CN110518946A - 基于毫米波时变信道块稀疏和低秩的时变信道估计方法 - Google Patents

基于毫米波时变信道块稀疏和低秩的时变信道估计方法 Download PDF

Info

Publication number
CN110518946A
CN110518946A CN201910811707.3A CN201910811707A CN110518946A CN 110518946 A CN110518946 A CN 110518946A CN 201910811707 A CN201910811707 A CN 201910811707A CN 110518946 A CN110518946 A CN 110518946A
Authority
CN
China
Prior art keywords
matrix
channel
varying channel
algorithm
millimeter wave
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
Application number
CN201910811707.3A
Other languages
English (en)
Inventor
程龙
岳光荣
熊心宇
余代中
王志强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910811707.3A priority Critical patent/CN110518946A/zh
Publication of CN110518946A publication Critical patent/CN110518946A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明属于毫米波通信技术领域，具体涉及一种基于毫米波时变信道块稀疏和低秩特性的时变信道估计方法。本发明首先通过在传统测量矩阵中引入一定的置换矩阵，证明毫米波时变信道存在块稀疏特性，然后，将传统CP算法和毫米波时变信道模型进行对比，证明其低秩张量形式。在这个基础上，提出一种两步走算法，在第一阶段，利用传统块稀疏算法获得非零位置和个数，提取信道角度信息，在第二阶段，利用张量分解算法，提取信道多普勒和增益信息，然后整合获得毫米波MIMO时变信道。实验结果显示，本发明提出的算法，优于传统的压缩感知算法和张量分解算法，同时在某些条件下逼近理论下限。

