CN108519597A - 基于线性预测的雷达航迹压缩方法 - Google Patents
基于线性预测的雷达航迹压缩方法 Download PDFInfo
- Publication number
- CN108519597A CN108519597A CN201810324064.5A CN201810324064A CN108519597A CN 108519597 A CN108519597 A CN 108519597A CN 201810324064 A CN201810324064 A CN 201810324064A CN 108519597 A CN108519597 A CN 108519597A
- Authority
- CN
- China
- Prior art keywords
- point
- compression
- track
- points
- 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.)
- Pending
Links
Classifications
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于线性预测的雷达航迹压缩方法,涉及数据压缩技术领域。所述方法针对北斗短报文通信容量有限的问题,采用设置误差阙值对航迹数据进行线性预测,实现对航迹数据的压缩。压缩算法简单、运算量小,对硬件处理器的要求较低,易于编程实现,并且压缩效果好,在一定误差范围内,能够满足有限带宽条件下应急空情传输的需要,该算法还可应用于船舶航迹、远程控制等数据的压缩,具有很好的应用前景。
Description
技术领域
本发明涉及数据压缩方法技术领域,尤其涉及一种基于线性预测的雷达航迹压缩方法。
背景技术
雷达能够对空中目标实现连续侦测,获取敌机的位置、速度、高度等飞行参数,形成具有一定格式的雷达航迹数据。目前可移动雷达航迹数据传输以无线电台和有线通信为主。但有线通信传输距离受限,无线电台易受干扰。由于北斗短报文具有通信可靠、稳定、保密性强等优点,所以在无线电台和有线通信遭失效的情况下,北斗短报文通信可以成为重要的应急传输手段。北斗短报文通信已经在电能数据采集,电网监测系统和油田监测等方面得到广泛应用。但北斗短报文通信带宽有限,难以实现常规雷达航迹数据的传输。在此情况下,数据压缩是一种有效的解决途径。
雷达航迹压缩的特点是小数据量压缩。根据数据率的不同,每个雷达航迹信息包含的点迹数据量也各不相同,通常为每分钟6-12个点迹,数据量较小。常用的压缩方法有无损数据压缩、专用数据压缩、曲线拟合压缩和特征点压缩。无损数据压缩一般基于大数据量的文本数据进行压缩,对于小数据量的雷达航迹,压缩率常常大于100%。对于应用于图像和视频的专用压缩算法,例如小波变换、压缩感知等,并不适用于雷达航迹压缩。曲线拟合参数压缩和特征点压缩是通用的小数据压缩算法。曲线拟合参数压缩对点迹进行曲线拟合,进而传输曲线参数实现点迹的压缩。特征点压缩算法通过提取的特征点代替点迹传输实现点迹的压缩。特征点压缩算法主要包括间隔取点法、合并法(偏角法)、垂距法、分裂法以及预测法等。
间隔取点法等间隔的取点作为特征点,算法虽然简单,但误差较大;合并法通过夹角的大小确定是否舍去该点,算法运算量较大;垂距法根据点到前后两点连线的距离来判断是否选取该点,恢复点迹误差较大;分裂法取到首尾两个点组成的直线距离最大的点,将直线分裂为两段,然后递归的使用分裂法,直到所有的点处理完,该算法运算量大;文献基于死区原则对数据进行线性预测实现触觉点数据压缩;文献基于多自由度死区原则对数据进行线性预测实现触觉点数据的压缩;文献基于最小二乘和中值滤波对数据进行线性预测实现触觉点数据的压缩。但是死区原则和中值滤波并不适用于航迹数据的预测,本文采用设置误差阙值对航迹数据进行线性预测,实现对航迹数据的压缩。
发明内容
本发明所要解决的技术问题是如何提供一种算法简单、运算量小、对硬件处理器的要求较低、易于实现并且压缩效果好的雷达航迹压缩方法。
为解决上述技术问题,本发明所采取的技术方案是:一种基于线性预测的雷达航迹压缩方法,其特征在于包括如下步骤:
1)设一批航迹共有n个点,记为Pr1,Pr2...Pri...Prn,其中Pri的坐标记为(Xi,Yi,Zi),Xi是指第i个航迹点的横坐标,Yi是指第i个航迹点的纵坐标,Zi是指第i个航迹点的Z轴坐标;对前三个航迹点Pr1,Pr2,Pr3用三维最小二乘法进行直线拟合,得
2)在假设目标做匀速运动的前提下,基于前三个点预测下一个点的横坐标Xp1为:
根据上式得到预测点的其它坐标Yp1,Zp1为:
3)将预测得到的点Pp1(Xp1,Yp1,Zp1)与后续的点Pr4间的距离l与误差阙值d比较,如果点Pp1(Xp1,Yp1,Zp1)与后续的点Pr4间的距离l小于误差阙值d,则忽略该点,进行下一个点的预测;如果点Pp1(Xp1,Yp1,Zp1)与后续的点Pr4间的距离l大于误差阙值d,则记录该点,并取下两个点,拟合新的直线,重复步骤1)、步骤2)和步骤3);
4)通过以上步骤处理点迹,直到所有的点处理完,确定每段直线的端点;
5)确定好每段直线的端点,用这些端点作为这些点的特征点进行传输,从而实现点迹数据的压缩。
进一步的技术方案在于,根据最小二乘原理,使的残差的平方和最小,可得:
采用上述技术方案所产生的有益效果在于:所述方法采用设置误差阙值对航迹数据进行线性预测,实现对航迹数据的压缩。压缩算法简单、运算量小,对硬件处理器的要求较低,易于编程实现,并且压缩效果好,在一定误差范围内,能够满足有限带宽条件下应急空情传输的需要,该算法还可应用于船舶航迹、远程控制等数据的压缩,具有很好的应用前景。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例所述方法的流程图;
图2是本发明实施例中对警戒雷达探测的目标航迹用垂距法进行拟合的仿真示意图;
图3是本发明实施例中对警戒雷达探测的目标航迹用分裂法进行拟合的仿真示意图;
图4是本发明实施例中对警戒雷达探测的目标航迹用分段直线进行拟合的仿真示意图;
图5是本发明实施例中对警戒雷达探测的目标航迹用二阶多项式进行拟合的仿真示意图;
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
如图1所示,本发明公开了一种基于线性预测的雷达航迹压缩方法,所述方法是将点迹数据组成的航迹进行分段,对每一段进行最小二乘直线拟合。如果目标不做机动,直接用直线进行拟合;如果目标做机动,在一定误差范围内,可以用折线对航迹进行拟合。相比于其它函数进行拟合,直线拟合的运算量小,运算简单。基于线性预测的分段拟合压缩算法采用的分段方法是用拟合的直线进行点的预测,根据实际情况设定误差阙值,通过判断预测的点与真实的点之间的距离与误差阙值的大小关系来确定是否分段,最后选取每段直线的端点和首尾点作为特征点实现点迹的压缩。
由于目标的航迹是一个三维曲线,因此采用三维折线拟合三维点迹。对于空间中的直线,可以看作两个平面的交线,所以可以用一个方程组来表示空间直线:
根据最小二乘原理,使残差的平方和最小,可得:
线性预测的分段拟合压缩算法的步骤如下:
1)记一批航迹共有n个点,记为Pr1,Pr2...Pri...Prn,其中Pri的坐标记为(Xi,Yi,Zi)。Xi是指第i个航迹点的横坐标,Yi是指第i个航迹点的纵坐标,Zi是指第i个航迹点的Z轴坐标。
对前三个点Pr1,Pr2,Pr3用三维最小二乘法进行直线拟合,得:
2)在假设目标做匀速运动的前提下,基于前三个点预测下一个点的横坐标Xp1为:
根据(4)得预测点的其它坐标Yp1,Zp1为:
3)将预测得到的点Pp1(Xp1,Yp1,Zp1)与后续的点Pr4间的距离l与误差阙值d比较,如果点Pp1(Xp1,Yp1,Zp1)与后续的点Pr4间的距离l小于误差阙值d,则忽略该点,进行下一个点的预测;如果点Pp1(Xp1,Yp1,Zp1)与后续的点Pr4间的距离l大于误差阙值d,则记录该点,并取下两个点,拟合新的直线,重复上述步骤1)-步骤3);
4)通过以上步骤处理点迹,直到所有的点处理完,确定每段直线的端点;
5)确定好每段直线的端点,用这些端点作为这些点的特征点进行传输,从而实现点迹数据的压缩。
仿真实验及效果评估:
某警戒雷达一分钟转12周,对其实测的目标数据进行压缩仿真,其中设定的误差阙值d为1km,该目标因为地理原因做了一次转弯机动,其高度、距离、方位如表1所示:
表1雷达探测的某目标参数
点迹 | 高度 | 距离 | 方位 |
1 | 12060.0 | 70209.0 | 65.32 |
2 | 12070.0 | 70815.2 | 65.77 |
3 | 12075.0 | 71345.2 | 66.35 |
4 | 12075.0 | 71882.5 | 66.93 |
5 | 12070.0 | 72189.3 | 67.54 |
6 | 12070.0 | 72261.6 | 68.24 |
7 | 12075.0 | 72302.5 | 69.03 |
8 | 12070.0 | 72036.7 | 69.70 |
9 | 12070.0 | 71734.5 | 70.36 |
10 | 12075.0 | 71367.2 | 71.16 |
11 | 12070.0 | 70970.4 | 71.91 |
12 | 12075.0 | 70643.6 | 72.74 |
