基于图像锐度的太赫兹ISAR成像自聚焦方法及装置

基于图像锐度的太赫兹isar成像自聚焦方法及装置
技术领域
1.本技术涉及雷达成像技术和雷达信号处理技术领域，特别是涉及一种基于图像锐度的太赫兹isar成像自聚焦方法及装置。


背景技术：

2.成像雷达具有全天时和远距离等特点，能够在恶劣的气象环境下获取目标的二维高分辨图像，在军事和民用领域发挥着越来越重要的作用。逆合成孔径雷达成像是获取目标信息的重要手段之一，其对远距离非合作目标的成像能力使其在军事应用上的优势越来越明显。太赫兹作为微波与红外之间的过渡频段，频率范围为0.1～10thz，波长范围为3mm～30μm，太赫兹雷达相比传统的微波雷达其带宽大，可以实现目标的高分辨成像；波长短，具有多普勒敏感性，能够对目标微小运动等信息具有较强的感知能力。在很短的时间内就可以实现高分辨成像，避免了雷达回波因目标运动状态快速变化而引起的复杂成像过程，并可以实时捕获高速运动目标的动态，这为目标探测和识别提供新的途径。近年来，太赫兹波段相关器件迅猛发展，太赫兹波所具有的独特的优越性和其巨大的应用前景逐渐被发掘和利用。现阶段，太赫兹成像雷达已经逐渐走向应用，在实际应用中凸显的问题逐渐引起人们的关注，机动目标自聚焦就是其中最重要的问题之一。自聚焦技术是太赫兹成像雷达走向实用化不可避免的一个问题，在实际应用中非常普遍，比如isar成像中飞机无规则运动和舰船运动等等。如果相位误差没有得到很好的补偿，将不能成像。在低频段雷达中，比如x频段雷达，对自聚焦精度要求不高。而在太赫兹频段，由于太赫兹波长很小，对相位误差敏感性增强；且太赫兹雷达数据量大，采样率高，传统的自聚焦算法不适用于太赫兹雷达高分辨成像，需要研究相应的补偿方法。
3.现有的成像雷达相位补偿方法中，针对机动目标补偿效果十分有限。对机动目标成像的研究主要集中在微波波段，然而，由于分辨率较低，很难识别和释义成像结果；基于激光雷达的isar成像，由于雷达系统穿透性有限，难以应用于一些极端条件下；在太赫兹频段，目标平动引起的多普勒变化比较大时，很难通过传统相位补偿方法实现相位精确补偿。因此，如何发挥太赫兹雷达的频段全天时，高分辨的优势，研究太赫兹成像雷达相位补偿技术是一个有待研究的问题，针对这一问题，目前的研究还不够深入，基本思路还是沿袭之前的方案，没有针对太赫兹频段的特殊性进行深入研究。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种实现简单、鲁棒性强的能够在太赫兹频段实现相位精确补偿的基于图像锐度的太赫兹isar成像自聚焦方法及装置。
5.一种基于图像锐度的太赫兹isar成像自聚焦方法，所述方法包括：
6.获取太赫兹isar回波信号，对所述太赫兹isar回波信号进行包络对齐，得到isar图像；
7.基于所述isar图像，构建关于相位误差的isar图像最大锐度函数；
8.根据所述isar图像最大锐度函数计算关于相位误差的梯度函数；
9.根据所述梯度函数构建hessian矩阵；将所述hessian矩阵中的负特征值进行正向翻转，得到正定的hessian矩阵；
10.通过黄金分割法确定迭代步长因子，根据所述迭代步长因子对所述正定的hessian矩阵进行自聚焦迭代求解，得到求解的相位误差；
11.根据所述求解的相位误差对机动目标进行相位补偿后进行方向位压缩，得到目标的二维成像图。
12.在一个实施例中，对所述太赫兹isar回波信号进行包络对齐，得到isar图像，包括：
13.得到的isar图像为：
[0014][0015]
其中，i(k,n)为isar图像，f(m,n)为包络对齐后的一维距离图像，m为距离单元指数，n为方位慢时间指数，为需要补偿的相位误差，k为多普勒频率，m表示方位慢时间总数，j表示虚数单位。
[0016]
在一个实施例中，基于所述isar图像，构建关于相位误差的isar图像最大锐度函数，包括：
[0017]
采用β-2函数衡量isar图像的图像锐度：
[0018][0019]
最大图像锐度的估计相位误差为：
[0020][0021]
根据图像锐度ci和相位误差构建关于相位误差的isar图像最大锐度函数：
[0022][0023]
其中，迭代结束的条件为：u表示相位误差补偿的精度，i(k,n)为isar图像，k为多普勒频率，m为方位慢时间指数，n为距离单元指数，为需要补偿的相位误差，表示相位误差的估计值，表示更新后的相位误差估计值，表示第l次迭代中第m个脉冲的相位误差估计值，n表示距离单元总数，m表示方位慢时间总数。
