CN113411125A - 一种用于逆向调制无线光通信的信号判决方法及通信系统 - Google Patents
一种用于逆向调制无线光通信的信号判决方法及通信系统 Download PDFInfo
- Publication number
- CN113411125A CN113411125A CN202110642926.0A CN202110642926A CN113411125A CN 113411125 A CN113411125 A CN 113411125A CN 202110642926 A CN202110642926 A CN 202110642926A CN 113411125 A CN113411125 A CN 113411125A
- Authority
- CN
- China
- Prior art keywords
- clustering
- signal
- optical communication
- wireless optical
- window
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000003287 optical effect Effects 0.000 title claims abstract description 38
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了无线通信领域的一种用于逆向调制无线光通信的信号判决方法及通信系统,包括:将接收到的逆向调制光信号分聚类窗口处理,逐个窗口通过新型自适应聚类算法进行聚类判决。聚类判决步骤包括:分别计算窗口内所有信号数据点到自适应二聚类算法随机初始化的两个聚类中心的距离;每个信号数据点根据就近原则进行分类,从而得到两个类,并通过计算获取两个类的聚类中心;将当前的两个聚类中心作为初始化的两个聚类中心重复上述步骤,反复进行迭代直至聚类中心最终收敛,输出聚类判决结果。本发明能够通过学习接收到比特的内在特征,并依据其相似性动态自适应地对该窗口内的比特进行分类,从而在一定程度上降低湍流对信号所产生的影响。
Description
技术领域
本发明涉及一种用于逆向调制无线光通信的信号判决方法及通信系统,属于无线光通信技术领域。
背景技术
传统的自由空间光通信(FSO)相比于光纤通信不需要预先铺设光缆,使用大气作为传输媒介,具有机动灵活的优势。但是传统无线光通信需要在收发两端都对称地装载激光发射/接收系统,还需要配备复杂的跟踪瞄准系统(PTA),这使得系统的重量、体积、功耗和技术复杂度大大增加。逆向调制(MRR)无线光通信技术由于其仅需单端对准,因而具有重量轻、体积小、能耗低、成本效益高等优点,一经提出就受到国内外通信研究者的青睐,成为通信领域研究的重要方向,具有广阔的应用前景。
然而无线光通信信道受到大气的能量衰减效应和大气湍流效应的共同作用,具有非平稳特性。与传统光通信单向链路相比,逆向调制光通信系统中激光经历了往返两次(前向链路和后向链路)大气信道,激光受到的影响更加严重,接收到信号起伏更大,抖动更明显。加之受器件限制等影响,MRR的传输速率和通信距离被严重制约。
在没有湍流影响的情况下,判别可以基于固定阈值,但在大气湍流条件下,受湍流影响,接收信号波形严重失真,传统硬判决方法检测错误的可能性更高,基于固定阈值的检测性能不是最佳的。为了使检测性能最佳,阈值水平需要随着入射光辐照度和噪声的大小而变化,也就是说要具有自适应性;为了解决上述问题,本申请提出一种用于逆向调制无线光通信的信号判决方法及通信系统。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种用于逆向调制无线光通信的信号判决方法及通信系统,从而有效克服大气湍流对无线光通信性能的影响,提升无线光通信系统性能;解决在大气湍流条件下,受湍流影响,接收信号波形严重失真的技术问题。
为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种用于逆向调制无线光通信的信号判决方法,包括:
将接收到的无线光通信的信号分聚类窗口;
通过自适应聚类算法逐个对聚类窗口内信号进行聚类判决;
其中,所述聚类判决包括:
初始化聚类中心:
将每个聚类窗口内所有信号数据作为数据点集合呈数据集;
将数据集以及预设的聚类个数N作为输入初始化N个聚类中心;
输出聚类判决:
计算每个数据点到每个聚类中心的欧式距离;
每个数据点基于欧式距离根据就近原则进行分类得到N个类;
通过求均值重新计算更新每个类的聚类中心;
基于更新后的聚类中心重复上述步骤,直至聚类中心最终收敛;
输出相应的聚类窗口的聚类判决结果。
优选的,所述预设的聚类个数N为2。
优选的,所述接收到的无线光通信的信号为比特流信号,所述比特流信号为由0和1组成的二进制信号。
优选的,所述聚类窗口为预设长度的比特流信号。
优选的,所述自适应聚类算法采用K均值算法。
优选的,所述通过求均值重新计算更新每个类的聚类中心包括:
其中,mj表示当前类j的聚类中心,nj表示当前类j中数据点的个数,yj表示当前类j中的数据点,j∈N。
优选的,所述聚类中心最终收敛包括:
当相似度最高的数据点被分到一个类时,损失函数的值最小,此时聚类中心完成收敛;其中,所述损失函数的公式如下:
第二方面,本发明提供了一种用于逆向调制无线光通信的通信系统,所述通讯系统包括询问端、调制端和大气通道,所述询问端包括用于信号接收和发送的接收机和发送机,所述调制端包括用于信号调制的逆向调制器;所述发送机发送信号经过大气通道传送至逆向调制器,然后再经过大气通道回传至接收机;所述接收机根据上述任一项所述的信号判决方法对接收到的信号进行判决处理。
与现有技术相比,本发明所达到的有益效果:
本发明的一种用于逆向调制无线光通信的信号判决方法及通信系统,采用自适应聚类算法,具有自聚类的能力,无需给定固定阈值,只需要将接收到的比特流,分窗口逐段交给自适应聚类算法进行聚类判决。算法可以通过学习接收到比特的内在特征,并依据其相似性动态自适应地对该窗口内的比特进行分类,这样就可以有效解决需要给定固定阈值的难题,从而在一定程度上降低湍流对信号所产生的影响;相比现有的方法具有实现简单,成本效益高等优势。
附图说明
图1是本发明实施例提供的通信距离500米时逆向调制光通信链路与单向链路接收信号对比图;
图2是本发明实施例提供的采用自适应聚类算法的信号处理流程框图;
图3是本发明实施例提供的判决方法流程图;
图4是本发明实施例提供的判决过程仿真图;
图5是本发明实施例提供的传统判决方法和本实施例判决方法在不同湍流下误比特性能分析示意图;
图6是本发明实施例提供的通信系统框图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
激光在无界的大气空间中传播,大气温度、湿度和压强在短时间和小范围的随机变化将导致大气折射率的随机起伏,从而引起大气湍流效应。通常由Kolmogorov(科尔莫戈罗夫)引入的大气折射率结构常数来表征大气湍流强度,其影响因素有地理位置、高度、气象条件、季节和时间等。值越大,相对应湍流越强。由弱到强,其值的范围通常为10-17m-2/3到10-12m-2/3,典型值为10-15m-2/3。湍流具有低频缓变的特性。
大气湍流对激光光束的影响有光束扩展、光斑漂移和光强闪烁。具体表现为通过湍流大气传播的激光光束在湍流的影响下光束半径较无湍流时有所增大,接收平面上的光斑中心围绕无湍流影响时的中心位置做快速随机地跳动以及激光光束被小尺度的湍流涡旋独立的进行散射、衍射和反射,造成多光束的相互干涉使光束能量进行重新分布。
图1是通信距离500米时逆向调制光通信链路(MRR)与单向链路(FSO)接收信号对比图,当发送端发送强度稳定的直流光信号,接收端通过逆向调制光通信链路和传统光通信单向链路接收到的电平。可以看出湍流会造成接收信号电平的随机起伏,对逆向调制光通信链路影响尤其严重。
在光束扩展、光斑漂移和光强闪烁中,光强闪烁是影响大气激光通信系统性能的主要因素,通常用光强闪烁指数来表示。光强闪烁会引起接收信号的随机强度起伏,进而严重劣化大气通信系统的性能。通过实验对单向链路和逆向调制链路的光强闪烁进行检测对比,发现逆向调制光通信链路光强闪烁远远大于单向链路的光强闪烁。
假设发送信号为x,逆向调制无线光通信采用强度调制/直接检测方式,一般采用OOK调制,x是由0、1组成的二进制比特流。经过有湍流影响的信道,接收端信号可以表示为:
y=ηIcx+n
其中,η表示光电接收器的有效光电转换比,n~(0,N0)表示高斯白噪声,Ic表示信道衰落。
接收信号的期望为:
E(y)=E(ηIcx+n)=ηE(Ic)E(x)+E(n)
定义接收信号噪比为:SNR=(ηIc)2/2N0;
湍流影响的实质是使接收信号y在发送信号x的基础上产生了一个低频的随机起伏。
