CN113949425A - 基于重新排序矢量量化码本的DRoF前端信号量化方法 - Google Patents
基于重新排序矢量量化码本的DRoF前端信号量化方法 Download PDFInfo
- Publication number
- CN113949425A CN113949425A CN202111191449.7A CN202111191449A CN113949425A CN 113949425 A CN113949425 A CN 113949425A CN 202111191449 A CN202111191449 A CN 202111191449A CN 113949425 A CN113949425 A CN 113949425A
- Authority
- CN
- China
- Prior art keywords
- quantization
- signal
- quantized
- sequence
- codebook
- 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
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
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- 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
-
- 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
- H04B10/50—Transmitters
- H04B10/516—Details of coding or modulation
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Electromagnetism (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种基于重新排序矢量量化码本的DRoF前端信号量化方法,具体为:对载波已调的OFDM信号进行带通采样,并构建矢量集信号,利用基于K‑means聚类方法对DRoF系统前端的输入信号进行量化得到量化序列并生成无序的矢量量化码本,根据量化序列各个量化信号的数量对无序的矢量量化码本重新排序,赋予新的码字索引;并对量化序列重新量化得到新量化序列,PAM‑4调制器将量化信号编码后经电光转换并在单模光纤中传输;基站接收信号解调后被映射成索引编号对应的码字,再进行并串变换恢复出OFDM信号,最后经过带通滤波器恢复射频信号。本发明实现了量化比特最大的利用率,提升了DRoF系统模拟信号数字化的性能。
Description
技术领域
本发明属于模拟信号数字化的调制技术领域,涉及光纤通信、调制、射频光子学邻域。
背景技术
第五代移动通信(5G)的商业化浪潮即将来袭,大带宽、高速率是5G技术的一大亮点。利用毫米波作为射频载波的5G技术也存在信号在无线空间损耗大、传输距离短等问题。云无线接入网(C-RAN)是一种基于5G的集中化处理信号,通过减少基站机房数量,大规模安装价格低廉的简化基站,实现传输距离较短的毫米波信号的全方位覆盖的接入网架构。数字型光载无线(DRoF)系统可以视为C-RAN接入网架构的移动数字前传部分,基站机房为实施射频信号集中数字化处理的中心局,简化基站承载射频信号的恢复和发射等任务,中心局和基站之间利用传输数字信号的单模光纤连接。模拟信号的数字化技术作为DRoF前端的关键技术,一直是DRoF系统需要攻克的难题之一。
目前,在DRoF系统前端中有多种模拟信号数字化的实现方法,其中的主要区别在于信号的量化阶段。传统的信号量化以标量量化为主,PCM作为最原始的模拟信号数字化方法采用均匀或者压缩的标量量化实现过程较为简单。此外,矢量量化的方法也开始应用在DRoF系统,基于k-means聚类的传统矢量量化技术相比于标量量化,量化性能更显得优越。
需要指出的是,基于k-means聚类的矢量量化技术生成的初始码本没有根据量化信号的数量特点进行量化,导致数字信号在链路传输过程中形成不必要的能量损耗,降低传输性能。
发明内容
针对现有技术的不足,本发明的目的是保证矢量量化信号优异的量化性能的前提下,利用各量化信号的数量分布特点对生成的初始码本重新排序,使每个量化信号匹配更为合适的码字,即量化比特,从而实现量化性能的最大化。因此,本发明提供一种基于重新排序矢量量化码本的DRoF前端信号量化方法。
本发明的一种基于重新排序矢量量化码本的DRoF前端信号量化方法,包括以下步骤:
步骤1:对载波已调的OFDM信号的同向分量和正交分量分别进行带通采样,并将采样数据按照一定的规律构建成一个多维输入矢量集。
步骤2:利用基于K-means聚类方法对DRoF系统前端的输入信号进行量化得到量化序列并生成无序的矢量量化码本,根据量化序列各个量化信号的数量对无序的矢量量化码本重新排序,赋予新的码字索引;并对量化序列重新量化得到新量化序列。
步骤3:将新的量化序列进行PAM-4编码,然后进行电光调制变成光信号,经单模光纤完成光路传输到达基站。
步骤4:完成光路传输的光信号经光电探测器恢复成PAM-4电信号,然后进行PAM-4信号的译码恢复量化序列。
步骤5:将恢复的量化序列,即码本索引编号映射成相应的码本中的码字集,然后根据步骤1的矢量构建规则的逆过程还原成同向和正交两路已采样OFDM信号。
步骤6:利用带通滤波器对OFDM同向和正交两路信号滤波恢复OFDM射频已调信号,即完成整个DRoF系统的传输过程。
进一步的,步骤2具体为:
A:线下训练:按照训练序列的比例系数截取一定长度的输入矢量集作为训练序列,将训练序列和量化区间数输入到K-means聚类方法中经行线下训练,得到量化所需要的初始码本。
B:线上测试:将输入矢量集信号输入到矢量量化编码器,输出的量化信号为码本中的各个码字对应的索引编号。
C:重新排序矢量量化码本:
C1:统计量化序列中各个量化信号,即码本索引编号的数量,根据数量多少依次降序排列。
C2:根据量化信号的数量对码本索引编号重新赋值,在量化序列中出现次数最多的码本索引编号重新赋值为0,其量化比特用6位二进制数表示为000000;出现次数第二的码本索引编号重新赋值为1,其量化比特用6位二进制数表示为000001;出现次数第三的码本索引编号重新赋值为2,其量化比特用6位二进制表示为000010;以此类推,量化比特中1的数量与量化信号的数量相关,量化信号的数量越多,量化比特的二进制数0的数量越多,1的数量越少;相反,量化信号的数量越少,量化比特的二进制数0的数量越少,1的数量越多。
C3:经过对码本索引编号重新赋值得到新的矢量量化码本,利用新的矢量量化码本根据旧码本索引映射成相应的新码本索引对量化序列重新量化得到新的量化序列。
本发明的有益技术效果为:
本发明利用矢量量化代替标量量化,极大的提高了DRoF系统光路的频谱利用率;通过利用各个量化信号的数量特点对初始码本重新排序,使每个量化信号匹配合适的码字,即量化比特,已达到最高的量化效果;相比于使用初始码本的矢量量化方式,使用重新排序的矢量量化码本可以使量化信号在链路传输中的能量损耗大大减小。
附图说明
图1为本发明基于重新排序矢量量化码本的DRoF前端信号量化方法实现框图。
图2为OFDM信号的带通采样以及矢量集构建图。
图3为重新排序的矢量量化码本生成步骤图。
图4为二维矢量信号的测试过程图。
图5为基于两种码本的系统的误差矢量幅度对比图。
图6为基于两种码本的系统的误比特率对比图。
具体实施方式
下面结合附图和具体实施方法对本发明做进一步详细说明。
本发明的一种基于重新排序矢量量化码本的DRoF前端信号量化方法如图1所示,具体为:
步骤1:对载波已调的OFDM信号的同向分量和正交分量分别进行带通采样(100),并将采样数据按照一定的规律构建成一个多维输入矢量集(200)。
如图2所示为OFDM信号的带通采样以及矢量集构建图,OFDM信号先进行归一化处理,然后同向和正交两路信号分别进行带通采样(101,102),再按一定的规律构建一个长度为L维度为D的输入矢量集(200):S={s1,s2,…,sL},其中si={s1,s2,…,sD},i∈[1,L]。
步骤2:如图3所示,利用K-means聚类算法进行DRoF前端的信号量化之前需要创建K-means聚类算法的参数(301),包括设置量化比特数,量化区间数,训练序列的比例系数。线下训练(302)过程如下:
(1):选择聚类的个数k,即量化区间数作为初始聚类中心;
{C1,C2,…,Ck},1<n≤k
(2):计算每个聚类对象到聚类中心的欧几里得距离划分;
(3):对于分类后产生的k个簇,分别计算到簇内其他点距离均值最小的点作为质心;
(4):对于所有的训练矢量重复步骤(2)至步骤(3),直到算法收敛或者达到设定的最大迭代次数;
训练结束后,输出的码本就是所无序的矢量量化码本。
如图4所示,对K-means生成的无序的矢量量化码本重新排序(304)的过程如下:
(1):统计量化序列中各个量化信号,即码本索引编号的数量,根据数量多少依次降序排列;
(2):根据量化信号的数量对码本索引编号重新赋值,如在量化序列中出现次数最多的码本索引编号重新赋值为0,其量化比特用6位二进制数表示为000000;出现次数第二的码本索引编号重新赋值为1,其量化比特用6位二进制数表示为000001;出现次数第三的码本索引编号重新赋值为2,其量化比特用6位二进制表示为000010。以此类推,量化比特中1的数量与量化信号的数量相关,量化信号的数量越多,量化比特的二进制数0的数量越多,1的数量越少;相反,量化信号的数量越少,量化比特的二进制数0的数量越少,1的数量越多。
(3):经过对码本索引编号重新赋值得到新的矢量量化码本,利用新的矢量量化码本根据旧码本索引映射成相应的新码本索引对量化序列重新量化得到新的量化序列(300)。
步骤3:十进制的量化信号先转化成二进制的比特流,然后进行PAM-4编码(400),与二进制不归零码相比,PAM-4编码在只需短距离光纤传输的DRoF系统中性能相差不大,而频谱利用率却是二进制码的2倍。
步骤4:PAM-4在DRoF系统的光路传输需要先进行电光调制(400),然后在40km以内的单模光纤传输(500),最后通过光电探测器恢复出电信号(600)。
步骤5:接收的PAM-4电信号需要先进行时域的均衡,然后判决恢复成数字信号,再进行PAM-4解调,还原成十进制的基于码字索引的量化信号(600)。
步骤6:索引编号——码字映射(700):根据重新排序生成的码书(303),将基于码字索引的量化信号(305)映射成相应的码字对应的量化信号,此量化信号即为归一化的OFDM采样信号集。
进行并串变换,将D维的码字对应的量化信号集按照步骤(1)矢量集构建规则(200)的逆变换还原成OFDM采样的同向和正交分量两路信号(800)。
步骤7:恢复的OFDM同向、正交采样分量分别进行0值的插值上采样,然后分别通过带通滤波器恢复成OFDM信号(900)。
在使用基于K-means聚类方法的DRoF前端信号量化方法和基于重新排序矢量量化码本的DRoF前端信号量化方法,经过PAM-4编码后,‘0’电平所占总数百分比提高了7%~13%,‘2’电平所占总数百分比降低了6%~10%,‘1’电平和‘3’电平所占总数百分比保持稳定。因此,在传输时可以减少能量损耗,提升了系统性能。
为了验证此方法的优越性,在维度D为2,数字基带调制为4QAM,16QAM,64QAM,256QAM的情况下,我们分别将此方法和基于k-means聚类矢量量化的DRoF前端信号量化方法在25km单模光纤,PAM-4调制,5G-baud符号速率的强度调制-直接探测系统中进行对比。
如图5所示,误差向量幅度(EVM)性能测试过程如下:
步骤1:使用上述方法和基于k-means聚类矢量量化分别对一串相同的码字进行信号的量化传输。
步骤2:通过改变系统的接收光功率测试在不同接收光功率下两种方法在系统接收端的误差向量幅度性能。
在使用上述方法分别生成的两种码本进行量化传输后,在误差向量幅度(EVM)性能一致的情况下,使用重排码本的接收光功率比初始码本的接收光功率更小;误差向量幅度性能随着接收光功率的逐渐减小而变差。因此,如图5所示,使用此方法生成重排码本进行传输可以减少光功率损耗。
如图6所示,误比特率(BER)性能测试过程如下:
步骤1:使用上述方法和基于k-means聚类矢量量化分别对一串相同的码字进行信号的量化传输。
步骤2:通过改变系统的接收光功率测试在不同接收光功率下两种方法在系统接收端的误比特率性能。
在使用上述方法分别生成的两种码本进行量化传输后,在误比特率(BER)性能一致的情况下,使用重排码本的接收光功率比初始码本的接收光功率更小;误比特率性能随着接收光功率的逐渐减小而变差。因此,如图6所示,使用此方法生成重排码本进行量化传输可以减少光功率损耗。
在无差错的传输条件下,基于重新排序矢量量化码本与基于k-means聚类矢量量化相比,在保持DRoF系统接收端的误差向量幅度不变的条件下,DRoF系统接收端的接收光功率下降了0.3dB。
Claims (2)
1.一种基于重新排序矢量量化码本的DRoF前端信号量化方法,其特征在于,包括以下步骤:
步骤1:对载波已调的OFDM信号的同向分量和正交分量分别进行带通采样,并将采样数据按照一定的规律构建成一个多维输入矢量集;
步骤2:利用基于K-means聚类方法对DRoF系统前端的输入信号进行量化得到量化序列并生成无序的矢量量化码本,根据量化序列各个量化信号的数量对无序的矢量量化码本重新排序,赋予新的码字索引;并对量化序列重新量化得到新量化序列;
步骤3:将新的量化序列进行PAM-4编码,然后进行电光调制变成光信号,经单模光纤完成光路传输到达基站;
步骤4:完成光路传输的光信号经光电探测器恢复成PAM-4电信号,然后进行PAM-4信号的译码恢复量化序列;
步骤5:将恢复的量化序列,即码本索引编号映射成相应的码本中的码字集,然后根据步骤1的矢量构建规则的逆过程还原成同向和正交两路已采样OFDM信号;
步骤6:利用带通滤波器对OFDM同向和正交两路信号滤波恢复OFDM射频已调信号,即完成整个DRoF系统的传输过程。
2.根据权利要求1所述的一种基于重新排序矢量量化码本的DRoF前端信号量化方法,其特征在于,所述步骤2具体为:
A:线下训练:按照训练序列的比例系数截取一定长度的输入矢量集作为训练序列,将训练序列和量化区间数输入到K-means聚类方法中经行线下训练,得到量化所需要的初始码本;
B:线上测试:将输入矢量集信号输入到矢量量化编码器,输出的量化信号为码本中的各个码字对应的索引编号;
C:重新排序矢量量化码本:
C1:统计量化序列中各个量化信号,即码本索引编号的数量,根据数量多少依次降序排列;
C2:根据量化信号的数量对码本索引编号重新赋值,在量化序列中出现次数最多的码本索引编号重新赋值为0,其量化比特用6位二进制数表示为000000;出现次数第二的码本索引编号重新赋值为1,其量化比特用6位二进制数表示为000001;出现次数第三的码本索引编号重新赋值为2,其量化比特用6位二进制表示为000010;以此类推,量化比特中1的数量与量化信号的数量相关,量化信号的数量越多,量化比特的二进制数0的数量越多,1的数量越少;相反,量化信号的数量越少,量化比特的二进制数0的数量越少,1的数量越多;
C3:经过对码本索引编号重新赋值得到新的矢量量化码本,利用新的矢量量化码本根据旧码本索引映射成相应的新码本索引对量化序列重新量化得到新的量化序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111191449.7A CN113949425B (zh) | 2021-10-13 | 2021-10-13 | 基于重新排序矢量量化码本的DRoF前端信号量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111191449.7A CN113949425B (zh) | 2021-10-13 | 2021-10-13 | 基于重新排序矢量量化码本的DRoF前端信号量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113949425A true CN113949425A (zh) | 2022-01-18 |
CN113949425B CN113949425B (zh) | 2023-03-10 |
Family
ID=79330377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111191449.7A Active CN113949425B (zh) | 2021-10-13 | 2021-10-13 | 基于重新排序矢量量化码本的DRoF前端信号量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113949425B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310275A (zh) * | 2013-06-25 | 2013-09-18 | 北京航空航天大学 | 基于蚁群聚类和遗传算法的新型码本设计方法 |
US20160119045A1 (en) * | 2014-10-24 | 2016-04-28 | Samsung Electronics Co., Ltd. | Efficient vector quantizer for fd-mimo systems |
CN106936486A (zh) * | 2015-12-30 | 2017-07-07 | 电信科学技术研究院 | 一种csi反馈方法及装置 |
CN109104248A (zh) * | 2018-07-06 | 2018-12-28 | 西南交通大学 | 一种基于SOFM神经网络聚类的DRoF前端信号量化方法 |
CN109635935A (zh) * | 2018-12-29 | 2019-04-16 | 北京航空航天大学 | 基于模长聚类的深度卷积神经网络模型自适应量化方法 |
CN110574304A (zh) * | 2017-04-25 | 2019-12-13 | 三星电子株式会社 | 用于高级无线通信系统中的高级别csi报告的方法和装置 |
-
2021
- 2021-10-13 CN CN202111191449.7A patent/CN113949425B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310275A (zh) * | 2013-06-25 | 2013-09-18 | 北京航空航天大学 | 基于蚁群聚类和遗传算法的新型码本设计方法 |
US20160119045A1 (en) * | 2014-10-24 | 2016-04-28 | Samsung Electronics Co., Ltd. | Efficient vector quantizer for fd-mimo systems |
CN106936486A (zh) * | 2015-12-30 | 2017-07-07 | 电信科学技术研究院 | 一种csi反馈方法及装置 |
CN110574304A (zh) * | 2017-04-25 | 2019-12-13 | 三星电子株式会社 | 用于高级无线通信系统中的高级别csi报告的方法和装置 |
CN109104248A (zh) * | 2018-07-06 | 2018-12-28 | 西南交通大学 | 一种基于SOFM神经网络聚类的DRoF前端信号量化方法 |
CN109635935A (zh) * | 2018-12-29 | 2019-04-16 | 北京航空航天大学 | 基于模长聚类的深度卷积神经网络模型自适应量化方法 |
