CN109672484B - 一种机会资源智能探索方法 - Google Patents
一种机会资源智能探索方法 Download PDFInfo
- Publication number
- CN109672484B CN109672484B CN201811383943.1A CN201811383943A CN109672484B CN 109672484 B CN109672484 B CN 109672484B CN 201811383943 A CN201811383943 A CN 201811383943A CN 109672484 B CN109672484 B CN 109672484B
- Authority
- CN
- China
- Prior art keywords
- resource
- data
- spectrum resource
- user
- opportunity
- 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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种机会资源智能探索方法,包括以下步骤:步骤1、初始化:资源使用者随机决定机会频谱资源检测次序;步骤2、信息获取:获取各机会频谱资源的空闲概率、传输容量和检测消耗时间情况;步骤3、探索次序确定:计算待传输业务数据量,然后据此计算次序探索资源情况下使用者获得的数据传输吞吐量;根据动态规划计算方法,得出当前业务数据情况下的最优资源探索次序;步骤4、探索和数据传输:按上步得到的探索次序,进行频谱资源探索,遇到空闲的可用频谱,进行数据传输。本发明公开的机会资源智能探索方法联合考虑了机会资源的质量和可用概率,到最佳的可用频谱资源发现方法,使得资源使用者能获得最好的数据传输吞吐量效益。
Description
技术领域
本发明公开了一种频谱资源发现方法,特别是一种机会资源智能探索方法。
背景技术
频谱资源是无线数据传输的基础。获取更多的频谱资源对于提高无线数据传输的意义十分重要。当前,随着无线业务的迅猛发展,频谱资源的紧张越来越引起人们的重视。同时,静态的频谱资源分配模式带来的资源浪费问题引发了人们的关注。基于认知无线电的发展和日益成熟,打破静态的频谱资源分配模式成为了现实可能。因此,基于动态的频谱资源分配和使用模式,采用频谱状态检测手段,充分利用未被占用的频谱资源进行数据传输,是克服当前频谱资源紧张和使用低效这对矛盾的有效方法。然而,频谱资源的状态需要使用者进行检测才能获知,在检测之前,使用者并不知道是否能利用该频谱资源,因此,称这类需要检测才能知道是否可用的频谱资源为机会频谱。机会频谱的探索和发现是一对矛盾。花费更多的时间代价去寻找可用的频谱可能会找到更多更好的频谱资源,但是却延迟了已经找到的频谱资源的使用时间。如何平衡资源发现和资源利用的关系,是提高机会频谱资源效率的关键问题之一。
其中,对多个机会频谱资源的检测次序的确定,是优化资源发现和资源利用的具体工作。面对多个机会频谱,如何确定探测次序,决定了数据传输的效率。具体来说,由于电磁环境的复杂性,各个机会频谱面临着质量的差异,可能的数据传输容量有差别。同时,各个机会频谱的空闲可用的概率也不相同。另外,对机会频谱的探测必须要考虑到探测付出的时间代价,因为这部分时间花费对于使用者来说意味着延迟。更为重要的是,寻找最优的机会频谱探测次序,必须要考虑频谱使用者的数据传输需求。需求不同,最优的次序将完全不同。所以,有必要研究面向频谱使用者数据传输实际需求,综合考虑机会频谱容量、空闲概率和时间代价等因素的最优机会频谱探测次序计算方法。该研究具有较强的实用背景和多场景适用性,在技术上也有较强的创新意义,因此具有较强的理论和实用价值。
发明内容
发明目的:本发明提供了一种机会资源智能探索方法,该方法联合考虑机会资源的质量和可用概率,并充分考虑探索资源所需要付出的时间代价,根据业务类型带来的资源使用需求,进行综合多因素的资源智能探索,找到最佳的可用频谱资源发现方法,使得资源使用者能获得最好的数据传输吞吐量效益,提高机会频谱资源的使用效率,提高频谱使用者的数据传输能力。
技术方案:一种机会资源智能探索方法,该方法具体包括以下步骤:
步骤(1)、初始化:资源使用者随机选取机会频谱资源检测次序;具体包括:
步骤(1.1)初始定义:
