CN114740449B - 基于Rao检测的单比特目标检测方法、装置、设备 - Google Patents
基于Rao检测的单比特目标检测方法、装置、设备 Download PDFInfo
- Publication number
- CN114740449B CN114740449B CN202210232890.3A CN202210232890A CN114740449B CN 114740449 B CN114740449 B CN 114740449B CN 202210232890 A CN202210232890 A CN 202210232890A CN 114740449 B CN114740449 B CN 114740449B
- Authority
- CN
- China
- Prior art keywords
- detection
- bit
- signal
- sampling
- rao
- 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 288
- 238000005070 sampling Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000006870 function Effects 0.000 claims description 42
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 35
- 238000013139 quantization Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000002310 reflectometry Methods 0.000 claims description 12
- 239000000523 sample Substances 0.000 claims description 11
- 239000000654 additive Substances 0.000 claims description 7
- 230000000996 additive effect Effects 0.000 claims description 7
- 238000013433 optimization analysis Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000011295 pitch Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/42—Diversity systems specially adapted for radar
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于Rao检测的单比特目标检测方法、装置、设备,方法包括:获取MIMO雷达系统的发射器向所需角度发出的探测信号,并对获取的探测信号进行单比特量化采样得到采样信号;对采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数;通过Rao检测方法对分析后的采样信号进行检测、得到闭环形式的检测统计量;通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,并通过单比特目标检测器进行单比特目标检测并输出检查结果。本发明与同类检测器相比,提供了闭环形式的检测器,不需要复杂的性能优化分析,而且在同等数据量情况下,有着更优越的检测性能。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及的是采用单比特模数转换器的MIMO雷达下的基于Rao检测的单比特目标检测方法及单比特目标检测器。
背景技术
多输入多输出(MIMO)雷达在发射端和接收端都使用多个天线,通过利用波形分集可以提供显著的性能增益。随着阵列尺寸的增加,每次雷达接收的数据量也随着增加,存储和处理海量数据也成为限制目标检测发展的因素。由于具有保性能、降造价、省算力、节能源、少存储等诸多优点,单比特采样已经成为有前途的技术。
在过去的二十年中,已经有许多关于单比特信号处理方面的研究,从到达方向估计,MIMO通信,频率估计到目标跟踪。这些工作表明,通过合理设计信号处理算法,性能退化通常是相对较小的。然而,现有的雷达目标检测算法大多没有考虑量化效应。由于模数转换器(ADC)的不完善而导致的性能下降在文献中也没有得到很好的研究。同时由于目前的单比特目标检测器没有闭合形式的算法,导致检测器在性能分析上比较复杂,这给性能分析带来了一个巨大的挑战。
因此,现有技术还有待改进和发展。
发明内容
针对上述现有技术的问题,本发明提供一种基于Rao检测的单比特目标检测方法,本发明提出了适用于单比特检测的闭环形式目标检测器,特别的,通过Rao检测方法计算量化样本在目标反射率为零时的似然估计,以及二阶矩,得到了闭环形式的检测统计量,降了检测器在性能分析上的复杂程度,提高了检测器的性能分析效率。
为了实现上述技术效果,本发明第一方面提供一种基于Rao检测的单比特目标检测方法,其中,上述方法包括:
获取MIMO雷达系统的发射器向所需角度发出的探测信号,并对获取的探测信号进行单比特量化采样得到采样信号,其中,所述MIMO雷达系统配置有发射天线p和接收天线m;
对所述采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数;