Non-Patent Citations (2)
Title |
---|
YI GUO: "Vector linear prediction based two-dimensional quantization for digitized radio-over-fiber system", 《2018 ASIA COMMUNICATIONS AND PHOTONICS CONFERENCE (ACP)》 * |
张涛等: "一种基于模糊聚类的矢量量化码书生成算法", 《天津大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113949425B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109104248B (zh) | 一种基于SOFM神经网络聚类的DRoF前端信号量化方法 | |
Qu et al. | On the probabilistic shaping and geometric shaping in optical communication systems | |
CN111628789B (zh) | 一种基于混合概率整形和几何整形的信号生成方法及装置 | |
US9774400B2 (en) | Method and apparatus for low-complexity quasi-reduced state soft-output equalizer | |
CN111083078B (zh) | 一种概率整形正交振幅调制格式盲识别方法及系统 | |
CN113938200B (zh) | 一种基于Delta-Sigma调制的数字移动前传方法及装置 | |
Xu et al. | Statistical data compression and differential coding for digital radio-over-fiber-based mobile fronthaul | |
CN111181652B (zh) | 一种基于比特加权分布匹配的ps-pam4系统 | |
Yuan et al. | Nonlinear One-Bit Precoding for Massive MIMO Downlink Systems With l₀-Norm Constraint | |
CN102035602A (zh) | 基于最优信道编码调制的自适应光传输系统和方法 | |
CN114337750B (zh) | 一比特量化输出的大规模天线系统实现方法以及系统装置 | |
CN113507325B (zh) | 一种基于非线性差分编码和二次vnle的imdd光通信系统 | |
Tan et al. | A novel structure optimizer based on heuristic search for delta-sigma modulator in mobile fronthaul | |
CN113949425B (zh) | 基于重新排序矢量量化码本的DRoF前端信号量化方法 | |
CN111934778B (zh) | 一种光纤通信系统中发射端的优化设计方法及系统 | |
CN106487446A (zh) | 适合于强度调制/直接检测式的光空时网格码编码方法 | |
CN114144999B (zh) | 子信道编解码方法、装置和子信道复用光通信系统 | |
CN109474349B (zh) | 一种D-RoF系统中基于矢量量化的数据压缩方法 | |
CN112532322A (zh) | 一种基于信道编码和二次vnle的im-dd光通信系统 | |
CN111064521B (zh) | 一种基于码分概率整形的多维正交编码调制方法 | |
Huang et al. | Learning to design constellation for AWGN channel using auto-encoders | |
WO2017041626A1 (en) | Method for low complexity decision metric compression of higher-order square-qam constellation | |
CN114257342B (zh) | 基于非二进制极化码的两用户多址接入系统编码及译码方法 | |
Yang et al. | NTF-improved delta-sigma modulation supported 65536 QAM signal for mobile fronthaul | |
CN110830404A (zh) | 一种基于矢量线性预测的数字移动前传信号量化方法 |
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 |