信号的判决是通过接收到的信号y恢复出发送信号x中的0和1,本质是一个分类的过程。由于湍流的影响是低频缓变的,因此,发送端在一定时间内发送的0(或1)到达接收端时仍具有相似性。我们通过将相似的值聚在一起,分成两个不同的类别,然后对两个类别进行标注,自适应聚类算法核心思想是把若干个样本数据的集合划分为2个类,每个聚类中的点到该聚类中心的距离最小。
如图2所示,采用自适应聚类算法的信号处理流程框图。
给定一个包含n个1维(维度为幅值)Y={y1,y2,...,yn}。自适应聚类算法将n个样本划分到2个不同的类C1,C2中,且满足C1∪C2=Y。聚类中采用距离作为相似性的度量,本发明采用样本幅值差值的平方作为距离:
d(yi,yj)=||yi-yj||2=(yi-yj)2
损失函数JC作为优化目标:
mj是类Cj中样本的均值,nj是类Cj中样本的个数,可知,当相似度最高的样本被分到一个子类时,损失函数的值最小。
算法的流程为:
首先输入数据集Y和聚类个数2,然后从数据集初始化2个聚类中心,令T=0,分别计算数据集中的每个点到2个聚类中心的距离得到将数据点划入距离最近的聚类中,所有对象分配完成后,再重新计算每个聚类的均值,取得新的聚类中心依次迭代,一旦迭代收敛(假设此时T=t),聚类中心不发生改变,则认为聚类完成,输出聚类结果,否则,令T=t+1,继续迭代,直到收敛为止。
令通信系统的通信速率为Rb,单位为bps,湍流的频率范围为(0,f),单位为Hz,定义二者之比为γ,通常γ≥1000。传输一定比特γ下,湍流的影响基本上是恒定的,接收到的光强独立且稳定。基于这样的前提,传统硬判决方法效果依然不好,因为考虑到整个传输过程,在有随机波动的前提下,无法给定一个固定判决阈值。
但是自适应聚类算法具有自聚类的能力,无需给定固定阈值,只需要将采样得到的样值点分聚类窗口(我们将一定数量的样值点取作聚类窗口w)交给自适应聚类算法进行聚类判决。为了发挥算法优势,聚类窗口应当小于γ。算法可以通过学习接收到样值点的内在特征,并依据其相似性动态自适应地对该窗口内的样值点进行分类,这样就可以有效解决需要给定固定阈值的难题,从而在一定程度上降低湍流对信号判决所产生的影响。本文所提出的方法相比现有的方法具有实现简单,成本效益高等优势。
将接收到的样本集Y逐窗口交由自适应聚类算法进行处理。图3-4是使用自适应聚类算法对一个窗口内数据进行分类的具体过程。图3是聚类判决方法流程图,图4是聚类判决过程仿真图。
自适应聚类算法首先随机初始化2个聚类中心(图中用+号表示),
然后分别计算所有数据点到2个聚类中心的距离,每个数据点根据就近原则进行分类,这样就可以得到两个类(一个类表示为空心圆,一类表示为实心点),
在这个基础上,再重新计算当前类的质心(聚类中心)。
然后再重新计算各个数据点到新的聚类中心的距离,进行再分类,反复进行迭代,直到聚类中心最终收敛,目标函数达到最小时,输出聚类结果。这时候,数据被分成两类,一类为0,另一类则为1。
如图6所示,本实施例还提供一种用于逆向调制无线光通信的通信系统,包括询问端、调制端和大气通道,询问端包括用于信号接收和发送的接收机和发送机,调制端包括用于信号调制的逆向调制器;发送机发送信号经过大气通道传送至逆向调制器,然后再经过大气通道回传至接收机;接收机上述信号判决方法对接收到的信号进行判决处理。
本申请考虑在弱湍流条件下,前后向链路不相关(ρX=0),且前后向链路均无能量损失,此时μ=-1/2σ2。湍流的大小可由σ的取值所表示,本文分别取0,0.1,0.2,0.3。考虑到0和1是等概出现,所以E(x)=0.5。n~(0,N0),故E(n)=0。η取常数(一般值为0.8),因此可以得到传统硬判决的固定判决门限G=E(y)=0.4。本文生成107个数据点x,聚类窗口的大小w=300,γ取104量级,得到仿真结果如图5所示,两种判决方法在不同湍流下误比特性能分析。
对比无湍流和有湍流情形下传统硬判决方法和自适应聚类算法的误比特率,在无湍流时,两者性能相当。当有湍流的时候,湍流对给定固定阈值的硬判决方法影响很大,使误比特率迅速升高。对比之下,自适应聚类算法的性能明显较优。σ=0.1,误码率为10-6时,自适应聚类算法信噪比需求比传统硬判决降低约2dB。随着信噪比的提升,此时信道主要受到湍流的影响,自适应聚类算法和传统方法最终都会分别趋于稳定值,这也合理地说明了自适应聚类算法虽然能够改善系统性能但并不能完全消除湍流给信号传输带来的影响。
