CN109239651B - 互质面阵下的二维doa跟踪方法 - Google Patents
互质面阵下的二维doa跟踪方法 Download PDFInfo
- Publication number
- CN109239651B CN109239651B CN201810815417.1A CN201810815417A CN109239651B CN 109239651 B CN109239651 B CN 109239651B CN 201810815417 A CN201810815417 A CN 201810815417A CN 109239651 B CN109239651 B CN 109239651B
- Authority
- CN
- China
- Prior art keywords
- array
- matrix
- angle
- doa
- sub
- 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
Links
Images
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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/74—Multi-channel systems specially adapted for direction-finding, i.e. having a single antenna system capable of giving simultaneous indications of the directions of different signals
-
- 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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种互质面阵下的二维DOA跟踪方法,利用PASTd方法实时更新接收数据的信号子空间,然后基于互质面阵下的2D‑ESPRIT算法得到精确的DOA估计,并且通过联合子面阵间的角度关系来消除角度模糊问题,从而实现互质面阵下的低复杂度的DOA实时跟踪。本发明无需分解特征值和构造接收数据的协方差矩阵就能实现2D‑DOA信息的实时跟踪,复杂度低;对比互质阵下基于PAST进行DOA跟踪的方法,本发明具有更好的跟踪性能。
Description
技术领域
本发明涉及阵列信号处理技术领域,尤其是一种互质面阵下的二维DOA跟踪方法。
背景技术
相对于传统面阵,互质面阵的主要思想是通过联合两个满足互质关系的子面阵进行空间谱估计,不仅能有效解决测向模糊问题,还可以获得较大的阵列孔径,显著提高波束形成和DOA估计中的自由度,因此得到广泛应用。传统的经典超分辨率DOA估计算法需要对接收信号的协方差矩阵进行特征值分解或者奇异值分解,计算量太大,难以满足DOA实时跟踪的需求,因此研究DOA跟踪算法变得很有实际意义。针对这个问题,国内外学者对其中的难点提出了诸多方法。其中比较有代表性的算法是子空间跟踪算法,包括PAST、PASTd、双迭代最小二乘(Bi-Iterative Least Squares,Bi-ILS)算法、双边迭代奇异值分解(Bi-iteration Singular Value Decomposition,Bi-SVD)算法等。本发明将互质面阵与PASTd算法相结合,提出互质面阵下的DOA实时跟踪算法,实现DOA角度的自动配对与跟踪,由于无需进行协方差矩阵的构造和特征值分解,算法复杂度低。
发明内容
本发明所要解决的技术问题在于,提供一种互质面阵下的二维DOA跟踪方法,能够实现互质面阵下的任意动态目标的低复杂度的DOA实时跟踪。
为解决上述技术问题,本发明提供一种互质面阵下的二维DOA跟踪方法,包括如下步骤:
(1)通过联合互质面阵中的两个子面阵构建阵列接收信号的数据模型;
(2)利用PASTd方法实时更新接收数据的信号子空间;
(3)基于阵列接收数据的信号子空间,利用互质面阵下的二维ESPRIT算法得到DOA估计,并通过联合阵列子阵间的角度关系实现解模糊。
优选的,步骤(1)具体为:
阵元总数为M2+N2-1的互质面阵,由阵元数分别为N×N和M×M的两个均匀子面阵构成,且两个子阵的阵元间距分别为Mλ/2和Nλ/2;对于子面阵i,其在X轴和Y轴上阵元的方向矩阵可以分别表示为 其中,方向向量/> di为阵元间距;因此,子面阵i的接收信号xi(t)可以表示为
优选的,步骤(2)具体为:
(21)选择适当的初始值λk(0),W(0);
