CN113271123A - 一种新型计算信道解码的llr近似值的方法和系统 - Google Patents

一种新型计算信道解码的llr近似值的方法和系统 Download PDF

Info

Publication number
CN113271123A
CN113271123A CN202110459215.XA CN202110459215A CN113271123A CN 113271123 A CN113271123 A CN 113271123A CN 202110459215 A CN202110459215 A CN 202110459215A CN 113271123 A CN113271123 A CN 113271123A
Authority
CN
China
Prior art keywords
llr
algorithm
parameters
approximation
signal detection
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
CN202110459215.XA
Other languages
English (en)
Other versions
CN113271123B (zh
Inventor
侯书丹
吕鹏
王凯
周茜
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.)
Guangzhou Institute of Technology of Xidian University
Original Assignee
Guangzhou Institute of Technology of Xidian University
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 Guangzhou Institute of Technology of Xidian University filed Critical Guangzhou Institute of Technology of Xidian University
Priority to CN202110459215.XA priority Critical patent/CN113271123B/zh
Publication of CN113271123A publication Critical patent/CN113271123A/zh
Application granted granted Critical
Publication of CN113271123B publication Critical patent/CN113271123B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/0848—Joint weighting
    • H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion

Landscapes

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

Abstract

本发明提供了一种计算信道解码的LLR近似值的方法和系统，具体包括以下步骤：采集LLR近似值算法的相关信息，提取其中的关键特征，训练生成LLR智能模型；获取Massive MIMO通讯系统的各项参数，判断为Massive MIMO通讯的上行链路或Massive MIMO通讯的下行链路；获取Massive MIMO通讯的信号检测算法；将参数、上行链路/下行链路以及信号检测算法输入LLR智能模型，LLR智能模型输出LLR近似值计算建议方案。本发明设置LLR智能模型，可以为用户的参数，自适应地为用户提供LLR近似值计算建议方案，满足用户的个性化需求。