对警戒雷达探测的目标航迹分别用垂距法、分裂法、分段直线法和二阶多项式法进行拟合,拟合结果如图2至图5所示。
压缩效果分析:
为了对上述多种方法进行优劣分析,从运算量、误差和压缩率三方面对算法进行比较。运算量表征了算法的复杂程度,运算量越大,算法的复杂程度越高,系统延时也就越长,对硬件提出的要求越高,为了比较算法运算量,将不同算法在同样的运行环境下进行仿真,并在MATLAB R2014b中进行运行仿真,运行时间如表2所示:
表2算法仿真运行时间
算法 | 仿真运行时间 |
垂距法 | 1.014s |
分裂法 | 1.416s |
分段直线拟合 | 0.796s |
二阶多项式拟合 | 1.518s |
由表2可知,本发明所述方法基于直线预测的分段直线拟合算法运行时间相较于其它算法最短,运算量最小,算法的复杂程度低,对硬件的要求低。
误差是衡量算法优劣的重要标准,误差越小,就越能表征目标的真实运动情况。采用真实点迹与恢复点迹之间的距离表示误差e,恢复点迹采用单周恢复法。其中
(Xi,Yi,Zi)表示原始点迹,(Xh,Yh,Zh)表示恢复点迹,为了比较误差大小,分别用不同算法的误差与分段直线拟合的误差相比,结果如表3所示:
表3算法误差与分段直线拟合误差之比
算法 | 误差之比 |
垂距法 | 8.36 |
分裂法 | 1.73 |
分段直线拟合 | 1.00 |
二阶多项式拟合 | 2.47 |
由表3可得,分段直线拟合(本发明所述方法)的误差最小,恢复的点迹与真实点迹最接近。压缩率直接表征了算法的压缩效果,一共传输了12个点迹,标准情报格式每个点迹占用13Byte,如果不采用压缩直接传输,需要传输156Byte,采用垂距法需要传首尾两个点,第一个点迹传输批号、录取时间、坐标、高度信息,大小为11Byte,第二个点传输最后一个点,传输批号、录取时间、坐标、高度、这一段点的个数信息,大小为13Byte,总共需要传输24Byte,压缩率达到84.6%。采用分裂法和分段直线拟合法进行压缩需要传输3个点和每段的个数,第一个点迹传输批号、录取时间、坐标、高度信息,大小为11Byte,第二个点传输分段点第六个点,传输坐标、高度和这一段的个数6,个数占用1Byte,总共需要9Byte,第三个点传输最后一个点传输批号、录取时间、坐标、高度、这一段点的个数信息,大小为12Byte,总共需要传输32Byte,压缩率达到79.4%。二阶多项式拟合需要传输首尾两个点和曲线的五个参数,总共需要33Byte,压缩率为78.8%。不同算法的压缩率如表4所示。
表4算法的压缩率
算法 | 压缩率 |
垂距法 | 84.6% |
分裂法 | 79.4% |
分段直线拟合 | 79.4% |
二阶多项式拟合 | 78.8% |
虽然垂距法的压缩率最高,但是该算法的误差太大,已经不能表示原始的航迹情况,综合运算量、误差和压缩率比较,分段直线拟合是最佳的航迹压缩算法。
雷达是获取战场信息的主要方式,将雷达获取的空情信息传输到指挥所进行统一处理,是指挥员掌握战场综合态势,正确判断和决策的重要基础,在战争中起到决定性的作用。战场就是双方相互对抗的一个过程,雷达的通信一旦遭到干扰和破坏,我方将处于极大的劣势状态。北斗短报文是一种稳定、可靠的通信方式,但是其通信带宽有限,无法满足大数据量的雷达通信。本发明提出的雷达航迹压缩算法简单、运算量小,对硬件处理器的要求较低,易于编程实现,并且压缩效果好,在一定误差范围内,能够满足有限带宽条件下应急空情传输的需要,该算法还可应用于船舶航迹、远程控制等数据的压缩,具有很好的应用前景。
Claims (2)
1.一种基于线性预测的雷达航迹压缩方法,其特征在于包括如下步骤:
1)设一批航迹共有n个点,记为Pr1,Pr2...Pri...Prn,其中Pri的坐标记为(Xi,Yi,Zi),Xi是指第i个航迹点的横坐标,Yi是指第i个航迹点的纵坐标,Zi是指第i个航迹点的Z轴坐标;对前三个航迹点Pr1,Pr2,Pr3用三维最小二乘法进行直线拟合,得
2)在假设目标做匀速运动的前提下,基于前三个点预测下一个点的横坐标Xp1为:
根据上式得到预测点的其它坐标Yp1,Zp1为:
3)将预测得到的点Pp1(Xp1,Yp1,Zp1)与后续的点Pr4间的距离l与误差阙值d比较,如果点Pp1(Xp1,Yp1,Zp1)与后续的点Pr4间的距离l小于误差阙值d,则忽略该点,进行下一个点的预测;如果点Pp1(Xp1,Yp1,Zp1)与后续的点Pr4间的距离l大于误差阙值d,则记录该点,并取下两个点,拟合新的直线,重复步骤1)、步骤2)和步骤3);
4)通过以上步骤处理点迹,直到所有的点处理完,确定每段直线的端点;
5)确定好每段直线的端点,用这些端点作为这些点的特征点进行传输,从而实现点迹数据的压缩。
