CN109613530B - 一种低小慢空中目标多源信息融合的管控方法 - Google Patents
一种低小慢空中目标多源信息融合的管控方法 Download PDFInfo
- Publication number
- CN109613530B CN109613530B CN201811569479.5A CN201811569479A CN109613530B CN 109613530 B CN109613530 B CN 109613530B CN 201811569479 A CN201811569479 A CN 201811569479A CN 109613530 B CN109613530 B CN 109613530B
- Authority
- CN
- China
- Prior art keywords
- target
- low
- slow
- small
- targets
- 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
- 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
Abstract
本发明公开一种低小慢空中目标多源信息融合的管控方法,包括步骤:获取空中多源低小慢目标信息;将多源信息通过融合算法进行低小慢目标的轨迹分析和趋势预测;根据建立的目标威胁数据库,对低小慢目标信息的威胁等级进行评估;依据低小慢目标的威胁等级优先对抗形式以及装备性能状态,建立目标防御函数和约束性函数,获取对抗姿态方案;基于最优策略原则对所得对抗姿态方案进行优化;基于态势插件对优化后的方案进行可视化预演及成果管理。本发明能够实时完成空中低小慢目标的多源信息融合,多方态势可视化展现,目标威胁评估可量化;形成多种决策能力,筹划多个行动对抗方案,实时实现低空安全目标防御全流程标准化、可视化和自动化。
Description
技术领域
本发明属于航空器探测监视技术领域,特别是涉及一种低小慢空中目标多源信息融合的管控方法。
背景技术
低空慢速小目标,是指具有低空飞行、飞行速度慢、不易被侦测发现等特征的小型航空器和空飘物的统称。目前见到的低慢小主要包括航空模型、航天模型、热气飞艇、热气球等。低慢小由于体积小、操作简单、飞行高度低、地物遮挡多,空军和雷达设备无法覆盖。防范处置低慢小的干扰破坏,已成为重大安保活动的世界性难题。但由于航空技术发展日新月异,很难准确界定它们的性能指标。
现有针对空中低小慢目标的信息融合技术应用较为广泛,但针对基于信息融合后的能力对抗存在较多弊端,对抗手段单一时可生产对抗指令,对抗方案复杂需要人工干预,针对多种目标处置手段可形成标准化、可视化和自动化的决策能力和对抗方案的能力目前处于空白阶段。
发明内容
为了解决上述问题,本发明提出了一种低小慢空中目标多源信息融合的管控方法,能够实时完成空中低小慢目标的多源信息融合,多方态势可视化展现,目标威胁评估可量化;形成多种决策能力,筹划多个行动对抗方案,实时实现低空安全目标防御全流程标准化、可视化和自动化。
为达到上述目的,本发明采用的技术方案是:一种低小慢空中目标多源信息融合的管控方法,包括步骤:
S100,获取空中多源低小慢目标信息;
S200,将多源信息通过融合算法进行低小慢目标的轨迹分析和趋势预测;
S300,根据建立的目标威胁数据库,对低小慢目标信息的威胁等级进行评估;
S400,依据低小慢目标的威胁等级优先对抗形式以及装备性能状态,建立目标防御函数和约束性函数,获取对抗姿态方案;
S500,基于最优策略原则对所得对抗姿态方案进行优化;
S600,基于态势插件对优化后的方案进行可视化预演及成果管理。
进一步的是,在所述步骤S100中获取空中多源低小慢目标信息,包括步骤:
S101,利用感知无线电频谱侦测技术获取防御区域内的目标参数信息;目标参数信息包括频谱方位、工作频率、工作带宽和编码特征;
S102,对低慢小目标进行检测定位;定位方法包括脉冲压缩、距离高分辨处理、杂波图恒虚警、多普勒脉压、保护天线判断、单脉冲比幅测角和多目标跟踪算法;
S103,获取低慢小目标参数;目标参数获取方法包括通过脉冲压缩、杂波对消、恒虚警处理技术和检测前跟踪技术获取低慢小目标参数,低慢小目标参数包括方位、俯仰和速度;
S104,获取低慢小目标特征参数信息;特征参数信息获取方法包括通过微多普勒时频分析和短时傅里叶变化加窗处理获取低慢小目标特征参数信息。
进一步的是,在所述步骤S200中进行低小慢目标的轨迹分析和趋势预测,包括步骤:
S201,利用Bayes点估计理论和并行结构融合系统的最优分布式检测融合算法实现目标的轨迹分析和趋势预测;
S202,在态势图上展现目标的轨迹信息和可视化属性信息,同时展现目标的状态信息。
进一步的是,在所述步骤S300中对低小慢目标信息的威胁等级进行评估,包括步骤:
S301,建立目标威胁数据库,设定目标威胁等级;
S302,通过目标的特征参数信息对目标进行分类,对方位信息、运动信息、轨迹信息以及重要保护区域的相对位置及特性进行综合评估,通过修正加权平均值算法完成目标威胁等级的评估与计算。
进一步的是,在所述步骤S400中获取对抗姿态方案,包括步骤:
S401,依据目标的威胁等级优先对抗形式以及我方对抗装备的各性能状态,建立目标防御函数和约束性函数;
S402,利用遗传算法,生成基于先防御威胁等级高的目标和全部目标防御为原则的多个对抗姿态方案,所述对抗姿态方案的要素包括装备编号、目标编号、时间要素、频谱要素和方位要素。
进一步的是,在所述步骤S500中对抗姿态方案进行优化,以防御时间最优以及防御代价最小两种不同结果为导向的最优策略原则对多个对抗姿态方案的优越性进行分类排序,获得最优对抗姿态方案。
