Tanggal 25/09/11Dalam sistem pengukuran apa pun — mulai dari komunikasi nirkabel hingga fotografi digital — rasio sinyal terhadap derau (SNR) merupakan tolok ukur kualitas yang fundamental. Baik Anda menganalisis gambar teleskop, meningkatkan kualitas rekaman mikrofon, atau memecahkan masalah koneksi nirkabel, SNR memberi tahu Anda seberapa banyak informasi bermanfaat yang menonjol di antara derau latar belakang yang tidak diinginkan.
Namun, menghitung SNR dengan tepat tidak selalu mudah. Tergantung pada sistemnya, faktor-faktor tambahan seperti arus gelap, derau baca, atau pengelompokan piksel mungkin perlu dipertimbangkan. Panduan ini memandu Anda mempelajari teori, rumus inti, kesalahan umum, aplikasi, dan cara praktis untuk meningkatkan SNR, memastikan Anda dapat menerapkannya secara akurat di berbagai konteks.
Apa itu Rasio Sinyal terhadap Derau (SNR)?
Pada intinya, rasio sinyal terhadap derau mengukur hubungan antara kekuatan sinyal yang diinginkan dan derau latar belakang yang mengaburkannya.
● Sinyal = informasi yang bermakna (misalnya, suara dalam panggilan, bintang dalam gambar teleskop).
● Noise = fluktuasi acak yang tidak diinginkan yang mendistorsi atau menyembunyikan sinyal (misalnya, statis, noise sensor, gangguan listrik).
Secara matematis, SNR didefinisikan sebagai:
Karena rasio ini dapat bervariasi dalam beberapa tingkat besaran, SNR biasanya dinyatakan dalam desibel (dB):
● SNR Tinggi (misalnya, 40 dB): sinyal mendominasi, menghasilkan informasi yang jelas dan andal.
● SNR rendah (misalnya, 5 dB): noise mengalahkan sinyal, sehingga menyulitkan interpretasi.
Cara Menghitung SNR
Perhitungan rasio sinyal terhadap derau dapat dilakukan dengan tingkat presisi yang berbeda-beda, tergantung pada sumber derau yang disertakan. Di bagian ini, dua bentuk akan diperkenalkan: satu yang memperhitungkan arus gelap dan satu yang mengasumsikan bahwa arus gelap dapat diabaikan.
Catatan: Penjumlahan nilai derau independen memerlukan penjumlahan dalam kuadratur. Setiap sumber derau dikuadratkan, dijumlahkan, dan akar kuadrat dari totalnya diambil.
Rasio sinyal terhadap derau dengan arus gelap
Berikut ini adalah persamaan yang digunakan dalam situasi di mana kebisingan arus gelap cukup besar sehingga memerlukan penyertaan:
Berikut definisi istilahnya:
Sinyal (e-): Ini adalah sinyal yang menarik dalam fotoelektron, dengan sinyal arus gelap dikurangi
Sinyal total (e-) akan menjadi jumlah fotoelektron dalam piksel yang diinginkan – bukan nilai piksel dalam satuan tingkat keabuan. Contoh kedua dari Sinyal (e-), di bagian bawah persamaan, adalah derau fotonshot.
Arus gelap (DC):Nilai arus gelap untuk piksel tersebut.
t: Waktu pemaparan dalam detik
σr:Membaca noise dalam mode kamera.
Rasio sinyal terhadap derau untuk arus gelap yang dapat diabaikan
Dalam kasus pendek (< 1 detik) waktu pencahayaan, ditambah kamera yang didinginkan dan berkinerja tinggi, noise arus gelap secara umum akan jauh di bawah noise pembacaan, dan aman untuk diabaikan.
Di mana istilah-istilah tersebut sekali lagi didefinisikan seperti di atas, dengan pengecualian bahwa sinyal arus gelap tidak perlu dihitung dan dikurangkan dari sinyal karena seharusnya sama dengan nol.
Keterbatasan rumus ini dan istilah yang hilang
Rumus di seberang hanya akan memberikan jawaban yang benar untuk CCD danKamera CMOSEMCCD dan perangkat intensif memperkenalkan sumber derau tambahan, sehingga persamaan ini tidak dapat digunakan. Untuk persamaan rasio sinyal terhadap derau yang lebih lengkap yang memperhitungkan kontribusi ini dan lainnya, silakan lihat:
Istilah derau lain yang (atau pernah) umum dimasukkan dalam persamaan SNR adalah ketidakseragaman respons foto (PRNU), yang terkadang juga disebut sebagai 'derau pola tetap' (FPN). Hal ini menunjukkan ketidakseragaman penguatan dan respons sinyal di seluruh sensor, yang dapat menjadi dominan pada sinyal tinggi jika cukup besar, sehingga mengurangi SNR.
