CN109379695B - 用于LoRa网络的室内定位的方法及机器可读存储介质 - Google Patents
用于LoRa网络的室内定位的方法及机器可读存储介质 Download PDFInfo
- Publication number
- CN109379695B CN109379695B CN201811050927.0A CN201811050927A CN109379695B CN 109379695 B CN109379695 B CN 109379695B CN 201811050927 A CN201811050927 A CN 201811050927A CN 109379695 B CN109379695 B CN 109379695B
- Authority
- CN
- China
- Prior art keywords
- lora
- environmental data
- training
- indoor
- network
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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
-
- 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)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供一种用于LoRa网络的室内定位的方法及机器可读存储介质,属于通信领域。该方法包括:基于所述LoRa网络在室内采集LoRa环境数据;基于该LoRa环境数据以及历史数据库,对迁移学习模型进行训练,所述历史数据库包括基于除所述LoRa网络以外的其他无线网络在室内采集的环境数据及该环境数据所对应的室内位置信息;以及基于训练之后的迁移学习模型以及所述LoRa环境数据,确定该LoRa环境数据所对应的室内位置信息。藉此,实现了基于LoRa网络进行室内定位。
Description
技术领域
本发明涉及通信领域,具体地涉及一种用于LoRa网络的室内定位的方法及机器可读存储介质。
背景技术
定位技术是一种确定被追踪特定意义的目标的物理位置的方法。由于位置信息的重要性,目前已经有多种技术和方法提供或者探测室内或者室外的位置信息。比较成熟的方法包括GPS、北斗为代表的室外定位系统,以UWB、蓝牙、Wi-Fi等为代表的室内定位系统。定位技术同时可以为其它已有应用提供位置信息,以提高应用服务的精准度。
现有技术中,GPS和北斗都是针对户外的环境,在室内由于信号遮挡的问题,很难准确定位室内目标。UWB、蓝牙、Wi-Fi等技术,需要提前在室内感应区域内部署,但鉴于Wi-Fi等的功能性满足,因此在建筑物内的部署是比较密集且由不同的组织提供。基于Wi-Fi信号特征的定位方法,已经被广泛的研究并能提高的精度。
虽然相关专利(例如CN201711115293.8和CN201711320578.5)使用了GAN方法等,并声明可以取得一定程度的定位准确性,但都没有针对自主式的物联网网络LoRaWAN进行处理。出于方便性和安全性的考虑,室内定位技术已经得到了广泛的研究。同时伴随着无线通信技术的发展与普及,无线设备的实用性大幅度提高。作为一项成功的定位系统,全球定位系统(Global Positioning System,简称GPS)已经大规模的应用在道路交通等室外定位领域。但是由于卫星信号受到建筑物的屏蔽与遮挡,GPS系统无法在室内环境中进行准确的定位,与此同时GPS接收设备会增加整个系统的造价。因此,目前正在研究和使用的室内定位系统都采用了其它技术,诸如无线技术、红外技术、超声波技术等。这些已有方法仅针对无线传感器网络(WSN)、无线局域网(WLAN、IEEE 802.1)、蓝牙、UWB等,缺少对未来物联网系统LoRa技术的支持。
发明内容
本发明的目的是提供一种用于LoRa网络的室内定位的方法及机器可读存储介质,其可实现基于LoRa网络进行室内定位。
为了实现上述目的,本发明的一个方面提供一种用于LoRa网络的室内定位的方法,该方法包括:基于所述LoRa网络在室内采集LoRa环境数据;基于该LoRa环境数据以及历史数据库,对迁移学习模型进行训练,所述历史数据库包括基于除所述LoRa网络以外的其他无线网络在室内采集的环境数据及该环境数据所对应的室内位置信息;以及基于训练之后的迁移学习模型以及所述LoRa环境数据,确定该LoRa环境数据所对应的室内位置信息。
可选地,所述基于该LoRa环境数据及历史数据库对迁移学习模型进行训练包括:根据所述历史数据库和所述LoRa环境数据分别建立第一训练概率函数和第二训练概率函数;以及根据预设映射函数调整所述第一训练概率函数和所述第二训练概率函数的概率分布并不断调整所述预设映射函数,最终使得所述第一训练概率函数和所述第二训练概率函数的概率分布以及目标条件概率相同,其中最终确定的所述预设映射函数即为所述迁移学习模型。
可选地,所述不断调整所述预设映射函数为根据以下公式不断调整所述预设映射函数:A(Ds,Dt)=2(1-2cost(h))。