定义时隙周期长度为T,为频谱资源使用者j的频谱资源探索次序,j为资源使用者编号;表示某个频谱资源,k为频谱资源使用者的探测次序编号,Nj是频谱资源使用者j的可探测资源的总数,τ是各个节点进行检测所消耗的时间;定义Ci为资源编号为i的频谱资源的数据传输容量,定义λj为频谱资源使用者j的待传输业务数据流中的平稳数据流的泊松强度,定义Dj为频谱资源使用者j的待传输业务数据流中的平稳数据流的平均数据包大小,定义Ton~Pareto(θon,αon)为频谱资源使用者j的待传输业务数据流中的突发数据流服从的分布情况,其中Ton是产生数据的时间长度,θon是Pareto分布的门限参数,αon是Pareto分布的形状参数,定义Toff~Pareto(θoff,αoff)为频谱资源使用者j的待传输业务数据流中的突发数据流服从的分布情况,其中Toff是不产生数据的时间长度,θoff是Pareto分布的门限参数,αoff是Pareto分布的形状参数,定义是频谱资源使用者j的数据缓存队列中原本有的待传输数据量,定义rj是频谱资源使用者j的待传输业务数据流中的突发数据流的数据率,p0是频谱资源在探测时处于空闲状态的概率,p0,k是编号为k的频谱资源在探测时处于空闲状态的概率;
步骤(1.2)探测次序初始化:资源使用者随机对可探测频谱资源进行排序,作为探测次序。
步骤(2)、信息获取:如果机会资源智能探索方法面临的使用者业务传输数据流情况、机会资源的容量情况,空闲概率情况、检测消耗时间代价发生变化,则进行如下步骤:
步骤(2.1)获取业务传输需求情况:机会频谱资源使用者获取业务传输数据流情况,包括已有的待传输数据队列、平稳数据流输入的数据量,突发数据流输入的数据量;
步骤(2.1)获取机会资源统计情况:机会频谱资源使用者获取机会资源的相关情况,包括各个可能使用的资源的空闲概率,数据传输容量,以及检测消耗时间代价。
步骤(3)、探索次序确定:计算待传输业务数据量,然后据此计算次序探索资源情况下使用者获得的数据传输吞吐量;然后根据动态规划计算方法,得出当前业务数据情况下的最优资源探索次序;具体如下:
步骤(3.1)待传输数据量计算:
计算频谱资源使用者j的待传输业务数据量如下:
其中,Tj=T,是频谱资源使用者j的数据流持续时间服从的Pareto分布的门限参数,是频谱资源使用者j的数据流持续时间服从的Pareto分布的形状参数,频谱资源使用者j的数据流间断时间服从的Pareto分布的门限参数,频谱资源使用者j的数据流间断时间服从的Pareto分布的形状参数;
步骤(3.2)计算给定次序探索情况下的数据传输吞吐量期望:
其中,为频谱资源使用者j的频谱资源探索次序。f(Sj)表示采用Sj次序进行资源探索所获得的数据传输吞吐量期望值;p0,i是编号为i的信道空闲的概率;p0,k是编号为k的信道空闲的概率;mj是在编号为j的使用者之前的其他使用者一共耗费的资源探测次数,其中:
步骤(4)、探索和数据传输:根据步骤(3)计算得到的最佳机会频谱资源探测次序,对各个可能使用的频谱资源进行状态检测,如果检测结果为该资源未被占用,则使用者将使用该频谱资源进行数据传输。
步骤(5)、算法更新:如机会资源智能探索方法面临的使用者业务传输数据流情况、机会资源的容量情况、空闲概率情况、检测所需要的时间代价等发生变化,则需要重新收集信息和计算探索次序,回到步骤(2)。
有益效果:本发明公开的一种机会资源智能探索方法,该方法能获得更好的机会频谱使用效率,提高机会频谱使用者的业务数据吞吐量。本发明联合考虑机会资源的质量和可用概率,并充分考虑探索资源所需要付出的时间代价,根据业务类型带来的资源使用需求,进行综合多因素的资源智能探索,找到最佳的可用频谱资源发现方法,使得资源使用者能获得最好的数据传输吞吐量效益。
附图说明
图1为本发明的工作机制和时隙结构图;
图2为本发明的流程图;
图3为本发明的性能仿真图。
具体实施方式
一种机会资源智能探索方法,该方法具体包括以下步骤:
步骤(1)、初始化:资源使用者随机选取机会频谱资源检测次序;具体包括:
步骤(1.1)初始定义:
定义时隙周期长度为T,为频谱资源使用者j的频谱资源探索次序,j为资源使用者编号,表示某个频谱资源,k为频谱资源使用者的探测次序编号,Nj是频谱资源使用者j的可探测资源的总数,τ是各个节点进行检测所消耗的时间;定义Ci为资源编号为i的频谱资源的数据传输容量,定义λj为频谱资源使用者j的待传输业务数据流中的平稳数据流的泊松强度,定义Dj为频谱资源使用者j的待传输业务数据流中的平稳数据流的平均数据包大小,定义Ton~Pareto(θon,αon)为频谱资源使用者j的待传输业务数据流中的突发数据流服从的分布情况,其中Ton是产生数据的时间长度,θon是Pareto分布的门限参数,αon是Pareto分布的形状参数,定义Toff~Pareto(θoff,αoff)为频谱资源使用者j的待传输业务数据流中的突发数据流服从的分布情况,其中Toff是不产生数据的时间长度,θoff是Pareto分布的门限参数,αoff是Pareto分布的形状参数,定义是频谱资源使用者j的数据缓存队列中原本有的待传输数据量,定义rj是频谱资源使用者j的待传输业务数据流中的突发数据流的数据率,p0是频谱资源在探测时处于空闲状态的概率,p0,k是编号为k的频谱资源在探测时处于空闲状态的概率;
