CN113673264A - 一种uhf rfid标签性能分级评价方法及评价系统 - Google Patents

一种uhf rfid标签性能分级评价方法及评价系统 Download PDF

Info

Publication number
CN113673264A
CN113673264A CN202111223856.1A CN202111223856A CN113673264A CN 113673264 A CN113673264 A CN 113673264A CN 202111223856 A CN202111223856 A CN 202111223856A CN 113673264 A CN113673264 A CN 113673264A
Authority
CN
China
Prior art keywords
label
performance
tag
index
layer
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
CN202111223856.1A
Other languages
English (en)
Other versions
CN113673264B (zh
Inventor
刘琰
杨博
左波
冯雪
李翔
王瑜
邓元明
伯林
孙芳
姜磊磊
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.)
Jiangsu Institute Of Quality And Standardization
Original Assignee
Jiangsu Institute Of Quality And Standardization
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 Jiangsu Institute Of Quality And Standardization filed Critical Jiangsu Institute Of Quality And Standardization
Priority to CN202111223856.1A priority Critical patent/CN113673264B/zh
Publication of CN113673264A publication Critical patent/CN113673264A/zh
Application granted granted Critical
Publication of CN113673264B publication Critical patent/CN113673264B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/0008—General problems related to the reading of electronic memory record carriers, independent of its reading method, e.g. power transfer

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明公开了一种UHF RFID标签性能分级评价方法及评价系统，主要从标签的静态性能、标签的环境适应性、标签的灵敏度降级、多标签性能四个方面评价射频识别标签的性能；所述静态性能对应的二层指标包括最小激活功率、写灵敏度、反向散射功率、雷达散射截面和标签能量损耗；所述环境适应性对应的二层指标包括介质衰减影响、移动速度影响和多径反射影响；所述灵敏度降级对应的二层指标包括角度灵敏度降级、俯仰灵敏度降级和遮挡灵敏度降级；所述多标签性能对应的二层指标包括两标签性能影响、八标签性能影响和多标签性能影响。本发明至少能够实现在不同应用场景层面进行准确、客观、快速的评估以评价标签的质量等级。