可选地,所述历史数据库中包括的环境数据包括以下至少一者:所述其他无线网络的信号强度、磁场强度、光强以及声音强度。
可选地,所述LoRa环境数据包括所述LoRa网络的信号强度。
可选地,通过以下操作确定所述历史数据库:基于除所述LoRa网络以外的其他无线网络在室内采集环境数据,并记录所采集的环境数据对应的室内位置信息;以及将属于同一室内位置信息的环境数据及所属于的室内位置信息进行标识,以建立所述历史数据库。
此外,本发明的另一方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述的方法。
通过上述技术方案,训练迁移学习模型,基于迁移学习模型,在LoRa网络中确定室内位置信息,如此,实现了基于LoRa网络进行室内定位。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是本发明一实施例提供的用于LoRa网络的室内定位的方法的流程图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
LoRa-based Netwok(LoRa网络,或称为Low-Power Wide Area Networks),是新型的低功耗的自部署网络,与传统的物联网方式不同,未来将会为IoT(物联网,Internet ofThings)网络的基本部署。LoRa网络具有很多独特特征,包括:(1)新型的无线通信系统;(2)可以采用端对端(Class A),端到基站(Class B)等多种灵活的模式;(3)由于采用了非授权的免费频段(低于1GHz),并且采用了优化算法,提高了信号敏感;(4)LoRa网络的通信距离远,视距传输距离可达10Km,非视距3-5Km,所以在同样覆盖面积下,所需要的基站数量少;(5)可以同时联接的设备超过1000个以上;(6)设备功耗,尤其是前端设备的功耗很低,这样可以使电池的使用年限得到大幅的提升,通常情况下可以达到5-7年。
目前,LoRa网络已经应用在某些独立部署的环境中,如智慧农业场景中,控制物联网的传感和灌溉系统;用于不同区域的居民远程抄表,包括电表、水表、煤气表等;封闭园区的视频监控系统中,减少布线等复杂工作。
本发明实施例的一个发面提供一种用于LoRa网络的室内定位的方法。图1是本发明一实施例提供的用于LoRa网络的室内定位的方法的流程图。如图1所示,该方法包括以下内容。
在步骤S10中,基于LoRa网络在室内采集LoRa环境数据。具体地,部署好LoRa网络或系统,或者针对已有的LoRa网络系统,在感知区域(建筑物内或者室内),使用LoRa节点或者LoRa终端采集LoRa环境数据。其中,LoRa网络或系统包括LoRa基站、LoRa节点及能读取LoRa的设备(如智能手机等)。可选地,LoRa环境数据可以包括LoRa网络的信号强度。此外,LoRa环境数据还可以包括LoRa基站信息、时间戳及LoRa物理层信息等。在采集LoRa环境数据时,可以进行多次采集,将采集到的LoRa环境数据存储到数据库中。
在步骤S11中,基于该LoRa环境数据以及历史数据库,对迁移学习模型进行训练,历史数据库包括基于除LoRa网络以外的其他无线网络在室内采集的环境数据及该环境数据所对应的室内位置信息。例如,该其他无线网络可以是Wi-Fi网络和/或蓝牙网络。可选地,在本发明实施例中,历史数据库中包括的环境数据包括以下至少一者:其他无线网络的信号强度、磁场强度、光强以及声音强度。此外,历史数据库中除包括环境数据及环境数据对应的室内位置信息以外,还可以包括其他信息。例如,当基于Wi-Fi网络在室内采集环境数据的情况下,若环境数据包括其他无线网络的信号强度,历史数据库还可以包括与Wi-Fi网络对应的Wi-Fi节点的AP(Access Point)数量、Wi-Fi_AP的名称、CSI信息和/或者时间戳等;当环境数据包括磁场强度时,历史数据库还可以包括与磁场强度对应的时间戳和/或地磁传感器型号等;当环境数据包括光强时,历史数据库还可以包括对光强对应的采集该光强的设备类型和/或时间戳;当环境数据包括声音强度时,历史数据库还可以包括与该声音强度对应的声音采集设备类型和/或时间戳。另外,在本发明实施例中,环境数据对应的室内位置信息可以是室内相对应位置。例如,以某建筑大楼为例,室内相对位置记为x、y、z,其中x和y可以是平面化坐标,z可以代表楼层信息,原点可以定位该建筑大楼的大门或者某标志性位置。
在步骤S12中,基于训练之后的迁移学习模型以及LoRa环境数据,确定该LoRa环境数据所对应的室内位置信息。
训练迁移学习模型,基于迁移学习模型,在LoRa网络中确定室内位置信息,如此,实现了基于LoRa网络进行室内定位,判读出携带LoRa网络终端的目标(包括人或者物)的位置。基于LoRa网络进行室内定位,可以辅助采用LoRa网络的基于位置的各项人工智能及其他计算服务。
可选地,在本发明实施例中,基于该LoRa环境数据及历史数据库对迁移学习模型进行训练包括:根据历史数据库和LoRa环境数据分别建立第一训练概率函数和第二训练概率函数;以及根据预设映射函数调整第一训练概率函数和第二训练概率函数的概率分布并不断调整预设映射函数,最终使得第一训练概率函数和第二训练概率函数的概率分布以及目标条件概率相同,其中最终确定的预设映射函数即为迁移学习模型。具体地,可以根据以下内容对迁移学习模型进行训练。