步骤(1.2)探测次序初始化:资源使用者随机对可探测频谱资源进行排序,作为探测次序。
步骤(2)、信息获取:如果机会资源智能探索方法面临的使用者业务传输数据流情况、机会资源的容量情况,空闲概率情况、检测消耗时间代价发生变化,则进行如下步骤:
步骤(2.1)获取业务传输需求情况:机会频谱资源使用者获取业务传输数据流情况,包括已有的待传输数据队列、平稳数据流输入的数据量,突发数据流输入的数据量;
步骤(2.1)获取机会资源统计情况:机会频谱资源使用者获取机会资源的相关情况,包括各个可能使用的资源的空闲概率,数据传输容量,以及检测消耗时间代价。
步骤(3)、探索次序确定:计算待传输业务数据量,然后据此计算次序探索资源情况下使用者获得的数据传输吞吐量;然后根据动态规划计算方法,得出当前业务数据情况下的最优资源探索次序;具体如下:
步骤(3.1)待传输数据量计算:
计算频谱资源使用者j的待传输业务数据量如下:
其中,Tj=T,是频谱资源使用者j的数据流持续时间服从的Pareto分布的门限参数,是频谱资源使用者j的数据流持续时间服从的Pareto分布的形状参数,频谱资源使用者j的数据流间断时间服从的Pareto分布的门限参数,频谱资源使用者j的数据流间断时间服从的Pareto分布的形状参数;
步骤(3.2)计算给定次序探索情况下的数据传输吞吐量期望:
其中,为频谱资源使用者j的频谱资源探索次序。f(Sj)表示采用Sj次序进行资源探索所获得的数据传输吞吐量期望值;p0,i是编号为i的信道空闲的概率;p0,k是编号为k的信道空闲的概率;mj是在编号为j的使用者之前的其他使用者一共耗费的资源探测次数,其中:
步骤(4)、探索和数据传输:根据步骤(3)计算得到的最佳机会频谱资源探测次序,对各个可能使用的频谱资源进行状态检测,如果检测结果为该资源未被占用,则使用者将使用该频谱资源进行数据传输。
步骤(5)、算法更新:如机会资源智能探索方法面临的使用者业务传输数据流情况、机会资源的容量情况、空闲概率情况、检测所需要的时间代价等发生变化,则需要重新收集信息和计算探索次序,回到步骤(2)。步骤(5)适用于一些机会资源的相关情况会产生变化的应用场景,若是情况不变的单一环境,则可省去该步骤。
如图3所示,通过仿真实例来验证本发明的有效性。
首先简要介绍图3实施例的场景,设置仿真场景如下:仿真相关参数为:时隙时间长度T=100ms。一个机会频谱资源的探测时间消耗为τ=5ms。机会频谱资源的数据传输速率向量:C=[1000,1200,1400,1600,1800]kbit/s,空闲概率向量:p0=[0.7,0.8,0.73,0.6,0.35],业务流的泊松强度λ=20,平稳数据流的数据包平均大小为D=200字节。Pareto分布的参数设定为:αon=1.053,αoff=1.034,θon=θoff=0.001,突发数据流的数据率向量为:r=[16,64,256,384,512,768,1024,1280,1536,1792]kbit/s。
从图3可以看到在相同的数据速率下,采用本发明的方法仿真的结果其传输吞吐量最高,本发明同时考虑到了各个可能使用的资源的空闲概率,数据传输容量,以及检测消耗时间代价等因素,提高机会频谱使用者的业务数据吞吐量。
Claims (4)
1.一种机会资源智能探索方法,其特征在于:该方法具体包括以下步骤:
步骤(1)、初始化:资源使用者随机选取机会频谱资源检测次序;
步骤(1.1)初始定义:
定义时隙周期长度为T,为频谱资源使用者j的频谱资源探索次序,j为资源使用者编号;表示某个频谱资源,k为频谱资源使用者的探测次序编号,Nj是频谱资源使用者j的可探测资源的总数,τ是各个节点进行检测所消耗的时间;定义Ci为资源编号为i的频谱资源的数据传输容量,定义λj为频谱资源使用者j的待传输业务数据流中的平稳数据流的泊松强度,定义Dj为频谱资源使用者j的待传输业务数据流中的平稳数据流的平均数据包大小,定义Ton~Pareto(θon,αon)为频谱资源使用者j的待传输业务数据流中的突发数据流服从的分布情况,其中Ton是产生数据的时间长度,θon是Pareto分布的门限参数,αon是Pareto分布的形状参数,定义Toff~Pareto(θoff,αoff)为频谱资源使用者j的待传输业务数据流中的突发数据流服从的分布情况,其中Toff是不产生数据的时间长度,θoff是Pareto分布的门限参数,αoff是Pareto分布的形状参数,定义是频谱资源使用者j的数据缓存队列中原本有的待传输数据量,定义rj是频谱资源使用者j的待传输业务数据流中的突发数据流的数据率,p0是频谱资源在探测时处于空闲状态的概率,p0,k是编号为k的频谱资源在探测时处于空闲状态的概率;
