CN108982964A - 一种基于细化傅里叶变换的信号分析方法及设备 - Google Patents
一种基于细化傅里叶变换的信号分析方法及设备 Download PDFInfo
- Publication number
- CN108982964A CN108982964A CN201810849542.4A CN201810849542A CN108982964A CN 108982964 A CN108982964 A CN 108982964A CN 201810849542 A CN201810849542 A CN 201810849542A CN 108982964 A CN108982964 A CN 108982964A
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- fourier transformation
- refinement
- formula
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 230000009466 transformation Effects 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 abstract description 22
- 238000011426 transformation method Methods 0.000 abstract description 7
- 238000012937 correction Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005070 sampling Methods 0.000 description 22
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Complex Calculations (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于细化傅里叶变换的信号分析方法,属于信号处理领域。该方法是将待分析的信号x(n)与e‑2πjαmn/N求卷积,获得x(n)的细化傅里叶变换形式;其中,N表示信号x(n)的长度,j为虚数单位,π为圆周率,m的取值范围为m=0,1,2,…,(N/α),α∈(0,1],(N/α)为N/α取整。该方法解决了离散傅里叶变换(DFT)方法频率和幅值精度低和不适用于时频分析等问题;与众多幅值谱或者功率谱校正方法相比,该方法适用于从频谱密集信号中准确提取各个频率成分的优势;此外,该方法是一种完备的傅里叶变换方法,其存在逆变换方法且满足帕斯瓦尔(Parseval)能量守恒定律。
Description
技术领域
本发明属于信号处理领域,更具体地,涉及一种高精度的傅里叶变换算法,能够提高傅里叶变换的幅值及频率精度,从而适用于密集频谱分析等信号处理应用场合,尤其适用于时频分析(JTFA)。
背景技术
时频分析(JTFA)是非稳态信号分析的有利工具,时频分析方法提供了时间域和频率域的联合分布信息,清晰地描述了信号频率随着时间变化的关系。时频分析的基本思想是任意一个变化的信号在短时间内是平稳的,现有的离散傅里叶变换算法(DFT)不适用于时频分析的主要原因是短时间信号的频率误差大,不能清晰描述信号频率随着时间变化的关系。
不管是稳态信号的分析还是非稳态信号的分析,都被转换为稳态信号进行分析,所不同的是采样时间t而已,平稳信号可以有较长的采样时间t,非平稳信号只能有短采样时间t,因而本说明书中所述的信号都假定为稳态信号,然后来讨论采样时间对频率和幅值的影响。
众所周知,对离散傅里叶变换(DFT)算法来说,频率的精度为频率分辨率的0.5倍,频率分辨率越高,频率的精度也越高。频率分辨率的计算公式为fs/N,上式中fs为采样频率,N为采样点数,其中采样点数N可以表示为t×fs,因而实际频率分辨率为1/t。从上述说明可以看出采样时间t越短,频率分辨率越低,频率误差越大,导致不能清晰反映频率随着时间变化的关系,这就是离散傅里叶变换(DFT)算法不适合时频分析的原因。
对任意一个信号,理论上其长度在时间域内是无限长。为了分析该信号,人们通常在时间域内截取一段有限长度的信号,这个过程为称为加窗。实际的信号频谱是信号的频谱与窗函数频谱的卷积。采用不同的窗函数,得到的离散傅里叶变换(DFT)也就不同,工程实践中矩形窗函数使用较多,以矩形窗函数的频谱为例,矩形窗函数的频率响应如图1所示。