通过Rao检测方法对分析后的所述采样信号进行检测、得到闭环形式的检测统计量;
通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,并通过所述单比特目标检测器进行单比特目标检测并输出检查结果。
所述获取MIMO雷达系统的发射器向所需角度发出的探测信号的步骤包括:
其中,所述MIMO雷达系统配置有发射天线p和接收天线m;
获取的探测信号表示为:
X=βar(φ)at H(φ)S+N
其中X为获取的探测信号,n是快拍数,N是加性高斯白噪声,β是未知目标反射率,ar(φ)和at(φ)分别代表发射导向矢量和接收导向矢量,S是已知的传输波形,且tr(SSH)=n/p,其中tr(·)为矩阵的迹,(·)H为共轭对称矩阵,n为采样快拍数,p为发射天线数。
所述对获取的探测信号进行单比特量化采样得到采样信号的步骤包括:
将探测信号进行单比特量化采样后获得采样信号,采样信号表示为:
其中Y为单比特量化采样后的采样信号,表示单比特量化算子,X为获取的探测信号,i为虚数单位。
所述对所述采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数的步骤包括:
对所述采样信号进行分析,建立二元假设模型,所述二元假设模型表示为::
其中是接收数据中没有目标的假设,是接收数据中有目标的假设。
分析在情况下,采样信号Y的对数似然函数;情况下采样信号的对数似然函数表示为:
其中,θ=[a,b,σn 2]T为未知参数为未知参数,a,b分别为未知反射系数β的实部与虚部,N为采样信号矩阵元素总数,ui和vi分别为矩阵Z=ar(φ)at H(φ)向量化之后第i个元素的实部和虚部,ri和si为采样信号Y向量化之后第i个元素的实部和虚部。σn为噪声的标准差,函数Q(·)表示为:
所述通过Rao检测方法对分析后的所述采样信号进行检测、得到闭环形式的检测统计量的步骤包括:
根据所述对数似然函数,计算在情况下的费雪信息矩阵,费雪信息矩阵表示为:
其中F(θr,0)表示在情况下的FIM矩阵,I2是2×2的单位矩阵。
根据Rao检测方法获得闭环形式的检测统计量,其中,闭环形式的检测统计量表示为:
其中TR为所述闭环形式的检测统计量。
步骤S4具体包括:
所述通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,通过所述单比特目标检测器进行单比特目标检测并输出检查结果的步骤包括:
在情况下,对所述检测统计量的分布进行分析,得到在n→∞时,检测统计量服从卡方分布,表示为:
根据所述检测统计量的分布,得到检测阈值,所述检测阈值为:
γ=-2log(Pfa)
其中,γ是检测阈值,Pfa为虚警概率;
根据所述检测统计量和所述检测阈值,得到适用于实际情况的闭环形式的单比特目标检测器,所述闭环形式的单比特目标检测器表示为:
通过所述单比特目标检测器进行单比特目标检测并输出检查结果。
一种基于Rao检测的单比特目标检测装置,其中,所述装置包括:
获取与采样模块,用于获取MIMO雷达系统的发射器向所需角度发出的探测信号,并对获取的探测信号进行单比特量化采样得到采样信号,其中,所述MIMO雷达系统配置有发射天线p和接收天线m;
分析建模模块,用于对所述采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数;
检测统计模块,用于通过Rao检测方法对分析后的所述采样信号进行检测、得到闭环形式的检测统计量;
分析检测模块,通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,并通过所述单比特目标检测器进行单比特目标检测并输出检查结果。
一种单比特目标检测设备,其中,所述单比特目标检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于Rao检测的单比特目标检测方法程序,所述基于Rao检测的单比特目标检测方法程序被所述处理器执行时实现任意一项所述基于Rao检测的单比特目标检测方法的步骤。
一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行实现任意一项所述基于Rao检测的单比特目标检测方法的步骤。
由上可见,本发明提供的一种基于Rao检测的单比特目标检测方法,本发明提出了适用于单比特检测的闭环形式目标检测器,特别的,通过Rao检测方法计算量化样本在目标反射率为零时的似然估计,以及二阶矩,得到了闭环形式的检测统计量,降了检测器在性能分析上的复杂程度,提高了检测器的性能分析效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种基于Rao检测的单比特目标检测方法的流程示意图;
图2是本发明的基于Rao检测的单比特目标检测器的检测流程图;
图3是本发明的单比特检测器和∞比特的GLRT检测器的正确检测概率与信噪比(SNR)的关系(n=32,256,2048);
图4是本发明的单比特检测器和∞比特的GLRT检测器的正确检测概率与对数坐标下的快拍数(log(n))的关系(SNR=-20Db,-26dB,-32dB);
图5是本发明的单比特检测器和8比特检测器以及16比特检测器的正确检测概率与对数坐标下的数据量(log(N))的关系(N为快拍数与量化位数的乘积)。
图6是本发明实施例提供的一种基于Rao检测的单比特目标检测装置的原理框图。
