CN111505582A - 基于差分进化算法的水听器阵列定位方法 - Google Patents

基于差分进化算法的水听器阵列定位方法 Download PDF

Info

Publication number
CN111505582A
CN111505582A CN202010346558.0A CN202010346558A CN111505582A CN 111505582 A CN111505582 A CN 111505582A CN 202010346558 A CN202010346558 A CN 202010346558A CN 111505582 A CN111505582 A CN 111505582A
Authority
CN
China
Prior art keywords
hydrophone
frequency
energy
effective
function
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.)
Granted
Application number
CN202010346558.0A
Other languages
English (en)
Other versions
CN111505582B (zh
Inventor
黄凌志
代光华
徐清云
李肖年
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.)
General Staff Of 92916 Army Of Chinese Pla
Original Assignee
General Staff Of 92916 Army Of Chinese Pla
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 General Staff Of 92916 Army Of Chinese Pla filed Critical General Staff Of 92916 Army Of Chinese Pla
Priority to CN202010346558.0A priority Critical patent/CN111505582B/zh
Publication of CN111505582A publication Critical patent/CN111505582A/zh
Application granted granted Critical
Publication of CN111505582B publication Critical patent/CN111505582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • G01S5/20—Position of source determined by a plurality of spaced direction-finders
    • 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

本发明属于水声信号分析处理领域，公开了一种基于短时傅里叶变换和差分进化算法的多个标量水听器测点对噪声源进行定位的方法，首先，对各个水听器接收的时域信号进行短时傅里叶变换，提取有效窄带能量、对应频率以及对应水听器坐标位置等有效参数；其次，针对查找噪声声源位置问题设计目标优化函数以及相应待优化变量；然后，利用差分进化法对声源位置和相应参数进行优化，最后完成对每一条谱线对应噪声源坐标的求解。本发明引入了差分进化优化算法，构造了目标优化函数和待优化参数，舍弃了传统LOFIX方法假设传播损失因子并计算和选取定位圆交点的方法，具有定位精度较传统方法更为精确和可靠的优点。