进一步的是,在所述步骤S600中基于态势插件对优化后的方案进行可视化预演及成果管理,包括步骤:
S601,在态势图上模拟对抗姿态方案的各个执行节点;
S602,在行动对抗后进行模拟系统与真实系统毁伤的效果对比评估;
S603,迭代优化综控算法。
采用本技术方案的有益效果:
本发明以综控软件态势地图为基础,将多源探测的空中低小慢目标信息进行态势预警、态势展现,应用多类信息融合技术实现目标威胁等级评估,快速筹划形成多种对抗方案,按照最优策略算法实现方案优化并排序,依据最优方案联动多个处置子系统实现单个/多个目标防御;能够实时完成空中低小慢目标的多源信息融合,多方态势可视化展现,目标威胁评估可量化;形成多种决策能力,筹划多个行动对抗方案,实时实现低空安全目标防御全流程标准化、可视化和自动化。
附图说明
图1为本发明的一种低小慢空中目标多源信息融合的管控方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步阐述。
在本实施例中,参见图1所示,本发明提出了一种低小慢空中目标多源信息融合的管控方法,一种低小慢空中目标多源信息融合的管控方法,包括步骤:
S100,获取空中多源低小慢目标信息;
S200,将多源信息通过融合算法进行低小慢目标的轨迹分析和趋势预测;
S300,根据建立的目标威胁数据库,对低小慢目标信息的威胁等级进行评估;
S400,依据低小慢目标的威胁等级优先对抗形式以及装备性能状态,建立目标防御函数和约束性函数,获取对抗姿态方案;
S500,基于最优策略原则对所得对抗姿态方案进行优化;
S600,基于态势插件对优化后的方案进行可视化预演及成果管理。
作为上述实施例的优化方案,在所述步骤S100中获取空中多源低小慢目标信息,包括步骤:
S101,利用感知无线电频谱侦测技术获取防御区域内的目标参数信息;目标参数信息包括频谱方位、工作频率、工作带宽和编码特征;
S102,对低慢小目标进行检测定位;定位方法包括脉冲压缩、距离高分辨处理、杂波图恒虚警、多普勒脉压、保护天线判断、单脉冲比幅测角和多目标跟踪算法;
S103,获取低慢小目标参数;目标参数获取方法包括通过脉冲压缩、杂波对消、恒虚警处理技术和检测前跟踪技术获取低慢小目标参数,低慢小目标参数包括方位、俯仰和速度;
S104,获取低慢小目标特征参数信息;特征参数信息获取方法包括通过微多普勒时频分析和短时傅里叶变化加窗处理获取低慢小目标特征参数信息。
作为上述实施例的优化方案,在所述步骤S200中进行低小慢目标的轨迹分析和趋势预测,包括步骤:
S201,利用Bayes点估计理论和并行结构融合系统的最优分布式检测融合算法实现目标的轨迹分析和趋势预测;
S202,在态势图上展现目标的轨迹信息和可视化属性信息,同时展现目标的状态信息。
作为上述实施例的优化方案,在所述步骤S300中对低小慢目标信息的威胁等级进行评估,包括步骤:
S301,建立目标威胁数据库,设定目标威胁等级;
S302,通过目标的特征参数信息对目标进行分类,对方位信息、运动信息、轨迹信息以及重要保护区域的相对位置及特性进行综合评估,通过修正加权平均值算法完成目标威胁等级的评估与计算。
作为上述实施例的优化方案,在所述步骤S400中获取对抗姿态方案,包括步骤:
S401,依据目标的威胁等级优先对抗形式以及我方对抗装备的各性能状态,建立目标防御函数和约束性函数;
S402,利用遗传算法,生成基于先防御威胁等级高的目标和全部目标防御为原则的多个对抗姿态方案,所述对抗姿态方案的要素包括装备编号、目标编号、时间要素、频谱要素和方位要素。
作为上述实施例的优化方案,在所述步骤S500中对抗姿态方案进行优化,以防御时间最优以及防御代价最小两种不同结果为导向的最优策略原则对多个对抗姿态方案的优越性进行分类排序,获得最优对抗姿态方案。
作为上述实施例的优化方案,在所述步骤S600中基于态势插件对优化后的方案进行可视化预演及成果管理,包括步骤:
S601,在态势图上模拟对抗姿态方案的各个执行节点;
S602,在行动对抗后进行模拟系统与真实系统毁伤的效果对比评估;
S603,迭代优化综控算法。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种低小慢空中目标多源信息融合的管控方法,其特征在于,包括步骤:
S100,获取空中多源低小慢目标信息;
S200,将多源信息通过融合算法进行低小慢目标的轨迹分析和趋势预测;
S300,根据建立的目标威胁数据库,对低小慢目标信息的威胁等级进行评估;
S400,依据低小慢目标的威胁等级优先对抗形式以及装备性能状态,建立目标防御函数和约束性函数,获取对抗姿态方案;
在所述步骤S400中获取对抗姿态方案,包括步骤:
S401,依据目标的威胁等级优先对抗形式以及我方对抗装备的各性能状态,建立目标防御函数和约束性函数;
S402,利用遗传算法,生成基于先防御威胁等级高的目标和全部目标防御为原则的多个对抗姿态方案,所述对抗姿态方案的要素包括装备编号、目标编号、时间要素、频谱要素和方位要素;
S500,基于最优策略原则对所得对抗姿态方案进行优化;
S600,基于态势插件对优化后的方案进行可视化预演及成果管理。
2.根据权利要求1所述的一种低小慢空中目标多源信息融合的管控方法,其特征在于,在所述步骤S100中获取空中多源低小慢目标信息,包括步骤:
S101,利用感知无线电频谱侦测技术获取防御区域内的目标参数信息;目标参数信息包括频谱方位、工作频率、工作带宽和编码特征;
S102,对低慢小目标进行检测定位;定位方法包括脉冲压缩、距离高分辨处理、杂波图恒虚警、多普勒脉压、保护天线判断、单脉冲比幅测角和多目标跟踪算法;