Description

基于毫米波时变信道块稀疏和低秩的时变信道估计方法
技术领域
本发明属于毫米波通信技术领域，具体涉及一种基于毫米波时变信道块稀疏和低秩的时变信道估计方法。
背景技术
随着未来超高清视频传输、智能车辆通信和虚拟现实技术的需求发展，全球移动通信系统容量会迎来巨大的需求。未来对于数据传输速率的需求可能是现有系统容量的1000倍。毫米波通信技术由于能够利用更大的通信带宽产生更大的传输速率，被作为满足未来高速率需求的未来无线网络关键技术。例如，IEEE最新的802/11ay标准中，60GHz通信技术已经可以提供高达20Gbps的传输速率。然而，毫米波频段的通信存在固有的缺点，即相对于低频段更高的路径损耗。幸运的是，大规模天线阵列可以被应用在毫米波通信系统中来补偿信号的衰减。
但是，随着天线数目的增加，会导致导频开销的增加。为了研究毫米波massiveMIMO信道估计技术，现有大量的文献利用其稀疏性进行了有效的研究。但是，这些文献大部分是针对静态信道的估计问题，同时只单独利用了毫米波信道稀疏性和低秩性，因此迫切的需要提出一种毫米波时变信道估计算法提高效率和性能。
发明内容
本发明的目的在于提供一种基于毫米波时变信道块稀疏和低秩联合特性的时变信道估计方法。本发明提出一种两步毫米波信道估计方法，通过利用毫米波时变MIMO信道的块稀疏和低秩特性，将信道估计问题建模成两个阶段的问题。在第一阶段中，通过置换矩阵的使用，将毫米波时变信道角度估计问题转换为块稀疏恢复问题；在第二个阶段中，通过利用第一阶段估计得到的角度信息，将接收到数据建模成三维张量，并满足CANDECOMP/PARAFAC分解(CP分解)形式，然后通过最大似然方法从分解因子矩阵获得多普勒信息和最小均方(LS)方法获得信道原始增益等参数。
本发明的核心思想是利用毫米波时变信道两种不同特性估计信道。
为了方便理解，首先对本发明使用的模型和术语进行介绍：
本发明主要应用在毫米波massive MIMO混和架构中，其基本的移动端(MS)端发送信号为：
f(t)＝FRF(t)s(t)
在接收端，通过射频端的预编码矩阵WRF(t)和数字端整合矩阵WBB(t)，在t时刻接收到的信号为
y(t)＝(WRF(t)WBB(t))HH(t)FRF(t)FBB(t)s(t)+N(t)
＝wH(t)H(t)f(t)+N(t)
同时，本算法中，BS端和MS端使用的是单位线阵(ULA)，其指向矢量如下：
其中MT为发送端天线数，NR为接收端天线数，θl为第l条径的到达角(AOD)，
根据相关文献中的论证，毫米波时变信道中的AOAs/AODs,信道原始增益al(t)在一个信道估计帧保持不变，因此以下毫米波时变信道简化为
其中αl为信道原始增益。
基于毫米波时变信道块稀疏和低秩的信道估计算法,其具体步骤如下：
S1、利用毫米波字典矩阵将信道转换到波束空间同时列向量化时刻t接收数据：
其中为测量矩阵，NFR为BS端射频链路数目，N1为AOA字典矩阵格点数，N2为AOD字典矩阵格点数。f(t)为移动MS端发送信号，wH(t)＝(WRF(t)WBB(t))H，WRF(t)为射频端的预编码矩阵，WBB(t)为数字端整合矩阵，Hv(t)为格点化之后的虚拟波束空间矢量，AMS为AOA字典矩阵，ABS是AOD字典矩阵，N(t)是接收端噪声。
S2、MS端发送M个时刻的导频序列，同时在接收端将接收到的数据整合为向量，得到
h(t)为t时刻波束空间矢量，N为总的系统噪声。
S3、利用置换矩阵Π将列向量矩阵相同位置数据置换到一起，令信道AOAs/AODs在一个训练帧内保持不变，因此接收到的新的波束空间矢量体现出块稀疏性，将新的接收到的信号表示为
其中为新的测量矩阵，为新的波束空间矩阵；
S4、根据S3中接收到的信号，利用传统的BOMP算法稀疏恢复非零点位置，恢复角度信息和非零块个数；
S5、在获得角度信息后，接收端发送M2个相同的波束矢量fMS，同时接收端利用固定的整合矩阵w2接收，接收到t时刻数据写为
S6、将接收到数据乘以一个预编码矢量Ns为自己设定的二维拓展参数，经过处理的数据可以为：
其中MT为发送端的天线数。
S7、将接收到的t时刻数据进行改写，重新写成秩1向量外积形式：
其中，al、fl、Ts、NR分别为信道原始增益、多普勒频移，码元时间，BS端天线。
S8、将M2时刻接收数据建模为三维张量，同时利用步骤S4得到的接收角度信息重建因子矩阵：
其中βl为时间维度的向量，如下表示
因子矩阵和如下计算
L为信道中多径个数。
S9、获取剩余包含信道增益和多普勒的因子矩阵其中和根据步骤S4得到的角度信息和S8中方法计算
γ(3)为接收到的三维数据的模三展开，符号为矩阵伪逆。
S10：利用因子矩阵提取多普勒信息