Description

基于差分进化算法的水听器阵列定位方法
技术领域
本发明属于信号分析处理领域，更进一步涉及水声信号处理技术领域中的一种基于短时傅里叶变换和差分进化算法的目标定位方法。本发明可用于对水听器中的信号进行定位，可在利用水听器阵列监测信号排除水面目标、查找水下目标等方面发挥重要作用。
背景技术
水听器阵列是监听海面情况和查找噪声声源目标的一种工程技术，水听器具有造价低、经济性好的优点。多在搜索噪声源的初始阶段使用，常在军事领域或是海洋测量中得到应用。其特点是在海域中利用布设的水听器阵对附近的辐射噪声源进行监听和定位。
传统的水听器阵列主要采用LOFIX定位方法[刘桂瑜等.基于LOFIX定位估算目标运动信息的算法研究[C].2017年装备技术发展论坛论文集.]，主要是对各个水听器采集到的时域信号进行短时傅里叶变换，选取某一窄带频段内能量较强的数个水听器，假定海域内传播衰减系数，利用选定水听器的能量和假定传播衰减系数对辐射噪声源进行定位，该方法主要思路如下：
假设测点和噪声声源距离与能量的传播衰减关系：
Figure BDA0002470334100000011
两个测点可以定义一个圆，噪声声源处于圆上，圆的圆心为：
Figure BDA0002470334100000012
定位圆的半径为：
Figure BDA0002470334100000013
通过多个圆相交，产生多个可能的目标解，然后选择距离所有相交点距离最近的交点(xi,yi)为所求解。
Figure BDA0002470334100000014
该方法在水听器阵列声源定位方面起到重要作用，通过4枚水听器的选定能确定声源的大致位置。但该方法也存在一定的问题，主要需要定义传播损失因子，一般人为设定在1-2之间，没有进行精确的优化求解，在实际中常取经验值，如文献[刘桂瑜等.基于LOFIX定位估算目标运动信息的算法研究.舰船电子工程.38卷.第5期.2018年]中提到的我国海区采用定位系数为1.33，这在实际中会带来偏差。其次是在求解结果中采用的是所有圆相交点中寻找距离各个交点最近的交点，这样的求解方法使得求解结果在假设的声传播系数模型中所求的也不是最优解，只是在各个交点中相对优的解。因此有必要对水听器阵列的定位方法做出改进，以提高定位方法的精度以及可信度。
本发明利用的差分进化优化算法，由Storn等人提出[StornR.PriceK.Differential evolution–A simple and efficient adaptive scheme for globaloptimization over continuous spaces.Berkeley[R],CS.Tech.Rep.TR-95-012,1995.]，是一种基于种群的随机搜索算法，主要通过变异、交叉和选择等操作来进行智能搜索。与其他进化算法相比，具有较好的收敛速度和全局性能。
值得一提的是，传统方法在仿真验证时常假设一个理论的声传播模型，如假设传播损失为20*log10(r1.5)，距离实际情况相差较大，有必要在仿真实验中采用水声学中通用的声场模型。Bellhop模型是通过高斯波束跟踪方法，计算水平非均匀环境中的声场。高斯束射线跟踪法的基本思想是将高斯强度分布与每条声线联系起来，该声线为高斯声束的中心声线，这些声线能较平滑的过渡到声影区，也能较平滑的穿过焦散线。Bellhop模型利用高斯波束跟踪方法代替几何波束跟踪方法是该其与传统射线理论的主要区别。它克服传统射线模型中声影区强度为0和焦散线截面为0处声强度为无穷大的缺陷。目前BELLHOP模型可以用Fortran、MATLAB和Python实现，并可以用于MAC、Windows和Linux多种平台。
发明内容
本发明的目的是对水听器阵列的定位方法进行改进，主要实现对定位方法进行优化。提高了定位精度和可靠性，提高了对环境噪声的抗干扰性，实现了利用水听器阵列采集到的噪声信号对噪声源进行定位的目的。在定位中，最重要的求解参数是声源的x、y位置。
本发明是通过以下技术方案实现的：
基于短时傅里叶变换和差分进化算法，具体包括以下步骤：
步骤S1：对各个水听器的时域信号进行短时傅里叶变换，提取有效窄带能量、对应频率以及对应水听器等有效参数。
(1a)设置各个频率点的有效带宽，各个水听器在频率点附近的有效带宽内采集到的信号将视为一个噪声源产生的窄带信号。
Figure BDA0002470334100000031
其中，
Figure BDA0002470334100000035
为频率ωi处取的带宽，ω0为设置的最低频率，ωmax为设置的最高频率。当几根谱线频率比较接近时，以更高频的频率对应带宽为准。
(1b)短时傅里叶变换：
Figure BDA0002470334100000032
其中，F(ω,t1)为t1时刻第i个水听器在频率ω处的幅值，第fi(t)为第i个水听器的接收信号，g(t)为窗函数，如设置为1则为矩形窗，可根据需要选择信号处理中常用的汉宁窗、汉明窗等。
(1c)提取有效窄带能量公式和对应频率：
Figure BDA0002470334100000033
Ek(ωi)为第k个在nΔt时刻内以频率ωi为中心的带宽Δω内满足累积、能量值大于有效能量阈值Tb的水听器的有效窄带能量,Tb可设置为大于环境噪声。注：当若干个水听器距离过近时，如0.5km以内时，可选其中一枚水听器作为有效水听器。
步骤S2：针对查找噪声声源位置问题设计目标优化函数以及相应待优化变量
(2a)待优化变量包括：
第i条谱线对应的声源位置：xi,yi,zi
第i条谱线传播衰减系数：TLi
第i条谱线声源强度：Si
第i条谱线对应频率零阶环境噪声分量：ψi
(2b)目标优化函数设计为：
Πi(xi,yi,zi,TLi,Si,Ψi)＝G1(xi,yi,zi)G2(xi,yi,zi,TLi,Si,Ψi)
其中，G1为距离-能量排序惩罚函数：