(22)对每一个t=1,2,…,J(J为快拍数),使得x1(t)=X(t);
(24)当步骤(23)中的k=K后,使得t=t+1,再次从步骤(22)开始计算。
优选的,步骤(3)具体为:
在互质面阵中,对于子面阵i,按下式构造Ai1,Ai2
将信号子空间Eis分解成Eix=Es(1:Mi(Mi-1),:),其中Eix为Eis的1到Mi(Mi-1)行,Eiy为Eis的Mi+1到/>行,Eix、Eiy也可表达为Eix=Ai1Ti,Eiy=Ai1ΦiyTi,矩阵/>满秩,进而有
同样对矩阵Eis重构,可得类似地可以将E'is分解成矩阵E'ix=E'is(1:Mi(Mi-1),:)和矩阵/>构造矩阵那么,/>在不考虑噪声的条件下有/>其中Πi表示一个置换矩阵,类似于uik,可以得到/>的估计值
通过联合两个子阵间的角度关系,可以消除互质面阵中角度估计的模糊值,即两个子阵相同的估计值即为真实角度,其余值为模糊值。
根据uik和vik的表达式可知,uik和vik的估计值有相同的列模糊,因此估计角度可以自动配对,角度配对完成后,根据以下公式即可得到信源仰角和方位角的估计值
本发明的有益效果为:本发明无需分解特征值和构造接收数据的协方差矩阵就能实现2D-DOA信息的实时跟踪,复杂度低;对比互质阵下基于PAST进行DOA跟踪的方法,本发明具有更好的跟踪性能。
附图说明
图1为本发明的阵列结构示意图。
图2为本发明的PASTd算法流程示意图。
图3为本发明实现的信源方位角的60s跟踪图。
图4为本发明实现的信源俯仰角的60s跟踪图。
图5为本发明实现的信源DOA的60s跟踪图。
图6为本发明在不同阵元数下的跟踪性能对比示意图。
图7为本发明与PAST算法在不同信噪比下的跟踪性能对比示意图。
具体实施方式
一、数据模型
互质面阵的阵列结构如图1所示,与传统均匀面阵相比,互质面阵可以分成两个子阵,N表示第一个子阵在X轴和Y轴方向的阵元数,M表示第二个子阵在X轴和Y轴方向的阵元数。子阵一是由阵元数为N×N的均匀面阵构成,子阵二由阵元数为M×M的均匀面阵构成。子阵阵元在原点位置重合,故互质面阵的阵元总数为M2+N2-1。其中子阵一的阵元间距为d1=Mλ/2,子阵二的阵元间距为d2=Nλ/2,各阵元的位置可表示为如下集合
Ds={(md1,nd1)|0≤m,n≤N-1}∪{(pd2,qd2)|0≤p,q≤M-1}
假设空间有K个非相干信源入射到上述互质面阵,θk,分别代表入射信源的俯仰角和方位角。考虑面阵中的子面阵i,其在X轴和Y轴上阵元的方向矩阵可以分别表示为其中,方向向量/> 因此,子面阵i的接收信号xi(t)可以表示为
二、利用PASTd方法实时更新信号子空间
定义一个无约束代价函数
J(W)=E{||x-WWHx||2}
=E{(x-WWHx)H(x-WWHx)}
=E{xHx}-2E{xHWWHx}+E{xHWWHWWHx}
可以发现
E{xHWWHx}=tr(E{WHxxHW})=tr(WHCW)
E{xHWWHWWHx}=tr(E{WHWxxHWHW})=tr(WHCWWHW)
其中C表示接收数据x的自相关矩阵。假设W秩为N,则J(W)可以表示为
J(W)=tr(C)-2tr(WHCW)+tr(WHCWWHW)
由Bin Yang提出的定理可以知道当目标函数J(W)取极小值时,W的列空间等价于信号子空间。
在现实情况中,为了更新得到t时刻的子空间W(t),需要利用t-1时刻的子空间W(t-1)以及t时刻的阵元数据x(t)。在此我们选择梯度下降法,选取下降梯度为
所以
其中,μ>0表示需要适当选择的步长值。将C(t)=x(t)xH(t),y(t)=WH(t-1)x(t)代入上式,得到
W(t)=W(t-1)-μ[2x(t)yH(t)-x(t)yH(t)
×WH(t-1)W(t-1)-W(t-1)WH(t-1)y(t)yH(t)]
由于J(W)取得极小值时,WH(t-1)W(t-1)=I,可得
W(t)=W(t-1)+μ[x(t)-W(t-1)y(t)]yH(t)
由于W(t)跟踪时变子空间的能力较差,算法收敛慢。为了解决这个问题可以定义一个新的指数加权函数
y(i)=WH(i-1)x(i)≈WH(t)x(i)
因此得到已经修正的目标函数
当目标函数全局最小时,W(t)可以用自相关矩阵Cyy(t)和互相关矩阵Cxy(t)来表示,minJ(W(t))最优解是Wiener滤波器,即
其中,Cyy(t)和Cxy(t)更新公式为:
PASTd方法主要利用紧缩技术通过一定顺序来估计主分量,首先在目标数K为1时通过PAST方法估计出当前最主要的特征向量Wk(t),再把当前t时刻的数据xk(t)减去它在特征向量Wk(t)上的投影得到xk+1(t),然后重复上述步骤计算出Wk+1(t),Wk+2(t),…