离散傅里叶变换(DFT)的频率误差和幅值误差来源于时域非整周期加窗,更为通用的说法是非整周期截断,如图2,为一个周期信号的时域非整周期截断。如果信号恰好是整周期截断,那么其离散傅里叶变换(DFT)频谱如图3所示,特征频率处取得准确值,非特征频率处为0,得到的频率误差和幅值误差都为0,小圆圈表示频率取值点,任意相邻两个小圆圈之间的距离表示频率分辨率,后面图中类似的表示不再赘述。如图4所示,如果信号是非整周期截断,那么其频率最大误差为频率分辨率的0.5倍,幅值误差可以达到36.4%。如图5所示,通过增加采样时间,可以提高频率分辨率,减少频率误差,但是不能减少幅值误差,采样时间增加一倍,频率分辨率提高一倍,频率误差减半,幅值误差保持36.4%不变。但是,时频分析要求采样时间短,才能满足信号在采样时间内为稳定信号,而增加采样时间会导致采样时间过长,采样信号的稳定性难以保证,因此,增加采样时间不适合用于信号的时频分析。
中国的丁康等人在《振动工程学报》2003年3月,第16卷第1期发表的《平稳和非平稳振动信号的若干处理方法及发展》记载了如下内容:目前国内外有四种对幅值谱或者功率谱进行校正的方法,它们分别是比值校正法、能量重心校正法、FFT+FT谱连续细化分析傅里叶变换法和相位差法。但是,以上方法由于在频率过于密集或者连续谱场合中,邻近的两个或多个频率成分由于过于密集,旁瓣会互相影响,导致无法准确修正出各个频率成分。因此,以上方法都不适用于频率过于密集的分析场合或者连续谱,从而也不适用于时频分析。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种高精度傅里叶变换算法,其目的在于在不增加采样时间的前提下,提高频率分辨率,从而解决离散傅里叶变换(DFT)幅值精度和频率精度低的技术问题,适用于信号的时频分析。
为了实现上述目的,本发明提供了一种基于细化傅里叶变换的信号分析方法,对待分析的信号x(n)进行如下变换:
上式中,N表示信号x(n)的长度,
j为虚数单位,
π为圆周率,
m的取值范围为m=0,1,2,…,(N/α),α∈(0,1],(N/α)为N/α取整。
为了实现上述目的,本发明还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如前所述的方法。
为了实现上述目的,本发明还提供了一种基于细化傅里叶变换的信号分析的设备,包括如前所述的计算机可读存储介质以及处理器,处理器用于调用和处理计算机可读存储介质中存储的计算机程序。
总体而言,本发明所构思的以上技术方案与现有技术相比,具有如下
有益效果:
1、本发明的方法在无需增加采样时间的情况下提高了频率分辨率,从而解决了频率过于密集而导致无法准确修正出相邻频谱的问题,使得频率密集或者连续谱校正成为可能;
2、本发明的方法解决了离散傅里叶变换(DFT)方法频率和幅值精度低和不适用于时频分析等问题;
3、与众多幅值谱或者功率谱校正方法相比,本发明的方法具有从频谱密集信号中准确提取各个频率成分的优势;
4、本发明的方法是一种完备的傅里叶变换方法,其存在逆变换方法且满足帕斯瓦尔(Parseval)能量守恒定律。
附图说明
图1是矩形窗函数的频率响应示意图;
图2是一个周期信号的非整周期截断示意图;
图3是整周期截断的频率响应示意图;
图4是非整周期截断导致的最大误差示意图;
图5是倍增采样时间后,非整周期截断最大误差示意图;
图6是参数α的取值为0.5时,细化的傅里叶变换(RFT)最大误差示意图;
图7是参数α的取值为0.25时,细化的傅里叶变换(RFT)最大误差示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明定义了一种傅里叶变换方法,称为细化的傅里叶变换(RFT,RefinedFourier Transform),对一列信号x(n)的RFT变换的定义公式如公式(1)所示。
上式中N表示信号x(n)的长度,亦即信号x(n)中包含的采样点数量,j为虚数单位,π为圆周率,其中m的取值范围为m=0,1,2,…,(N/α),α∈(0,1],(N/α)表示对N/α取整,通常可以直接使用运算程序默认的取整模式即可。一般来说,N/α较大时,向上或向下取整的差别可以忽略不计;此外,由于取整本身就只有向上或者向下两种可能,如果有特殊需求,则自行检验不同取整方式的差别后,根据实际需求进行选择即可。
本发明的方法能够将信号的频率分辨率提高1/α倍。如图6和图7所示,参数α的取值分别为0.5和0.25。图6中,参数α的取值为0.5,信号的频率分辨率为原来(图4)的2倍,图7中,参数α的取值为0.25,信号的频率分辨率为原来(图4)的4倍。
参考图6和图7所示,由于本发明的处理过程中信号的窗函数长度N和采样频率fs保持不变,因而窗函数的频率响应保持不变,也就是说矩形窗函数的主瓣和旁瓣宽度保持不变。注意与图5所示的增加采样时间的方法相区别,本发明的方法并没有增加采样时间,下文有详细说明。
由于窗函数的频率响应保持不变,引入α后,m值由0~N变为0~N/α,导致频谱的宽度发生了变化,从而提高了频率分辨率,频率精度和幅值精度相比于图4都提高了,参考图6和图7所示。图6与图4相比,当参数α的取值为0.5时,频率精度提高了一倍,幅值最大相对误差变为10%。
当参数α的取值为0.25时,频率精度提高了三倍,幅值最大相对误差变为2.6%。依次类推,当α的取值越接近0,幅值精度和频率精度就越高。