步骤1:通过历史数据训练,设置迁移学习模型,具体参见以下内容。首先,先根据历史数据库及LoRa环境数据,建立训练概率函数fH1、fH2,其中,训练概率函数fH1对应历史数据库,训练概率函数fH2对应LoRa环境数据组成的集合。设定源数据集为Dt,该源数据集代表历史数据库,目标数据集为Ds,该目标数据集代表LoRa环境数据组成的集合。其中,两个数据集的概率分布情况不同,分别为P(xt)≠P(xs),其中,P(xt)表示训练概率函数fH1的概率分布,P(xs)表示训练概率函数fH2的概率分布。由于传递学习不能直接映射,所以,设置一个对应的映射函数ζ。其次,根据映射函数ζ概率分布P(xt)和P(xs),在调整概率分布的过程中,也不断根据两个概率分布的比较结果不断调整映射函数,最终使得两概率分布基本相同,P(ζ(xs))≈P(ζ(xt)),并使得相应的目标条件概率P(ys|ζ(xs))≈P(yt|ζ(xt)),这样能保证训练后的目标准确性,其中最终确定的映射函数即为迁移学习模型。
可选地,在本发明实施例中,不断调整预设映射函数为根据以下公式不断调整预设映射函数:A(Ds,Dt)=2(1-2cost(h))。其中,Ds表示目标数据集,Dt表示源数据集。cost()函数返回的是基于h的误差损失函数,范围从0-0.5,其中h是一个二分类器,用于计算在目标数据集和源数据集上的损失。利用映射函数修正后概率分布更加合理。
另外,在确定好迁移学习模型后,将迁移学习模型导入LoRa系统的数据中,进行训练,并适当的标定。在训练的过程中,修正迁移学习模型,再次训练,并实际应用。
可选地,在本发明实施例中,通过以下操作确定历史数据库:基于除LoRa网络以外的其他无线网络在室内采集环境数据,并记录所采集的环境数据对应的室内位置信息;以及将属于同一室内位置信息的环境数据及所属于的室内位置信息进行标识,以建立历史数据库。具体地,可以包括以下内容。首先,采集数据。在已布置好多种传感器和无线节点的室内环境中,如家庭、商场、医院、酒店、机场、火车站、办公楼等,利用不同的接收设备,如笔记本电脑、无线传感网节点、智能手机、蓝牙接收器、磁感应节点、光线接收器等,在环境中采集各种信号的数据(对应于本发明实施例中所述的历史数据库中的环境数据)及记录各种数据对应的室内位置信息,其中,此过程可以组织专门人员在不同时间、不同位置进行多次的采集。此外,是还可以是由用户在使用过程顺便采集,这种方式可以称为“群智智能”(Crowdsourcing Intelligence),数据采集后,由用户将采集到的数据(对应于本发明实施例中所述的历史数据库中的环境数据)及对应的室内位置信息上传到网络。由于需要大量数据才能得到更为准确的对应结果,所以,数据采集部分的预采集时间较长和数据量都需要较大。其次,在数据产生和采集后,需要将数据和位置信息进行匹配,并将数据进行标识(Labeling),将属于同一位置的数据进行标识,建立历史数据库。标识后,可以将所采集的各种信号的数据与确定位置给出强对应关系。此步骤后,将该采集的数据及对应的室内位置信息组成的数据集保存,后续训练迁移学习模型时,作为参考数据集。采集的数据及对应的室内位置信息组成的数据集为历史数据集,利用该数据集训练深度学习的迁移学习模型,同时给出概率性的结果。
此外,本发明实施例的另一方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述实施例中所述的方法。
综上所述,训练迁移学习模型,基于迁移学习模型,在LoRa网络中确定室内位置信息,如此,实现了基于LoRa网络进行室内定位。利用已有的较为稠密的室内无线信号源(例如Wi-Fi、蓝牙等),确定历史数据库,利用迁移学习模型,解决稀疏的LoRa信号室内精准定位问题,可以为物联网终端提供更准确的LBS(位置为基础的服务),减少LoRa基站的覆盖复杂度,降低系统费用。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (7)
1.一种用于LoRa网络的室内定位的方法,其特征在于,该方法包括:
基于所述LoRa网络在室内采集LoRa环境数据;
基于该LoRa环境数据以及历史数据库,对迁移学习模型进行训练,所述历史数据库包括基于除所述LoRa网络以外的其他无线网络在室内采集的环境数据及该环境数据所对应的室内位置信息;以及
基于训练之后的迁移学习模型以及所述LoRa环境数据,确定该LoRa环境数据所对应的室内位置信息。
2.根据权利要求1所述的方法,其特征在于,所述基于该LoRa环境数据及历史数据库对迁移学习模型进行训练包括:
根据所述历史数据库和所述LoRa环境数据分别建立第一训练概率函数和第二训练概率函数;以及
根据预设映射函数调整所述第一训练概率函数和所述第二训练概率函数的概率分布并不断调整所述预设映射函数,最终使得所述第一训练概率函数和所述第二训练概率函数的概率分布以及目标条件概率相同,其中最终确定的所述预设映射函数即为所述迁移学习模型。