本申请以解决湍流对信号造成影响为出发点,在传统硬判决基础上提出了自适应聚类算法。通过仿真分析,以此得出算法对判决的性能有一定的提升。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种用于逆向调制无线光通信的信号判决方法,其特征在于,包括:
将接收到的无线光通信的信号分聚类窗口;
通过自适应聚类算法逐个对聚类窗口内信号进行聚类判决;
其中,所述聚类判决包括:
初始化聚类中心:
将每个聚类窗口内所有信号数据作为数据点集合呈数据集;
将数据集以及预设的聚类个数N作为输入初始化N个聚类中心;
输出聚类判决:
计算每个数据点到每个聚类中心的欧式距离;
每个数据点基于欧式距离根据就近原则进行分类得到N个类;
通过求均值重新计算更新每个类的聚类中心;
基于更新后的聚类中心重复上述步骤,直至聚类中心最终收敛;
输出相应的聚类窗口的聚类判决结果。
2.根据权利要求1所述的一种用于逆向调制无线光通信的信号判决方法,其特征在于,所述预设的聚类个数N为2。
3.根据权利要求1所述的一种用于逆向调制无线光通信的信号判决方法,其特征在于,所述接收到的无线光通信的信号为比特流信号,所述比特流信号为由0和1组成的二进制信号。
4.根据权利要求3所述的一种用于逆向调制无线光通信的信号判决方法,其特征在于,所述聚类窗口为预设长度的比特流信号。
5.根据权利要求1所述的一种用于逆向调制无线光通信的信号判决方法,其特征在于,所述自适应聚类算法采用K均值算法。
8.一种用于逆向调制无线光通信的通信系统,其特征在于,所述通讯系统包括询问端、调制端和大气通道,所述询问端包括用于信号接收和发送的接收机和发送机,所述调制端包括用于信号调制的逆向调制器;
所述发送机发送信号经过大气通道传送至逆向调制器,然后再经过大气通道回传至接收机;所述接收机根据权利要求1-7任一项所述的信号判决方法对接收到的信号进行判决处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110642926.0A CN113411125B (zh) | 2021-06-09 | 2021-06-09 | 一种用于逆向调制无线光通信的信号判决方法及通信系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110642926.0A CN113411125B (zh) | 2021-06-09 | 2021-06-09 | 一种用于逆向调制无线光通信的信号判决方法及通信系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113411125A true CN113411125A (zh) | 2021-09-17 |
CN113411125B CN113411125B (zh) | 2022-06-14 |
Family
ID=77683255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110642926.0A Active CN113411125B (zh) | 2021-06-09 | 2021-06-09 | 一种用于逆向调制无线光通信的信号判决方法及通信系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113411125B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734220A (zh) * | 2018-05-23 | 2018-11-02 | 山东师范大学 | 基于k线聚类和强化学习的自适应金融时间序列预测方法 |
CN108965178A (zh) * | 2018-06-29 | 2018-12-07 | 苏州大学 | 基于机器学习的智能自适应均衡器及均衡解调方法 |
CN110958198A (zh) * | 2019-11-27 | 2020-04-03 | 北京邮电大学 | 一种用于通信系统的判决门限优化方法及系统 |
CN111935056A (zh) * | 2020-08-17 | 2020-11-13 | 中天通信技术有限公司 | 一种信号解调方法及相关装置 |
-
2021