下面通过另一个例子对本发明采用细化的傅里叶变换(RFT,Refined FourierTransform)提高频率分辨率,进而提高频率精度和幅值精度的原理进行说明。
对任意一个稳态信号,随着时间的增加,其在时间域内不断的重复出现,这使得采用一个较短的信号准确表示一个较长的信号成为可能。这里我们假设一个长信号x(n)的长度为T×N(当然,在其他实施例中也可以将短信号当做长信号进行下述变换),其离散傅里叶变换可以表示为:
将上述长信号分成T个长度为N的短信号,那么公式2的求和过程就可以写为公式(3):
为了便于表示,我们将公式(3)中的各个求和运算用Fi(m)取代,那么公式(3)就可以表示为公式(4):
X(m)=F1(m)+F2(m)+…+Fi(m)+…+FT(m) (4)
从上述公式(4)中取出Fi(m)进行分析,将Fi(m)的求和运算域进行变换得到下述的公式(5):
将公式(5)右边的第一个1/T用α代替,公式(5)就变成下述公式(6):
参考公式(1),将公式(1)代入公式(6),可以得到公式(7):
根据傅里叶变换的时移性,公式(7)可以写成公式(8):
Fi(m)=RFT[x1(k),α] (8)
结合公式(8)和公式(4)可知,理论上一个稳态信号的离散傅里叶变换(DFT)在频域内不断的重复。
将公式(8)带入公式(4),我们可以得到公式(9):
DFT(x(n))=X(m)=T×RFT[x1(k),α] (9)
从公式(9)可知:一个长信号的离散傅里叶变换(DFT)可以由一个短信号的细化傅里叶变换(RFT)代替。理论上,采用RFT[x(n),α]变换得到的结果与对DFT(x(n))增加T=1/α倍采样时间达到的效果,在提升频率分辨率时是一样的,频率分辨率提高了1/α倍,幅值精度保持不变。但是,由于长信号和短信号的窗函数长度不同,窗函数的频率响应不同,窗函数的主瓣和旁瓣宽度也不同。因此,实际上本发明的RFT[x(n),α]变换与传统的DFT(x(n))增加采样时间的处理方法是有所区别的,如图5和图6所示,两者的频率误差相同,但是幅值误差不同。
通过观察图6发现,RFT[x(n),α]变换在提高频率分辨率的基础上,幅值精度也提高了,这使得本发明的细化傅里叶变换(RFT)的优势更为独特。根据上面的分析,细化傅里叶变换(RFT)适用于短信号的分析,这使得细化傅里叶变换(RFT)用于时频分析成为可能。
本发明的方法在无需增加采样时间的情况下提高了频率分辨率,从而解决了频率过于密集而导致无法准确修正出相邻频谱的问题,使得频率密集或者连续谱校正成为可能。
本发明算法的逆变换算法与DFT的逆变换算法类似,信号的RFT响应R(m,α)与e2 πjαmn/N求卷积,然后除以N/α,具体的逆变换计算公式如公式(10)所示,本发明算法的逆变换过程可以准确地还原得到原始信号x(n),其中n的取值范围为n=0,1,2,…,N。
本发明算法满足帕斯瓦尔(Parseval)能量守恒定律,经过本发明算法变换,其能量守恒方程可以表示为公式(11)。
此外,快速傅里叶变换(FFT)与离散傅里叶变换(DFT)本质上是相同的,FFT计算得到的结果与DFT无异,快速傅里叶变换算法仅仅是提高了傅里叶变换算法的计算速度和减少计算机内存的使用。本发明的细化的傅里叶变换(RFT)与离散傅里叶变换(DFT)具有类似的快速变换算法,本发明的公式1的快速傅里叶变换形式计算得到的结果与本发明的上述方法的计算结果无异,因而利用本发明的方法的快速傅里叶变换形式进行上述信号处理的方法,也应包含在本发明的保护范围之内。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于细化傅里叶变换的信号分析方法,其特征在于,对待分析的信号x(n)进行如下变换:
上式中,N表示信号x(n)的长度,
j为虚数单位,
π为圆周率,
m的取值范围为m=0,1,2,…,(N/α),α∈(0,1],(N/α)为N/α取整。
2.如权利要求1所述的一种基于细化傅里叶变换的信号分析方法,其特征在于,包括公式(1)的快速傅里叶变换形式。
3.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如权利要求1或2所述的方法。
4.一种基于细化傅里叶变换的信号分析的设备,其特征在于,包括如权利要求3所述的计算机可读存储介质以及处理器,处理器用于调用和处理计算机可读存储介质中存储的计算机程序。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810849542.4A CN108982964A (zh) | 2018-07-28 | 2018-07-28 | 一种基于细化傅里叶变换的信号分析方法及设备 |