步骤(1.2)探测次序初始化:资源使用者随机对可探测频谱资源进行排序,作为探测次序;
步骤(2)、信息获取:获取各机会频谱资源的空闲概率、传输容量和检测消耗时间情况;
步骤(3)、探索次序确定:计算待传输业务数据量,然后根据待传输业务数据量计算次序探索资源情况下使用者获得的数据传输吞吐量;然后根据动态规划计算方法,得出当前业务数据情况下的最优资源探索次序;
步骤(3.1)待传输数据量计算:
计算频谱资源使用者j的待传输业务数据量如下:
其中,Tj=T,是频谱资源使用者j的数据流持续时间服从的Pareto分布的门限参数,是频谱资源使用者j的数据流持续时间服从的Pareto分布的形状参数,频谱资源使用者j的数据流间断时间服从的Pareto分布的门限参数,频谱资源使用者j的数据流间断时间服从的Pareto分布的形状参数;
步骤(3.2)计算给定次序探索情况下的数据传输吞吐量期望:
其中,为频谱资源使用者j的频谱资源探索次序,f(Sj)表示采用Sj次序进行资源探索所获得的数据传输吞吐量期望值;p0,i是编号为i的信道空闲的概率;p0,k是编号为k的信道空闲的概率;mj是在编号为j的使用者之前的其他使用者一共耗费的资源探测次数,其中:
步骤(4)、探索和数据传输:按上步得到的探索次序,进行频谱资源探索,遇到空闲的可用频谱,进行数据传输。
2.根据权利要求1所述的机会资源智能探索方法,其特征在于:所述步骤(2)具体包括:如果机会资源智能探索方法面临的使用者业务传输数据流情况、机会资源的容量情况,空闲概率情况、检测消耗时间代价发生变化,则进行如下步骤:
步骤(2.1)获取业务传输需求情况:机会频谱资源使用者获取业务传输数据流情况,包括已有的待传输数据队列、平稳数据流输入的数据量,突发数据流输入的数据量;
步骤(2.1)获取机会资源统计情况:机会频谱资源使用者获取机会资源的相关情况,包括各个可能使用的资源的空闲概率,数据传输容量,以及检测消耗时间代价。
3.根据权利要求1所述的机会资源智能探索方法,其特征在于:所述步骤(4)具体为:根据计算得到的最佳机会频谱资源探测次序,对各个可能使用的频谱资源进行状态检测,如果检测结果为该资源未被占用,则使用者将使用该频谱资源进行数据传输。
4.根据权利要求1所述的机会资源智能探索方法,其特征在于:所述机会资源智能探索方法还包括步骤(5),所述步骤(5)具体包括:
算法更新:如机会资源智能探索方法面临的使用者业务传输数据流情况、机会资源的容量情况、空闲概率情况、检测所需要的时间代价发生变化,则需要重新收集信息和计算探索次序,回到步骤(2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811383943.1A CN109672484B (zh) | 2018-11-20 | 2018-11-20 | 一种机会资源智能探索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811383943.1A CN109672484B (zh) | 2018-11-20 | 2018-11-20 | 一种机会资源智能探索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109672484A CN109672484A (zh) | 2019-04-23 |
CN109672484B true CN109672484B (zh) | 2021-07-27 |
Family
ID=66141889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811383943.1A Active CN109672484B (zh) | 2018-11-20 | 2018-11-20 | 一种机会资源智能探索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109672484B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110856181B (zh) * | 2019-11-20 | 2021-07-20 | 长江师范学院 | 一种分布式业务匹配序贯频谱接入决策方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101534508B (zh) * | 2009-04-15 | 2010-07-28 | 南京邮电大学 | 一种引入异构用户业务执行系数的动态资源调度方法 |