Figure BDA0002470334100000034
Aj为第j个有效水听器距离假设声源距离的升序排序,Bj为第j个有效水听器的能量值降序排序，m为有效水听器的总数，该函数的设计旨在突出距离和能量的关系，当距离声源升序排序和能量值降序排序保持一致时，G1为最小值n,G1量可以取1到m2，G1越小代表对排序越敏感，当取值为m2时，代表不考虑能量排序。G2为能量指标函数：
Figure BDA0002470334100000041
Dj为第j个有效水听器距离有效声源的距离。
步骤S3：利用差分进化法对声源位置和相应参数进行优化。
(3a)设置优化变量的优化范围，TLi的优化范围一般设置在0到4之间，声源强度Si，噪声分量ψi设置优化范围为-120到120之间。xi,yi,zi设置根据具体条件设置，距离一般不超过水听器的40km距离范围。优化问题用公式描述为：
Figure BDA0002470334100000042
(3b)设置差分进化法的相关参数:初始种群数目I_NP,一般设置为优化变量数量的5-10倍，此处一般设为30-60之间；设置步长权重因子F_weight，一般选择为0到2之间；设置交叉因子F_CR，一般设置在0,1之间，该数值越大，求解结果全局性越好，但收敛越慢，建议选择在0.6到0.9之间。根据变异因子产生变异种群。
(3c)在优化变量的取值范围内产生父代变量，并计算父代目标优化函数取值。
(3d)根据初始种群和变异种群之间的交叉系数产生新种群。
(3e)根据新种群的计算结果，在新种群和父代种群之间进行交叉，产生子代变量。
(3f)重复c、d、e三个步骤，直到迭代数满足计算截止条件，截止代数一般选择50-200代。
附图说明
图1基于差分进化算法的水听器阵列定位方法原理图
图2 10个接收点且接收点声信号在Bellhop模型中产生时的仿真结果
图3 15个接收点且接收点声信号在Bellhop模型中产生时的仿真结果
图4 20个接收点且接收点声信号在Bellhop模型中产生时的仿真结果
图5 10个接收点且接收点声信号在理想声传播模型中产生时的仿真结果
图6 15个接收点且接收点声信号在理想声传播模型中产生时的仿真结果
具体实施方式
下面结合具体实例的仿真实验和附图对本发明做进一步详细描述：
本发明实施仿真实验的硬件环境为：
Figure BDA0002470334100000051
Core(TM)i7-7700CPU@3.60GHz×8，内存为16GB；软件平台为：Matlab2010b。
本发明所用仿真模型为水声传播经典模型Bellhop，旨在模拟实际情况中的噪声传播，根据声场中各测点的能量值推导出噪声源的位置。
步骤S1：构造水声环境，模拟产生声源，产生水听器采集到的时域信号。
(1a)构造两种水声环境，一种是传统的水声环境假设传播损失为20*log10(r1.5)的传播模型，一种是基于Bellhop的水声模型，在两种环境下分别求解。目标声源处于各项同性的传播环境内，目标海域海深为100米，海底地质为密度ρb＝1469kg/m3，纵波声速cb＝1546m/s，吸收系数αb＝0.2×f0.6dB/λ，忽略横波。海水吸收模型假设为
Figure BDA0002470334100000052
声速-深度曲线为1500m/s恒定值。
(1b)在x∈(0,2e4),y∈(0,2e4),z∈(0,100)范围内随机若干个产生声源：
Figure BDA0002470334100000053
在x∈(0,1e4)，y∈(0,1e4)，z＝50m，内随机布置若干个观测点。并设置观测点的测量噪声为
si＝0.1h(t)
h(t)为(0,1)内分布的随机序列。
(1c)根据Bellop模型产生各个接收点信号fi(t)
步骤S2：对信号进行处理，计算出各接受点时序信号对应的频域能量。
(1a)设置各个频率点的有效带宽，窄带带宽设置为：
Figure BDA0002470334100000054
(1b)对信号进行短时傅里叶变换：
Figure BDA0002470334100000061
其中，F(ω,t1)为t1时刻第i个水听器在频率ω处的幅值，第fi(t)为第i个水听器的接收信号，g(t)为窗函数，如设置为1则为矩形窗，可根据需要选择信号处理中常用的汉宁窗、汉明窗等。
(1c)提取有效窄带能量公式和对应频率：
Figure BDA0002470334100000062
Ek(ωi)为第k个在nΔt时刻内以频率ωi为中心的带宽Δω内满足累积能量值大于有效能量阈值Tb的水听器的有效窄带能量,Tb可设置为大于环境噪声3dB。注：当若干个水听器距离过近时，如0.5km以内时，可选其中一枚水听器作为有效水听器。
步骤S3：构造优化问题，设置差分进化算法相关参数，计算最优值。
(3a):根据之前的描述，将优化问题描述为：
Figure BDA0002470334100000063
其中：
Figure BDA0002470334100000064
Figure BDA0002470334100000065
Aj为第j个有效水听器距离假设声源距离的升序排序,Bj为第j个有效水听器的能量值降序排序。
(3b)设置差分进化算法相关参数：初始种群数目I_NP,设置为50；设置步长权重因子为1；设置交叉因子F_CR为0.9。
(3c)在优化变量的取值范围内产生父代变量，并计算父代目标优化函数取值。
(3d)根据初始种群和变异种群之间的交叉系数产生新种群。
(3e)根据新种群的计算结果，在新种群和父代种群之间进行交叉，产生子代变量。
(3f)重复c、d、e三个步骤，直到迭代数满足计算截止条件，截止代数选择200代。
从计算结果中可以看出，不论是理想的传播模型，还是Bellhop的声场计算模型，在几组不同数目观测点的仿真结果中，基于差分进化算法的水听器阵目标定位方法精度均要优于传统的LOFIX定位方法。