PCT/CN2018/099521 WO2020024320A1 (zh) | 2018-07-28 | 2018-08-09 | 一种基于细化傅里叶变换的信号分析方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810849542.4A CN108982964A (zh) | 2018-07-28 | 2018-07-28 | 一种基于细化傅里叶变换的信号分析方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108982964A true CN108982964A (zh) | 2018-12-11 |
Family
ID=64552112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810849542.4A Pending CN108982964A (zh) | 2018-07-28 | 2018-07-28 | 一种基于细化傅里叶变换的信号分析方法及设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108982964A (zh) |
WO (1) | WO2020024320A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008434A (zh) * | 2019-03-20 | 2019-07-12 | 华中科技大学 | 一种高精度的简谐信号参数估计方法 |
CN111259322A (zh) * | 2020-02-02 | 2020-06-09 | 武汉大学 | 一种提高射电天文谱线分辨率的快速傅里叶变换构造方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05127868A (ja) * | 1991-04-16 | 1993-05-25 | Internatl Business Mach Corp <Ibm> | 多段階オブジエクト形式変換を識別する方法および装置 |
EP0398830B1 (fr) * | 1989-04-18 | 1997-02-26 | France Telecom | Procédé et dispositif de compression de données d'image par transformation mathématique |
CN102841880A (zh) * | 2012-09-06 | 2012-12-26 | 天津市德力电子仪器有限公司 | 一种基于数字信号处理器快速频谱细化的方法 |
CN103454495A (zh) * | 2013-09-13 | 2013-12-18 | 电子科技大学 | 自适应高精度快速频谱分析方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103777199B (zh) * | 2014-02-24 | 2016-02-10 | 中国科学院电子学研究所 | 一种调频连续波雷达系统的测距方法 |
CN104062498B (zh) * | 2014-04-11 | 2017-10-20 | 哈尔滨理工大学 | 对称频谱信号的中心频率的质心估计方法 |
CN107817402B (zh) * | 2017-10-27 | 2021-04-06 | 国网四川省电力公司电力科学研究院 | 基于测量波阻抗的直流输电线路故障方向识别方法 |
CN108038580A (zh) * | 2017-12-30 | 2018-05-15 | 国网江苏省电力公司无锡供电公司 | 基于同步挤压小波变换的光伏功率多模型综合预测方法 |
-
2018
- 2018-07-28 CN CN201810849542.4A patent/CN108982964A/zh active Pending
- 2018-08-09 WO PCT/CN2018/099521 patent/WO2020024320A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0398830B1 (fr) * | 1989-04-18 | 1997-02-26 | France Telecom | Procédé et dispositif de compression de données d'image par transformation mathématique |
JPH05127868A (ja) * | 1991-04-16 | 1993-05-25 | Internatl Business Mach Corp <Ibm> | 多段階オブジエクト形式変換を識別する方法および装置 |
CN102841880A (zh) * | 2012-09-06 | 2012-12-26 | 天津市德力电子仪器有限公司 | 一种基于数字信号处理器快速频谱细化的方法 |
CN103454495A (zh) * | 2013-09-13 | 2013-12-18 | 电子科技大学 | 自适应高精度快速频谱分析方法 |