2.如权利要求1所述的基于线性预测的雷达航迹压缩方法,其特征在于:
根据最小二乘原理,使的残差的平方和最小,可得:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810324064.5A CN108519597A (zh) | 2018-04-11 | 2018-04-11 | 基于线性预测的雷达航迹压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810324064.5A CN108519597A (zh) | 2018-04-11 | 2018-04-11 | 基于线性预测的雷达航迹压缩方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108519597A true CN108519597A (zh) | 2018-09-11 |
Family
ID=63432143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810324064.5A Pending CN108519597A (zh) | 2018-04-11 | 2018-04-11 | 基于线性预测的雷达航迹压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108519597A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109803237A (zh) * | 2019-01-24 | 2019-05-24 | 云南云金地科技有限公司 | 一种基于北斗短报文的地理空间数据传输方法 |
CN109818623A (zh) * | 2019-01-16 | 2019-05-28 | 上海上塔软件开发有限公司 | 一种基于特征模板的生活电器功率曲线在线压缩算法 |
CN109856624A (zh) * | 2019-01-03 | 2019-06-07 | 中国人民解放军空军研究院战略预警研究所 | 一种针对单雷达直线航迹线的目标状态估计方法 |
WO2021120504A1 (zh) * | 2019-12-17 | 2021-06-24 | 南京莱斯电子设备有限公司 | 一种提高雷达航迹数据压缩极限的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149937A (zh) * | 2013-02-26 | 2013-06-12 | 北京航空航天大学 | 一种基于曲率补偿的横侧向曲线航迹跟踪方法 |
CN105807266A (zh) * | 2016-05-19 | 2016-07-27 | 中国人民解放军军械工程学院 | 预警雷达航迹数据传输压缩方法 |
CN107643083A (zh) * | 2017-09-18 | 2018-01-30 | 中国人民解放军海军航空工程学院 | 基于轨迹预报的空间目标中断航迹关联方法 |
-
2018
- 2018-04-11 CN CN201810324064.5A patent/CN108519597A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149937A (zh) * | 2013-02-26 | 2013-06-12 | 北京航空航天大学 | 一种基于曲率补偿的横侧向曲线航迹跟踪方法 |
CN105807266A (zh) * | 2016-05-19 | 2016-07-27 | 中国人民解放军军械工程学院 | 预警雷达航迹数据传输压缩方法 |
CN107643083A (zh) * | 2017-09-18 | 2018-01-30 | 中国人民解放军海军航空工程学院 | 基于轨迹预报的空间目标中断航迹关联方法 |
Non-Patent Citations (5)
Title |
---|
LING-ZHI SANG等: "Restoring Method of Vessel Track Based on AIS Information", 《2012 11TH INTERNATIONAL SYMPOSIUM ON DISTRIBUTED COMPUTING AND APPLICATIONS TO BUSINESS, ENGINEERING & SCIENCE》 * |
刘利民等: "基于北斗雷达组网航迹融合研究", 《飞航导弹》 * |
宋岩等: "雷达航迹数据压缩方法研究", 《电光与控制》 * |
薛丽红: "三维空间点中基于最小二乘法的分段直线拟合方法", 《齐齐哈尔大学学报》 * |