其中，β(fi)为S8中定义的时间维度矢量,fl max为设定的最大多普勒频移，是因子矩阵的第l列；
S11：利用最小均方方法提取信道原始增益
S12:整合估计到的所有时变信道参数，重构时变信道。
本发明的有益处在于：
1)相对于传统的针对静态信道估计，设计了针对毫米波时变信道算法，提升了在存在多普勒频移条件下的估计性能。
2)由于时变信道的角度信息在一个训练帧不发生改变，利用了其块稀疏信道非零位置不变性估计角度，算法针对不同多普勒频移的具有极强鲁棒性。
3)利用时间维度建立三维模型，提取信道时变参数-多普勒频移，同时有效估计信道原始增益，同时由于没有使用传统CP分解中的交替最小二乘(ALS)算法，确保了分解唯一性。
同时利用毫米波MIMO时变信道的块稀疏和低秩特性，相对于传统的只考虑块稀疏或者低秩特性算法不仅在性能上，还是在鲁棒性上表现很强的优越。
附图说明
图1为本发明方法所使用的毫米波上行MIMO架构；
图2为本发明方法(Algorithm1)与传统CP方法(Algorithm2)对比；
图3为本发明方法与传统CP算法(Algorithm3)在理想角度下增益和多普勒估计性能对比；
图4为本发明方法(Algorithm1)在理想角度条件下估计性能与理论下限对比(CRLB)对比；
图5为本发明方法(Algorithm1)与传统压缩感知方法在不同SNR条件下对比(v＝120km/h)；
图6为本发明方法(Algorithm1)与传统压缩感知方法在不同多普勒条件下对比(SNR＝20dB)。
具体实施方式
下面结合具体实例对本发明进行详细的描述：
1、基于毫米波时变信道块稀疏和低秩的时变信道估计方法，其特征在于，包括以下步骤：
S1：在第一阶段，MS端发送M1个导频信号估计时变信道，同时BS端使用接收矩阵接收。具体的话，在时刻t，MS端发送导频矢量接收端使用接收，这两个矢量都是从单位高斯环从选取。接收到的M1次测量数据表达为：
y＝Θβ+N
其中Θ为新的测量矩阵，β为新的波束空间矢量，N为噪声，新的测量矩阵如下所示
其中为传统毫米波信道估计的测量矩阵，Π为把不同时刻信道相同位置数据平移到一起的置换矩阵。
S2：利用传统文献中的BOMP或者类似的算法求解S1中稀疏矩阵块的位置，然后映射相应的AOAs/AODs，同时估计非零块个数
S3：在第二阶段，MS端发送发送M2个相同的波束矢量fMS，同时接收端利用固定的整合矩阵w2接收,其预编码矩阵元素的选取类似于第一阶段，不同于第一阶段接收数据处理方法，接收到t时刻数据先写为
S4：每个时刻接收到的数据拓展成二维矩阵
其中
S5：将不同时刻收到二维矩阵联立，形成三维张量
S6：利用第一阶段收到的估计角度，重建因子矩阵和如下
S7:求解张量分解第三个因子矩阵，如下
S8:分别计算时变信道每条径多普勒频移和原始增益，如下
其中是因子矩阵的第l列。
S9:整合估计到的所有时变信道参数重建信道。
下面将其他相关算法同本发明方法的算法性能对比分析，以进一步验证本发明的性能。
采用了五个方面来度量算法的有效性，一个是与传统基于CP分解的算法进行对比；第二个是在理想角度信息条件下，将传统CP算法拓展到时变信道估计，与其多普勒和增益估计方法对比；第三个是在理想角度信息条件下，估计多普勒和增益性能与理论下限进行对比；第四个是在时变信道条件下(v＝120km/h)，与传统压缩感知算法在不同SNR条件下对比；第五个是在高信噪比条件下(SNR＝20dB)，与传统压缩感知算法在不同多普勒条件下对比。
图2为与传统CP算法对比，可以看出传统CP算法由于模糊了时间维度信息，无法有效估计信道增益和多普勒，同时只有高信噪比才有精确角度信息。
图3为将CP算法拓展到时变信道之后，其估计增益部分依然存在性能下降，在低多普勒时候，传统CP算法无法有效估计增益。
图4在理想角度条件下，本算法估计性能衡量结果，可以看到其估计多普勒和增益达到了时变信道估计参数理论下限。
图5表示在时变信道下，本算法优于传统压缩感知算法。
图6表示本算法在存在不同多普勒频移条件下，具有很强鲁棒性。
综上所诉，本发明提出了一个新的基于毫米波时变信道块稀疏和低秩特性的时变信道估计方法。首先，通过在传统测量矩阵中引入一定的置换矩阵，证明毫米波时变信道存在块稀疏特性，然后，将传统CP算法和毫米波时变信道模型进行对比，证明其低秩张量形式。在这个基础上，提出一种两步走算法，在第一阶段，利用传统块稀疏算法获得非零位置和个数，提取信道角度信息，在第二阶段，利用张量分解算法，提取信道多普勒和增益信息，然后整合获得毫米波MIMO时变信道。实验结果显示，本发明提出的算法，优于传统的压缩感知算法和张量分解算法，同时在某些条件下逼近理论下限。