3.根据权利要求2所述的方法,其特征在于,所述不断调整所述预设映射函数为根据以下公式不断调整所述预设映射函数:
A(Ds,Dt)=2(1-2cost(h))
其中,Ds表示所述LoRa环境数据组成的集合,Dt表示所述历史数据库,h表示一个二分类器。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述历史数据库中包括的环境数据包括以下至少一者:所述其他无线网络的信号强度、磁场强度、光强以及声音强度。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述LoRa环境数据包括所述LoRa网络的信号强度。
6.根据权利要求1-3中任一项所述的方法,其特征在于,通过以下操作确定所述历史数据库:
基于除所述LoRa网络以外的其他无线网络在室内采集环境数据,并记录所采集的环境数据对应的室内位置信息;以及
将属于同一室内位置信息的环境数据及所属于的室内位置信息进行标识,以建立所述历史数据库。
7.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811050927.0A CN109379695B (zh) | 2018-09-10 | 2018-09-10 | 用于LoRa网络的室内定位的方法及机器可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811050927.0A CN109379695B (zh) | 2018-09-10 | 2018-09-10 | 用于LoRa网络的室内定位的方法及机器可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109379695A CN109379695A (zh) | 2019-02-22 |
CN109379695B true CN109379695B (zh) | 2020-11-24 |
Family
ID=65404787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811050927.0A Active CN109379695B (zh) | 2018-09-10 | 2018-09-10 | 用于LoRa网络的室内定位的方法及机器可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109379695B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101655549A (zh) * | 2009-07-09 | 2010-02-24 | 中国科学院计算技术研究所 | 一种室内无线局域网定位方法和系统 |
CN106793072A (zh) * | 2016-12-08 | 2017-05-31 | 重庆大学 | 一种室内定位系统快速搭建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9883337B2 (en) * | 2015-04-24 | 2018-01-30 | Mijix, Inc. | Location based services for RFID and sensor networks |
-
2018
- 2018-09-10 CN CN201811050927.0A patent/CN109379695B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101655549A (zh) * | 2009-07-09 | 2010-02-24 | 中国科学院计算技术研究所 | 一种室内无线局域网定位方法和系统 |
CN106793072A (zh) * | 2016-12-08 | 2017-05-31 | 重庆大学 | 一种室内定位系统快速搭建方法 |
Non-Patent Citations (3)
Title |
---|
基于迁移学习的自适应室内Wi_Fi定位;孙卓;《第18届全国多媒体学术会议》;20091029;全文 * |
电信大客户WIFI 商业应用技术验证;张慷;《数字技术与应用》;20140731;全文 * |
迁移学习研究进展;庄福振;《软件学报》;20150131;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109379695A (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104754515B (zh) | 混合定位辅助地图修正方法及系统 | |
Anjum et al. | RSSI fingerprinting-based localization using machine learning in LoRa networks | |
CN103069858B (zh) | 用于生成建筑物内传播环境地图的方法及其装置 | |