谢友宝: "最小二乘法分段直线拟合", 《南昌航空工业学院学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856624A (zh) * | 2019-01-03 | 2019-06-07 | 中国人民解放军空军研究院战略预警研究所 | 一种针对单雷达直线航迹线的目标状态估计方法 |
CN109818623A (zh) * | 2019-01-16 | 2019-05-28 | 上海上塔软件开发有限公司 | 一种基于特征模板的生活电器功率曲线在线压缩算法 |
CN109818623B (zh) * | 2019-01-16 | 2022-12-13 | 上海上塔软件开发有限公司 | 一种基于特征模板的生活电器功率曲线在线压缩算法 |
CN109803237A (zh) * | 2019-01-24 | 2019-05-24 | 云南云金地科技有限公司 | 一种基于北斗短报文的地理空间数据传输方法 |
WO2021120504A1 (zh) * | 2019-12-17 | 2021-06-24 | 南京莱斯电子设备有限公司 | 一种提高雷达航迹数据压缩极限的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108519597A (zh) | 基于线性预测的雷达航迹压缩方法 | |
CN109784333B (zh) | 基于点云带权通道特征的三维目标检测方法及系统 | |
CN108648161B (zh) | 非对称核卷积神经网络的双目视觉障碍物检测系统及方法 | |
Wang et al. | Fca: Learning a 3d full-coverage vehicle camouflage for multi-view physical adversarial attack | |
CN111222574B (zh) | 基于多模型决策级融合的舰船与民船目标检测与分类方法 | |
CN105447459A (zh) | 一种无人机自动检测目标和跟踪方法 | |
CN110888960B (zh) | 一种室内空间分区方法、装置及移动机器人 | |
CN105430664B (zh) | 一种基于分类拟合预测传播路损的方法和装置 | |
CN104881043A (zh) | 一种针对多动态目标的多无人机智能协同察打方法 | |
CN106093934B (zh) | 基于改进动态规划的穿墙雷达成像后多目标位置估计方法 | |
CN109145747A (zh) | 一种水面全景图像语义分割方法 | |
CN111967006A (zh) | 基于神经网络模型的自适应黑盒对抗攻击方法 | |
CN112666963A (zh) | 基于四轴无人机的公路路面裂缝检测系统及其检测方法 | |
US6775396B2 (en) | Image processing device, plane detection method, and recording medium upon which plane detection program is recorded | |
CN113744262B (zh) | 一种基于GAN和YOLO-v5的目标分割检测方法 | |
CN108010065A (zh) | 低空目标快速检测方法及装置、存储介质及电子终端 | |
CN110147748B (zh) | 一种基于道路边缘检测的移动机器人障碍物识别方法 | |
CN104463104B (zh) | 一种静态车辆目标快速检测方法及装置 | |
CN114240933A (zh) | 一种用于空中交通管制的ads-b攻击检测方法 | |
Deng et al. | Research on target recognition and path planning for EOD robot | |
CN113205494A (zh) | 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统 | |
CN103903262B (zh) | 基于图像分割的深度不连续区域立体匹配算法 | |
CN113311700B (zh) | 一种非平均机制引导的uuv集群协同控制方法 | |
CN108646235B (zh) | 基于点迹位置聚合识别空间散布固定杂波的方法 | |
CN114740970B (zh) | 一种基于联邦学习的毫米波手势识别方法及系统 |
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: 20180911 |