Claims (3)

1.基于差分进化算法的水听器阵列定位方法，其特征在于，包括以下步骤：
步骤S1：对各个水听器的时域信号进行短时傅里叶变换，提取有效窄带能量、对应频率以及对应水听器等有效参数。
(1a)设置各个频率点的有效带宽，各个水听器在频率点附近的有效带宽内采集到的信号将视为一个噪声源产生的窄带信号。
Figure FDA0002470334090000011
其中，
Figure FDA0002470334090000012
为频率ωi处取的带宽，ω0为设置的最低频率，ωmax为设置的最高频率。当几根谱线频率比较接近时，以更高频的频率对应带宽为准。
(1b)短时傅里叶变换：
Figure FDA0002470334090000013
其中，F(ω,t1)为t1时刻第i个水听器在频率ω处的幅值，第fi(t)为第i个水听器的接收信号，g(t)为窗函数，如设置为1则为矩形窗，可根据需要选择信号处理中常用的汉宁窗、汉明窗等。
(1b)短时傅里叶变换：
Figure FDA0002470334090000014
其中，F(ω,t1)为t1时刻第i个水听器在频率ω处的幅值，第fi(t)为第i个水听器的接收信号，g(t)为窗函数，如设置为1则为矩形窗，可根据需要选择信号处理中常用的汉宁窗、汉明窗等。
(1c)提取有效窄带能量公式和对应频率：
Figure FDA0002470334090000015
Ek(ωi)为第k个在nΔt时刻内以频率ωi为中心的带宽Δω内满足累积、能量值大于有效能量阈值Tb的水听器的有效窄带能量,Tb可设置为大于环境噪声。注：当若干个水听器距离过近时，如0.5km以内时，可选其中一枚水听器作为有效水听器。
步骤S2：针对查找噪声声源位置问题设计目标优化函数以及相应待优化变量
(2a)待优化变量包括：
第i条谱线对应的声源位置：xi,yi,zi
第i条谱线传播衰减系数：TLi
第i条谱线声源强度：Si
第i条谱线对应频率零阶环境噪声分量：ψi
(2b)目标优化函数设计为：
Πi(xi,yi,zi,TLi,Si,Ψi)＝G1(xi,yi,zi)G2(xi,yi,zi,TLi,Si,Ψi)
其中，G1为距离-能量排序惩罚函数：
Figure FDA0002470334090000021
Aj为第j个有效水听器距离假设声源距离的升序排序,Bj为第j个有效水听器的能量值降序排序，m为有效水听器的总数，该函数的设计旨在突出距离和能量的关系，当距离声源升序排序和能量值降序排序保持一致时，G1为最小值n,G1量可以取1到m2，G1越小代表对排序越敏感，当取值为m2时，代表不考虑能量排序。G2为能量指标函数：
Figure FDA0002470334090000022
Dj为第j个有效水听器距离有效声源的距离。
步骤S3：利用差分进化法对声源位置和相应参数进行优化。
(3a)设置优化变量的优化范围，TLi的优化范围一般设置在0到4之间，声源强度Si，噪声分量ψi设置优化范围为-120到120之间。xi,yi,zi设置根据具体条件设置，距离一般不超过水听器的40km距离范围。优化问题用公式描述为：
Figure FDA0002470334090000023
(3b)设置差分进化法的相关参数:初始种群数目I_NP,一般设置为优化变量数量的5-10倍，此处一般设为30-60之间；设置步长权重因子F_weight，一般选择为0到2之间；设置交叉因子F_CR，一般设置在0,1之间，该数值越大，求解结果全局性越好，但收敛越慢，建议选择在0.6到0.9之间。根据变异因子产生变异种群。
(3c)在优化变量的取值范围内产生父代变量，并计算父代目标优化函数取值。
(3d)根据初始种群和变异种群之间的交叉系数产生新种群。
(3e)根据新种群的计算结果，在新种群和父代种群之间进行交叉，产生子代变量。
(3f)重复c、d、e三个步骤，直到迭代数满足计算截止条件，截止代数一般选择50-200代。
2.根据权利要求1所述的基于差分进化算法的水听器阵列定位方法，其特征，G1为距离-能量排序惩罚函数在1到m2之间取值
3.根据权利要求1所述的基于差分进化算法的水听器阵列定位方法，其特征在于其差分进化法的截止代数一般选择40代以上。
CN202010346558.0A 2020-04-27 2020-04-27 基于差分进化算法的水听器阵列定位方法 Active CN111505582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010346558.0A CN111505582B (zh) 2020-04-27 2020-04-27 基于差分进化算法的水听器阵列定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010346558.0A CN111505582B (zh) 2020-04-27 2020-04-27 基于差分进化算法的水听器阵列定位方法