Non-Patent Citations (3)
Title |
---|
曾庆健,曾庆武主编: "《大学数学》", 30 June 2017, 北京理工大学出版社 * |
程银琴著: "《工程数学 复变函数与积分变换》", 30 August 2017, 西北工业大学出版社 * |
邢鑫: ""基于快速傅里叶变换频谱细化算法的研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008434A (zh) * | 2019-03-20 | 2019-07-12 | 华中科技大学 | 一种高精度的简谐信号参数估计方法 |
CN111259322A (zh) * | 2020-02-02 | 2020-06-09 | 武汉大学 | 一种提高射电天文谱线分辨率的快速傅里叶变换构造方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020024320A1 (zh) | 2020-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103728663B (zh) | 一种时频分析方法 | |
Jain et al. | Exact model order ESPRIT technique for harmonics and interharmonics estimation | |
Sarkar et al. | Nonparametric link prediction in dynamic networks | |
CN108982964A (zh) | 一种基于细化傅里叶变换的信号分析方法及设备 | |
CN109358223A (zh) | 一种滑动窗dft谐波电流检测方法及装置、存储介质 | |
Cao et al. | A closed-form expanded autocorrelation method for frequency estimation of a sinusoid | |
CN106250904B (zh) | 基于改进s变换的电能扰动分析仪及分类方法 | |
CN109946512B (zh) | 一种改进频域插值的动态功率分析方法 | |
CN102323477A (zh) | 一种电网间谐波测量方法及测量仪 | |
CN108344895A (zh) | 信号检测方法及装置 | |
CN104407198A (zh) | 一种用于dvr装置中检测sag信号的方法和系统 | |
CN109900959A (zh) | 一种动态正弦畸变信号中谐波成分的提取方法 | |
Yan et al. | The research of dynamic variable fuzzy set assessment model in water quality evaluation | |
CN103178851A (zh) | 一种产生spwm控制信号的新型采样方法 | |
CN115575707A (zh) | 基于改进fft算法与小波变换结合的谐波检测装置及方法 | |
CN115236392A (zh) | 多特征量的电能计量方法、装置、终端及存储介质 | |
CN117613881A (zh) | 一种基于主成分分析法的新能源场站谐波责任划分方法 | |
Chan et al. | Adaptive time-frequency synthesis for waveform discernment in wireless communications | |
González-Concepción et al. | Using wavelets to understand the relationship between mortgages and Gross Domestic Product in Spain | |
CN108062289A (zh) | 快速傅里叶变换fft地址换序方法、信号处理方法及装置 | |
CN103699687A (zh) | 一种基于枚举的网络实体爬取方法 | |
CN109683142B (zh) | 基于差分包络检波的三角线性调频连续信号参数估计方法 | |
CN108763154A (zh) | 一种离散加窗傅里叶变换族的上下确界估计及框架判定方法 | |
CN117176519A (zh) | 成型波形生成方法及装置 | |
CN105405444B (zh) | 一种在Odd-DFT域对含噪正弦信号进行参数估计的方法 |
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 |
Application publication date: 20181211 |
|
RJ01 | Rejection of invention patent application after publication |