Description

一种新型计算信道解码的LLR近似值的方法和系统
技术领域
本发明涉及移动通信技术领域，特别是涉及一种新型计算信道解码的LLR近似值的方法和系统。
背景技术
Massive MIMO系统是利用发射端中布置数量较多的天线来实现信道容量和通信质量的提升。无线信道有着非常明显的特点，那就是其能够实现多途径传播，多径传输也会出现衰落的问题。在信号发射功率不大，多径衰落将放开噪声的影响，通信系统的误码特也将随之上升，严重的影响了通信系统的性能。Massive MIMO技术采用大规模的天线矩阵，将通信信息分集到多个天线上传输，大幅度的提高了无线信道的频率利用率，也提高了通信系统的通信速度。该技术具备普通MIMO技术的所有技术优势，且天线规模更大，能够大规模的元件实现通信性能的大幅度提升。
目前MassiveMIMO系统的检测算法大多是固定的，或者需要花费较高的成本设计检验，不能满足用户的多样化需求。
发明内容
针对现有技术中存在的缺陷，本发明的目的在于提供一种新型计算信道解码的LLR近似值的方法和系统，解决了目前MassiveMIMO系统的检测算法大多是固定的，或者需要花费较高的成本设计检验，不能满足用户的多样化需求的问题。
为了达到上述目的，本发明所采用的具体技术方案如下：
一种新型计算信道解码的LLR近似值的方法，具体包括以下步骤：
S1，采集LLR近似值算法的相关信息，提取其中的关键特征，训练生成LLR智能模型；
S2，获取Massive MIMO通讯系统的各项参数，判断为Massive MIMO通讯的上行链路或Massive MIMO通讯的下行链路；
S3，获取Massive MIMO通讯的信号检测算法；
S4，将参数、上行链路/下行链路以及信号检测算法输入LLR智能模型，LLR智能模型输出LLR近似值计算建议方案。
优选的，步骤S4具体还包括
将参数、上行链路/下行链路、信号检测算法以及客户设定的BER性能阈值输入LLR智能模型，LLR智能模型输出满足客户设定的BER性能阈值的LLR近似值计算建议方案。
优选的，步骤S1具体包括以下步骤：
S101，采集LLR近似值算法的相关信息，将LLR近似值算法公式、LLR近似值算法公式对应的系统参数、LLR近似值算法公式适用于上行链路或下行链路、LLR近似值算法公式匹配的信号检测算法作为关键特征；
S102，将关键特征信息分为2:8，将80％的关键特征信息作为训练集，将20％的关键特征信息作为验证集，训练生成LLR智能模型。
优选的，步骤S2中获取Massive MIMO通讯系统的各项参数具体指的是传输信道信息、信道噪声信息、基带信号调制模式、迭代次数、天线比例。
优选的，步骤S3中，获取Massive MIMO通讯的信号检测算法，信号检测算法包括但不限于MMSE算法，Neumann级数算法，混合迭代算法。
一种新型计算信道解码的LLR近似值的系统，包括
智能模型训练单元，用于采集LLR近似值算法的相关信息，提取其中的关键特征，训练生成LLR智能模型；
信息采集单元，用于获取Massive MIMO通讯系统的各项参数，判断为MassiveMIMO通讯的上行链路或Massive MIMO通讯的下行链路，获取Massive MIMO通讯的信号检测算法；
LLR近似值单元，用于将参数、上行链路/下行链路以及信号检测算法输入LLR智能模型，LLR智能模型输出LLR近似值计算建议方案。
优选的，所述LLR近似值单元还用于将参数、上行链路/下行链路、信号检测算法以及客户设定的BER性能阈值输入LLR智能模型，LLR智能模型输出满足客户设定的BER性能阈值的LLR近似值计算建议方案。
优选的，Massive MIMO通讯系统的各项参数包括传输信道信息、信道噪声信息、基带信号调制模式、迭代次数、天线比例。
优选的，信号检测算法包括但不限于MMSE算法，Neumann级数算法，混合迭代算法。
本发明的有益效果在于：设置LLR智能模型，可以为用户的参数，自适应地为用户提供LLR近似值计算建议方案，满足用户的个性化需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种新型计算信道解码的LLR近似值的方法的流程图；
图2是本发明实施例提供的一种新型计算信道解码的LLR近似值的系统的原理框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“竖直”、“上”、“下”、“水平”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
如图1所示，本发明提出了一种新型计算信道解码的LLR近似值的方法，具体包括以下步骤：
S1，采集LLR近似值算法的相关信息，提取其中的关键特征，训练生成LLR智能模型；
步骤S1具体包括以下步骤：
S101，采集LLR近似值算法的相关信息，将LLR近似值算法公式、LLR近似值算法公式对应的系统参数、LLR近似值算法公式适用于上行链路或下行链路、LLR近似值算法公式匹配的信号检测算法作为关键特征；
S102，将关键特征信息分为2:8，将80％的关键特征信息作为训练集，将20％的关键特征信息作为验证集，训练生成LLR智能模型。
S2，获取Massive MIMO通讯系统的各项参数，判断为Massive MIMO通讯的上行链路或Massive MIMO通讯的下行链路；步骤S2中获取Massive MIMO通讯系统的各项参数具体指的是传输信道信息、信道噪声信息、基带信号调制模式、迭代次数、天线比例。
S3，获取Massive MIMO通讯的信号检测算法；步骤S3中，获取Massive MIMO通讯的信号检测算法，信号检测算法包括但不限于MMSE算法，Neumann级数算法，混合迭代算法。