Claims (1)

1.基于毫米波时变信道块稀疏和低秩的时变信道估计方法，其特征在于，包括以下步骤：
S1、利用毫米波字典矩阵将信道转换到波束空间同时列向量化时刻t接收数据：
其中为测量矩阵，NFR为基站BS端射频链路数目，N1为AOA字典矩阵格点数，N2为AOD字典矩阵格点数，f(t)为移动MS端发送信号，wH(t)＝(WRF(t)WBB(t))H，WRF(t)为射频端的预编码矩阵，WBB(t)为数字端整合矩阵，Hv(t)为格点化之后的虚拟波束空间矢量，AMS为AOA字典矩阵，ABS是AOD字典矩阵，N(t)是接收端噪声；
S2、MS端发送M个时刻的导频序列，同时在接收端将接收到的数据整合为向量，得到
h(t)为t时刻波束空间矢量，t＝1,2,…M，N为总的系统噪声；
S3、利用置换矩阵Π将列向量矩阵相同位置数据置换到一起，令信道AOAs/AODs在一个训练帧内保持不变，因此接收到的新的波束空间矢量体现出块稀疏性，将新的接收到的信号表示为
其中为新的测量矩阵，为新的波束空间矩阵；
S4、根据S3中接收到的信号，利用传统的BOMP算法稀疏恢复非零点位置，恢复角度信息和非零块个数；
S5、在获得角度信息后，接收端发送M2个相同的波束矢量fMS，同时接收端利用固定的整合矩阵w2接收，接收到t时刻数据写为
S6、将接收到数据乘以一个预编码矢量Ns预设的二维拓展参数，经过处理的数据为：
其中MT为发送端的天线数；
S7、将接收到的t时刻数据进行改写，重新写成秩1向量外积形式：
其中，al、fl、Ts、NR分别为信道原始增益、多普勒频移、码元时间和BS端天线；
S8、将M2时刻接收数据建模为三维张量，同时利用步骤S4得到的接收角度信息重建因子矩阵：
其中βl为时间维度的向量，表示如下：
因子矩阵和如下计算
L为信道中多径个数；
S9、获取剩余包含信道增益和多普勒的因子矩阵其中和根据步骤S4得到的角度信息和S8中方法计算
γ(3)为接收到的三维数据的模三展开，符号为矩阵伪逆；
S10：利用因子矩阵提取多普勒信息
其中，β(fi)为S8中定义的时间维度矢量,为设定的最大多普勒频移，是因子矩阵的第l列；
S11：利用最小均方方法提取信道原始增益al：
S12:整合估计到的所有时变信道参数，重构时变信道。
CN201910811707.3A 2019-08-30 2019-08-30 基于毫米波时变信道块稀疏和低秩的时变信道估计方法 Pending CN110518946A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910811707.3A CN110518946A (zh) 2019-08-30 2019-08-30 基于毫米波时变信道块稀疏和低秩的时变信道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910811707.3A CN110518946A (zh) 2019-08-30 2019-08-30 基于毫米波时变信道块稀疏和低秩的时变信道估计方法

Publications (1)

Publication Number Publication Date
CN110518946A true CN110518946A (zh) 2019-11-29

Family

ID=68628214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910811707.3A Pending CN110518946A (zh) 2019-08-30 2019-08-30 基于毫米波时变信道块稀疏和低秩的时变信道估计方法

Country Status (1)