S103,获取低慢小目标参数;目标参数获取方法包括通过脉冲压缩、杂波对消、恒虚警处理技术和检测前跟踪技术获取低慢小目标参数,低慢小目标参数包括方位、俯仰和速度;
S104,获取低慢小目标特征参数信息;特征参数信息获取方法包括通过微多普勒时频分析和短时傅里叶变化加窗处理获取低慢小目标特征参数信息。
3.根据权利要求2所述的一种低小慢空中目标多源信息融合的管控方法,其特征在于,在所述步骤S200中进行低小慢目标的轨迹分析和趋势预测,包括步骤:
S201,利用Bayes点估计理论和并行结构融合系统的最优分布式检测融合算法实现目标的轨迹分析和趋势预测;
S202,在态势图上展现目标的轨迹信息和可视化属性信息,同时展现目标的状态信息。
4.根据权利要求3所述的一种低小慢空中目标多源信息融合的管控方法,其特征在于,在所述步骤S300中对低小慢目标信息的威胁等级进行评估,包括步骤:
S301,建立目标威胁数据库,设定目标威胁等级;
S302,通过目标的特征参数信息对目标进行分类,对方位信息、运动信息、轨迹信息以及重要保护区域的相对位置及特性进行综合评估,通过修正加权平均值算法完成目标威胁等级的评估与计算。
5.根据权利要求4所述的一种低小慢空中目标多源信息融合的管控方法,其特征在于,在所述步骤S500中对抗姿态方案进行优化,以防御时间最优以及防御代价最小两种不同结果为导向的最优策略原则对多个对抗姿态方案的优越性进行分类排序,获得最优对抗姿态方案。
6.根据权利要求5所述的一种低小慢空中目标多源信息融合的管控方法,其特征在于,在所述步骤S600中基于态势插件对优化后的方案进行可视化预演及优化后的方案进行管理,包括步骤:
S601,在态势图上模拟对抗姿态方案的各个执行节点;
S602,在行动对抗后进行模拟系统与真实系统毁伤的效果对比评估;
S603,迭代优化综控算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811569479.5A CN109613530B (zh) | 2018-12-21 | 2018-12-21 | 一种低小慢空中目标多源信息融合的管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811569479.5A CN109613530B (zh) | 2018-12-21 | 2018-12-21 | 一种低小慢空中目标多源信息融合的管控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109613530A CN109613530A (zh) | 2019-04-12 |
CN109613530B true CN109613530B (zh) | 2021-08-24 |
Family
ID=66010239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811569479.5A Active CN109613530B (zh) | 2018-12-21 | 2018-12-21 | 一种低小慢空中目标多源信息融合的管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109613530B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930087B (zh) * | 2020-08-10 | 2022-02-18 | 航天科工微电子系统研究院有限公司 | 一种敏捷型低空拒止系统综合控制方法 |
CN112435249B (zh) * | 2020-11-30 | 2024-04-16 | 天津津航技术物理研究所 | 一种基于周扫红外搜索系统的动态小目标检测方法 |
CN114548674B (zh) * | 2022-01-17 | 2022-12-30 | 清华大学 | 面向多智能体对抗场景的威胁态势评估方法、装置及设备 |
CN115659229B (zh) * | 2022-12-27 | 2023-03-28 | 四川迪晟新达类脑智能技术有限公司 | 一种低小慢目标威胁程度评估方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472445A (zh) * | 2013-09-18 | 2013-12-25 | 电子科技大学 | 一种针对多目标场景的检测跟踪一体化方法 |
CN104091017A (zh) * | 2014-07-08 | 2014-10-08 | 中国航空无线电电子研究所 | 基于stk的多实时数据驱动对象通用态势显示系统及方法 |
CN105654232A (zh) * | 2015-12-24 | 2016-06-08 | 大连陆海科技股份有限公司 | 基于多维度空间融合的海岸监控与防御决策系统及方法 |
CN106444829A (zh) * | 2016-09-22 | 2017-02-22 | 北京机械设备研究所 | 一种针对“低慢小”目标的制导无人机抛网拦截方法 |
CN106548661A (zh) * | 2016-11-29 | 2017-03-29 | 中国人民解放军国防科学技术大学 | 一种基于状态预测的空中防撞方法 |
CN107272731A (zh) * | 2017-06-05 | 2017-10-20 | 陈金良 | 无人机自动避撞系统 |
KR20180033612A (ko) * | 2016-08-26 | 2018-04-04 | 여덕산 | 무인 항공기의 접근을 방어하는 방법 및 시스템 |