- 2021-06-09 CN CN202110642926.0A patent/CN113411125B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734220A (zh) * | 2018-05-23 | 2018-11-02 | 山东师范大学 | 基于k线聚类和强化学习的自适应金融时间序列预测方法 |
CN108965178A (zh) * | 2018-06-29 | 2018-12-07 | 苏州大学 | 基于机器学习的智能自适应均衡器及均衡解调方法 |
CN110958198A (zh) * | 2019-11-27 | 2020-04-03 | 北京邮电大学 | 一种用于通信系统的判决门限优化方法及系统 |
CN111935056A (zh) * | 2020-08-17 | 2020-11-13 | 中天通信技术有限公司 | 一种信号解调方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113411125B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110324086B (zh) | 一种无线光通信的双空间调制方法 | |
Zhu et al. | Free-space optical communication through atmospheric turbulence channels | |
CN105007118A (zh) | 一种用于室内可见光通信系统的神经网络均衡方法 | |
CN113630130B (zh) | 端到端数字通信解调方法 | |
CN107135017A (zh) | 反向散射通信系统信号发送和接收方法 | |
CN112787966B (zh) | 基于端到端的级联生成对抗网络信号解调方法 | |
CN110098870B (zh) | 基于ob-mmse检测算法的光广义空间调制方法 | |
CN111786724A (zh) | 基于深度学习的多波长led水下可见光通信调制方法 | |
CN111431619B (zh) | 一种广义空时脉冲位置调制方法 | |
CN110336614B (zh) | 一种适合于无线光通信的多层空间脉冲调制方法 | |
CN113078947B (zh) | 相移键控结合脉冲位置调制的超奈奎斯特大气光通信方法 | |
CN108259135A (zh) | 基于高斯近似理论的抗大气湍流衰弱的极化码构建方法 | |
CN111431566B (zh) | 一种应用于大气激光通信空间调制系统的多路光信号快速搜索方法 | |
CN110365414B (zh) | 一种适合于对数正态湍流信道的增强型光空间调制方法 | |
CN113411125B (zh) | 一种用于逆向调制无线光通信的信号判决方法及通信系统 | |
CN113141214B (zh) | 基于深度学习的水下光通信失准鲁棒盲接收机设计方法 | |
CN114531208A (zh) | 考虑光电探测噪声的大气湍流信道衰落参数估计方法 | |
Sudheer et al. | Enhanced coherent optical OFDM FSO link using diversity for different weather conditions | |
CN113938234B (zh) | 一种低复杂度稀疏化大规模mimo检测方法 | |
CN112953678B (zh) | 一种大范围snr内接近容量限的无速率调制解调方法 | |
CN115865197A (zh) | 散粒噪声下可见光通信scma实数码本优化方法及系统 | |
Gupta et al. | Improving performance of free space optics link using array of receivers in terrible weather conditions of plain and hilly areas | |
Kaur et al. | Analysis of MIMO FSO over different Modulation Techniques. | |
CN116094596B (zh) | 一种基于改进K-means的室内可见光通信信道均衡方法 | |
CN118523848B (zh) | 一种水下无线光ook通信系统的大动态信号检测方法 |
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 |