图7是本发明实施例提供的一种单比特目标检测设备的内部结构原理框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但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。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
下面结合本发明实施例的附图,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的一部分实施例,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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
MIMO表示多个发射多个接收的意思。MIMO雷达概念是指多个辐射站(点)和接收站(点)。除了多收多发的结构外,MIMO的思想来源于“分集”的概念。根据分集技术,各接收天线元应接收不同的信息,进而提高系统的整体性能,如(通信中)链路质量、雷达检测概率或定位精度。
多输入多输出(MIMO)雷达在发射端和接收端都使用多个天线,通过利用波形分集可以提供显著的性能增益。随着阵列尺寸的增加,每次雷达接收的数据量也随着增加,存储和处理海量数据也成为限制目标检测发展的因素。由于具有保性能、降造价、省算力、节能源、少存储等诸多优点,单比特采样已经成为有前途的技术。
在过去的二十年中,已经有许多关于单比特信号处理方面的研究,从到达方向估计,MIMO通信,频率估计到目标跟踪。这些工作表明,通过合理设计信号处理算法,性能退化通常是相对较小的。然而,现有的雷达目标检测算法大多没有考虑量化效应。由于模数转换器(ADC)的不完善而导致的性能下降在文献中也没有得到很好的研究。同时由于目前的单比特目标检测器没有闭合形式的算法,这给性能分析带来了一个巨大的挑战。
传统的单比特目标检测方法中,最经典的检测方法是单比特似然比检测(LRT)和广义似然比检测(GLRT)。单比特似然比检测(LRT)提供了一种闭环形式的检测器,但是它假设了目标检测率是先验已知的,这种假设在实际应用是不适用的,因为目标反射率通常变化很快,通常是需要估计的。广义似然比检测(GLRT),在检测数据是单比特数据的情况下,似然函数是Q函数的乘积,检测器不是闭合形式,这使得未知参数即目标反射率的最大似然估计(MLE)不存在解析解。虽然数值优化方法可以找到解决方案,但由于检测器没有闭合形式,这将转化为一个复杂的性能分析问题。
LRT方法假设了未知反射率是先验已知的,实际应用中并不适用。人们更希望能够得到一个实际可用的检测器。相比LR方法,GLRT方法不需要目标反射率是先验已知的,可以应用在实际情况中,但是GLRT方法需要求解检测器的性能分析问题,但由于未知反射率的MLE不存在解析解,检测器没有闭合形式,导致检测器在性能分析上比较复杂。由此看来,采用单比特ADC的MIMO雷达目标检测中,具有实际应用的闭环形式检测器是十分重要的。
本发明实施例中,Rao检测,是一种检测器的设计准则,Rao检测中Rao是人名。
为了解决现有技术中存在的问题,本发明提供一种基于Rao检测的单比特目标检测方法,具体包括:
步骤S1:获取MIMO雷达系统的发射器向所需角度发出的探测信号,同时对获取的探测信号进行单比特量化采样得到采样信号。
其中,MIMO雷达系统也叫多进多出(MIMO)雷达系统,所述MIMO雷达系统配置有发射天线p和接收天线m;
例如:本发明选择正交线性调频(LFM)信号作为发射波形S,表达式为其中,i是虚根,k=1,,p和l=1,信号源的波达方向角DOAθ固定为-π/3.噪声定义均值为0和方差σn 2=2的高斯白噪声。则本发明雷达接收天线m获取的探测信号可表示为:
X=βar(φ)at H(φ)S+N,其中,X为获取的探测信号,n是快拍数,N是加性高斯白噪声,β是未知目标反射率,ar(φ)和at(φ)分别代表发射导向矢量和接收导向矢量,S是已知的传输波形,且tr(SSH)=n/p,其中tr(·)为矩阵的迹,(·)H为共轭对称矩阵,n为采样快拍数,p为发射天线数。
本发明中对探测信号X进行单比特量化采样获得采样信号Y,也即在采样时刻,当X幅值大于0时,取值为1,小于0时,取值为0。
本步骤的好处是:单比特量化采样设备简单,且相比高精度采样,有着更少的储存量。
步骤S2:对所述采样信号进行分析、建立二元假设模型,并得到情况下采样信号的对数似然函数;
例如:对上述案例中的采样信号分析,得到对数似然函数可表示为:
好处是:根据对数似然函数可以应用于费雪矩阵的计算。
步骤S3:通过Rao检测方法对分析后的所述采样信号进行检测、得到闭环形式的检测统计量;
例如:对上述案例通过Rao检测方法可获得检测统计量,Rao检测方法检测统计量可表示为:
通过数学推导,可以得到简化后的闭环形式的检测统计量,可表示为:
本步骤的好处是:闭环形式的检测统计量可以得到解析解。
步骤S4:通过对检测统计量的分布的分析,得到了检测阈值的表达式,从而得到了适用于实际情况的闭环形式的单比特目标检测器,通过所述单比特目标检测器进行单比特目标检测并输出检查结果。。
例如:对上述案例中,当虚警概率为Pfa时,检测阈值γ可表示为:
γ=-2log(pfa)
结合步骤S3中的检测统计量,从而得到单比特目标检测器,可表示为:
本步骤中好处是:闭环形式的目标检测器有解析解,同时不需要用到未知反射系数。
其中,步骤S1的获取MIMO雷达系统的发射器向所需角度发出的探测信号,并对获取的探测信号进行单比特量化采样得到采样信号具体包括:
S11:获取MIMO雷达系统的发射器向所需角度发出的探测信号,探测信号可表示为:
X=βar(φ)at H(φ)S+N
其中,所述MIMO雷达系统配置有发射天线p和接收天线m;其中X为获取的探测信号,n是快拍数,N是加性高斯白噪声,β是未知目标反射率,ar(φ)和at(φ)分别代表发射导向矢量和接收导向矢量,S是已知的传输波形,且tr(SSH)=n/p,其中tr(·)为矩阵的迹,(·)H为共轭对称矩阵,n为采样快拍数,p为发射天线数。
S12:将探测信号X进行单比特量化采样后获得采样信号Y,采样信号Y可表示为:
其中Y为单比特量化采样后的采样信号,表示单比特量化算子,
X为获取的探测信号,i为虚数单位。
进一步的,所述步骤S2的对所述采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数具体包括:
S21:对步骤S12中采样信号Y进行分析,建立二元假设模型,二元假设模型可表示为:
其中是接收数据中没有目标的假设,是接收数据中有目标的假设。
S22:分析在情况下,采样信号Y的对数似然函数,对数似然函数可表示为:
其中,θ=[a,b,σn 2]T为未知参数为未知参数,a,b分别为未知反射系数β的实部与虚部,N为采样信号矩阵元素总数,ui和vi分别为矩阵Z=ar(φ)at H(φ)向量化之后第i个元素的实部和虚部,ri和si为采样信号Y向量化之后第i个元素的实部和虚部。σn为噪声的标准差,函数Q(·)可表示为:
步骤S3的通过Rao检测方法对分析后的所述采样信号进行检测、得到闭环形式的检测统计量的步骤具体包括:
S31:根据S22中的对数似然函数,计算在情况下的费雪信息矩阵,费雪信息矩阵可表示为:
其中F(θr,0)表示在情况下的FIM矩阵,I2是2×2的单位矩阵。
S32:根据Rao检测方法获得闭环形式的检测统计量,检测统计量可表示为:
其中TR为所述闭环形式的检测统计量。
步骤S4的通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,通过所述单比特目标检测器进行单比特目标检测并输出检查结果的具体包括:
S41:在情况下,对步骤S32中的检测统计量的分布进行分析,得到在n→∞时,检测统计量服从卡方分布,可表示为:
S42:根据步骤S42中检测统计量的分布,得到检测阈值,检测阈值可表示为:
γ=-2log(Pfa)
其中,γ是检测阈值,Pfa为虚警概率。
S43:根据步骤S32中的检测统计量和步骤S42中的检测阈值,得到适用于实际情况的闭环形式的单比特目标检测器,可表示为:
通过所述单比特目标检测器进行单比特目标检测并输出检查结果。本发明可以极大简化系统复杂度,降低系统成本与功耗,同时大幅压缩采集数据量。此外,使用符号运算能够降低运算量,提高运算速度,为雷达系统的实时处理提供便利。使用单比特采样,可以提升系统的采样速率,获得更多的样本以提高检测性能。
由上可见,本发明提供的一种基于Rao检测的单比特目标检测方法,本发明提出了适用于单比特检测的闭环形式目标检测器,特别的,通过Rao检测方法计算量化样本在目标反射率为零时的似然估计,以及二阶矩,得到了闭环形式的检测统计量,降了检测器在性能分析上的复杂程度,提高了检测器的性能分析效率。
示例性装置
本发明实施例提供的一种基于Rao检测的单比特目标检测器,适用于采用单比特模数转换器的MIMO雷达的目标检测,其配置有p发射天线和m接收天线。发射器向所需角度的探测光束。假设存在远场目标,则雷达获取的探测信号可以表示为X=βar(φ)at H(φ)S+N,其中X是获取的探测信号, n是快拍数,N是加性高斯白噪声,β是未知目标反射率,和分别代表发射导向矢量和接收导向矢量,是已知的传输波形,且tr(SSH)=n/p,在单比特量化之后,基带信号可以表示为其中表示量化算子。本发明使用了Rao检测方法,得到了闭环形式的单比特目标检测器。
本发明所述方法具体应用实施例包括以下步骤:
步骤S10:获取MIMO雷达系统的发射器向所需角度发出的探测信号,同时对获取的探测信号进行单比特量化采样得到采样信号,其中,所述MIMO雷达系统配置有发射天线p和接收天线m;
步骤S20:通过对采样信号分析建立二元假设模型,并得到情况下采样信号的对数似然函数;
步骤S30:通过Rao检测方法对所述采样信号检测得到闭环形式的检测统计量;
步骤S40:通过对检测统计量的分布的分析,得到了检测阈值的表达式,从而得到了适用于实际情况的闭环形式的单比特目标检测器,通过所述单比特目标检测器进行单比特目标检测并输出检查结果。
其中,步骤S10的作用是获取采样信号,用于目标检测;
步骤S20的作用是对检测模型分析,并获取情况下采样信号的对数似然函数,所述对采样信号的对数似然函数将用于Rao检测分析中;
步骤S30的作用是获取检测统计量;
步骤S40的作用是获得单比特目标检测器。
本发明方法步骤实际实现参考图2所示,附图2是本发明的基于Rao检测的单比特目标检测器的流程图。包括:
步骤1:计算矩阵Z=ar(φ)at H(φ)s;
步骤2:计算矩阵(YZH)的迹的模|(YZH)|;
步骤3:计算检测器统计量其中N=m×n是矩阵Y的元素个数;
步骤4:计算正确选择的检测阈值γ=-2log(Pfa)其中Pfa为虚警概率;
步骤5:检测器为其中为检测到有目标,为没有检测到目标。
进一步的,步骤S10具体举例为:
考虑到一配置有p发射天线和m接收天线的雷达。发射器向所需角度的探测光束。假设存在远场目标,则ADC输入端的接收信号可以表示为
X=βar(φ)at H(φ)S+N (1)
式中X是获取的探测信号,n是快拍数,N是加性高斯白噪声,β是未知目标反射率,和分别代表发射导向矢量和接收导向矢量,是已知的传输波形,且tr(SSH)=n/p,其中tr(·)为矩阵的迹,p为发射天线数。
