25/09/11ნებისმიერ საზომ სისტემაში — უსადენო კომუნიკაციიდან დაწყებული ციფრული ფოტოგრაფიით დამთავრებული — სიგნალი-ხმაურის თანაფარდობა (SNR) ხარისხის ფუნდამენტური საორიენტაციო მაჩვენებელია. იქნება ეს ტელესკოპის სურათების ანალიზი, მიკროფონის ჩანაწერების გაუმჯობესება თუ უსადენო კავშირის პრობლემების მოგვარება, SNR გეუბნებათ, რამდენად გამოირჩევა სასარგებლო ინფორმაცია არასასურველი ფონური ხმაურისგან.
თუმცა, SNR-ის სწორად გამოთვლა ყოველთვის მარტივი არ არის. სისტემიდან გამომდინარე, შეიძლება საჭირო გახდეს დამატებითი ფაქტორების გათვალისწინება, როგორიცაა ბნელი დენი, წაკითხვის ხმაური ან პიქსელების ბინინგი. ეს სახელმძღვანელო გაგაცნობთ თეორიას, ძირითად ფორმულებს, გავრცელებულ შეცდომებს, გამოყენებას და SNR-ის გაუმჯობესების პრაქტიკულ გზებს, რაც უზრუნველყოფს, რომ მისი ზუსტად გამოყენება შეგიძლიათ კონტექსტის ფართო სპექტრში.
რა არის სიგნალი-ხმაურის თანაფარდობა (SNR)?
არსებითად, სიგნალი-ხმაურის თანაფარდობა ზომავს სასურველი სიგნალის სიძლიერესა და მის დამახინჯებულ ფონურ ხმაურს შორის ურთიერთობას.
● სიგნალი = მნიშვნელოვანი ინფორმაცია (მაგ., ხმა ზარში, ვარსკვლავი ტელესკოპის გამოსახულებაში).
● ხმაური = შემთხვევითი, არასასურველი რყევები, რომლებიც ამახინჯებს ან მალავს სიგნალს (მაგ., სტატიკური სიგნალი, სენსორის ხმაური, ელექტრული ჩარევა).
მათემატიკურად, SNR განისაზღვრება შემდეგნაირად:
რადგან ეს თანაფარდობები შეიძლება მრავალი სიდიდით განსხვავდებოდეს, SNR ჩვეულებრივ დეციბელებში (dB) გამოისახება:
● მაღალი SNR (მაგ., 40 dB): სიგნალი დომინირებს, რაც იწვევს მკაფიო და სანდო ინფორმაციის მიღებას.
● დაბალი SNR (მაგ., 5 dB): ხმაური სიგნალს აჭარბებს, რაც ინტერპრეტაციას ართულებს.
როგორ გამოვთვალოთ SNR
სიგნალ-ხმაურის თანაფარდობის გამოთვლა შესაძლებელია სიზუსტის სხვადასხვა დონით, იმისდა მიხედვით, თუ რა ხმაურის წყაროებია ჩართული. ამ ნაწილში წარმოდგენილი იქნება ორი ფორმა: ერთი, რომელიც ითვალისწინებს ბნელ დენს და მეორე, რომელიც ვარაუდობს, რომ მისი უგულებელყოფა შესაძლებელია.
შენიშვნა: დამოუკიდებელი ხმაურის მნიშვნელობების დასამატებლად საჭიროა მათი კვადრატურად დამატება. ხმაურის თითოეული წყარო კვადრატში აიწევა, ჯამდება და ჯამიდან კვადრატული ფესვი აიღება.
სიგნალი-ხმაურის თანაფარდობა მუქი დენით
ქვემოთ მოცემულია განტოლება, რომელიც უნდა იქნას გამოყენებული იმ სიტუაციებში, როდესაც ბნელი დენის ხმაური საკმარისად დიდია იმისათვის, რომ ჩართვის საჭირო გახდეს:
აქ მოცემულია ტერმინების განმარტება:
სიგნალი (e-): ეს არის ფოტოელექტრონებში საინტერესო სიგნალი, ბნელი დენის სიგნალის გამოკლებით.