S4，将参数、上行链路/下行链路以及信号检测算法输入LLR智能模型，LLR智能模型输出LLR近似值计算建议方案。
步骤S4具体还包括
将参数、上行链路/下行链路、信号检测算法以及客户设定的BER性能阈值输入LLR智能模型，LLR智能模型输出满足客户设定的BER性能阈值的LLR近似值计算建议方案。
如图2所示，本发明还提出了一种新型计算信道解码的LLR近似值的系统，包括
智能模型训练单元，用于采集LLR近似值算法的相关信息，提取其中的关键特征，训练生成LLR智能模型；
信息采集单元，用于获取Massive MIMO通讯系统的各项参数，判断为MassiveMIMO通讯的上行链路或Massive MIMO通讯的下行链路，获取Massive MIMO通讯的信号检测算法；Massive MIMO通讯系统的各项参数包括传输信道信息、信道噪声信息、基带信号调制模式、迭代次数、天线比例。信号检测算法包括但不限于MMSE算法，Neumann级数算法，混合迭代算法。
LLR近似值单元，用于将参数、上行链路/下行链路以及信号检测算法输入LLR智能模型，LLR智能模型输出LLR近似值计算建议方案。
优选的，所述LLR近似值单元还用于将参数、上行链路/下行链路、信号检测算法以及客户设定的BER性能阈值输入LLR智能模型，LLR智能模型输出满足客户设定的BER性能阈值的LLR近似值计算建议方案。
以下对本发明的技术方案进行举例说明：
(一)采集Massive MIMO通讯的信号检测算法为降低SD运算方法与高斯-赛得尔(GS)迭代计算的混合迭代计算(SDGS)运算方法，Massive MIMO系统的上行链路，在自动接收端，数据信号解码模式为Viterbi解码，数字信道编译码判决模式为软判决。
1、假定自动输入自动接收数据信号是y，数字信道分布矩阵是H，迭代计算数目设立是m。
2、运算匹配对应滤波控制器设备自动输出是
Figure BDA0003041751270000051
与滤波分布矩阵是W＝HHH+σ2IK。
3、混合迭代计算运算，SD运算方法第1次的迭代计算x(1)＝x(0)+ur(0)；GS算法第二次的迭代x(2)＝x(1)+(D+L)-1r1；
合并计算可以得：x(2)＝x(0)+ur(0)+(D+L)-1(r(0)-up(0))
4、把x2作为第1次GS迭代处理计算调整最终结果带入
Figure BDA0003041751270000052
ρ为信道关联有关参数，展开紧接着m-1次GS迭代处理计算调整。
5、参考依据迭代处理计算调整数目运算处理
Figure BDA0003041751270000053
近似等效信道增益
Figure BDA0003041751270000054
和干扰项方差
Figure BDA0003041751270000055
6、参考依据运算处理公式
Figure BDA0003041751270000056
Figure BDA0003041751270000057
是一个上三角分布矩阵，能够由RBS做切比雪夫分解得到。运算处理与之对应于第i个客户所发送传输的第b个比特的对数似然比Li,b。
7、自动传输操控步骤4获取的迭代处理计算调整最终结果
Figure BDA0003041751270000058
展开软判决运算处理，软判决里的对数似然比是操控步骤6里获取的Li,b，判决后可运算处理出最后发送传输数字信号的预计数据。
(二)采集混合迭代CGDJ算法对应的LLR算法，传输信道设置为快速衰落瑞利信道，信道噪声是独立且分布均匀的加性高斯白噪声，基带信号调制模式为16QAM。i代表迭代次数，天线比例选择为16×64及16×128两种类型。
在QAM星座上，等效信道矩阵表示为E＝W-1G。定义矩阵U：
U＝W-1HH(W-1HH)H＝W-1GW-1＝EW-1
通过MassiveMIMO接收端接收的信息表示式和MMSE算法估计的信号矩阵，可以获得MMSE滤波器矩阵处理的发射信号。
Figure BDA0003041751270000061
第n个用户的发送信号是Xn＝μnXn+Zn，避免矩阵求逆用W-1代替D-1。
Figure BDA0003041751270000062
Figure BDA0003041751270000063
U＝D-1GD-1。可以得到第n个用户的噪声加干扰项
Figure BDA0003041751270000064
和第n个用户的第b位的LLR：
Figure BDA0003041751270000065
其中，当第b位分别为0和1时，
Figure BDA0003041751270000066
和
Figure BDA0003041751270000067
表示所有星座调制符号。
(三)采集基于超松弛迭代算法改进的SDSOR算法对应的LLR算法，基于超松弛迭代算法改进的SDSOR算法采用SD算法为SOR算法提供有效的搜索方向，加快收敛速度，提升算法性能，该混合迭代算法对应的LLR算法同(二)。
还有其他的不同算法对应的LLR算法，不再赘述，从中可以提取相同点，训练得到LLR智能模型，为用户的个性化需求提供建议方案。
在其他的实施例中，还可对新型计算信道解码的LLR近似值的硬件系统进行改进，以进一步提高系统检测能力。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，本领域技术人员完全可以在不偏离本发明技术思想的范围内，进行多样的变更以及修改。本发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求书范围来确定其技术性范围。