Country Link
CN (1) CN110518946A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112202481A (zh) * 2020-06-24 2021-01-08 北京邮电大学 一种基于自适应感知矩阵的压缩感知信道估计算法及实现装置
CN112600596A (zh) * 2020-12-04 2021-04-02 南京邮电大学 基于张量并行压缩的毫米波系统信道反馈方法
CN112887250A (zh) * 2021-01-12 2021-06-01 电子科技大学 一种基于张量分解的毫米波宽带mimo系统的信道估计方法
CN113037344A (zh) * 2021-02-26 2021-06-25 上海师范大学 一种多用户大规模mimo多源图像传输干扰消除方法
CN113328770A (zh) * 2021-06-02 2021-08-31 中山大学 一种大规模mimo信道状态估计方法及装置
CN113765581A (zh) * 2021-09-27 2021-12-07 北京理工大学 基于压缩感知与波束对齐的ris快时变信道估计方法
CN113949423A (zh) * 2021-10-28 2022-01-18 上海师范大学 一种多用户毫米波大规模mimo信道估计方法
CN114189408A (zh) * 2022-01-17 2022-03-15 电子科技大学 一种用于智能反射面辅助毫米波系统的信道估计方法
CN114338302A (zh) * 2021-12-22 2022-04-12 中国南方电网有限责任公司超高压输电公司 一种基于毫米波联合结构的智能反射面两级信道估计方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001006695A1 (en) * 1999-07-15 2001-01-25 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus for channel estimation with transmit diversity
CN103391594A (zh) * 2012-05-09 2013-11-13 电信科学技术研究院 一种无线体域网路由优化的方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001006695A1 (en) * 1999-07-15 2001-01-25 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus for channel estimation with transmit diversity
CN103391594A (zh) * 2012-05-09 2013-11-13 电信科学技术研究院 一种无线体域网路由优化的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LONG CHENG: "Millimeter Wave Time-Varying Channel", 《IEEE》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112202481A (zh) * 2020-06-24 2021-01-08 北京邮电大学 一种基于自适应感知矩阵的压缩感知信道估计算法及实现装置
CN112600596A (zh) * 2020-12-04 2021-04-02 南京邮电大学 基于张量并行压缩的毫米波系统信道反馈方法
CN112600596B (zh) * 2020-12-04 2022-02-11 南京邮电大学 基于张量并行压缩的毫米波系统信道反馈方法
CN112887250A (zh) * 2021-01-12 2021-06-01 电子科技大学 一种基于张量分解的毫米波宽带mimo系统的信道估计方法
CN113037344A (zh) * 2021-02-26 2021-06-25 上海师范大学 一种多用户大规模mimo多源图像传输干扰消除方法
CN113328770A (zh) * 2021-06-02 2021-08-31 中山大学 一种大规模mimo信道状态估计方法及装置
CN113765581A (zh) * 2021-09-27 2021-12-07 北京理工大学 基于压缩感知与波束对齐的ris快时变信道估计方法
CN113949423A (zh) * 2021-10-28 2022-01-18 上海师范大学 一种多用户毫米波大规模mimo信道估计方法
CN114338302A (zh) * 2021-12-22 2022-04-12 中国南方电网有限责任公司超高压输电公司 一种基于毫米波联合结构的智能反射面两级信道估计方法
CN114338302B (zh) * 2021-12-22 2024-02-09 中国南方电网有限责任公司超高压输电公司 一种基于毫米波联合结构的智能反射面两级信道估计方法
CN114189408A (zh) * 2022-01-17 2022-03-15 电子科技大学 一种用于智能反射面辅助毫米波系统的信道估计方法
CN114189408B (zh) * 2022-01-17 2023-01-13 电子科技大学 一种用于智能反射面辅助毫米波系统的信道估计方法

Similar Documents

Publication Publication Date Title
CN110518946A (zh) 基于毫米波时变信道块稀疏和低秩的时变信道估计方法
CN112737985B (zh) 基于深度学习的大规模mimo信道联合估计和反馈方法
CN106559367B (zh) 基于低秩张量分解的mimo-ofdm系统毫米波信道估计方法
CN107018099A (zh) 一种针对毫米波多用户mimo系统的时变信道估计方法
CN110022274B (zh) 一种毫米波mimo-ofdm系统的联合信道与载波频率偏移估计方法
CN101494627A (zh) 宽带移动通信中利用压缩感知减少导频数的信道估计方法
CN114189408A (zh) 一种用于智能反射面辅助毫米波系统的信道估计方法
CN108111208A (zh) 一种灵活码本配置的毫米波系统角度域信道估计方法
CN114884549A (zh) 基于深度学习的大规模mimo信道状态信息反馈方法
CN109861933B (zh) 一种基于music算法和预编码的毫米波mimo信道估计方法
Rodríguez-Fernández et al. A frequency-domain approach to wideband channel estimation in millimeter wave systems
CN104113396A (zh) 大规模天线系统中的信道检测方法和装置
CN105812042B (zh) 基于压缩感知的c-ran架构大规模mimo系统的数据传输方法
Shen et al. Deep learning for super-resolution channel estimation in reconfigurable intelligent surface aided systems
CN108259397A (zh) 基于自适应正则化子空间追踪压缩感知算法的大规模mimo系统信道估计
CN105471775A (zh) 一种大规模mimo系统中低复杂度的信道估计方法
CN109981151A (zh) 大规模mimo系统中改进的高斯树近似消息传递检测算法
CN110650103A (zh) 利用冗余字典加强稀疏性的透镜天线阵列信道估计方法
CN111478724A (zh) 一种面向无人机毫米波平台的三维波束搜索方法
CN110301101B (zh) 利用压缩反馈的低复杂度波束赋形
CN102171946A (zh) 数据传输方法和装置
CN114221838A (zh) 大规模mimo系统中利用信道共轭数据的信道估计方法及系统
CN104022979A (zh) 一种联合稀疏信道估计方法、装置及系统
CN106878225B (zh) 一种设备指纹与信道分离的方法及装置
CN111224699B (zh) 一种面向无人机基站通信的毫米波波束生成方法

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191129