利用PASTd方法求解信源信号子空间的具体步骤如下:
1)选择适当的初始值λk(0),W(0);
2)对每一个t=1,2,…,J(J为快拍数),使得x1(t)=X(t);
4)当步骤(3)中的k=K后,使得t=t+1,再次从步骤(2)开始计算;
PASTd的算法流程图如图2所示,算法最后一步通过xk(t)减去C(t)的第k个特征向量Wk(t)达到算法紧缩。
三、利用2D-ESPRIT得到DOA信息
在互质面阵中,对于子面阵i,按下式构造Ai1,Ai2
将由PASTd得到的信号子空间Eis分解成Eix=Es(1:Mi(Mi-1),:),其中Eix为Eis的1到Mi(Mi-1)行,Eiy为Eis的Mi+1到/>行,Eix、Eiy也可表达为Eix=Ai1Ti,Eiy=Ai1ΦiyTi。矩阵/>满秩。进而有
同样对矩阵Eis重构,可得类似地可以将E'is分解成矩阵E'ix=E'is(1:Mi(Mi-1),:)和矩阵/>构造矩阵那么,/>在不考虑噪声的条件下有/>其中Πi表示一个置换矩阵。类似于uik,可以得到/>的估计值
由于互质面阵中阵元间距大于半波长,因此会在非满秩面阵中会产生角度模糊。假设有空间角度为的非相干信源入射到互质面阵,考虑面阵中的子面阵i,子面阵i在X轴和Y轴方向上相邻阵元的相位差与阵元间距之间的关系可分别表示为
其中kx和ky都为整数,取值范围分别为 同时kx和ky还需满足/>当/>和/>确定时,存在一个或多个空间角度满足上式,当d=Mλ/2(M为大于1的整数)时,kx和ky的取值分别为M和M/2个,即使考虑到角度配对问题,仍有多个角度估计值满足上式,这些角度中只有一个为真实角度,其他均为模糊值。大量文献已证明,互质面阵的角度模糊消除可以通过联合两个子阵间的角度关系解决,两个子阵相同的估计值即为真实角度,其余值为模糊值。
根据uik和vik的表达式可知,uik和vik的估计值有相同的列模糊,因此估计角度可以自动配对。角度配对完成后,根据以下公式即可得到信源仰角和方位角的估计值
下面利用MATLAB仿真对本发明的算法性能进行分析。其中,采用求根均方误差(Root Mean Square Error,RMSE)来评估算法DOA估计性能,RMSE定义如下
N和M分别表示互质面阵中的两个子阵在X轴和Y轴方向的阵元数,阵列阵元总数为M2+N2-1。假设信源是以直线或曲线运动,方位角和仰角在时间T内线性变化,且整个跟踪过程中信源数保持不变。跟踪时间T设为60s。每隔1s跟踪一次,1s内快拍数J设为200。遗忘因子β设为0.97。PASTd算法的初始参数设置如下:λk=1(k=1,…,K),W(0)=[IK,0]T,IK为K×K的单位阵。
图3-5是SNR为20dB时基于PASTd算法的DOA跟踪结果,阵列参数M=4,N=5。从图3-5可以看出该算法能够有效的对信源的方位角和仰角进行跟踪。图5显示了两个信源的方位角和仰角在一个图中的变化轨迹,可看出本发明能够较精确的进行DOA跟踪。
图6是本发明在不同阵元数下的DOA跟踪性能比较图。在快拍数J为300的情况下,固定参数M为5,N=[3,4,6],可以看出随着阵元数的增加,本发明的跟踪性能变得越来越好。
图7显示了本发明与PAST算法在不同信噪比下的跟踪性能对比图,PAST算法同样基于图1的互质面阵模型。PASTd算法随着信噪比提高性能逐步改善,而在信噪比升高后性能增长减缓,同时可以看出本发明性能优于PAST算法。本发明在高信噪比时仍可以较精确的实现信源二维DOA跟踪。
本发明的复杂度分析:在图1所示的阵列模型下,PASTd算法每次更新的复杂度为O(4(M2+N2)K+2K),在互质面阵中得到信号子空间的情况下利用2D-ESPRIT算法进行二维DOA估计的复杂度为O(4K2M(M-1)+4K2N(N-1)+16K3)。由此可见,本发明的复杂度较低,利于实时跟踪DOA信息。
Claims (3)
1.互质面阵下的二维DOA跟踪方法,其特征在于,包括如下步骤:
(1)通过联合互质面阵中的两个子面阵构建阵列接收信号的数据模型;
(2)利用PASTd方法实时更新接收数据的信号子空间;
(3)基于阵列接收数据的信号子空间,利用互质面阵下的二维ESPRIT算法得到DOA估计,并通过联合阵列子阵间的角度关系实现解模糊;具体为:
在互质面阵中,对于子面阵i,按下式构造Ai1,Ai2
将信号子空间Eis分解成Eix=Eis(1:Mi(Mi-1),:),其中Eix为Eis的1到Mi(Mi-1)行,Eiy为Eis的Mi+1到/>行,Eix、Eiy表达为Eix=Ai1Ti,Eiy=Ai1ΦiyTi,矩阵/>满秩,进而有
Eiy=EixTi -1ΦiyTi=EixΨi