Claims (9)

1.一种新型计算信道解码的LLR近似值的方法，其特征在于，具体包括以下步骤：
S1，采集LLR近似值算法的相关信息，提取其中的关键特征，训练生成LLR智能模型；
S2，获取MassiveMIMO通讯系统的各项参数，判断为MassiveMIMO通讯的上行链路或MassiveMIMO通讯的下行链路；
S3，获取MassiveMIMO通讯的信号检测算法；
S4，将参数、上行链路/下行链路以及信号检测算法输入LLR智能模型，LLR智能模型输出LLR近似值计算建议方案。
2.根据权利要求1所述的一种新型计算信道解码的LLR近似值的方法，其特征在于，步骤S4具体还包括
将参数、上行链路/下行链路、信号检测算法以及客户设定的BER性能阈值输入LLR智能模型，LLR智能模型输出满足客户设定的BER性能阈值的LLR近似值计算建议方案。
3.根据权利要求1所述的一种新型计算信道解码的LLR近似值的方法，其特征在于，步骤S1具体包括以下步骤：
S101，采集LLR近似值算法的相关信息，将LLR近似值算法公式、LLR近似值算法公式对应的系统参数、LLR近似值算法公式适用于上行链路或下行链路、LLR近似值算法公式匹配的信号检测算法作为关键特征；
S102，将关键特征信息分为2:8，将80％的关键特征信息作为训练集，将20％的关键特征信息作为验证集，训练生成LLR智能模型。
4.根据权利要求1所述的一种新型计算信道解码的LLR近似值的方法，其特征在于，步骤S2中获取MassiveMIMO通讯系统的各项参数具体指的是传输信道信息、信道噪声信息、基带信号调制模式、迭代次数、天线比例。
5.根据权利要求1所述的一种新型计算信道解码的LLR近似值的方法，其特征在于，步骤S3中，获取MassiveMIMO通讯的信号检测算法，信号检测算法包括但不限于MMSE算法，Neumann级数算法，混合迭代算法。
6.一种新型计算信道解码的LLR近似值的系统，其特征在于，包括
智能模型训练单元，用于采集LLR近似值算法的相关信息，提取其中的关键特征，训练生成LLR智能模型；
信息采集单元，用于获取MassiveMIMO通讯系统的各项参数，判断为MassiveMIMO通讯的上行链路或MassiveMIMO通讯的下行链路，获取MassiveMIMO通讯的信号检测算法；
LLR近似值单元，用于将参数、上行链路/下行链路以及信号检测算法输入LLR智能模型，LLR智能模型输出LLR近似值计算建议方案。
7.根据权利要求6所述的一种新型计算信道解码的LLR近似值的系统，其特征在于，所述LLR近似值单元还用于将参数、上行链路/下行链路、信号检测算法以及客户设定的BER性能阈值输入LLR智能模型，LLR智能模型输出满足客户设定的BER性能阈值的LLR近似值计算建议方案。
8.根据权利要求6所述的一种新型计算信道解码的LLR近似值的系统，其特征在于，MassiveMIMO通讯系统的各项参数包括传输信道信息、信道噪声信息、基带信号调制模式、迭代次数、天线比例。
9.根据权利要求6所述的一种新型计算信道解码的LLR近似值的系统，其特征在于，信号检测算法包括但不限于MMSE算法，Neumann级数算法，混合迭代算法。
CN202110459215.XA 2021-04-27 2021-04-27 一种新型计算信道解码的llr近似值的方法和系统 Active CN113271123B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110459215.XA CN113271123B (zh) 2021-04-27 2021-04-27 一种新型计算信道解码的llr近似值的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110459215.XA CN113271123B (zh) 2021-04-27 2021-04-27 一种新型计算信道解码的llr近似值的方法和系统

Publications (2)

Publication Number Publication Date
CN113271123A true CN113271123A (zh) 2021-08-17
CN113271123B CN113271123B (zh) 2022-03-25

Family

ID=77229476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110459215.XA Active CN113271123B (zh) 2021-04-27 2021-04-27 一种新型计算信道解码的llr近似值的方法和系统