Publications (2)

Publication Number Publication Date
CN111505582A true CN111505582A (zh) 2020-08-07
CN111505582B CN111505582B (zh) 2023-06-13

Family

ID=71864330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010346558.0A Active CN111505582B (zh) 2020-04-27 2020-04-27 基于差分进化算法的水听器阵列定位方法

Country Status (1)

Country Link
CN (1) CN111505582B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160109556A1 (en) * 2014-10-20 2016-04-21 Nextnav, Llc Mitigating effects of multipath during position computation
CN108226933A (zh) * 2017-12-28 2018-06-29 西北工业大学 一种基于条纹干涉结构的深海宽带目标深度估计方法
CN110764053A (zh) * 2019-10-22 2020-02-07 浙江大学 一种基于水下传感器网络的多目标被动定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160109556A1 (en) * 2014-10-20 2016-04-21 Nextnav, Llc Mitigating effects of multipath during position computation
CN108226933A (zh) * 2017-12-28 2018-06-29 西北工业大学 一种基于条纹干涉结构的深海宽带目标深度估计方法
CN110764053A (zh) * 2019-10-22 2020-02-07 浙江大学 一种基于水下传感器网络的多目标被动定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王荣杰;詹宜巨;周海峰;陈美谦;: "一种基于差分进化机理的船舶方位估计方法" *
翁晋宝;杨燕明;: "深海中利用单水听器的影区声源无源测距测深方法" *

Also Published As

Publication number Publication date
CN111505582B (zh) 2023-06-13

Similar Documents

Publication Publication Date Title
CN112083404B (zh) 一种基于多途特征匹配的单矢量水听器声源深度估计方法
CN102183435B (zh) 一种基于多路径反射理论的海底密度和声速测量方法
CN105676181B (zh) 基于分布式传感器能量比的水下运动目标扩展卡尔曼滤波跟踪方法
CN106254010B (zh) 一种时变海洋信道建模方法
CN104765037A (zh) 基于短垂直阵的水下目标定位稳健方法
CN113687308B (zh) 一种基于弯曲波的冰上震源定位方法
CN108957403B (zh) 一种基于广义互相关的高斯拟合包络时延估计方法及系统
CN113176609B (zh) 一种基于地声场的地下浅层目标定位方法
CN105116445A (zh) 一种水陆检波器地震数据合并处理的方法及装置
CN115407340B (zh) 一种基于栅格匹配的变声速下双基地定位方法
CN113866718B (zh) 一种基于互质阵的匹配场被动定位方法
CN116973899B (zh) 一种基于凸聚类的冰下多目标定位方法和装置
CN110780340B (zh) 一种浅海弹性软沉积层横波声速或厚度的反演方法
CN110515065B (zh) 一种辐射噪声线谱源深度辨识方法
Ma et al. Poles extraction of underwater targets based on matrix pencil method
CN115236592B (zh) 一种基于单阵元时频曲线匹配的冰声定位方法
CN111505582B (zh) 基于差分进化算法的水听器阵列定位方法
CN113126029A (zh) 适用于深海可靠声路径环境的多传感器脉冲声源定位方法
CN115963448A (zh) 适用于深海可靠声路径环境的多传感器宽带声源定位方法
CN114974298A (zh) 一种基于深度学习的海洋声源定位及海洋参数反演方法
Prior et al. Modeling acoustical pressure and particle acceleration close to marine seismic airguns and airgun arrays
CN115220026A (zh) 一种基于冰面水平阵列的匹配场跨冰定位方法
CN112684437A (zh) 一种基于时域warping变换的被动测距方法
Weinberg CASS roots
CN113671507A (zh) 一种基于深海垂直阵的波导不变量估计方法

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