[0024]
在一个实施例中，根据所述isar图像最大锐度函数计算关于相位误差的梯度函数，包括：
[0025]
计算图像锐度ci关于相位误差的梯度：
[0026][0027]
其中，
[0028][0029]
isar图像对相位误差的一阶导数可以表示为：
[0030][0031]
所以图像锐度ci关于相位误差的梯度表示为：
[0032][0033]
其中，(
·
)
*
代表共轭运算，h(m,n)＝ifft{|i(k,n)|2·
i(k,n)}，ifft{
·
}代表快速傅里叶逆变换，i(k,n)为isar图像，f(m,n)为包络对齐后的一维距离图像，m为距离单元指数，n为方位慢时间指数，为需要补偿的相位误差，k为多普勒频率，j表示虚数单位，i表示isar图像，n表示距离单元总数，m表示方位慢时间总数。
[0034]
在一个实施例中，根据所述梯度函数构建hessian矩阵，包括：
[0035]
计算图像锐度ci关于相位误差的hessian矩阵：
[0036][0037]
因为isar不同脉冲的相位误差相对独立，因此只需要导出hessian矩阵的对角线元素简化计算：
[0038]
[0039]
hessian矩阵对角线元素计算公式为：
[0040][0041]
其中，(
·
)
*
代表共轭运算，h(m,n)＝ifft{|i(k,n)|2·
i(k,n)}，ifft{
·
}代表快速傅里叶逆变换，i(k,n)为isar图像，为需要补偿的相位误差，f(m,n)为包络对齐后的一维距离图像，n为方位慢时间指数，m为距离单元指数，k为多普勒频率，j表示虚数单位。
[0042]
在一个实施例中，将所述hessian矩阵中的负特征值进行正向翻转，得到正定的hessian矩阵，包括：
[0043]
对hessian矩阵中的负特征值取绝对值：
[0044][0045]
在一个实施例中，通过黄金分割法确定迭代步长因子，包括：
[0046]
通过黄金分割法确定迭代步长因子，所述迭代步长因子需要满足：
[0047][0048]
其中，β
l
表示第l次迭代步长因子，β表示步长因子的估计值，ci为图像锐度，表示第l次迭代相位误差估计值，为需要补偿的相位误差。
[0049]
在一个实施例中，根据所述迭代步长因子对所述正定的hessian矩阵进行自聚焦迭代求解，得到求解的相位误差，包括：
[0050]
所述求解的相位误差为：
[0051][0052]
其中，表示更新后的相位误差估计值，表示第l次迭代中第m个脉冲的相位误差估计值，β
l
表示迭代步长因子，为需要补偿的相位误差，ci为图像锐度。
[0053]
一种基于图像锐度的太赫兹isar成像自聚焦装置，所述装置包括：
[0054]
isar图像模型构建模块，用于获取太赫兹isar回波信号，对所述太赫兹isar回波
信号进行包络对齐，得到isar图像；基于所述isar图像，构建关于相位误差的isar图像最大锐度函数；
[0055]
相位误差求解模块，用于根据所述isar图像最大锐度函数计算关于相位误差的梯度函数；根据所述梯度函数构建hessian矩阵；将所述hessian矩阵中的负特征值进行正向翻转，得到正定的hessian矩阵；通过黄金分割法确定迭代步长因子，根据所述迭代步长因子对所述正定的hessian矩阵进行自聚焦迭代求解，得到求解的相位误差；
[0056]
目标二维成像模块，用于根据所述求解的相位误差对机动目标进行相位补偿后进行方向位压缩，得到目标的二维成像图。
[0057]
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0058]
步骤a：获取太赫兹isar回波信号，对所述太赫兹isar回波信号进行包络对齐，得到isar图像；基于所述isar图像，构建关于相位误差的isar图像最大锐度函数；
[0059]
步骤b：根据所述isar图像最大锐度函数计算关于相位误差的梯度函数；根据所述梯度函数构建hessian矩阵；将所述hessian矩阵中的负特征值进行正向翻转，得到正定的hessian矩阵；通过黄金分割法确定迭代步长因子，根据所述迭代步长因子对所述正定的hessian矩阵进行自聚焦迭代求解，得到求解的相位误差；
[0060]
步骤c：根据所述求解的相位误差对机动目标进行相位补偿后进行方向位压缩，得到目标的二维成像图。
[0061]
一种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时实现以下步骤：
