic Frog Eye: Counting Crowd Using WiFi", 《IEEE CONFERENCE ON COMPUTER COMMUNICATIONS》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111757250A (zh) * | 2020-05-27 | 2020-10-09 | 重庆邮电大学 | 一种基于张量分解的信道状态信息定位指纹构造方法 |
CN111757250B (zh) * | 2020-05-27 | 2022-04-29 | 重庆邮电大学 | 一种基于张量分解的信道状态信息定位指纹构造方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108337055B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734055B (zh) | 一种异常人员检测方法、装置及系统 | |
CN106412501B (zh) | 一种视频的施工安全行为智能监控系统及其监控方法 | |
CN105139029B (zh) | 一种监狱服刑人员的行为识别方法及装置 | |
CN107154088B (zh) | 基于信道状态信息的活动人员数量估计方法 | |
CN107564231A (zh) | 基于物联网的建筑物火灾预警及火灾态势评估系统及方法 | |
CN103714697B (zh) | 一种识别跟踪罪犯车辆的方法 | |
CN110365647B (zh) | 一种基于pca和bp神经网络的虚假数据注入攻击检测方法 | |
CN104299012A (zh) | 一种基于深度学习的步态识别方法 | |
CN106936517A (zh) | 一种异常无线电信号的自动识别系统及其方法 | |
CN103812577A (zh) | 非正常无线电信号的自动识别系统及其方法 | |
CN110012114B (zh) | 一种基于物联网的环境安全预警系统 | |
CN111669548B (zh) | 针对配电网爬杆作业实现安全监管处理的方法 | |
CN109067722A (zh) | 一种基于两步聚类和检测片分析联合算法的LDoS检测方法 | |
CN108268894A (zh) | 一种基于网络可视图的人体朝向检测方法 | |
CN103049643A (zh) | 基于风险熵和马尔可夫链方法的移动自组网安全风险评估方法 | |
CN109658655A (zh) | 一种基于无线信号的室内被动入侵检测方法 | |
CN104144328A (zh) | 一种智能视频监控方法 | |
CN109657572A (zh) | 一种基于Wi-Fi的墙后目标行为识别方法 | |
CN103997782A (zh) | 一种基于信号强度和抓包速率的无线ap探测定位的方法 | |
CN104156691A (zh) | 一种基于图像处理的检测行人翻越闸机的监控方法 | |
CN113689648A (zh) | 一种基于物联网的智慧社区安防管理系统及方法 | |
CN108337055A (zh) | 一种基于信道状态信息的矿难人员监测方法 | |
CN109600758B (zh) | 一种基于rss的人流量监测方法 | |
CN107123126A (zh) | 一种人流运动场景热度估计方法 | |
CN104392201B (zh) | 一种基于全向视觉的人体跌倒识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210302 Termination date: 20220129 |