საერთო სიგნალი (e-) იქნება ფოტოელექტრონების რაოდენობა საინტერესო პიქსელში და არა პიქსელების მნიშვნელობა ნაცრისფერი დონის ერთეულებში. სიგნალის (e-) მეორე ეგზემპლარი, განტოლების ბოლოში, ფოტოშოკის ხმაურია.
ბნელი დენი (DC):ამ პიქსელის ბნელი დენის მნიშვნელობა.
t: ექსპოზიციის დრო წამებში
σr:ხმაურის წაკითხვა კამერის რეჟიმში.
სიგნალისა და ხმაურის თანაფარდობა უმნიშვნელო ბნელი დენის შემთხვევაში
მოკლე შემთხვევებში (< 1 წამი) ექსპოზიციის დრო, პლუს გაცივებული, მაღალი ხარისხის კამერები, ბნელი დენის ხმაური, როგორც წესი, წაკითხულ ხმაურზე გაცილებით დაბალი იქნება და უსაფრთხოდ იქნება უგულებელყოფილი.
სადაც წევრები კვლავ ზემოთ განსაზღვრული სახითაა, გარდა იმისა, რომ ბნელი დენის სიგნალის გამოთვლა და სიგნალიდან გამოკლება საჭირო არ არის, რადგან ის ნულის ტოლი უნდა იყოს.
ამ ფორმულების შეზღუდვები და დაკარგული ტერმინები
საპირისპირო ფორმულები მხოლოდ CCD-სა დაCMOS კამერებიEMCCD და გაძლიერებული მოწყობილობები დამატებით ხმაურის წყაროებს ნერგავენ, ამიტომ ეს განტოლებები არ შეიძლება გამოყენებულ იქნას. სიგნალ-ხმაურის თანაფარდობის უფრო სრულყოფილი განტოლებისთვის, რომელიც ამ და სხვა წვლილს ითვალისწინებს.
კიდევ ერთი ტერმინი ხმაურის შესახებ, რომელიც ხშირად გამოიყენება (ან ადრე გამოიყენებოდა) SNR განტოლებებში, არის ფოტორეაქციის არაერთგვაროვნება (PRNU), რომელსაც ზოგჯერ „ფიქსირებული ნიმუშის ხმაურსაც“ (FPN) უწოდებენ. ეს წარმოადგენს სენსორზე გაძლიერებისა და სიგნალის რეაქციის არათანაბარობას, რომელიც, თუ საკმარისად დიდია, შეიძლება დომინანტური გახდეს მაღალი სიგნალების დროს, რაც ამცირებს SNR-ს.
მიუხედავად იმისა, რომ ადრეულ კამერებს ჰქონდათ საკმარისად მნიშვნელოვანი PRNU, რომ მისი ჩართვა საჭირო ყოფილიყო, თანამედროვე კამერების უმეტესობასსამეცნიერო კამერებისაკმარისად დაბალი PRNU აქვს, რათა მისი წვლილი ფოტონის ხმაურის წილზე გაცილებით დაბალი იყოს, განსაკუთრებით დაფაზე არსებული კორექციის გამოყენების შემდეგ. ამიტომ, ამჟამად ის, როგორც წესი, უგულებელყოფილია SNR გამოთვლებში. თუმცა, PRNU კვლავ მნიშვნელოვანია ზოგიერთი კამერისა და აპლიკაციისთვის და სისრულისთვის შედის უფრო მოწინავე SNR განტოლებაში. ეს ნიშნავს, რომ მოცემული განტოლებები სასარგებლოა CCD/CMOS სისტემების უმეტესობისთვის, მაგრამ არ უნდა ჩაითვალოს უნივერსალურად გამოყენებად.
ხმაურის ტიპები SNR გამოთვლებში
SNR-ის გამოთვლა არ ნიშნავს მხოლოდ სიგნალის შედარებას ხმაურის ერთ მნიშვნელობასთან. პრაქტიკაში, ხმაურის მრავალი დამოუკიდებელი წყარო მონაწილეობს და მათი გაგება აუცილებელია.