在单比特量化之后,采样信号可以表示为:
式中Y为单比特量化后的采样信号,表示量化算子。
进一步地,步骤S2具体举例为,对于单比特ADC,目标检测的问题可以表示为:
式中是接收数据中没有目标的假设,是接收数据中有目标的假设。
参考图2所示,定义Z=ar(φ)at H(φ)S同时令z=vec(Z),y=vec(Y),还有:
Zi=ui+ivi yi=ri+isi (4)
其中vec(·)表示矩阵向量化,i为虚数单位,zi和yi分别为z和y中第i个元素,i=1,2,…,N,N=m×n。假设β=a+ib,a和b分别为
则有:
βzi=aui-bvi+i(avi+bui) (5);
情况下的对数似然函数可以表示为:
公式(6)中,为对数似然函数,σn为噪声的标准差,θ=[a,b,σn 2]T为未知参数,函数Q(·)可表示为:
数据的可能性取决于比率β/σn 2,不失一般性,可以令σn 2=2,参数为θr=[a,b]T。
进一步地,步骤S30具体举例为:Rao检测是GLRT的一种渐近等价形式,Rao检测方法统计量可以表示为:
如图2所示,其中TR为检测统计量,θr,0=[0,0]T,F(θr)是费雪信息矩阵(FIM),表达式为:
将a=0和b=0代入(10)和(11)中,得到:
结合公式(12),公式(9)中FIM矩阵的元素依次为
同样,有
其中Fi,j(θr,0)表示FIM矩阵中第i行第j列元素,i=1,2,j=1,2。于是,可以得到在情况下的FIM矩阵为
其中F(θr,0)表示在情况下的FIM矩阵,I2是2×2的单位矩阵。联立(8),(12)和(16),TR可以重写为
可以看出来,Rao检测相当于直接使用单比特信号进行匹配滤波。
由于||at(φ)||=p,||ar(φ)||=m以及tr(SSH)=n/p,则
tr(ZZH)=tr(ar(φ)at H(φ)SSat(φ)ar H(φ))=||at(φ)||||ar(φ)||tr(SSH)=N(18)
将(18)代入(17)中,则检测统计量为
进一步地,步骤S40具体举例为:将TR重写为
其中ω1和ω2分别为
当n→∞时,w=[ω1,ω2]T的分布可近似为二元实高斯分布渐进逼近。在情况下,均值uω和协方差矩阵∑ω分别为
uω=0∑ω=I2 (22)
此时,ω1和ω2是独立同分布的高斯随机变量,则
则虚警概率可以表示为
Pfa(γ)=Pr{TR>γ}=exp(-γ/2) (24)
其中Pfa是虚警概率,γ是检测阈值;
则检测阈值可以表示为
γ=-2log(Pfa) (25)
结合公式(19)和(25),就可以得到的检测器
本发明的效果可通过仿真实验进一步说明。考虑了一具有均匀线性阵列的半波长单元间距的多天线雷达系统,选择正交线性调频(LFM)信号作为发射波形S,表达式为中k=1,…,p和l=1,…,n。DOAθ固定为-π/3.噪声定义均值为0和方差σn 2=2的高斯白噪声。附图3-5中,“1-bit,Rao”为本发明所提出的方法。
实验1正确检测概率与信噪比的关系
在这个仿真中,考虑虚警概率Pfa=10-3,天线数m=p=4,且样本数n依次为32,256,2048。由附图3可以看出来,在同等样本数条件下,使用本发明的方法较高精度ADC的性能损失仅为2dB。
实验2正确检测概率与样本数的关系
在这个仿真中,考虑虚警概率Pfa=10-3,天线数m=p=4,且信噪比SNR依次为-20dB,-26dB,-32dB。由附图4可以看出来,在同一信噪比条件下,使用本发明的方法较高精度ADC造成的2dB的性能损失可以通过增加约60%的样本数进行补偿。
实验3正确检测概率与数据量的关系
在这个仿真中,考虑虚警概率Pfa=10-3,天线数m=p=4,且信噪比SNR=-30dB。
数据量=样本数×量化位数。由附图5可以看出来,在同一数据量的条件下,使用本发明的方法较更高位数的量化数据检测器有更好的检测性能。
示例性设备
如图6所示,对应上述基于Rao检测的单比特目标检测方法,本发明实施例还提供一种基于Rao检测的单比特目标检测装置,包括:
获取与采样模块610,用于获取MIMO雷达系统的发射器向所需角度发出的探测信号,并对获取的探测信号进行单比特量化采样得到采样信号,其中,所述MIMO雷达系统配置有发射天线p和接收天线m;
分析建模模块620,用于对所述采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数;
检测统计模块630,用于通过Rao检测方法对分析后的所述采样信号进行检测、得到闭环形式的检测统计量;
分析检测模块640,通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,并通过所述单比特目标检测器进行单比特目标检测并输出检查结果,具体如上所述。
基于上述实施例,本发明提供了一种单比特目标检测设备,其原理框图可以如图7所示。上述单比特目标检测设备包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中,该单比特目标检测设备的处理器用于提供计算和控制能力。该单比特目标检测设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该单比特目标检测设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时实现上述任意一种基于Rao检测的单比特目标检测方法的步骤。该单比特目标检测设备的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图7中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的单比特目标检测设备的限定,具体的单比特目标检测设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种单比特目标检测设备,包括有存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的程序,上述程序被上述处理器执行时进行以下操作指令:
获取MIMO雷达系统的发射器向所需角度发出的探测信号,并对获取的探测信号进行单比特量化采样得到采样信号,其中,所述MIMO雷达系统配置有发射天线p和接收天线m;
对所述采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数;
通过Rao检测方法对分析后的所述采样信号进行检测、得到闭环形式的检测统计量;
通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,并通过所述单比特目标检测器进行单比特目标检测并输出检查结果,具体如上所述。
综上所述,本发明公开了基于Rao检测的单比特目标检测方法、装置、设备,方法包括:获取MIMO雷达系统的发射器向所需角度发出的探测信号,并对获取的探测信号进行单比特量化采样得到采样信号;对采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数;通过Rao检测方法对分析后的采样信号进行检测、得到闭环形式的检测统计量;通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,并通过单比特目标检测器进行单比特目标检测并输出检查结果。本发明与同类检测器相比,提供了闭环形式的检测器,不需要复杂的性能优化分析,而且在同等数据量情况下,有着更优越的检测性能。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。对于各个公式中表现形式相同的量,如无特殊说明则表示相同的量,各个公式之间可以相互参照。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以由另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述计算机程序可存储于以计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于Rao检测的单比特目标检测方法,其特征在于,适用于采用单比特模数转换器的MIMO雷达的目标检测,所述方法包括如下步骤:
获取MIMO雷达系统的发射器向所需角度发出的探测信号,并对获取的探测信号进行单比特量化采样得到采样信号,其中,所述MIMO雷达系统配置有发射天线p和接收天线m;
对所述采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数;
通过Rao检测方法对分析后的所述采样信号进行检测、得到闭环形式的检测统计量;
通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,并通过所述单比特目标检测器进行单比特目标检测并输出检查结果;
所述获取MIMO雷达系统的发射器向所需角度发出的探测信号的步骤包括:
其中,所述MIMO雷达系统配置有发射天线p和接收天线m;
获取的探测信号表示为:
X=βar(φ)at H(φ)S+N;
其中,X为获取的探测信号,n是快拍数,N是加性高斯白噪声,β是未知目标反射率,ar(φ)和at(φ)分别代表发射导向矢量和接收导向矢量,S是已知的传输波形,且tr(SSH)=n/p,其中tr(·)为矩阵的迹,(·)H为共轭对称矩阵,n为采样快拍数,p为发射天线数;
所述对获取的探测信号进行单比特量化采样得到采样信号的步骤包括:
将探测信号进行单比特量化采样后获得采样信号,采样信号表示为:
其中Y为单比特量化采样后的采样信号,表示单比特量化算子,X为获取的探测信号,i为虚数单位;
所述对所述采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数的步骤包括:
对所述采样信号进行分析,建立二元假设模型,所述二元假设模型表示为:
其中是接收数据中没有目标的假设,是接收数据中有目标的假设;
分析在情况下,采样信号Y的对数似然函数;情况下采样信号的对数似然函数表示为:
其中,θ=[a,b,σn 2]T为未知参数,a,b分别为未知反射系数β的实部与虚部,N为采样信号矩阵元素总数,ui和vi分别为矩阵Z=ar(φ)at H(φ)向量化之后第i个元素的实部和虚部,ri和si为采样信号Y向量化之后第i个元素的实部和虚部;σn为噪声的标准差,函数Q(·)表示为:
2.根据权利要求1所述的一种基于Rao检测的单比特目标检测方法,其特征在于,所述通过Rao检测方法对分析后的所述采样信号进行检测、得到闭环形式的检测统计量的步骤包括:
根据所述对数似然函数,计算在情况下的费雪信息矩阵,费雪信息矩阵表示为:
其中F(θr,0)表示在情况下的FIM矩阵,I2是2×2的单位矩阵;
根据Rao检测方法获得闭环形式的检测统计量,其中,闭环形式的检测统计量表示为:
其中TR为所述闭环形式的检测统计量,N为采样信号矩阵元素个数。
3.根据权利要求2所述的一种基于Rao检测的单比特目标检测方法,其特征在于,所述通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,通过所述单比特目标检测器进行单比特目标检测并输出检查结果的步骤包括:
在情况下,对所述检测统计量的分布进行分析,得到在n→∞时,检测统计量服从卡方分布,表示为:
根据所述检测统计量的分布,得到检测阈值,所述检测阈值为:
γ=-2log(Pfa)
其中,γ是检测阈值,Pfa为虚警概率;
根据所述检测统计量和所述检测阈值,得到适用于实际情况的闭环形式的单比特目标检测器,所述闭环形式的单比特目标检测器表示为:
通过所述单比特目标检测器进行单比特目标检测并输出检查结果。
4.一种基于Rao检测的单比特目标检测装置,其特征在于,所述装置包括:
获取与采样模块,用于获取MIMO雷达系统的发射器向所需角度发出的探测信号,并对获取的探测信号进行单比特量化采样得到采样信号,其中,所述MIMO雷达系统配置有发射天线p和接收天线m;
分析建模模块,用于对所述采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数;
检测统计模块,用于通过Rao检测方法对分析后的所述采样信号进行检测、得到闭环形式的检测统计量;
分析检测模块,通过对检测统计量的分布的分析,得到了检测阈值的表达式,并得到适用于实际情况的闭环形式的单比特目标检测器,并通过所述单比特目标检测器进行单比特目标检测并输出检查结果;
所述获取MIMO雷达系统的发射器向所需角度发出的探测信号的步骤包括:
其中,所述MIMO雷达系统配置有发射天线p和接收天线m;
获取的探测信号表示为:
X=βar(φ)at H(φ)S+N;
其中,X为获取的探测信号,n是快拍数,N是加性高斯白噪声,β是未知目标反射率,ar(φ)和at(φ)分别代表发射导向矢量和接收导向矢量,S是已知的传输波形,且tr(SSH)=n/p,其中tr(·)为矩阵的迹,(·)H为共轭对称矩阵,n为采样快拍数,p为发射天线数;
所述对获取的探测信号进行单比特量化采样得到采样信号的步骤包括:
将探测信号进行单比特量化采样后获得采样信号,采样信号表示为:
其中Y为单比特量化采样后的采样信号,表示单比特量化算子,X为获取的探测信号,i为虚数单位;
所述对所述采样信号进行分析建立二元假设模型,并得到情况下采样信号的对数似然函数的步骤包括:
对所述采样信号进行分析,建立二元假设模型,所述二元假设模型表示为:
其中是接收数据中没有目标的假设,是接收数据中有目标的假设;
分析在情况下,采样信号Y的对数似然函数;情况下采样信号的对数似然函数表示为:
其中,θ=[a,b,σn 2]T为未知参数,a,b分别为未知反射系数β的实部与虚部,N为采样信号矩阵元素总数,ui和vi分别为矩阵Z=ar(φ)at H(φ)向量化之后第i个元素的实部和虚部,ri和si为采样信号Y向量化之后第i个元素的实部和虚部;σn为噪声的标准差,函数Q(·)表示为:
5.一种单比特目标检测设备,其特征在于,所述单比特目标检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于Rao检测的单比特目标检测方法程序,所述基于Rao检测的单比特目标检测方法程序被所述处理器执行时实现如权利要求1-3任意一项所述基于Rao检测的单比特目标检测方法的步骤。
6.一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行实现如权利要求1-3任意一项所述基于Rao检测的单比特目标检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210232890.3A CN114740449B (zh) | 2022-03-09 | 2022-03-09 | 基于Rao检测的单比特目标检测方法、装置、设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210232890.3A CN114740449B (zh) | 2022-03-09 | 2022-03-09 | 基于Rao检测的单比特目标检测方法、装置、设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114740449A CN114740449A (zh) | 2022-07-12 |
CN114740449B true CN114740449B (zh) | 2024-07-12 |
Family
ID=82274979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210232890.3A Active CN114740449B (zh) | 2022-03-09 | 2022-03-09 | 基于Rao检测的单比特目标检测方法、装置、设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114740449B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115494496B (zh) * | 2022-09-19 | 2024-07-05 | 深圳大学 | 单比特雷达成像系统、方法及相关设备 |
CN117092585B (zh) * | 2023-10-12 | 2024-01-09 | 深圳大学 | 单比特量化DoA估计方法、系统和智能终端 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104977585A (zh) * | 2015-06-11 | 2015-10-14 | 中国科学院声学研究所 | 一种鲁棒的运动声纳目标检测方法 |