CN102438313A (zh) * | 2011-09-06 | 2012-05-02 | 南京邮电大学 | 一种基于认知无线电通信盟的调度方法 |
CN101730254B (zh) * | 2009-11-27 | 2012-07-04 | 上海交通大学 | 无线电网络吞吐量的频谱感知优化方法 |
KR101467229B1 (ko) * | 2013-11-19 | 2014-12-04 | 성균관대학교산학협력단 | 동적 스펙트럼 액세스를 구현하기 위한 유전자 알고리즘 기반의 전송 파라미터 및 가중치 벡터 최적화 방법, 이를 이용한 인지 엔진 장치 및 인지 통신 무선 시스템 |
CN106211183A (zh) * | 2016-08-02 | 2016-12-07 | 中国人民解放军理工大学 | 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法 |
-
2018
- 2018-11-20 CN CN201811383943.1A patent/CN109672484B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101534508B (zh) * | 2009-04-15 | 2010-07-28 | 南京邮电大学 | 一种引入异构用户业务执行系数的动态资源调度方法 |
CN101730254B (zh) * | 2009-11-27 | 2012-07-04 | 上海交通大学 | 无线电网络吞吐量的频谱感知优化方法 |
CN102438313A (zh) * | 2011-09-06 | 2012-05-02 | 南京邮电大学 | 一种基于认知无线电通信盟的调度方法 |
KR101467229B1 (ko) * | 2013-11-19 | 2014-12-04 | 성균관대학교산학협력단 | 동적 스펙트럼 액세스를 구현하기 위한 유전자 알고리즘 기반의 전송 파라미터 및 가중치 벡터 최적화 방법, 이를 이용한 인지 엔진 장치 및 인지 통신 무선 시스템 |
CN106211183A (zh) * | 2016-08-02 | 2016-12-07 | 中国人民解放军理工大学 | 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法 |
Non-Patent Citations (2)
Title |
---|
Cooperative Spectrum Sensing With Data Mining of Multiple Users’ Historical Sensing Data;Xin-Lin Huang 等;《IEEE Access》;20161031;第4卷;全文 * |
D2D通信无线资源分配研究;冯大权;《中国博士学位论文全文库》;20160315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109672484A (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100932919B1 (ko) | 동적 채널 할당을 위한 채널 집합 관리 방법 및 시스템 | |
CN107395301B (zh) | 一种基于k均值算法的频谱感知方法与装置 | |
WO2019184640A1 (zh) | 一种指标确定方法及其相关设备 | |
Wellens et al. | Evaluation of adaptive MAC-layer sensing in realistic spectrum occupancy scenarios | |
JP2007013967A (ja) | 多重チャンネル無線通信システムにおけるデータパケット転送のためのスケジューリング装置及び方法 | |
KR20090122493A (ko) | 채널 트리 오퍼레이션들을 수행하는 방법 및 장치 | |
Tlouyamma et al. | Channel selection algorithm optimized for improved performance in cognitive radio networks | |
Turhan et al. | Optimal admission control of secondary users in preemptive cognitive radio networks | |