გასროლის ხმაური
● წარმოშობა: ფოტონების ან ელექტრონების სტატისტიკური ჩამოსვლა.
● მასშტაბირება სიგნალის კვადრატული ფესვით.
● დომინანტურია ფოტონებით შეზღუდულ ვიზუალიზაციაში (ასტრონომია, ფლუორესცენტული მიკროსკოპია).
თერმული ხმაური
● მას ასევე ჯონსონ-ნიკვისტის ხმაურს უწოდებენ, რომელიც რეზისტორებში ელექტრონების მოძრაობით წარმოიქმნება.
● იზრდება ტემპერატურისა და გამტარუნარიანობის მატებასთან ერთად.
● მნიშვნელოვანია ელექტრონიკასა და უკაბელო კომუნიკაციაში.
ბნელი დენის ხმაური
● სენსორებში ბნელი დენის შემთხვევითი ვარიაცია.
● უფრო მნიშვნელოვანი ხანგრძლივი ექსპოზიციის ან თბილი დეტექტორების დროს.
● სენსორის გაგრილებით შემცირებული.
ხმაურის წაკითხვა
● გამაძლიერებლების ხმაური და ანალოგურ-ციფრული გარდაქმნა.
● ფიქსირებული მაჩვენებელი თითოეულ ჩვენებაზე, რაც კრიტიკულად მნიშვნელოვანია დაბალი სიგნალის რეჟიმებში.
კვანტიზაციის ხმაური
● დიგიტალიზაციით (დისკრეტულ დონეებამდე დამრგვალებით) დანერგილია.
● მნიშვნელოვანია დაბალი ბიტური სიღრმის სისტემებში (მაგ., 8-ბიტიანი აუდიო).
გარემოს/სისტემის ხმაური
● ელექტრომაგნიტური სიგნალი, ჯვარედინი დიაპაზონი, კვების წყაროს ტალღური ტალღა.
● შეიძლება დომინირება მოახდინოს, თუ დაცვა/დამიწება ცუდია.
იმის გაგება, თუ რომელია დომინანტი, ხელს უწყობს სწორი ფორმულისა და შერბილების მეთოდის შერჩევას.
SNR-ის გაანგარიშებისას გავრცელებული შეცდომები
გამოსახულების მიღებისას სიგნალ-ხმაურის თანაფარდობის შესაფასებლად მრავალი „მალსახმობის“ მეთოდის წააწყდებით ადვილია. ესენი, როგორც წესი, ან ნაკლებად რთულია, ვიდრე საპირისპირო განტოლებები, ან საშუალებას იძლევა უფრო ადვილად გამოვიდეს თავად გამოსახულებიდან, ვიდრე კამერის პარამეტრების, როგორიცაა წაკითხვის ხმაური, ცოდნას მოითხოვს, ან ორივე ერთად. სამწუხაროდ, სავარაუდოა, რომ თითოეული ეს მეთოდი არასწორია და გამოიწვევს დამახინჯებულ და უსარგებლო შედეგებს. მკაცრად რეკომენდებულია, რომ ყველა შემთხვევაში გამოყენებული იქნას საპირისპირო განტოლებები (ან მათი გაფართოებული ვერსია).
ზოგიერთი ყველაზე გავრცელებული ცრუ მალსახმობი მოიცავს:
1. სიგნალის ინტენსივობისა და ფონის ინტენსივობის შედარება ნაცრისფერი დონეებით. ეს მიდგომა ცდილობს შეაფასოს კამერის მგრძნობელობა, სიგნალის სიძლიერე ან სიგნალ-ხმაურის თანაფარდობა პიკური ინტენსივობის ფონის ინტენსივობასთან შედარებით. ეს მიდგომა ღრმად არის არასწორი, რადგან კამერის ოფსეტის გავლენას შეუძლია თვითნებურად დააყენოს ფონის ინტენსივობა, გაძლიერების გავლენას შეუძლია თვითნებურად დააყენოს სიგნალის ინტენსივობა და არ არის გათვალისწინებული ხმაურის წვლილი არც სიგნალში და არც ფონში.