US10698073B2 (en) | Wireless access point location estimation using collocated harvest data | |
Roy et al. | A survey on ubiquitous WiFi-based indoor localization system for smartphone users from implementation perspectives | |
WO2011088608A1 (zh) | 基于电子标签和数据库的室内外定位系统及其定位方法 | |
KR100938806B1 (ko) | 알에프수신신호세기의 확률적 필터링을 이용한무선센서노드 위치추적방법 | |
Aernouts et al. | A comparison of signal strength localization methods with sigfox | |
CN109286946B (zh) | 基于无依托定位的移动通信室内无线网络优化方法和系统 | |
CN105578404A (zh) | 一种定位方法及相应的终端、系统 | |
CN109975758A (zh) | Wi-Fi蓝牙一体化基站定位系统 | |
KR101600190B1 (ko) | 환경 변수를 고려한 실내 측위 장치 및 그 방법 | |
Chen et al. | Smartphone-based indoor positioning technologies | |
Aykaç et al. | ZigBee-based indoor localization system with the personal dynamic positioning method and modified particle filter estimation | |
US11733342B2 (en) | Mobile-based positioning using assistance data provided by onboard micro-BSA | |
Li et al. | Fast indoor localization for exhibition venues with calibrating heterogeneous mobile devices | |
Sumathi et al. | RSS-based location estimation in mobility assisted wireless sensor networks | |
Gong et al. | A usability-enhanced smartphone indoor positioning solution using compressive sensing | |
US20230221399A1 (en) | Devices, Systems and Methods for Detecting Locations of Wireless Communication Devices | |
US20230333198A1 (en) | Mobile-based positioning using assistance data provided by onboard micro-bsa | |
CN109379695B (zh) | 用于LoRa网络的室内定位的方法及机器可读存储介质 | |
Cheng et al. | Fast setup and robust wifi localization for the exhibition industry | |
Buchanan et al. | Analysis and migration of location-finding methods for GSM and 3G networks | |
AU2017255214B2 (en) | A geolocating system for a mobile device | |
CN105759297A (zh) | 追踪定位监控方法及智能穿戴装置、定位器、服务器 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 0001, 1f, block B, No. 18, Zhongguancun Street, Haidian District, Beijing 100080 Patentee after: Beijing Xipu Sunshine Technology Co.,Ltd. Address before: Room 0001, 1f, block B, No. 18, Zhongguancun Street, Haidian District, Beijing 100080 Patentee before: BEIJING SIMPLEWARE EDUCATION TECHNOLOGY CO.,LTD. |
|
CP01 | Change in the name or title of a patent holder |