Description

一种UHF RFID标签性能分级评价方法及评价系统
技术领域
本发明涉及射频识别标签领域，特别涉及一种UHF RFID标签性能分级评价方法及评价系统。
背景技术
目前中国已成为世界工厂及最大的应用市场。RFID技术在物流与供应链、食品安全追溯、公共交通、政务管理等领域发挥越来越重要的作用。RFID标签的研究及产品的开发在国内也形成一定的实力与规模，市场上有很多针对标签性能测试的标准和测试系统，相关标准主要包括ISO/IEC 18046-3 Test Methods for Tag Performance、EPCglobalClass1 Generation2 – UHF RFID Tag Performance、GS1 Tagged-Item PerformanceProtocol (TIPP) Testing Methodology。
上述标准虽然都提出了几种对标签性能进行测试的指标体系，业界也开发了相应的检测设备出具相应的检测数据，但一直以来这些过于复杂的数据不能使得应用厂家方便的对标签进行选择，因为缺乏一种有效的综合评价手段对标签的性能进行分级和指导。针对不同厂商RFID标签产品之间缺乏统一的性能评价分级方法，给同类产品性能进行公正有效的横向比较和系统集成应用的选择带来很大困难，导致市场应用选择无序化。
RFID的TIPP标签提出了一种类似的检测思路，设定了RFID标签的三个级别：S级、M级和J级，这三个级别的设定是从场景测试的角度出发，分别对单标签、双标签、多标签的性能进行检测，但同一个标签三个级别之间存在重复和混淆；TIPP给定了各个级别要求必须满足的读灵敏度的最大值，也就是说标签的读灵敏度必须小于规定值。但实际上由于标签既要考虑抗干扰等因素的考虑，又要考虑附着介质的影响，在全面均衡进行考虑的情况下，标签性能很难在各个频段上完全达到所要求的读灵敏度，对于这种部分满足灵敏度的要求的标签，也需要给出一个方法来评价其读成功概率。
与RFID技术类似，条码技术作为一种光学识读技术，条码本身也存在符号反差、对比度、调制比、译码率等多个参数，条码技术采用了符号等级，很好的解决了条码印制质量的评价问题，有力的推动了条码技术的快速普及。
但是上述技术在超高频RFID标签性能分级评价领域，存在分级的颗粒度过粗，分级的结果之间有交叉对标签选型带来困扰和模糊。对商品条码进行质量分级是由于条码的测试结果数据是一维数据，分级算法比较简单；而RFID测试结果是二维数据，必须采用二维甚至多维分级算法，才能对RFID标签的性能进行合理的分级评价。
发明内容
针对现有技术不同厂商RFID标签性能分级过粗、分级结果之间有交叉的不足，本发明提供了一种UHF RFID标签性能分级评价方法及评价系统，能够实现在不同应用场景层面进行准确、客观、快速的评估以评价标签的质量等级。
为达成上述目的，本发明提出如下技术方案：
一种UHF RFID标签性能分级评价方法，包括以下步骤：
S1、根据标签性能，建立评价模型的指标，包括质量等级、一层指标和二层指标；
S2、配置指标层次关系：所述一层指标包括静态性能、环境适应性、灵敏度降级和多标签性能；所述静态性能对应的二层指标包括最小激活功率、写灵敏度、反向散射功率、雷达散射截面和标签能量损耗；所述环境适应性对应的二层指标包括介质衰减影响、移动速度影响和多径反射影响；所述灵敏度降级对应的二层指标包括角度灵敏度降级、俯仰灵敏度降级和遮挡灵敏度降级；所述多标签性能对应的二层指标包括两标签性能影响、八标签性能影响和多标签性能影响;
配置一层指标和二层指标的权重；
S3、配置评价模型中二层指标对应的评分；
S4、构造标签一层指标对质量等级的重要性模糊互补判断矩阵，求出其重要性权重向量，计算模糊互补判断矩阵和其特征矩阵之间的相容性：若相容性大于0.1，则重新分配权重；直至相容性小于0.1，则模糊互补判断矩阵满足一致性要求，其权重分配合理；
S5、构造标签二层指标对一层指标的重要性模糊互补判断矩阵，求出其重要性权重向量，计算模糊互补判断矩阵和其特征矩阵之间的相容性：若相容性大于0.1，则重新分配权重；直至相容性小于0.1，则模糊互补判断矩阵满足一致性要求，其权重分配合理；
S6、确定权重分配合理后，将二层指标的重要性权重向量和一层指标的重要性权重向量相乘并做递阶归并，计算二层指标的综合权重向量；
S7、根据二层指标的评分，乘以二层指标的综合权重向量，得到标签的综合评分。
优选的，所述评价模型包括读写激活功率、读写距离、移动速度、附着介质、部署角度、遮挡面积、部署天线的数量、雷达反射截面、多径效应和多标签设置。
优选的，所述最小激活功率的评分基于向标签发送Read命令下，模型设定的前向激活功率门限设定；写灵敏度的评分基于向标签发送Write命令下，模型设定的前向激活功率门限设定；反向散射功率的评分基于模型设定的反向散射功率门限设定；雷达散射截面的评分基于评价数据库中的标签平均雷达反射截面设定；标签能量损耗的评分基于评价数据库中的标签平均能量损耗设定；
所述介质衰减影响的评分基于标签附着到介质上与介质之间的距离设定，移动速度影响的评分基于不同移动速度情况下是否能正确识读标签设定，多径反射影响的评分基于设定的多径无线信道仿真模型下前向激活功率门限设定；
所述角度灵敏度降级的评分基于设定的标签的水平旋转角度下前向激活功率门限设定，俯仰灵敏度降级的评分基于设定的标签垂直轴向角度下前向激活功率门限设定，遮挡灵敏度降级的评分基于设定的标签遮挡百分比下前向激活功率门限设定；
所述两标签性能影响的评分基于设定的两标签放置模型下，标签的前向激活功率以及前向激活功率与反向散射功率差值的设定，八标签性能影响的评分基于设定的八标签放置模型下，标签的前向激活功率以及前向激活功率与反向散射功率差值的设定，多标签性能影响的评分基于设定的多标签放置模型下，标签的前向激活功率以及前向激活功率与反向散射功率差值的设定。
优选的，所述二层指标的评分具体如下：
最小激活功率：测试时发送Read读命令，在整个频率范围内，按照测试设定的步长，有m个频点测量值Pi，按照公式可得本次测量的评分Score。
Figure 273419DEST_PATH_IMAGE001
其中，所述PVG为模型设定的前向激活功率门限，m为频点数量，Pi为第i个频点的前向激活功率。
写灵敏度：测试时发送Write写命令，分级评价方法和最小激活功率的分级评价方法相同。
反向散射功率：以模型设定的反向散射功率门限为参考，分级评价方法和最小激活功率的分级评价方法相同。
雷达散射截面：模型可不设定雷达散射截面，以评价数据库中的标签平均雷达反射截面为3分，雷达反射截面位于整体水平1/4强的，得5分；雷达反射截面位于整体水平1/4弱的，得1分；介于其中的，分别得4分和2分。
标签能量损耗：模型可不设定标签能量损耗，以评价数据库中的标签平均能量损耗作为3分，标签能量损耗位于整体水平1/4强的，得5分；标签能量损耗位于整体水平1/4弱的，得1分；介于其中的，分别得4分和2分。
介质衰减影响：通过标签不断接近与介质之间的距离，直到标签的性能衰减幅度在5dB范围以内，则记5分，如果衰减幅度在5dB范围以内时，距离1厘米以内记4分；衰减幅度在5dB范围以内时，距离2厘米以内记3分；衰减幅度在5dB范围以内时，距离3厘米以内记2分；衰减幅度在5dB范围以内时，距离4厘米以内记1分；
移动速度影响：以正确识读，移动速度在20CM/秒时，记做1分；移动速度在40CM/秒时，记做2分；移动速度在60CM/秒时，记做3分；移动速度在80CM/秒时，记做4分；移动速度在100CM/秒时，记做5分。
多径反射影响：如果全部频段位于前向激活功率门限之下，则按照1-5分测度得5分；如果全部频段位于前向激活功率门限之上，则按照1-5分测度得1分；如果一半频段位于前向激活功率门限以上，一半频段位于前向激活功率门限以下，则得3分，如果3/4频段位于之上，1/4频段位于之下，得2分；如果1/4频段位于之上，3/4频段位于之下，得4分。
角度灵敏度降级：根据应用场景，测试模型在0-360°范围内设定标签的水平旋转角度，以该设定为参考，分级评价方法和多径反射影响的分级评价方法相同。
俯仰灵敏度降级：根据应用场景，测试模型设置标签的垂直轴向角度，以该设定为参考，分级评价方法和多径反射影响的分级评价方法相同。
遮挡灵敏度降级：根据应用场景，测试模型设置标签遮挡百分比，以该设定为参考，分级评价方法和多径反射影响的分级评价方法相同。
两标签性能影响：以模型设定两标签放置模型为参考，若标签不能正确识读，则记做0分；在标签能够正确识读的前提下，依据前向激活功率值得出待分级性能等级一，依据前向激活功率与反向散射功率差值得出待分级性能等级二；比较等级一与等级二是否一致，若一致，取等级一作为标签分级等级输出；若不一致，取等级一与等级二中等级低的一项作为待分级标签等级输出，且所述分级评价分为五个等级，分别记做1-5分。
八标签性能影响：以模型设定八标签放置模型为参考，分级评价方法和两标签性能影响的分级评价方法相同。
多标签性能影响：以模型设定八标签放置模型为参考，分级评价方法和两标签性能影响的分级评价方法相同。
优选的，采用九标度法对各个层次指标进行两两之间的对比，得到模糊互补判断 矩阵
Figure 784034DEST_PATH_IMAGE002
，其中，
Figure 298192DEST_PATH_IMAGE003
，n表示待评价指标个数，z表示按照0.1-0.9的标度法对 评价指标得分的标度,
Figure 490139DEST_PATH_IMAGE004
是位于矩阵Z的第i行第j列的元素z,
Figure 163566DEST_PATH_IMAGE005
是位于矩阵Z的第j行第i 列的元素z。
优选的，模糊互补判断矩阵的重要性权向量如下：
Figure 782766DEST_PATH_IMAGE006
其中， i=1,2,…,n，n表示待评价指标个数，
Figure 784220DEST_PATH_IMAGE007
表示第i个评价指标的重要性权重 向量。
优选的，模糊互补判断矩阵的特征矩阵Z*如下：
Figure 779858DEST_PATH_IMAGE008
其中，
Figure 307791DEST_PATH_IMAGE009
表示第j个评价指标的重要性权向量,
Figure 769997DEST_PATH_IMAGE010
表示第i个评价指标的重要性权 向量，n表示待评价指标个数。
优选的，模糊互补判断矩阵和其特征矩阵之间的相容性基于矩阵相容性指标计算得出：
Figure 321064DEST_PATH_IMAGE011
其中，
Figure 674989DEST_PATH_IMAGE012
表示矩阵相容性指标，n表示 待评价指标个数。
优选的，步骤S4的一层指标对质量等级的重要性模糊互补判断矩阵如下：
Z=
Figure 667215DEST_PATH_IMAGE013
重要性权重向量如下：
W=[0.283 0.25 0.25 0.216]T
特征矩阵如下：
Figure 690535DEST_PATH_IMAGE014
优选的，步骤S5的二层指标对一层指标的重要性模糊互补判断矩阵如下：
Figure 666581DEST_PATH_IMAGE015
Figure 738442DEST_PATH_IMAGE016
Figure 975389DEST_PATH_IMAGE017
Figure 44976DEST_PATH_IMAGE018
优选的，步骤S6二层指标综合权重向量如下：
[0.069335 0.046695 0.060845 0.05377 0.052355 0.104166667 0.06250.083333333 0.0875 0.075 0.0875 0.072 0.072 0.072]
一种UHF RFID标签性能分级评价系统，包括：
指标集矩阵确定模块，用于根据标签性能确定一层指标集和二层指标集，并分别构建一层指标矩阵和二层指标矩阵；
一层指标的模糊互补判断矩阵确定模块，用于确定所述一层指标集中每个一层指标对应的重要性；
二层指标的模糊互补判断矩阵确定模块，用于确定所述二层指标集中每个二层指标对应的重要性；
标签性能分级评价模块，用于确定所述标签的性能等级。
有益效果
本发明针对不同厂商RFID标签产品之间缺乏统一的性能评价分级方法，多维评价数据使得难以给出一个标签准确评分等级的问题，提出一种基于模糊综合评价方法的RFID标签产品分级评价方法，将多维指标综合在一起的评价方法，可以综合考虑各个方面的因素对RFID标签的性能进行分级评价，评价结果对RFID标签产业的发展提供参考的依据和标准，方便从业者快速筛选出自己需要的标签，有助于标签的快速推广和选型。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1为本申请标签评价的指标体系。
图2为本申请的E12-E14指标的流程示意图。
图3为本申请标签评价的散点图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。除非另作定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样, 除非上下文清楚地指明其它情况，否则单数形式的“一个”“一”或者“该”等类似词语也不表示数量限制,而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的特征、整体、步骤、操作、元素和/或组件, 并不排除一个或多个其它特征、整体、步骤、 操作、元素、组件和/或其集合的存在或添加。“上”“下”“左”“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
本发明提出一种UHF RFID标签性能分级评价方法及系统，可以综合考虑各个方面的因素对RFID标签的性能进行分级评价，评价结果对RFID标签产业的发展提供参考的依据和标准。
本发明主要从标签的静态性能、标签的环境适应性、标签的灵敏度降级、多标签性能四个方面评价射频识别标签的性能，由于这四个方面的性能具备一定的正交性，简单来说就是设计一个标签想要在这四个方面都取得令人满意的效果是非常困难的。本发明将标签的性能划分为5个等级：标签的性能优异、标签的部分性能优异、标签的性能一般、标签的性能有一定缺陷、标签的性能有较大的缺陷，采用模型的方法，对标签的性能进行定量评分，通过测试标签与模型的匹配程度，作为标签的性能打分依据，用模型和标签等级对标签分级评价，能够实现在不同应用场景层面进行准确、客观、快速的评分以评价标签的优劣。
一种UHF RFID标签性能分级评价方法，包括以下步骤：
S1、根据标签性能，建立评价模型的指标，包括质量等级、一层指标和二层指标；
S2、配置指标层次关系：所述一层指标包括静态性能、环境适应性、灵敏度降级和多标签性能；所述静态性能对应的二层指标包括最小激活功率、写灵敏度、反向散射功率、雷达散射截面和标签能量损耗；所述环境适应性对应的二层指标包括介质衰减影响、移动速度影响和多径反射影响；所述灵敏度降级对应的二层指标包括角度灵敏度降级、俯仰灵敏度降级和遮挡灵敏度降级；所述多标签性能对应的二层指标包括两标签性能影响、八标签性能影响和多标签性能影响;
配置一层指标和二层指标的权重；
S3、配置评价模型中二层指标对应的评分；
S4、构造标签一层指标对质量等级的重要性模糊互补判断矩阵，求出其重要性权重向量，计算模糊互补判断矩阵和其特征矩阵之间的相容性：若相容性大于0.1，则重新分配权重；直至相容性小于0.1，则模糊互补判断矩阵满足一致性要求，其权重分配合理；
S5、构造标签二层指标对一层指标的重要性模糊互补判断矩阵，求出其重要性权重向量，计算模糊互补判断矩阵和其特征矩阵之间的相容性：若相容性大于0.1，则重新分配权重；直至相容性小于0.1，则模糊互补判断矩阵满足一致性要求，其权重分配合理；
S6、确定权重分配合理后，将二层指标的重要性权重向量和一层指标的重要性权重向量相乘并做递阶归并，计算二层指标的综合权重向量；
S7、根据二层指标的评分，乘以二层指标的综合权重向量，得到标签的综合评分。
在一些实施例中，所述最小激活功率的评分基于向标签发送Read命令下，模型设定的前向激活功率门限设定；写灵敏度的评分基于向标签发送Write命令下，模型设定的前向激活功率门限设定；反向散射功率的评分基于模型设定的反向散射功率门限设定；雷达散射截面的评分基于评价数据库中的标签平均雷达反射截面设定；标签能量损耗的评分基于评价数据库中的标签平均能量损耗设定；
所述介质衰减影响的评分基于标签附着到介质上与介质之间的距离设定，移动速度影响的评分基于不同移动速度情况下是否能正确识读标签设定，多径反射影响的评分基于设定的多径无线信道仿真模型下前向激活功率门限设定；
所述角度灵敏度降级的评分基于设定的标签的水平旋转角度下前向激活功率门限设定，俯仰灵敏度降级的评分基于设定的标签垂直轴向角度下前向激活功率门限设定，遮挡灵敏度降级的评分基于设定的标签遮挡百分比下前向激活功率门限设定；
所述两标签性能影响的评分基于设定的两标签放置模型下，标签的前向激活功率以及前向激活功率与反向散射功率差值的设定，八标签性能影响的评分基于设定的八标签放置模型下，标签的前向激活功率以及前向激活功率与反向散射功率差值的设定，多标签性能影响的评分基于设定的多标签放置模型下，标签的前向激活功率以及前向激活功率与反向散射功率差值的设定。
一种UHF RFID标签性能分级评价系统，包括：
指标集矩阵确定模块，用于根据标签性能确定一层指标集和二层指标集，并分别构建一层指标矩阵和二层指标矩阵；
一层指标的模糊互补判断矩阵确定模块，用于确定所述一层指标集中每个一层指标对应的重要性；
二层指标的模糊互补判断矩阵确定模块，用于确定所述二层指标集中每个二层指标对应的重要性；
标签性能分级评价模块，用于确定所述标签的性能等级。
在一些实施例中，所述评价模型包括读写激活功率、读写距离、移动速度、附着介质、部署角度、遮挡面积、部署天线的数量、雷达反射截面、多径效应和多标签设置。
下面通过具体实施例对本发明做进一步详细介绍。
实施例1
以服装模型为例，命名为CM，标签的分级评价结果为CM-01到CM-05，标签评价的指标体系包括如图1所示的三层指标：标签的质量等级A，标签的一层指标C和标签的二层指标E。
标签的一层指标包括：标签的静态性能、标签的环境适应性、标签的灵敏度降级性能以及多标签性能，这四个指标分别记做C1、C2、C3、C4。
标签的二层指标对应于各个一层指标的分指标：
标签的静态性能主要包括前向最小激活功率、写灵敏度、反向散射功率、雷达散射截面、标签能量损耗，这五个指标分别记做E1、E2、E3、E4、E5。标签的静态性能主要在采用TIPP标签标准测试环境，在天线正对标签，标签水平放置在测试环境中测试出来的结果。
标签的环境适应性指标包括介质衰减影响、移动速度影响、多径反射影响，几个指标分别记作E6、E7、E8。
标签的灵敏度降级指标包括水平角度灵敏度降级指标、俯仰角灵敏度降级指标，分别记作E9、E10、E11。
多标签性能指标分别包括：两标签性能影响、八标签性能影响以及多标签性能影响，分别记作E12、E13、E14。
本发明结合具体的测试数据对标签的各个二层指标进行量化，通过测量数据对假定模型的区间比对方法作为确定指标定量（传统的FAHP法采用专家评价法作为指标定量的方法，分级粗，难以评价优劣）。以下不同的指标采取的定量评价方法不同，但在本实施例中所有指标均按照1-5分测度进行归一化评分（本实施例采用五分制，但不应当局限于此）。
E1、E2、E3的测量公式如下：在整个频率范围内，按照测试设定的步长，有m个频点测量值Pi，按照公式可得本次测量的评分score。
Figure 570635DEST_PATH_IMAGE001
其中，所述PVG为模型设定的前向激活功率或反向散射功率门限，m为频点数量，Pi为第i个频点的前向激活功率或反向散射功率。
针对E1指标最小激活功率的测量，测试时发送Read读命令，以模型设定的前向激活功率门限为参考，在整个频率范围的曲线，如果全部频段位于前向激活功率门限之下，则按照1-5分测度得5分；如果全部频段位于前向激活功率门限之上，则按照1-5分测度得1分；如果一半频段位于前向激活功率门限以上，一半频段位于前向激活功率门限以下，则得3分，如果3/4频段位于之上，1/4频段位于之下，得2分；如果1/4频段位于之上，3/4频段位于之下，得4分。
针对E2指标的写灵敏度，测试时发送Write写命令，分级评价方法与此E1相同。
针对E3指标反向散射功率的测量，测试时发送query或read读命令，以模型设定的反向散射功率门限为参考，在整个频率范围的曲线，如果全部频段位于反向散射功率门限之下，则按照1-5分测度得1分；如果全部频段位于反向散射功率门限之上，则按照1-5分测度得5分；如果一半频段位于最大反射功率门限以上，一半频段位于最大反射功率门限以下，则得3分，如果3/4频段位于之上，1/4频段位于之下，得2分；如果1/4频段位于之上，3/4频段位于之下，得4分。
针对E4指标雷达散射截面，模型可不设定雷达散射截面，以评价数据库中的标签平均雷达反射截面作为3分，雷达反射截面位于整体水平1/4强的，得5分；雷达反射截面位于整体水平1/4弱的，得1分；介于其中的，分别得4分和2分。
针对E5指标标签能量损耗，模型可不设定标签能量损耗，以评价数据库中的标签平均能量损耗作为3分，标签能量损耗位于整体水平1/4强的，得5分；标签能量损耗位于整体水平1/4弱的，得1分；介于其中的，分别得4分和2分。
针对E6指标介质衰减影响，以标签附着到介质上与介质之间的距离，作为标签性能降级的评价依据。通过标签不断接近与介质之间的距离，直到标签的性能衰减幅度在5dB范围以内。如果标签贴合到介质表面，性能衰减幅度在5dB范围以内，则记5分，如果衰减幅度在5dB范围以内时，距离1厘米以内记4分；衰减幅度在5dB范围以内时，距离2厘米以内记3分；衰减幅度在5dB范围以内时，距离3厘米以内记2分；衰减幅度在5dB范围以内时，距离4厘米以内记1分；
针对E7指标移动速度影响，以正确识读，移动速度在20CM/秒时，记做1分；移动速度在40CM/秒时，记做2分；移动速度在60CM/秒时，记做3分；移动速度在80CM/秒时，记做4分；移动速度在100CM/秒时，记做5分。
针对E8指标多径反射影响，以模型设定的多径无线信道仿真模型为参考，在整个频率范围的曲线，如果全部频段位于前向激活功率门限之下，则按照1-5分测度得5分；如果全部频段位于前向激活功率门限之上，则按照1-5分测度得1分；如果一半频段位于前向激活功率门限以上，一半频段位于前向激活功率门限以下，则得3分，如果3/4频段位于之上，1/4频段位于之下，得2分；如果1/4频段位于之上，3/4频段位于之下，得4分。
针对E9指标角度灵敏度降级，根据应用场景，测试模型在0-360°范围内设定标签的水平旋转角度，以该设定为参考，分级评价方法与E8相同。
针对E10指标俯仰灵敏度降级，根据应用场景，测试模型设置标签的垂直轴向角度，以该设定为参考，分级评价方法与E8相同。
针对E11指标遮挡灵敏度降级，根据应用场景，测试模型设置标签遮挡百分比，以该设定为参考，分级评价方法与E8相同。
针对E12指标两标签性能影响，以模型设定两标签（前向激活功率值和前向激活功率与反向散射功率差值）放置模型为参考，若标签不能正确识读，则记做0分；在标签能够正确识读的前提下，流程如图2所示，依据前向激活功率值得出待分级性能等级一，依据前向激活功率与反向散射功率差值得出待分级性能等级二；比较等级一与等级二是否一致，若一致，取等级一作为标签分级等级输出；若不一致，取等级一与等级二中等级低的一项作为待分级标签等级输出。如下表所示，是基于前向激活功率检测数据的射频识别标签等级判定标准与基于前向激活功率与反向散射功率差值的射频识别标签等级判定标准表（表格中所述的value-n（n=1-10）表示根据不同应用场景设定的十个指标值），共分5个等级，5级最高，1级最低，5级记做5分，以此类推，4级记做4分，1级记做1分。
Figure 242925DEST_PATH_IMAGE020
针对E13指标八标签性能影响，以模型设定八标签放置模型为参考，分级评价方法与E12相同。
针对E14指标多标签性能影响，以模型设定八标签放置模型为参考，分级评价方法与E12相同。
实施例2
在确定了具体的RFID标签在各个评价指标所对应的评分以后；接下来是构造该模型的模糊互补判断矩阵,得到该标签的综合评分，方法如下：
1）根据上述的结构模型图，采用0.1-0.9的标度法对各个层次元素进行两两之间 的对比，可以得到模糊互补判断矩阵
Figure 209744DEST_PATH_IMAGE002
（其中
Figure 574866DEST_PATH_IMAGE003
）。其中，
Figure 259925DEST_PATH_IMAGE003
，n表示待评 价指标个数，z表示按照0.1-0.9的标度法对评价指标得分的标度，
Figure 735906DEST_PATH_IMAGE021
是位于矩阵Z的第i行第 j列的元素z，
Figure 557232DEST_PATH_IMAGE005
是位于矩阵Z的第j行第i列的元素z。
2）结合专家评分法，按照标签一层指标C对标签质量等级A的重要性，以标签质量等级A为基准，进行标签一层指标C的两两之间的重要性比较，得到标签一层指标C对标签质量等级A的模糊互补判断矩阵Z为：
Figure 296517DEST_PATH_IMAGE022
3）根据
Figure 327927DEST_PATH_IMAGE023
,得到模糊互补判断矩阵Z的重要性权向量W，其中， i=1,2,…,n，表示待评价指标个数 ，
Figure 217386DEST_PATH_IMAGE007
表示第i个评价指标的重要性权重。这里，我们得到 标签一层指标C的重要性权向量W=[0.283 0.25 0.25 0.216]T，
4）根据
Figure 283431DEST_PATH_IMAGE024
，其中n表示待评价指标个数，
Figure 865722DEST_PATH_IMAGE009
表示第j个评价指标 的重要性权向量,
Figure 650007DEST_PATH_IMAGE010
表示第i个评价指标的重要性权向量,对模糊互补判断矩阵Z求其特征 矩阵Z*，可以得到标签一层指标C的特征矩阵为
Figure 343157DEST_PATH_IMAGE014
5）根据矩阵相容性指标
Figure 998129DEST_PATH_IMAGE025
，其中，
Figure 751321DEST_PATH_IMAGE012
表示矩阵相容性指 标，n表示待评价指标个数。代入上述公式，可以计算出模糊判断矩阵Z和其特征矩阵Z*的 相容性Ⅰ
Figure 757324DEST_PATH_IMAGE026
小于0.1，因此矩阵Z满足一致性要求，其权重分配合理。
6）按照同样的方法可以计算标签的二层指标E对标签一层指标C的重要性模糊互补判断矩阵：
Figure 254164DEST_PATH_IMAGE015
Figure 29222DEST_PATH_IMAGE016
Figure 687736DEST_PATH_IMAGE017
Figure 384297DEST_PATH_IMAGE018
根据以上所求得的重要性模糊矩阵，可以得到Z1,Z2,Z3,Z4对应的特征矩阵，并通过与标签一层指标相同的方法，检验其特征矩阵，模糊互补矩阵与特征矩阵之间的相容性均小于0.1。进而验证了权重向量的权重分配的合理性。
7）将E层的权重向量与C层的权重向量相乘并做递阶归并，进而计算出E层的各个因素综合的权重向量为：
[0.069335 0.046695 0.060845 0.05377 0.052355 0.104166667 0.06250.083333333 0.0875 0.075 0.0875 0.072 0.072 0.072]
8）根据E层各个指标的评分，乘以E层各个指标的综合权重向量，可得到该标签的综合评分，如图3所示为本申请标签评价的CM值。
根据评分，可以得出标签的性能：标签的性能优异(5分)、标签的部分性能优异(4分)、标签的性能一般(3分)、标签的性能有一定缺陷(2分)、标签的性能有较大的缺陷(1分)。
上述实施例为五分制，划分为五个等级，分别为1、2、3、4、5分。但应当说明的是，五分制并非唯一方案，以上方法仅作为一种示例，不限于此。
本发明提出了对标签性能质量分级的评价指标、研制了标签自动分级方法的评价系统，提出的标签性能质量分级评价模型可以用于若干场景的模型，使标签性能质量分级评价指标量化，为行业应用及政府监管提供评价依据，有助于射频识别标签在目前急需的智慧医疗、食品药品追溯、等应用领域的大面积推广和应用，为市场监管职能作用做好技术支撑，助力区域经济发展，从而更富成效地推动RFID行业高质量发展。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (10)

1.一种UHF RFID标签性能分级评价方法，其特征在于：包括以下步骤：
S1、根据标签性能，建立评价模型的指标，包括质量等级、一层指标和二层指标；
S2、配置指标层次关系：所述一层指标包括静态性能、环境适应性、灵敏度降级和多标签性能；所述静态性能对应的二层指标包括最小激活功率、写灵敏度、反向散射功率、雷达散射截面和标签能量损耗；所述环境适应性对应的二层指标包括介质衰减影响、移动速度影响和多径反射影响；所述灵敏度降级对应的二层指标包括角度灵敏度降级、俯仰灵敏度降级和遮挡灵敏度降级；所述多标签性能对应的二层指标包括两标签性能影响、八标签性能影响和多标签性能影响；
配置一层指标和二层指标的权重；
S3、配置评价模型中二层指标对应的评分；
S4、构造标签一层指标对质量等级的重要性模糊互补判断矩阵，求出其重要性权重向量，计算模糊互补判断矩阵和其特征矩阵之间的相容性：若相容性大于0.1，则重新分配权重；直至相容性小于0.1，则模糊互补判断矩阵满足一致性要求，其权重分配合理；
S5、构造标签二层指标对一层指标的重要性模糊互补判断矩阵，求出其重要性权重向量，计算模糊互补判断矩阵和其特征矩阵之间的相容性：若相容性大于0.1，则重新分配权重；直至相容性小于0.1，则模糊互补判断矩阵满足一致性要求，其权重分配合理；
S6、确定权重分配合理后，将二层指标的重要性权重向量和一层指标的重要性权重向量相乘并做递阶归并，计算二层指标的综合权重向量；
S7、根据二层指标的评分，乘以二层指标的综合权重向量，得到标签的综合评分。
2.根据权利要求1所述的UHF RFID标签性能分级评价方法，其特征在于：所述最小激活功率的评分基于向标签发送Read命令下，模型设定的前向激活功率门限设定；写灵敏度的评分基于向标签发送Write命令下，模型设定的前向激活功率门限设定；反向散射功率的评分基于模型设定的反向散射功率门限设定；雷达散射截面的评分基于评价数据库中的标签平均雷达反射截面设定；标签能量损耗的评分基于评价数据库中的标签平均能量损耗设定；
所述介质衰减影响的评分基于标签附着到介质上与介质之间的距离设定，移动速度影响的评分基于不同移动速度情况下是否能正确识读标签设定，多径反射影响的评分基于设定的多径无线信道仿真模型下前向激活功率门限设定；
所述角度灵敏度降级的评分基于设定的标签的水平旋转角度下前向激活功率门限设定，俯仰灵敏度降级的评分基于设定的标签垂直轴向角度下前向激活功率门限设定，遮挡灵敏度降级的评分基于设定的标签遮挡百分比下前向激活功率门限设定；
所述两标签性能影响的评分基于设定的两标签放置模型下，标签的前向激活功率以及前向激活功率与反向散射功率差值的设定，八标签性能影响的评分基于设定的八标签放置模型下，标签的前向激活功率以及前向激活功率与反向散射功率差值的设定，多标签性能影响的评分基于设定的多标签放置模型下，标签的前向激活功率以及前向激活功率与反向散射功率差值的设定。
3.根据权利要求2所述的UHF RFID标签性能分级评价方法，其特征在于：采用九标度法 对各个层次指标进行两两之间的对比，得到模糊互补判断矩阵
Figure 944875DEST_PATH_IMAGE001
，其中，
Figure 530577DEST_PATH_IMAGE002
，n表 示待评价指标个数，z表示按照0.1-0.9的标度法对评价指标得分的标度,
Figure 822405DEST_PATH_IMAGE003
是位于矩阵Z的 第i行第j列的元素z,
Figure 860768DEST_PATH_IMAGE004
是位于矩阵Z的第j行第i列的元素z。
4.根据权利要求3所述的UHF RFID标签性能分级评价方法，其特征在于：模糊互补判断矩阵的重要性权向量如下：
Figure 463788DEST_PATH_IMAGE005
其中，
Figure 169576DEST_PATH_IMAGE006
表示第i个评价指标的重要性权重向量。
5.根据权利要求4所述的UHF RFID标签性能分级评价方法，其特征在于：模糊互补判断矩阵的特征矩阵Z*如下：
Figure 301480DEST_PATH_IMAGE007
其中，
Figure 92718DEST_PATH_IMAGE008
表示第j个评价指标的重要性权向量,
Figure 233850DEST_PATH_IMAGE009
表示第i个评价指标的重要性权向量。
6.根据权利要求5所述的UHF RFID标签性能分级评价方法，其特征在于：模糊互补判断矩阵和其特征矩阵之间的相容性基于矩阵相容性指标计算得出：
Figure 593811DEST_PATH_IMAGE010
其中，
Figure 162196DEST_PATH_IMAGE011
表示矩阵相容性指标。
7.根据权利要求2所述的UHF RFID标签性能分级评价方法，其特征在于：所述二层指标的评分具体如下：
最小激活功率：测试时发送Read读命令，在整个频率范围内，按照测试设定的步长，有m个频点测量值Pi，按照公式可得本次测量的评分Score；
Figure 440731DEST_PATH_IMAGE012
其中，所述PVG为模型设定的前向激活功率门限，m为频点数量，Pi为第i个频点的前向激活功率；
写灵敏度：测试时发送Write写命令，分级评价方法和最小激活功率的分级评价方法相同；
反向散射功率：以模型设定的反向散射功率门限为参考，分级评价方法和最小激活功率的分级评价方法相同；
雷达散射截面：模型可不设定雷达散射截面，以评价数据库中的标签平均雷达反射截面为3分，雷达反射截面位于整体水平1/4强的，得5分；雷达反射截面位于整体水平1/4弱的，得1分；介于其中的，分别得4分和2分；
标签能量损耗：模型可不设定标签能量损耗，以评价数据库中的标签平均能量损耗作为3分，标签能量损耗位于整体水平1/4强的，得5分；标签能量损耗位于整体水平1/4弱的，得1分；介于其中的，分别得4分和2分；
介质衰减影响：通过标签不断接近与介质之间的距离，直到标签的性能衰减幅度在5dB范围以内，则记5分，如果衰减幅度在5dB范围以内时，距离1厘米以内记4分；衰减幅度在5dB范围以内时，距离2厘米以内记3分；衰减幅度在5dB范围以内时，距离3厘米以内记2分；衰减幅度在5dB范围以内时，距离4厘米以内记1分；
移动速度影响：以正确识读，移动速度在20CM/秒时，记做1分；移动速度在40CM/秒时，记做2分；移动速度在60CM/秒时，记做3分；移动速度在80CM/秒时，记做4分；移动速度在100CM/秒时，记做5分；
多径反射影响：如果全部频段位于前向激活功率门限之下，则按照1-5分测度得5分；如果全部频段位于前向激活功率门限之上，则按照1-5分测度得1分；如果一半频段位于前向激活功率门限以上，一半频段位于前向激活功率门限以下，则得3分，如果3/4频段位于之上，1/4频段位于之下，得2分；如果1/4频段位于之上，3/4频段位于之下，得4分；
角度灵敏度降级：根据应用场景，测试模型在0-360°范围内设定标签的水平旋转角度，以该设定为参考，分级评价方法和多径反射影响的分级评价方法相同；
俯仰灵敏度降级：根据应用场景，测试模型设置标签的垂直轴向角度，以该设定为参考，分级评价方法和多径反射影响的分级评价方法相同；
遮挡灵敏度降级：根据应用场景，测试模型设置标签遮挡百分比，以该设定为参考，分级评价方法和多径反射影响的分级评价方法相同；
两标签性能影响：以模型设定两标签放置模型为参考，若标签不能正确识读，则记做0分；在标签能够正确识读的前提下，依据前向激活功率值得出待分级性能等级一，依据前向激活功率与反向散射功率差值得出待分级性能等级二；比较等级一与等级二是否一致，若一致，取等级一作为标签分级等级输出；若不一致，取等级一与等级二中等级低的一项作为待分级标签等级输出，且所述分级评价分为五个等级，分别记做1-5分；
八标签性能影响：以模型设定八标签放置模型为参考，分级评价方法和两标签性能影响的分级评价方法相同；
多标签性能影响：以模型设定八标签放置模型为参考，分级评价方法和两标签性能影响的分级评价方法相同。
8.根据权利要求7所述的UHF RFID标签性能分级评价方法，其特征在于：步骤S4的一层指标对质量等级的重要性模糊互补判断矩阵如下：
Z=
Figure 119974DEST_PATH_IMAGE013
重要性权重向量如下：
W=[0.283 0.25 0.25 0.216]T
特征矩阵如下：
Figure 534774DEST_PATH_IMAGE014
步骤S5的二层指标对一层指标的重要性模糊互补判断矩阵如下：
Figure 70798DEST_PATH_IMAGE015
Figure 571050DEST_PATH_IMAGE016
Figure 853651DEST_PATH_IMAGE017
Figure 388537DEST_PATH_IMAGE018
步骤S6二层指标综合权重向量如下：
[0.069335 0.046695 0.060845 0.05377 0.052355 0.104166667 0.06250.083333333 0.0875 0.075 0.0875 0.072 0.072 0.072]。
9.根据权利要求1所述的UHF RFID标签性能分级评价方法，其特征在于：所述评价模型包括读写激活功率、读写距离、移动速度、附着介质、部署角度、遮挡面积、部署天线的数量、雷达反射截面、多径效应和多标签设置。
10.基于权利要求1所述的UHF RFID标签性能分级评价系统，其特征在于：包括：
指标集矩阵确定模块，用于根据标签性能确定一层指标集和二层指标集，并分别构建一层指标矩阵和二层指标矩阵；
一层指标的模糊互补判断矩阵确定模块，用于确定所述一层指标集中每个一层指标对应的重要性；
二层指标的模糊互补判断矩阵确定模块，用于确定所述二层指标集中每个二层指标对应的重要性；
标签性能分级评价模块，用于确定所述标签的性能等级。
CN202111223856.1A 2021-10-21 2021-10-21 一种uhf rfid标签性能分级评价方法及评价系统 Expired - Fee Related CN113673264B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111223856.1A CN113673264B (zh) 2021-10-21 2021-10-21 一种uhf rfid标签性能分级评价方法及评价系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111223856.1A CN113673264B (zh) 2021-10-21 2021-10-21 一种uhf rfid标签性能分级评价方法及评价系统

Publications (2)

Publication Number Publication Date
CN113673264A true CN113673264A (zh) 2021-11-19
CN113673264B CN113673264B (zh) 2022-03-11

Family

ID=78550625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111223856.1A Expired - Fee Related CN113673264B (zh) 2021-10-21 2021-10-21 一种uhf rfid标签性能分级评价方法及评价系统

Country Status (1)

Country Link
CN (1) CN113673264B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114580588A (zh) * 2022-05-06 2022-06-03 江苏省质量和标准化研究院 基于概率矩阵模型的uhf rfid群标签选型方法
CN115456343A (zh) * 2022-08-11 2022-12-09 中国电子科技集团公司第二十八研究所 一种智慧机场评价指标体系构建与评价方法
CN118283847A (zh) * 2024-04-09 2024-07-02 湖南人文科技学院 一种直接设备间的无线通信系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105469009A (zh) * 2015-11-18 2016-04-06 国网天津市电力公司 一种基于射频门的rfid性能评测方法
CN108399287A (zh) * 2018-02-06 2018-08-14 南通大学 采用模糊层次分析的机床横梁设计方案的评估方法
CN110135743A (zh) * 2019-05-21 2019-08-16 南方电网科学研究院有限责任公司 基于直觉模糊层次分析模型的科技成果效益评估方法
CN112926895A (zh) * 2021-04-07 2021-06-08 国网甘肃省电力公司电力科学研究院 一种光伏电站系统综合能效评价方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105469009A (zh) * 2015-11-18 2016-04-06 国网天津市电力公司 一种基于射频门的rfid性能评测方法
CN108399287A (zh) * 2018-02-06 2018-08-14 南通大学 采用模糊层次分析的机床横梁设计方案的评估方法
CN110135743A (zh) * 2019-05-21 2019-08-16 南方电网科学研究院有限责任公司 基于直觉模糊层次分析模型的科技成果效益评估方法
CN112926895A (zh) * 2021-04-07 2021-06-08 国网甘肃省电力公司电力科学研究院 一种光伏电站系统综合能效评价方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114580588A (zh) * 2022-05-06 2022-06-03 江苏省质量和标准化研究院 基于概率矩阵模型的uhf rfid群标签选型方法
CN115456343A (zh) * 2022-08-11 2022-12-09 中国电子科技集团公司第二十八研究所 一种智慧机场评价指标体系构建与评价方法
CN115456343B (zh) * 2022-08-11 2023-11-10 中国电子科技集团公司第二十八研究所 一种智慧机场评价指标体系构建与评价方法
CN118283847A (zh) * 2024-04-09 2024-07-02 湖南人文科技学院 一种直接设备间的无线通信系统及方法

Also Published As

Publication number Publication date
CN113673264B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN113673264B (zh) 一种uhf rfid标签性能分级评价方法及评价系统
Wang et al. Grid-based pavement crack analysis using deep learning
CN108769969B (zh) 一种基于深度置信网络的rfid室内定位方法
CN108765412B (zh) 一种带钢表面缺陷分类方法
CN101576956B (zh) 基于机器视觉的在线字符检测方法和系统
CN103034838B (zh) 一种基于图像特征的特种车辆仪表类型识别与标定方法
CN102324032B (zh) 一种基于极坐标系下灰度共生矩阵的纹理特征提取方法
CN105069790A (zh) 一种齿轮外观缺陷快速影像检测方法
CN104487843A (zh) 图像处理装置、程序、图像处理方法、计算机可读介质及图像处理系统
CN102208038A (zh) 基于视觉词典的图像分类方法
CN103914680A (zh) 一种喷印字符图像识别与校验系统及方法
CN106326913A (zh) 一种洗钱账户的确定方法及装置
CN109284799A (zh) 一种基于深度学习的rfid标签相对位置定位方法
CN107943887A (zh) 一种传送带环境下的rfid标签排序方法
CN114936799A (zh) 一种水泥纤维板的施工过程中风险识别方法及系统
Prasitmeeboon et al. Defect detection of particleboards by visual analysis and machine learning
CN107220664A (zh) 一种基于结构化随机森林的油瓶装箱清点方法
CN112348006A (zh) 一种无人机信号识别方法、系统、介质及设备
CN109376820A (zh) 基于rfid技术的图书精确定位排序方法
CN110008920A (zh) 一种人脸表情识别方法研究
CN107145831A (zh) 基于矢量概率扩散和马尔科夫随机场高光谱影像分类方法
CN117333492A (zh) 基于图像处理的光学薄膜质量检测方法及相关装置
Wen et al. Multi-scene citrus detection based on multi-task deep learning network
CN108171696A (zh) 一种胎盘检测方法及装置
Xu et al. Improved residual network for automatic classification grading of lettuce freshness

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220311

CF01 Termination of patent right due to non-payment of annual fee