CN106358295A (zh) | 一种资源分配方法及装置 | |
Riccobene et al. | Automated generation of VNF deployment rules using infrastructure affinity characterization | |
CN109672484B (zh) | 一种机会资源智能探索方法 | |
Sun et al. | Energy-efficient cooperative sensing scheduling for multi-band cognitive radio networks | |
CN111328146A (zh) | 一种基于遗传算法优化传输速率权重的业务调度方法 | |
WO2020095480A1 (ja) | 人口分布集計装置 | |
Giri Prasad et al. | Group based multi-channel synchronized spectrum sensing in cognitive radio network with 5G | |
Alfa et al. | A discrete time queueing model of cognitive radio networks with multi-modal overlay/underlay switching service levels | |
Alfa et al. | Performance analysis of multi-modal overlay/underlay switching service levels in cognitive radio networks | |
Long et al. | An estimation algorithm of channel state transition probabilities for cognitive radio systems | |
Jiang et al. | On searching available channels with asynchronous MAC-layer spectrum sensing | |
Clement et al. | Throughput enhancement in a cognitive radio network using a reinforcement learning method | |
Zhang et al. | Optimal non-identical sensing setting for multi-channel cooperative sensing | |
Rahman et al. | Artificial Intelligence in 5G Technology: Overview of System Models | |
Wang et al. | Achieving efficiency via fairness in online resource allocation | |
Yang et al. | A service-aware channel partition and selection for advertising in bluetooth low energy networks | |
CN113965584B (zh) | 报文处理方法、设备、装置及存储介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211229 Address after: 430000 room 02, 4 / F, building A3, Wuhan International Enterprise Center, No. 1, Guanshan Second Road, Donghu New Technology Development Zone, Wuhan, Hubei Province Patentee after: WUHAN HUAXUN GUORONG TECHNOLOGY CO.,LTD. Address before: Room 1002, 301 Hanzhongmen street, Gulou District, Nanjing City, Jiangsu Province, 210000 Patentee before: CHINA COMMUNICATION TECHNOLOGY (NANJING) Co.,Ltd. |
|
TR01 | Transfer of patent right |