CN107909856A (zh) * | 2017-12-19 | 2018-04-13 | 四川九洲空管科技有限责任公司 | 一种碰撞冲突探测方法及系统 |
CN108100277A (zh) * | 2017-12-14 | 2018-06-01 | 北京华力创通科技股份有限公司 | 无人机防御系统和方法 |
CN207586420U (zh) * | 2017-10-19 | 2018-07-06 | 杨锐 | 一种自组网低空无人机综合预警探测系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL178221A0 (en) * | 2006-09-20 | 2008-01-20 | Elta Systems Ltd | Active protection method and system |
CN108204812A (zh) * | 2016-12-16 | 2018-06-26 | 中国航天科工飞航技术研究院 | 一种无人机速度估计方法 |
CN107238388B (zh) * | 2017-05-27 | 2018-02-23 | 合肥工业大学 | 多无人机任务分配与航迹规划联合优化方法及装置 |
CN108318032A (zh) * | 2017-12-21 | 2018-07-24 | 上海交通大学 | 一种考虑攻防对抗的无人机航迹智能规划方法 |
CN108333584A (zh) * | 2017-12-28 | 2018-07-27 | 陕西弘毅军民融合智能科技有限公司 | 一种低空小目标远距离无人机探测系统及探测方法 |
CN108398677B (zh) * | 2018-04-25 | 2022-02-22 | 零八一电子集团有限公司 | 三坐标连续波一维相扫无人机低空目标检测系统 |
-
2018
- 2018-12-21 CN CN201811569479.5A patent/CN109613530B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472445A (zh) * | 2013-09-18 | 2013-12-25 | 电子科技大学 | 一种针对多目标场景的检测跟踪一体化方法 |
CN104091017A (zh) * | 2014-07-08 | 2014-10-08 | 中国航空无线电电子研究所 | 基于stk的多实时数据驱动对象通用态势显示系统及方法 |
CN105654232A (zh) * | 2015-12-24 | 2016-06-08 | 大连陆海科技股份有限公司 | 基于多维度空间融合的海岸监控与防御决策系统及方法 |
KR20180033612A (ko) * | 2016-08-26 | 2018-04-04 | 여덕산 | 무인 항공기의 접근을 방어하는 방법 및 시스템 |
CN106444829A (zh) * | 2016-09-22 | 2017-02-22 | 北京机械设备研究所 | 一种针对“低慢小”目标的制导无人机抛网拦截方法 |
CN106548661A (zh) * | 2016-11-29 | 2017-03-29 | 中国人民解放军国防科学技术大学 | 一种基于状态预测的空中防撞方法 |
CN107272731A (zh) * | 2017-06-05 | 2017-10-20 | 陈金良 | 无人机自动避撞系统 |
CN207586420U (zh) * | 2017-10-19 | 2018-07-06 | 杨锐 | 一种自组网低空无人机综合预警探测系统 |
CN108100277A (zh) * | 2017-12-14 | 2018-06-01 | 北京华力创通科技股份有限公司 | 无人机防御系统和方法 |
CN107909856A (zh) * | 2017-12-19 | 2018-04-13 | 四川九洲空管科技有限责任公司 | 一种碰撞冲突探测方法及系统 |
Non-Patent Citations (4)
Title |
---|
A Bayesian network approach to threat evaluation with application to an air defense scenario;Fredrik Johansson等;《2008 11th International Conference on Information Fusion》;20080926;全文 * |
基于仿真的航迹规划联网威胁元建模方法;杜华桦等;《计算机仿真》;20110930;第28卷(第9期);第2-3节,图1 * |
武警反劫持战斗三维数字地形系统构建模式与结构模式研究;穆宣社;《测绘科学》;20090430;第34卷;全文 * |
装甲目标威胁评估智能计算方法研究;樊胜利等;《装备指挥技术学院学报》;20110430;第22卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109613530A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109613530B (zh) | 一种低小慢空中目标多源信息融合的管控方法 | |
Khan et al. | UAV-based traffic analysis: A universal guiding framework based on literature survey | |