[0062]
步骤a：获取太赫兹isar回波信号，对所述太赫兹isar回波信号进行包络对齐，得到isar图像；基于所述isar图像，构建关于相位误差的isar图像最大锐度函数；
[0063]
步骤b：根据所述isar图像最大锐度函数计算关于相位误差的梯度函数；根据所述梯度函数构建hessian矩阵；将所述hessian矩阵中的负特征值进行正向翻转，得到正定的hessian矩阵；通过黄金分割法确定迭代步长因子，根据所述迭代步长因子对所述正定的hessian矩阵进行自聚焦迭代求解，得到求解的相位误差；
[0064]
步骤c：根据所述求解的相位误差对机动目标进行相位补偿后进行方向位压缩，得到目标的二维成像图。
[0065]
上述基于图像锐度的太赫兹isar成像自聚焦方法及装置，通过获取太赫兹isar回波信号，对太赫兹isar回波信号进行包络对齐，得到isar图像；基于isar图像，构建关于相位误差的isar图像最大锐度函数；根据isar图像最大锐度函数计算关于相位误差的梯度函数；根据梯度函数构建hessian矩阵；将hessian矩阵中的负特征值进行正向翻转，得到正定的hessian矩阵；通过黄金分割法确定迭代步长因子，根据迭代步长因子对正定的hessian矩阵进行自聚焦迭代求解，得到求解的相位误差；根据求解的相位误差对机动目标进行相位补偿后进行方向位压缩，得到目标的二维成像图。本发明有别于传统的基于图像准则自聚焦补偿手段，由于太赫兹雷达具有较高的多普勒敏感性，本发明在不增加算法复杂性的情况下，保证目标函数沿着正确下降方向一致收敛，实现相位精确补偿，获得聚焦良好的isar图像。
[0066]
本发明的方法具有实现简单、精度高和鲁棒性强等特点，在低信噪比情况下也可
以获得聚焦良好的isar图像，具有较好的实用性。
附图说明
[0067]
图1为一个实施例中基于图像锐度的太赫兹isar成像自聚焦方法流程图；
[0068]
图2为一个实施例中成像结果二维对比图；其中，(a)为单特显点成像结果，(b)为最小熵算法成像结果，(c)为基于牛顿法的最小熵算法成像结果，(d)为本发明所得的成像结果；
[0069]
图3为一个实施例中成像结果方位剖面图；其中，(a)为四种成像方法获得的方位剖面图，(b)为四种成像方法获得的方位剖面的局部放大图。
具体实施方式
[0070]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
[0071]
本发明通过建立经过包络对齐后的太赫兹isar成像模型，并构造关于相位误差的isar图像最大锐度函数；然后求出图像锐度函数关于相位误差的梯度，根据所求梯度，进一步求出图像锐度函数的hessian矩阵。因为不同脉冲的相位误差相对独立，因此只需要求出hessian矩阵对角线元素；取hessian矩阵对角线绝对值，确保熵函数能够沿正确的下降方向收敛；根据建立的优化函数，迭代求解，估计相位误差的大小；最后根据构造的补偿函数并进行补偿，得到较为理想的目标二维像。
[0072]
在一个实施例中，如图1所示，提供了一种基于图像锐度的太赫兹isar成像自聚焦方法，包括以下步骤：
[0073]
s1：获取太赫兹isar回波信号，对太赫兹isar回波信号进行包络对齐，得到isar图像；基于isar图像，构建关于相位误差的isar图像最大锐度函数；
[0074]
值得说明的是，本发明方法针对的是宽带雷达系统，可以是宽带脉冲雷达，也可以是宽带调频连续波雷达；在isar成像中，图像锐度越大，代表图像质量越高，因此为保证图像聚焦质量，可利用图像锐度最大化准则来估计相位误差。通过在一定范围内选择不同的相位误差，最后选择锐度图像最大的相位误差为最佳的估计相位误差。
[0075]
采用图像锐度最大化准则，无需进行运动参数估计，求解公式简单，不会增加算法的复杂性，利用构造关于相位误差的isar图像锐度最大化函数模型迭代求解。
[0076]
s2：根据isar图像最大锐度函数计算关于相位误差的梯度函数；根据梯度函数构建hessian矩阵；将hessian矩阵中的负特征值进行正向翻转，得到正定的hessian矩阵；通过黄金分割法确定迭代步长因子，根据迭代步长因子对正定的hessian矩阵进行自聚焦迭代求解，得到求解的相位误差；
[0077]