其中,Ψi=Ti -1ΦiyTi,则Φiy的对角线的元素就是Ψi的特征值,由最小二乘法则得到Ψi的估计
同样对矩阵Eis重构,得类似地将E'is分解成矩阵E'ix=E'is(1:Mi(Mi-1),:)和矩阵/>构造矩阵那么,/>在不考虑噪声的条件下有/>其中Πi表示一个置换矩阵,类似于uik,得到/>的估计值
通过联合两个子阵间的角度关系,消除互质面阵中角度估计的模糊值,即两个子阵相同的估计值即为真实角度,其余值为模糊值;
根据uik和vik的表达式可知,uik和vik的估计值有相同的列模糊,因此估计角度自动配对,角度配对完成后,根据以下公式得到信源仰角和方位角的估计值
2.如权利要求1所述的互质面阵下的二维DOA跟踪方法,其特征在于,步骤(1)具体为:
阵元总数为M2+N2-1的互质面阵,由阵元数分别为N×N和M×M的两个均匀子面阵构成,且两个子阵的阵元间距分别为Mλ/2和Nλ/2;对于子面阵i,其在X轴和Y轴上阵元的方向矩阵分别表示为 其中,方向向量/> di为阵元间距,因此,子面阵i的接收信号xi(t)表示为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810815417.1A CN109239651B (zh) | 2018-07-24 | 2018-07-24 | 互质面阵下的二维doa跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810815417.1A CN109239651B (zh) | 2018-07-24 | 2018-07-24 | 互质面阵下的二维doa跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109239651A CN109239651A (zh) | 2019-01-18 |
CN109239651B true CN109239651B (zh) | 2023-06-20 |
Family
ID=65072985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810815417.1A Active CN109239651B (zh) | 2018-07-24 | 2018-07-24 | 互质面阵下的二维doa跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109239651B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110673085B (zh) * | 2019-09-25 | 2023-06-13 | 南京航空航天大学 | 一种均匀面阵下基于快速收敛平行因子的相干信源测向方法 |
CN110736959B (zh) * | 2019-10-25 | 2021-07-09 | 北京理工大学 | 一种基于和差协同阵构建的平面互质阵列设计方法 |
CN111239679B (zh) * | 2020-02-12 | 2022-04-08 | 南京航空航天大学 | 一种用于互质面阵下相干信源doa估计的方法 |
CN111580040A (zh) * | 2020-03-29 | 2020-08-25 | 重庆邮电大学 | 双基地展开互质阵列mimo雷达dod和doa降维估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106785486A (zh) * | 2017-01-09 | 2017-05-31 | 南京航空航天大学 | 一种广义互质面阵天线结构及角度估计方法 |
CN107102292A (zh) * | 2017-06-19 | 2017-08-29 | 哈尔滨工业大学 | 一种基于贝叶斯方法的目标方位跟踪方法 |
CN108120967A (zh) * | 2017-11-30 | 2018-06-05 | 山东农业大学 | 一种平面阵列doa估计方法及设备 |
-
2018
- 2018-07-24 CN CN201810815417.1A patent/CN109239651B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106785486A (zh) * | 2017-01-09 | 2017-05-31 | 南京航空航天大学 | 一种广义互质面阵天线结构及角度估计方法 |
CN107102292A (zh) * | 2017-06-19 | 2017-08-29 | 哈尔滨工业大学 | 一种基于贝叶斯方法的目标方位跟踪方法 |