Meskipun kamera-kamera awal memiliki PRNU yang cukup signifikan sehingga memerlukan penyertaannya, sebagian besar kamera modernkamera ilmiahPRNU memiliki PRNU yang cukup rendah sehingga kontribusinya jauh di bawah derau tembakan foton, terutama setelah koreksi on-board diterapkan. Oleh karena itu, PRNU sekarang biasanya diabaikan dalam perhitungan SNR. Namun, PRNU masih penting untuk beberapa kamera dan aplikasi, dan dimasukkan dalam persamaan SNR yang lebih canggih untuk kelengkapan. Ini berarti persamaan yang diberikan berguna untuk sebagian besar sistem CCD/CMOS tetapi tidak boleh dianggap berlaku secara universal.
Jenis-jenis Noise dalam Perhitungan SNR
Menghitung SNR bukan sekadar membandingkan sinyal dengan satu nilai derau. Dalam praktiknya, terdapat beberapa sumber derau independen yang berkontribusi, dan memahaminya sangatlah penting.
Suara Tembakan
● Asal: kedatangan statistik foton atau elektron.
● Skala dengan akar kuadrat sinyal.
● Dominan dalam pencitraan terbatas foton (astronomi, mikroskopi fluoresensi).
Kebisingan Termal
● Disebut juga derau Johnson–Nyquist, yang dihasilkan oleh gerakan elektron dalam resistor.
● Meningkat seiring dengan suhu dan lebar pita.
● Penting dalam elektronika dan komunikasi nirkabel.
Kebisingan Arus Gelap
● Variasi acak dalam arus gelap dalam sensor.
● Lebih signifikan dalam paparan panjang atau detektor hangat.
● Dikurangi dengan mendinginkan sensor.
Baca Kebisingan
● Kebisingan dari amplifier dan konversi analog-ke-digital.
● Diperbaiki per pembacaan, sangat penting dalam kondisi sinyal rendah.
Kebisingan Kuantisasi
● Diperkenalkan melalui digitalisasi (pembulatan ke tingkat diskrit).
● Penting dalam sistem dengan kedalaman bit rendah (misalnya, audio 8-bit).
Kebisingan Lingkungan/Sistem
● EMI, crosstalk, riak catu daya.
● Dapat mendominasi jika perisai/pentanahannya buruk.
Memahami mana yang dominan membantu dalam memilih formula dan metode mitigasi yang tepat.
Kesalahan umum dalam menghitung SNR
Mudah untuk menemukan banyak metode 'pintasan' untuk memperkirakan rasio sinyal terhadap derau dalam pencitraan. Metode-metode ini cenderung lebih sederhana daripada persamaan di atas, memungkinkan derivasi yang lebih mudah dari gambar itu sendiri daripada membutuhkan pengetahuan tentang parameter kamera seperti derau baca, atau keduanya. Sayangnya, kemungkinan besar setiap metode ini salah, dan akan menghasilkan hasil yang bias dan tidak membantu. Sangat disarankan agar persamaan di atas (atau versi lanjutannya) digunakan dalam semua kasus.
Beberapa jalan pintas palsu yang paling umum meliputi:
1. Membandingkan intensitas sinyal vs. intensitas latar belakang, dalam tingkat keabuan. Pendekatan ini mencoba menilai sensitivitas kamera, kekuatan sinyal, atau rasio sinyal terhadap derau dengan membandingkan intensitas puncak dengan intensitas latar belakang. Pendekatan ini sangat cacat karena pengaruh offset kamera dapat menentukan intensitas latar belakang secara sembarangan, penguatan dapat menentukan intensitas sinyal secara sembarangan, dan tidak ada kontribusi derau baik pada sinyal maupun latar belakang yang dipertimbangkan.
2. Membagi puncak sinyal dengan deviasi standar suatu area piksel latar belakang. Atau, membandingkan nilai puncak dengan derau visual di latar belakang yang ditunjukkan oleh profil garis. Dengan asumsi bahwa offset dikurangi dengan benar dari nilai sebelum pembagian, bahaya paling signifikan dalam pendekatan ini adalah keberadaan cahaya latar belakang. Cahaya latar belakang apa pun biasanya akan mendominasi derau dalam piksel latar belakang. Lebih lanjut, derau dalam sinyal yang diinginkan, seperti derau bidikan, sebenarnya tidak dipertimbangkan sama sekali.
3. Rata-rata sinyal dalam piksel yang diinginkan vs. deviasi standar nilai piksel: Membandingkan atau mengamati seberapa besar perubahan sinyal puncak di piksel-piksel tetangga atau frame-frame berikutnya lebih mendekati keakuratan dibandingkan metode pintas lainnya, tetapi kecil kemungkinannya untuk menghindari pengaruh lain yang mendistorsi nilai, seperti perubahan sinyal yang bukan berasal dari derau. Metode ini juga bisa tidak akurat karena jumlah piksel yang rendah dalam perbandingan. Pengurangan nilai offset juga tidak boleh dilupakan.
4. Menghitung SNR tanpa mengonversi ke satuan intensitas fotoelektron, atau tanpa menghilangkan offset: Karena derau tembakan foton biasanya merupakan sumber derau terbesar dan bergantung pada pengetahuan tentang offset dan penguatan kamera untuk pengukuran, tidak mungkin untuk menghindari perhitungan kembali ke fotoelektron untuk perhitungan SNR.
5. Menilai SNR secara kasat mata: Meskipun dalam beberapa keadaan, menilai atau membandingkan SNR secara kasat mata dapat bermanfaat, terdapat pula jebakan yang tak terduga. Menilai SNR pada piksel bernilai tinggi bisa lebih sulit daripada pada piksel bernilai rendah atau piksel latar belakang. Efek yang lebih halus juga dapat berperan: Misalnya, monitor komputer yang berbeda dapat menampilkan gambar dengan kontras yang sangat berbeda. Lebih lanjut, menampilkan gambar pada tingkat zoom yang berbeda dalam perangkat lunak dapat secara signifikan memengaruhi tampilan visual noise. Hal ini khususnya bermasalah jika mencoba membandingkan kamera dengan ukuran piksel ruang objek yang berbeda. Terakhir, keberadaan cahaya latar belakang dapat menggagalkan upaya penilaian SNR secara visual.
Aplikasi SNR
SNR adalah metrik universal dengan aplikasi yang luas:
● Rekaman Audio & Musik: Menentukan kejelasan, jangkauan dinamis, dan kesetiaan rekaman.
● Komunikasi Nirkabel: SNR berhubungan langsung dengan tingkat kesalahan bit (BER) dan throughput data.
● Pencitraan Ilmiah: Dalam astronomi, mendeteksi bintang redup dengan latar belakang cahaya langit memerlukan SNR yang tinggi.
● Peralatan Medis: Pemindaian EKG, MRI, dan CT mengandalkan SNR tinggi untuk membedakan sinyal dari gangguan fisiologis.
● Kamera & Fotografi: Kamera konsumen dan sensor CMOS ilmiah keduanya menggunakan SNR untuk mengukur kinerja dalam cahaya redup.
Meningkatkan SNR
Karena SNR merupakan ukuran yang sangat penting, upaya signifikan dilakukan untuk meningkatkannya. Strategi yang dapat dilakukan antara lain:
Pendekatan Perangkat Keras
● Gunakan sensor yang lebih baik dengan arus gelap yang lebih rendah.
● Terapkan pelindung dan pentanahan untuk mengurangi EMI.
● Detektor dingin untuk menekan kebisingan termal.
Pendekatan Perangkat Lunak
● Terapkan filter digital untuk menghilangkan frekuensi yang tidak diinginkan.
● Gunakan rata-rata di beberapa bingkai.
● Gunakan algoritma pengurangan kebisingan dalam pemrosesan pencitraan atau audio.
Pixel Binning dan Pengaruhnya terhadap SNR
Efek binning pada rasio sinyal terhadap derau bergantung pada teknologi kamera dan perilaku sensor, karena kinerja derau dari kamera yang di-binned dan yang tidak di-binned dapat bervariasi secara signifikan.
Kamera CCD dapat menjumlahkan muatan piksel yang berdekatan 'pada chip'. Derau pembacaan hanya terjadi satu kali, meskipun sinyal arus gelap dari setiap piksel juga akan dijumlahkan.
Kebanyakan kamera CMOS melakukan binning off-chip, artinya nilai-nilai diukur terlebih dahulu (dan terdapat noise pembacaan), lalu dijumlahkan secara digital. Noise pembacaan untuk penjumlahan tersebut meningkat melalui perkalian dengan akar kuadrat dari jumlah piksel yang dijumlahkan, yaitu dengan faktor 2 untuk binning 2x2.
Karena perilaku noise sensor bisa rumit, untuk aplikasi kuantitatif disarankan untuk mengukur offset, gain, dan noise pembacaan kamera dalam mode binned, dan menggunakan nilai-nilai ini untuk persamaan rasio sinyal terhadap noise.
Kesimpulan
Rasio sinyal terhadap derau (SNR) merupakan salah satu metrik terpenting dalam sains, teknik, dan teknologi. Mulai dari menentukan kejelasan panggilan telepon hingga memungkinkan deteksi galaksi yang jauh, SNR mendukung kualitas sistem pengukuran dan komunikasi. Menguasai SNR bukan hanya tentang menghafal rumus — tetapi juga tentang memahami asumsi, batasan, dan kompromi di dunia nyata. Dari perspektif ini, para insinyur dan peneliti dapat melakukan pengukuran yang lebih andal dan merancang sistem yang mampu menghasilkan wawasan bermakna bahkan dalam kondisi bising.
Ingin tahu lebih lanjut? Lihat artikel terkait:
Tucsen Photonics Co., Ltd. Hak cipta dilindungi undang-undang. Saat mengutip, harap sebutkan sumbernya:www.tucsen.com