CN107271978A (zh) * | 2017-05-18 | 2017-10-20 | 西安电子科技大学 | 一种多个异构卫星下基于Rao检测的目标探测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11567183B2 (en) * | 2020-04-08 | 2023-01-31 | Mitsubishi Electric Research Laboratories, Inc. | Radar detection of moving object with waveform separation residual |
CN112363151B (zh) * | 2020-11-05 | 2022-09-23 | 西安电子科技大学 | 频率分集阵多输入多输出雷达的自适应目标检测方法 |
-
2022
- 2022-03-09 CN CN202210232890.3A patent/CN114740449B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104977585A (zh) * | 2015-06-11 | 2015-10-14 | 中国科学院声学研究所 | 一种鲁棒的运动声纳目标检测方法 |
CN107271978A (zh) * | 2017-05-18 | 2017-10-20 | 西安电子科技大学 | 一种多个异构卫星下基于Rao检测的目标探测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114740449A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114740449B (zh) | 基于Rao检测的单比特目标检测方法、装置、设备 | |
CN109450499B (zh) | 一种基于导向矢量和空间功率估计的鲁棒波束形成方法 | |
Weng et al. | Low-rank matrix completion for array signal processing | |
CN110045321B (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
CN112098961B (zh) | 一种多极化sar载荷内定标模式设计及数据分析方法 | |
Thakre et al. | Single snapshot spatial smoothing with improved effective array aperture | |
CN111651719A (zh) | 基于收缩估计协方差矩阵重构稳健自适应波束形成方法 | |
US10327221B1 (en) | Super-resolution technique for time-of-arrival estimation | |
CN104360334B (zh) | 相关噪声背景下基于特征值mimo雷达目标盲检测方法 | |
CN114019449B (zh) | 信号源的波达方向估计方法、装置、电子设备及存储介质 | |
CN108828586B (zh) | 一种基于波束域的双基地mimo雷达测角优化方法 | |
CN110727915B (zh) | 一种基于数据相关约束的鲁棒自适应波束形成方法 | |
CN112332850A (zh) | 一种基于fpga的宽带波形补偿设备和方法 | |
GB2506711A (en) | An adaptive beamformer which uses signal envelopes to correct steering | |
CN110865342A (zh) | 基于导向矢量估计与协方差矩阵重构结合的波束形成方法 | |
CN117331027B (zh) | 一种基于子空间匹配度量的声源数估计方法及系统 | |
Nayir et al. | Hybrid-field channel estimation for massive MIMO systems based on OMP cascaded convolutional autoencoder | |
CN110361697A (zh) | 一种基于协方差矩阵混合重构的稳健波束形成方法 | |
CN114355293A (zh) | 一种自适应波束生成方法及系统 | |
CN108692718A (zh) | 基于盲波束的稳健导航抗干扰方法及其系统 | |
CN114563764A (zh) | 一种自适应波束生成方法及系统 | |
CN115694571B (zh) | 一种大规模mimo系统中基于深度学习的信号检测方法和装置 | |
CN112147590A (zh) | 一种基于响应估计频域拟合的通道均衡方法 | |
Xie et al. | Robust beamforming for wideband array based on spectrum subspaces | |
Bayraktar et al. | Beam codebook design for joint initial access and localization in mmwave networks |
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 |