值得说明的是，因为采用牛顿法优化求解的关键是hessian矩阵为正定矩阵，在isar自聚焦中，这个条件是无法保证的。由于正定矩阵总是有正特征值，因此，翻转hessian矩阵的负特征值得到正定的hessian矩阵，以满足采用牛顿法进行优化求解。由于图像锐度是多模态函数，其中可能存在许多局部极大值和极小值。进行迭代求解时，为了得到全局最优图像，采用黄金分割法确定迭代步长因子，可以保证图像锐度函数的一致下降，避免得到
局部最优的isar图像
[0078]
s3：根据求解的相位误差对机动目标进行相位补偿后进行方向位压缩，得到目标的二维成像图。
[0079]
具体的，经过前两步的迭代估计，便实现了对机动目标的相位补偿。最后对补偿后的回波进行方位向压缩，实现目标二维成像。
[0080]
上述基于图像锐度的太赫兹isar成像自聚焦方法及装置，通过获取太赫兹isar回波信号，对太赫兹isar回波信号进行包络对齐，得到isar图像；基于isar图像，构建关于相位误差的isar图像最大锐度函数；根据isar图像最大锐度函数计算关于相位误差的梯度函数；根据梯度函数构建hessian矩阵；将hessian矩阵中的负特征值进行正向翻转，得到正定的hessian矩阵；通过黄金分割法确定迭代步长因子，根据迭代步长因子对正定的hessian矩阵进行自聚焦迭代求解，得到求解的相位误差；根据求解的相位误差对机动目标进行相位补偿后进行方向位压缩，得到目标的二维成像图。本发明有别于传统的基于图像准则自聚焦补偿手段，由于太赫兹雷达具有较高的多普勒敏感性，本发明在不增加算法复杂性的情况下，保证目标函数沿着正确下降方向一致收敛，实现相位精确补偿，获得聚焦良好的isar图像，具有较好的实用性。
[0081]
在一个实施例中，对太赫兹isar回波信号进行包络对齐，得到isar图像，包括：
[0082]
得到的isar图像为：
[0083][0084]
其中，i(k,n)为isar图像，f(m,n)为包络对齐后的一维距离图像，m为距离单元指数，n为方位慢时间指数，为需要补偿的相位误差，k为多普勒频率，m表示方位慢时间总数，j表示虚数单位。
[0085]
在一个实施例中，基于isar图像，构建关于相位误差的isar图像最大锐度函数，包括：
[0086]
采用β-2函数衡量isar图像的图像锐度：
[0087][0088]
最大图像锐度的估计相位误差为：
[0089][0090]
根据图像锐度ci和相位误差构建关于相位误差的isar图像最大锐度函数：
[0091][0092]
其中，迭代结束的条件为：u表示相位误差补偿的精度，i(k,n)为isar图像，k为多普勒频率，m为方位慢时间指数，n为距离单元指数，为需要补偿
的相位误差，表示相位误差的估计值，表示更新后的相位误差估计值，表示第l次迭代中第m个脉冲的相位误差估计值，n表示距离单元总数，m表示方位慢时间总数。
[0093]
值得说明的是，构建关于相位误差的isar图像最大锐度函数，对相位误差进行估计，每一次迭代使得的相位误差估计值比上一次迭代更接近真实相位误差。根据设定的相位误差补偿精度u，通过在一定范围内搜寻不同的相位误差，最后选择锐度图像最大的相位误差为最佳的估计相位误差。
[0094]
在一个实施例中，根据isar图像最大锐度函数计算关于相位误差的梯度函数，包括：
[0095]
计算图像锐度ci关于相位误差的梯度：
[0096][0097]
其中，
[0098][0099]
isar图像对相位误差的一阶导数可以表示为：
[0100][0101]
所以图像锐度ci关于相位误差的梯度表示为：
[0102][0103]
其中，(
·
)
*
代表共轭运算，h(m,n)＝ifft{|i(k,n)|2·
i(k,n)}，ifft{
·
}代表快速傅里叶逆变换，i(k,n)为isar图像，f(m,n)为包络对齐后的一维距离图像，m为距离单元指数，n为方位慢时间指数，为需要补偿的相位误差，k为多普勒频率，j表示虚数单位，i表示isar图像，n表示距离单元总数，m表示方位慢时间总数。
[0104]
在一个实施例中，根据梯度函数构建hessian矩阵，包括：
[0105]
计算图像锐度ci关于相位误差的hessian矩阵：
[0106][0107]
因为isar不同脉冲的相位误差相对独立，因此只需要导出hessian矩阵的对角线
元素简化计算：
[0108][0109]
hessian矩阵对角线元素计算公式为：
[0110][0111]
其中，(
·
)
*
代表共轭运算，h(m,n)＝ifft{|i(k,n)|2·
i(k,n)}，ifft{
·
}代表快速傅里叶逆变换，i(k,n)为isar图像，为需要补偿的相位误差，f(m,n)为包络对齐后的一维距离图像，n为方位慢时间指数，m为距离单元指数，k为多普勒频率，j表示虚数单位。
[0112]
在一个实施例中，将hessian矩阵中的负特征值进行正向翻转，得到正定的hessian矩阵，包括：
[0113]
对hessian矩阵中的负特征值取绝对值：
[0114][0115]
在一个实施例中，通过黄金分割法确定迭代步长因子，包括：
[0116]
通过黄金分割法确定迭代步长因子，所述迭代步长因子需要满足：
[0117][0118]
其中，β
l
表示第l次迭代步长因子，β表示步长因子的估计值，ci为图像锐度，表示第l次迭代相位误差估计值，为需要补偿的相位误差。
[0119]
在一个实施例中，根据迭代步长因子对所述正定的hessian矩阵进行自聚焦迭代求解，得到求解的相位误差，包括：
[0120]
所述求解的相位误差为：
[0121][0122]
其中，表示更新后的相位误差估计值，表示第l次迭代中第m个脉冲的相位误差估计值，β
l
表示迭代步长因子，为需要补偿的相位误差，ci为图像锐度。
[0123]
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0124]
图2、图3是利用本发明所提供的方法进行的验证：
[0125]
设定一个实验场景，太赫兹雷达系统的载频为320ghz，以无人机下面悬挂的角反射器作为目标，通过相位补偿前后实验结果的对比，说明了本方法的有效性和可行性。实验中系统载频为320ghz，带宽为28.6ghz，每个脉冲内采样点数为2048，脉冲重复周期为1ms，观测时间0.1s，实验目标在空中无规则飞行。本发明采用的成像太赫兹雷达系统基于调频连续波原理，角反射器的二维像如图2所示，图(a)为单特显点成像结果，图(b)为最小熵算法成像结果，图(c)为基于牛顿法的最小熵算法成像结果，图(d)为本发明所得的成像结果。可以看出传统相位补偿技术获得的二维图像出现了散焦、重影现象，本发明提出的补偿技术获得的二维成像结果聚焦效果良好。
[0126]
图3是基于传统方法和本发明提出方法成像结果的方位剖面图，其中，图(a)为四种成像方法获得的方位剖面图，图(b)为四种成像方法获得的方位剖面的局部放大图。通过比较可以明显看出，传统自聚焦技术应用于太赫兹频段时出现了高旁瓣，造成二维成像图散焦，但是经过本发明方法进行自聚焦之后，目标旁瓣得到明显抑制，所得到的isar图像质量明显提高，比较图3(b)中在-3位置(横向灰线标注位置)的幅度(db)宽度，作为方位分辨率分析，传统方法和本发明所提方法的方位分辨率分别为1.15cm，0.95cm，和0.82cm，进一步验证了本发明方法的有效性。
[0127]
在一个实施例中，提供了一种基于图像锐度的太赫兹isar成像自聚焦装置，包括：isar图像模型构建模块、相位误差求解模块和目标二维成像模块，其中：
[0128]
isar图像模型构建模块，用于获取太赫兹isar回波信号，对太赫兹isar回波信号进行包络对齐，得到isar图像；基于isar图像，构建关于相位误差的isar图像最大锐度函数；
[0129]
相位误差求解模块，用于根据isar图像最大锐度函数计算关于相位误差的梯度函数；根据梯度函数构建hessian矩阵；将hessian矩阵中的负特征值进行正向翻转，得到正定的hessian矩阵；通过黄金分割法确定迭代步长因子，根据迭代步长因子对所述正定的hessian矩阵进行自聚焦迭代求解，得到求解的相位误差；
[0130]
目标二维成像模块，用于根据求解的相位误差对机动目标进行相位补偿后进行方
向位压缩，得到目标的二维成像图。
[0131]
关于基于图像锐度的太赫兹isar成像自聚焦装置的具体限定可以参见上文中对于基于图像锐度的太赫兹isar成像自聚焦方法的限定，在此不再赘述。上述基于图像锐度的太赫兹isar成像自聚焦装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0132]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0133]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0134]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。