Temizer et al. | Collision avoidance for unmanned aircraft using Markov decision processes | |
CN109633599B (zh) | 一种机载预警雷达多目标跟踪方法 | |
CN105841703A (zh) | 一种威胁环境下目标定位的无人机最优航路计算方法 | |
CN110530424B (zh) | 一种基于目标威胁度的空中目标传感器管理方法 | |
JP2019045403A (ja) | 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム | |
CN111398918A (zh) | 一种复杂山地环境下的雷达探测能力分析方法 | |
CN105301584A (zh) | 同时解距离模糊的ipphdf机动多目标跟踪方法 | |
Fan et al. | Path planning for a reconnaissance UAV in uncertain environment | |
CN109297497B (zh) | 对无人机操控者溯源的方法及系统 | |
Sévigny et al. | Unmanned aircraft (ua) telemetry data for track modelling and classification | |
Kim et al. | Development of an Autonomous Situational Awareness Software for Autonomous Unmanned Aerial Vehicles | |
Klaproth et al. | Investigation of Mission Performance Sensitivities for Unmanned Aerial Vehicles Based on Parametric Similarity Assessment of Mission Requirements | |
Roychoudhury et al. | Initial demonstration of the real-time safety monitoring framework for the national airspace system using flight data | |
Jan et al. | Artificial neural networks in the filtration of radiolocation information | |
Sayed et al. | UAV Classification Using Neural Networks and CAD-Generated Radar Datasets | |
CN104237880A (zh) | 变结构联合概率数据互联编队目标跟踪方法 | |
US8462042B2 (en) | Generating a kinematic indicator for combat identification classification | |
CN102707278B (zh) | 奇异值分解的多目标跟踪方法 | |
Kochenderfer et al. | Encounter modeling for sense and avoid development | |
Hashimov et al. | ASSESSMENT OF DEAD ZONE OF JOINTLY OPERATING RADARS | |
Ben et al. | Evaluation of a radar based three-dimensional detect and avoid system for small unmanned aerial systems | |
Khattak et al. | Interpretable ensemble imbalance learning strategies for the risk assessment of severe‐low‐level wind shear based on LiDAR and PIREPs | |
CN103760555A (zh) | 一种提高机载雷达检测跟踪一体化精度的方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: No. 269, North Hupan Road, zone B, Tianfu New Economic Industrial Park, Tianfu new area, China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan Applicant after: Aerospace Science, engineering, Microelectronics System Research Institute Co., Ltd Address before: 610000 Sichuan city of Chengdu province Tianfu Tianfu Avenue South Huayang Street No. 846 Applicant before: Chengdu Aerospace Science and technology Microelectronics System Research Institute Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |