CN114325722B - 基于水下声信标信号多脉冲累积的高增益检测方法和系统 - Google Patents
基于水下声信标信号多脉冲累积的高增益检测方法和系统 Download PDFInfo
- Publication number
- CN114325722B CN114325722B CN202111632798.8A CN202111632798A CN114325722B CN 114325722 B CN114325722 B CN 114325722B CN 202111632798 A CN202111632798 A CN 202111632798A CN 114325722 B CN114325722 B CN 114325722B
- Authority
- CN
- China
- Prior art keywords
- signal
- pulse
- mul
- sequence
- accumulation
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000009825 accumulation Methods 0.000 title claims abstract description 32
- 238000001914 filtration Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000005070 sampling Methods 0.000 claims abstract description 19
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000010354 integration Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种基于水下声信标信号多脉冲累积的高增益检测方法和系统,方法包括如下步骤:步骤1:获取待处理多脉冲信号的采样数据序列;步骤2:对多脉冲信号进行带通滤波处理;步骤3:基于已知信号周期对滤波结果计算多脉冲累积序列;步骤4:对多脉冲累积序列进行匹配滤波处理;步骤5:对匹配滤波结果根据门限进行判决,验证检测性能。本发明基于多脉冲信号的相关性,使得匹配滤波可以获得较高的处理增益,从而提高多脉冲信号检测性能。
Description
技术领域
本发明涉及一种基于水下声信标信号多脉冲累积的高增益检测方法和系统,属于信号处理技术领域。
背景技术
水下声信标信号检测是黑匣子搜寻的关键技术,通过声呐对该信号进行搜索检测,确定其位置。目前对于水下声信标信号检测识别的研究较少,但是对于信号的检测与识别已经是一个比较成熟的领域。信号的检测与识别可以总结为:提取信号的相关特征进行检测判决。由于声信标信号频率较高、强度较弱、周期小、脉宽短的特点,在低信噪比环境下实现信标信号的高增益高稳健检测是一个研究难点。
对水下声信标信号的检测而言,区别于传统的无先验信息支持的非合作声呐脉冲信号的截获检测,也与传统的有先验信息支持的主动声呐脉冲信号检测不同,其发射的信号参数已知,对直达波进行检测,实质上是一个随机信道中确知信号的截获检测问题。在平稳高斯白噪声条件下,对于确知信号的检测,匹配滤波器是最佳检测器,基于周期图的检测算法也适用于该信号的检测,这些常规检测算法通常基于单个信号脉冲进行检测。
发明内容
发明目的:针对现有水下声信标信号检测的问题,本发明公开了一种基于水下声信标信号多脉冲累积的高增益检测方法和系统,利用水下声信标信号相邻脉冲相关性很强,而背景噪声是互不相关的特性,对时频域水下声信标信号的多脉冲特征进行分析,然后利用其特征实现水声信道中对水下声信标信号的高增益检测判决,把子脉冲信号类比为波束形成的阵元的接收信号,将信号多脉冲累积用于匹配滤波,获得更高的处理增益,提高检测性能。
技术方案:一种基于水下声信标信号多脉冲累积的高增益检测方法,该方法包括如下步骤:
步骤1:获取待处理多脉冲信号的采样数据序列;
步骤2:对多脉冲信号进行带通滤波处理;
步骤3:基于已知信号周期对滤波结果计算多脉冲累积序列;
步骤4:对多脉冲累积序列进行匹配滤波处理;
步骤5:对匹配滤波结果根据门限进行判决,验证检测性能。
所述步骤1中,获取待处理的多脉冲信号采样数据序列x(n),n=0,1,2,...,L-1,所述n为x(n)的离散时间索引,L为检测到的多脉冲信号长度所对应的采样点个数,取值为2的整数次幂,且L≥8。
所述步骤2中,对多脉冲信号采样数据序列x(n),n=0,1,2,...,L-1进行带通滤波,得到s(n),n=0,1,2,...,L-1。
所述步骤3中,根据已知周期参数对滤波处理后子脉冲si(n),i=0,1,2,...,Np进行同相叠加得到信号smul(n)。
所述步骤4中,利用确知信号s0(n)对多脉冲累积序列smul(n)进行匹配滤波处理,得到ymul(n)。
所述步骤2中,采用如下方法对x(n),n=0,1,2,...,L-1进行滤波处理,得到s(n),n=0,1,2,...,L-1:
步骤2-1:利用已知的脉冲信号频率参数f0,设定起始频率f1和终止频率f2,ω1=2πf1、ω2=2πf2分别为带通滤波器的通带下频率和通带上频率,则滤波器单位冲激响应为:
τ=(N-1)/2,N为滤波器长度点数,RN(n)为矩形序列。
步骤2-2:带通滤波结果s(n)计算公式为:
所述步骤3中,采用如下方法根据已知周期参数获取子脉冲si(n),i=0,1,2,...,Np进行同相叠加得到信号smul(n):
si(n)=s(n),n=(i-1)Tn,...,(i-1)Tn+Tn-1
其中Np为子脉冲个数,Tn为单个周期信号点数。
所述步骤4中,采用如下方法利用确知信号s0(n)对多脉冲累积序列smul(n)进行匹配滤波处理,得到ymul(n):
步骤4-1:计算信号s0(n)的离散傅里叶变换:
j,k是傅里叶变换的常用表达形式。
步骤4-2:计算信号smul(n)的离散傅里叶变换:
步骤4-3:对多脉冲信号离散傅里叶变换结果Smul(k)匹配滤波得到滤波后的离散傅里叶变换Ymul(k):
步骤4-4:对滤波后的离散傅里叶变换Ymul(k)做离散傅里叶逆变换得到时域复数信号ymul(n):
所述步骤5中,采用如下方法根据检验统计量和恒虚警门限进行判决,验证检测性能:
模拟不同信噪比下多组多脉冲信号的采样数据序列,给定恒虚警门限以|ymul(n)2的峰值作为检验统计量重复步骤1-4,得出不同信噪比下检测概率。
一种基于水下声信标信号多脉冲累积的高增益检测系统,包括:
第一模块:用于获取待处理多脉冲信号的采样数据序列;
第二模块:用于对多脉冲信号进行带通滤波处理;
第三模块:基于已知信号周期对滤波结果计算多脉冲累积序列;
第四模块:用于对多脉冲累积序列进行匹配滤波处理;
第五模块:对匹配滤波结果根据门限进行判决,验证检测性能。
各个模块的实现过程与上述方法相同。
一种计算机设备,其特征在于:该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行上述计算机程序时实现如上所述的基于水下声信标信号多脉冲累积的高增益检测。
有益效果:本发明与现有技术相比,具有以下优点:
1、利用水下声信标信号在较短的时间内,相邻两个脉冲信号之间的相关性很强的特性,通过多脉冲积分获得较高的处理增益。因为信号部分相关,而噪声部分不相关,因此叠加后时域能量最高,多脉冲进行匹配滤波处理,相比直接采用单个脉冲处理的方法,能够获得更高的处理增益。
2、由于受到海洋信道传输的影响,每个脉冲的畸变不同,经过匹配滤波后,每个子脉冲的匹配结果不尽相同,因此难以设置合理的门限以获得稳定和有效的检测结果,经过多脉冲积分算法处理后,匹配结果更均衡。
附图说明
图1为本发明实施例的方法流程图;
图2为实例1检测性能曲线图;
图3为实例1单脉冲信号匹配结果图;
图4为实例1多脉冲累积算法处理匹配结果图;
图5为实例1单脉冲信号和多脉冲累积算法处理匹配结果归一化图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,一种基于水下声信标信号多脉冲累积的高增益检测方法,包括如下步骤:
(1)获取处理的脉冲信号采样数据序列:获取待处理的多脉冲信号采样数据序列x(n),n=0,1,2,...,L-1,所述n为x(n)的离散时间索引,L为检测到的多脉冲信号长度所对应的采样点个数,取值为2的整数次幂,且L≥8。
(2)对x(n),n=0,1,2,...,L-1进行滤波处理,得到s(n),n=0,1,2,...,L-1,具体包括如下步骤:
步骤2-1:利用已知的脉冲信号频率参数f0,设定起始频率f1和终止频率f2,ω1=2πf1、ω2=2πf2分别为带通滤波器的通带下频率和通带上频率,则滤波器单位冲激响应为:
τ=(N-1)/2,N为滤波器长度点数。
步骤2-2:带通滤波结果s(n)计算公式为:
(3)根据已知周期参数获取子脉冲si(n),i=0,1,2,...,Np进行同相叠加得到信号smul(n):
(4)利用确知信号s0(n)对多脉冲累积序列smul(n)进行匹配滤波处理,得到ymul(n)具体包括以下步骤:
步骤4-1:计算信号s0(n)的离散傅里叶变换:
步骤4-2:计算信号smul(n)的离散傅里叶变换:
步骤4-3:对多脉冲信号离散傅里叶变换结果Smul(k)匹配滤波得到滤波后的离散傅里叶变换Ymul(k):
其中为S0(k)的复共轭。
步骤4-4:对滤波后的离散傅里叶变换Ymul(k)做离散傅里叶逆变换得到时域复数信号ymul(n):
(5)根据检验统计量和恒虚警门限进行判决,验证检测性能:
分析不同信噪比下的检测性能,通过达到Pd的检测概率时所需的相对信噪比来衡量。
本发明的实施例中,仿真多脉冲信号模型为:
其中A为信号幅度,为初始相位,τ0为多脉冲信号首脉冲到达时间,τ为脉冲宽度,T为脉冲周期,f0为信号频率,wm(t)为均值为0,方差为σ2的高斯白噪声,Np为子脉冲个数,m为子脉冲序号。
以采样频率fs对上述脉冲信号进行离散采样可得到脉冲信号采样数据序列:
其中,n1=round(τ0fs),M0=round(τfs)。
实施例1:
仿真信号参数分别设置为:信号幅度A=1,初始相位脉宽τ=0.009s,脉冲周期T=1.0s,多脉冲信号首脉冲到达时间τ1=0.093s,信号频率f0=37.5kHz,子脉冲个数N=6,采样频率fs=98304Hz,单周期数据点数M1=98304,观测数据序列点数L=NM1=589824,虚警概率PFA=0.0001。
依据第(2)步,设定起始频率f1=37kHz,信号终止频率f1=38kHz,得到数据序列x(n)滤波后结果s(n)。
依据第(3)(4)(5)步,得到多脉冲检测性能曲线如图2所示。图3图4分别为信噪比SNR=-8dB时,单脉冲匹配和多脉冲累积算法处理后匹配结果,可以看出多脉冲累积算法处理后的匹配峰值更高并且三角峰特征更明显。图5为单脉冲信号和多脉冲累积算法处理匹配结果归一化图,可以看出多脉冲累积算法处理匹配结果中噪声部分的幅值有所降低。
基于水下声信标信号多脉冲累积的高增益检测系统,包括:
第一模块:用于获取待处理多脉冲信号的采样数据序列;
第二模块:用于对多脉冲信号进行带通滤波处理;
第三模块:基于已知信号周期对滤波结果计算多脉冲累积序列;
第四模块:用于对多脉冲累积序列进行匹配滤波处理;
第五模块:对匹配滤波结果根据门限进行判决,验证检测性能。
各个模块的实现过程与上述方法相同。
显然,本领域的技术人员应该明白,上述的本发明实施例的基于水下声信标信号多脉冲累积的高增益检测方法各步骤或基于水下声信标信号多脉冲累积的高增益检测系统各模块可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。
Claims (4)
1.一种基于水下声信标信号多脉冲累积的高增益检测方法,其特征在于,该方法包括如下步骤:
步骤1:获取待处理多脉冲信号的采样数据序列;
步骤2:对多脉冲信号进行带通滤波处理;
步骤3:基于已知信号周期对滤波结果计算多脉冲累积序列;
步骤4:对多脉冲累积序列进行匹配滤波处理;
步骤5:对匹配滤波结果根据门限进行判决,验证检测性能;
所述步骤1中,获取待处理的多脉冲信号采样数据序列x(n),n=0,1,2,...,L-1,其中n为x(n)的离散时间索引,L为检测到的多脉冲信号长度所对应的采样点个数,取值为2的整数次幂,且L≥8;
所述步骤3中,根据已知周期参数对滤波处理后子脉冲si(n),i=0,1,2,...,Np进行同相叠加得到信号smul(n);
所述步骤4中,利用确知信号s0(n)对多脉冲累积序列smul(n)进行匹配滤波处理,得到ymul(n);
所述步骤2中,采用如下方法对x(n),n=0,1,2,...,L-1进行滤波处理,得到s(n),n=0,1,2,...,L-1:
步骤2-1:利用已知的脉冲信号频率参数f0,设定起始频率f1和终止频率f2,ω1=2πf1、ω2=2πf2分别为带通滤波器的通带下频率和通带上频率,则滤波器单位冲激响应为:
τ=(N-1)/2,N为滤波器长度点数;
步骤2-2:带通滤波结果s(n)计算公式为:
所述步骤3中,根据已知周期参数获取子脉冲si(n),i=0,1,2,...,Np进行同相叠加得到信号smul(n):
si(n)=s(n),n=(i-1)Tn,...,(i-1)Tn+Tn-1
其中Np为子脉冲个数,Tn为单个周期信号点数
所述步骤4中,采用如下方法利用确知信号s0(n)对多脉冲累积序列smul(n)进行匹配滤波处理,得到ymul(n):
步骤4-1:计算信号s0(n)的离散傅里叶变换:
步骤4-2:计算信号smul(n)的离散傅里叶变换:
步骤4-3:对多脉冲信号离散傅里叶变换结果Smul(k)匹配滤波得到滤波后的离散傅里叶变换Ymul(k):
步骤4-4:对滤波后的离散傅里叶变换Ymul(k)做离散傅里叶逆变换得到时域复数信号ymul(n):
2.根据权利要求1所述的基于水下声信标信号多脉冲累积的高增益检测方法,其特征在于,所述步骤5中,采用如下方法根据检验统计量和恒虚警门限进行判决,验证检测性能:
模拟不同信噪比下多组多脉冲信号的采样数据序列,给定恒虚警门限以|ymul(n)2的峰值作为检验统计量重复步骤1-4,得出不同信噪比下检测概率。
3.一种实现如权利要求1所述的基于水下声信标信号多脉冲累积的高增益检测方法的系统,其特征在于,包括:
第一模块:用于获取待处理多脉冲信号的采样数据序列;
第二模块:用于对多脉冲信号进行带通滤波处理;
第三模块:基于已知信号周期对滤波结果计算多脉冲累积序列;
第四模块:用于对多脉冲累积序列进行匹配滤波处理;
第五模块:对匹配滤波结果根据门限进行判决,验证检测性能。
4.一种计算机设备,其特征在于:该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行上述计算机程序时实现如权利要求1-2中任一项所述的基于水下声信标信号多脉冲累积的高增益检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111632798.8A CN114325722B (zh) | 2021-12-29 | 2021-12-29 | 基于水下声信标信号多脉冲累积的高增益检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111632798.8A CN114325722B (zh) | 2021-12-29 | 2021-12-29 | 基于水下声信标信号多脉冲累积的高增益检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114325722A CN114325722A (zh) | 2022-04-12 |
CN114325722B true CN114325722B (zh) | 2024-04-12 |
Family
ID=81015901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111632798.8A Active CN114325722B (zh) | 2021-12-29 | 2021-12-29 | 基于水下声信标信号多脉冲累积的高增益检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114325722B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6862326B1 (en) * | 2001-02-20 | 2005-03-01 | Comsys Communication & Signal Processing Ltd. | Whitening matched filter for use in a communications receiver |
US9570877B1 (en) * | 2015-12-31 | 2017-02-14 | Lumentum Operations Llc | Gain control for arbitrary triggering of short pulse lasers |
CN110398743A (zh) * | 2019-08-05 | 2019-11-01 | 天津工业大学 | 一种连续波主动声呐目标回波检测方法 |
US10466342B1 (en) * | 2018-09-30 | 2019-11-05 | Hesai Photonics Technology Co., Ltd. | Adaptive coding for lidar systems |
CN110852201A (zh) * | 2019-10-28 | 2020-02-28 | 东南大学 | 一种基于多脉冲包络谱匹配的脉冲信号检测方法 |
CN110940992A (zh) * | 2019-11-02 | 2020-03-31 | 复旦大学 | 可提高激光雷达探测距离和精度的信号检测方法和系统 |
WO2020239084A1 (zh) * | 2019-05-31 | 2020-12-03 | 深圳市速腾聚创科技有限公司 | 一种多脉冲激光雷达系统抗干扰处理方法及装置 |
CN112435692A (zh) * | 2020-11-12 | 2021-03-02 | 南京世海声学科技有限公司 | 一种基于多脉冲相干累加的信标信号高增益检测方法 |
CN112462321A (zh) * | 2020-11-12 | 2021-03-09 | 南京世海声学科技有限公司 | 基于脉冲匹配累加的声信标信号截获处理方法 |
CN113671486A (zh) * | 2021-07-07 | 2021-11-19 | 四川九洲防控科技有限责任公司 | 旋翼目标的雷达探测系统及方法 |
-
2021
- 2021-12-29 CN CN202111632798.8A patent/CN114325722B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6862326B1 (en) * | 2001-02-20 | 2005-03-01 | Comsys Communication & Signal Processing Ltd. | Whitening matched filter for use in a communications receiver |
US9570877B1 (en) * | 2015-12-31 | 2017-02-14 | Lumentum Operations Llc | Gain control for arbitrary triggering of short pulse lasers |