CN108120967A (zh) * | 2017-11-30 | 2018-06-05 | 山东农业大学 | 一种平面阵列doa估计方法及设备 |
Non-Patent Citations (5)
Title |
---|
DOD and DOA Tracking Algorithm for Bistatic MIMO Radar Using PASTd without Additional Angles Pairing;Hailang Wu 等;《2012 IEEE fifth International Conference on Advanced Computational Intelligence(ICACI)》;20130218;全文 * |
互质阵中空间谱估计研究进展;张小飞 等;《南京航空航天大学学报》;20171031;第49卷(第5期);全文 * |
基于PASTd的圆阵ESPRIT算法;梁炎夏 等;《系统仿真技术》;20100731;第6卷(第3期);全文 * |
改进型PASTd双基地MIMO雷达相干目标角度跟踪算法;张正言 等;《火力与指挥控制》;20160430;第41卷(第4期);全文 * |
运动目标DOA自适应跟踪算法;赵汇强 等;《火力与指挥控制》;20120630;第37卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109239651A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109239651B (zh) | 互质面阵下的二维doa跟踪方法 | |
CN106772226B (zh) | 基于压缩感知时间调制阵列的doa估计方法 | |
CN105403856B (zh) | 基于嵌套式最小冗余阵列的波达方向估计方法 | |
CN110208735B (zh) | 一种基于稀疏贝叶斯学习的相干信号doa估计方法 | |
CN105824002B (zh) | 基于嵌套式子阵阵列的波达方向估计方法 | |
CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及系统 | |
CN107436421B (zh) | 一种稀疏贝叶斯学习框架下混合信号doa估计方法 | |
CN108344967B (zh) | 基于互质面阵的二维波达方向快速估计方法 | |
CN109116293B (zh) | 一种基于离格稀疏贝叶斯的波达方向估计方法 | |
CN107544051A (zh) | 嵌套阵列基于k‑r子空间的波达方向估计方法 | |
CN112698264A (zh) | 增广互质阵列脉冲噪声环境下相干信源的doa估计方法 | |
CN108872926A (zh) | 一种基于凸优化的幅相误差校正及doa估计方法 | |
Moses et al. | An autoregressive formulation for SAR backprojection imaging | |
CN112731278B (zh) | 一种部分极化信号的角度与极化参数欠定联合估计方法 | |
CN108761380B (zh) | 一种用于提高精度的目标波达方向估计方法 | |
CN112099007A (zh) | 适用于非理想天线方向图的方位向多通道sar模糊抑制方法 | |
Qi et al. | Time-frequency DOA estimation of chirp signals based on multi-subarray | |
CN113567913B (zh) | 基于迭代重加权可降维的二维平面doa估计方法 | |
CN115236584A (zh) | 基于深度学习的米波雷达低仰角估计方法 | |
CN108614235B (zh) | 一种多鸽群信息交互的单快拍测向方法 | |
CN112763972B (zh) | 基于稀疏表示的双平行线阵二维doa估计方法及计算设备 | |
CN113189538A (zh) | 一种基于互质稀疏排列的三元阵列及其空间谱估计方法 | |
CN110579737B (zh) | 一种杂波环境中基于稀疏阵列的mimo雷达宽带doa计算方法 | |
CN116699511A (zh) | 一种多频点信号波达方向估计方法、系统、设备及介质 | |
CN106844886B (zh) | 基于主分量分析的目标波达方向获取方法 |
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 |