Country Status (1)

Country Link
CN (1) CN113271123B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016119289A1 (zh) * 2015-01-29 2016-08-04 清华大学 大规模多天线中多用户信号的检测方法
CN107241167A (zh) * 2017-06-29 2017-10-10 东南大学 一种基于大规模mimo系统bp检测的改进方法
US9941943B1 (en) * 2016-05-20 2018-04-10 Xilinx, Inc. Coordinate descent detector and precoder for multiple-input multiple-output (MIMO) system
CN108650056A (zh) * 2018-04-04 2018-10-12 南京邮电大学 一种大规模mimo系统上行链路中的混合迭代检测方法
CN110445581A (zh) * 2019-08-10 2019-11-12 南京理工大学 基于卷积神经网络降低信道译码误码率的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016119289A1 (zh) * 2015-01-29 2016-08-04 清华大学 大规模多天线中多用户信号的检测方法
US9941943B1 (en) * 2016-05-20 2018-04-10 Xilinx, Inc. Coordinate descent detector and precoder for multiple-input multiple-output (MIMO) system
CN107241167A (zh) * 2017-06-29 2017-10-10 东南大学 一种基于大规模mimo系统bp检测的改进方法
CN108650056A (zh) * 2018-04-04 2018-10-12 南京邮电大学 一种大规模mimo系统上行链路中的混合迭代检测方法
CN110445581A (zh) * 2019-08-10 2019-11-12 南京理工大学 基于卷积神经网络降低信道译码误码率的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MEIXIANG ZHANG，ZHI ZHANG，SOOYOUNG KIM: "Efficient LLR Calculation for Uplink Coded Massive MIMO Systems", 《2018 INTERNATIONAL CONFERENCE ON INFORMATION AND COMMUNICATION TECHNOLOGY CONVERGENCE (ICTC)》 *
赵书锋，申滨，杨芙蓉: "大规模MIMO系统低复杂度混合迭代信号检测", 《电信科学》 *

Also Published As

Publication number Publication date
CN113271123B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
Djonin et al. MIMO transmission control in fading channels—A constrained Markov decision process formulation with monotone randomized policies
CN110233653B (zh) 基于加权集成聚类算法的mimo系统的盲多径识别方法及系统
CN112713966B (zh) 基于似然估计修正信噪比的编码调制切换方法
Tsakmalis et al. Modulation and coding classification for adaptive power control in 5G cognitive communications
CN113517941B (zh) 一种大规模mimo系统信道估计与迭代检测仿真方法和系统
WO2016034051A1 (zh) 一种干扰抑制方法和装置
CN112215335A (zh) 一种基于深度学习的系统检测方法
CN112039568B (zh) 基于不完全信道状态信息的大规模mimo系统跨层设计方法
CN113271123B (zh) 一种新型计算信道解码的llr近似值的方法和系统
EP4012940A1 (en) Mimo detector selection
CN113271124B (zh) 一种应用于大规模mimo系统的混合迭代检测方法
CN113938234B (zh) 一种低复杂度稀疏化大规模mimo检测方法
CN114430590B (zh) 一种实现上行大规模urllc的无线传输方法
US10171207B2 (en) Methods and apparatus for control bit detection
CN113556159A (zh) 一种大规模mimo多用户系统的信道反馈方法
CN110190908B (zh) 一种最小化isi信道中非相干大规模simo系统误码率的星座图设计方法
CN111769975A (zh) Mimo系统信号检测方法及系统
Kasiselvanathan et al. Performance analysis of alternating minimization based low complexity detection for MIMO communication system
CN110798249B (zh) Massive MIMO系统中信号快速收敛联合预编码方法、信号传输方法
CN108924067B (zh) 干扰对齐网络中训练序列和数据符号的时间分割方法
US8767896B2 (en) Methods and apparatus for MIMO detection
US20240187049A1 (en) Method and System for Decoding a Signal at a Receiver in a Multiple Input Multiple Output (MIMO) Communication System
CN113328771B (zh) 一种基于共轭梯度算法的大规模mimo信号检测方法
US11923927B2 (en) M-MIMO receiver
CN108234010B (zh) 一种低复杂度的信号检测算法

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