US10466342B1 (en) * | 2018-09-30 | 2019-11-05 | Hesai Photonics Technology Co., Ltd. | Adaptive coding for lidar systems |
WO2020239084A1 (zh) * | 2019-05-31 | 2020-12-03 | 深圳市速腾聚创科技有限公司 | 一种多脉冲激光雷达系统抗干扰处理方法及装置 |
CN110398743A (zh) * | 2019-08-05 | 2019-11-01 | 天津工业大学 | 一种连续波主动声呐目标回波检测方法 |
CN110852201A (zh) * | 2019-10-28 | 2020-02-28 | 东南大学 | 一种基于多脉冲包络谱匹配的脉冲信号检测方法 |
CN110940992A (zh) * | 2019-11-02 | 2020-03-31 | 复旦大学 | 可提高激光雷达探测距离和精度的信号检测方法和系统 |
CN112435692A (zh) * | 2020-11-12 | 2021-03-02 | 南京世海声学科技有限公司 | 一种基于多脉冲相干累加的信标信号高增益检测方法 |
CN112462321A (zh) * | 2020-11-12 | 2021-03-09 | 南京世海声学科技有限公司 | 基于脉冲匹配累加的声信标信号截获处理方法 |
CN113671486A (zh) * | 2021-07-07 | 2021-11-19 | 四川九洲防控科技有限责任公司 | 旋翼目标的雷达探测系统及方法 |
Non-Patent Citations (1)
Title |
---|
利用S变换的X射线脉冲星信号恒虚警率检测算法;王璐;许录平;张华;;宇航学报;20140830(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114325722A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852201B (zh) | 一种基于多脉冲包络谱匹配的脉冲信号检测方法 | |
CN111399002B (zh) | 一种基于两级神经网络的gnss接收机组合干扰分类识别方法 | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN110376575B (zh) | 一种基于阻尼参数匹配随机共振的低频线谱检测方法 | |
CN113221631B (zh) | 基于卷积神经网络的序列脉冲抗干扰目标检测方法 | |
CN106771905B (zh) | 一种适用于高频电流局部放电检测的脉冲提取方法 | |
CN112083393B (zh) | 基于谱图平均时间特征的间歇采样转发干扰识别方法 | |
CN106052852A (zh) | 一种脉冲声信号的检测方法及装置 | |
CN109741759B (zh) | 一种面向特定鸟类物种的声学自动检测方法 | |
CN112462321B (zh) | 基于脉冲匹配累加的声信标信号截获处理方法 | |
CN112435692B (zh) | 一种基于多脉冲相干累加的信标信号高增益检测方法 | |
CN110275190A (zh) | 一种基于查表法的北斗信号高精度捕获方法 | |
CN114325722B (zh) | 基于水下声信标信号多脉冲累积的高增益检测方法和系统 | |
CN107976659A (zh) | 基于S2method时频分析的目标极点特征提取与检测方法 | |
CN112332807A (zh) | 一种弱包络信号检测方法和系统 | |
CN115184876A (zh) | 一种基于小波变换及波形整形的2fsk信号参数估计方法 | |
CN116186519A (zh) | Link4A和Link11信号检测方法、介质及装置 | |
CN116359854A (zh) | 一种基于YOLOv5的防空警戒雷达复合干扰参数估计方法 | |
CN113009430B (zh) | 一种基于噪声卷积的雷达干扰的fpga实现方法及系统 | |
CN114325671B (zh) | 改进的基于水下声信标信号多脉冲累积的抗多普勒方法 | |
Li et al. | Detection algorithm of frequency hopping signals based on S Transform and Deep Learning | |
CN112327260A (zh) | 一种sar回波数据中脉冲式干扰信号的抑制方法和装置 | |
CN112379357B (zh) | 一种基于脉冲信号预估时间参数二次处理的信号判别方法 | |
CN112487887B (zh) | 一种提高主动目标检测信噪比的方法 | |
CN116647251B (zh) | 适合mc-cdma系统的信号捕获方法 |
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 |