2. სიგნალის პიკების გაყოფა ფონის პიქსელების ფართობის სტანდარტული გადახრით. ან პიკური მნიშვნელობების შედარება ხაზის პროფილით გამოვლენილ ფონზე არსებულ ვიზუალურ ხმაურთან. იმის გათვალისწინებით, რომ გაყოფამდე მნიშვნელობებს სწორად აკლდება ოფსეტი, ამ მიდგომის ყველაზე მნიშვნელოვანი საფრთხე ფონის სინათლის არსებობაა. ნებისმიერი ფონის განათება, როგორც წესი, დომინირებს ფონის პიქსელებში არსებულ ხმაურზე. გარდა ამისა, საინტერესო სიგნალში არსებული ხმაური, როგორიცაა გასროლის ხმაური, სინამდვილეში საერთოდ არ განიხილება.
3. საინტერესო პიქსელებში საშუალო სიგნალი პიქსელების მნიშვნელობების სტანდარტული გადახრის წინააღმდეგ: მეზობელ პიქსელებში ან თანმიმდევრულ კადრებში პიკური სიგნალის ცვლილების შედარება ან დაკვირვება უფრო სწორია, ვიდრე სხვა მოკლე მეთოდები, მაგრამ ნაკლებად სავარაუდოა, რომ თავიდან აიცილოს სხვა გავლენები, რომლებიც ამახინჯებს მნიშვნელობებს, როგორიცაა სიგნალის ცვლილება, რომელიც არ არის გამოწვეული ხმაურით. ეს მეთოდი ასევე შეიძლება არაზუსტი იყოს შედარებისას პიქსელების დაბალი რაოდენობის გამო. ასევე არ უნდა დაგვავიწყდეს ოფსეტის მნიშვნელობის გამოკლება.
4. SNR-ის გამოთვლა ფოტოელექტრონების ინტენსივობის ერთეულებში გადაყვანის ან ოფსეტის მოხსნის გარეშე: რადგან ფოტონის გასროლის ხმაური, როგორც წესი, ხმაურის ყველაზე დიდი წყაროა და გაზომვისთვის კამერის ოფსეტისა და გაძლიერების ცოდნას ეყრდნობა, SNR-ის გამოთვლებისთვის ფოტოელექტრონებზე უკან გამოთვლის თავიდან აცილება შეუძლებელია.
5. SNR-ის თვალით შეფასება: მიუხედავად იმისა, რომ ზოგიერთ შემთხვევაში SNR-ის თვალით შეფასება ან შედარება შეიძლება სასარგებლო იყოს, არსებობს მოულოდნელი ნაკლოვანებებიც. მაღალი მნიშვნელობის პიქსელებში SNR-ის შეფასება შეიძლება უფრო რთული იყოს, ვიდრე დაბალი მნიშვნელობის ან ფონის პიქსელებში. უფრო დახვეწილ ეფექტებსაც შეუძლიათ როლი ითამაშონ: მაგალითად, სხვადასხვა კომპიუტერის მონიტორს შეუძლია გამოსახულებების ძალიან განსხვავებული კონტრასტით ჩვენება. გარდა ამისა, პროგრამულ უზრუნველყოფაში გამოსახულების სხვადასხვა მასშტაბირების დონით ჩვენებამ შეიძლება მნიშვნელოვნად იმოქმედოს ხმაურის ვიზუალურ იერსახეზე. ეს განსაკუთრებით პრობლემურია, თუ ცდილობთ კამერების შედარებას სხვადასხვა ზომის ობიექტურ სივრცეში. და ბოლოს, ფონური სინათლის არსებობამ შეიძლება გააუქმოს SNR-ის ვიზუალურად შეფასების ნებისმიერი მცდელობა.
SNR-ის გამოყენება
SNR არის უნივერსალური მეტრიკა ფართო გამოყენებისთვის:
● აუდიო და მუსიკალური ჩანაწერი: განსაზღვრავს ჩანაწერების სიცხადეს, დინამიურ დიაპაზონს და სიზუსტეს.
● უსადენო კომუნიკაცია: SNR პირდაპირ კავშირშია ბიტური შეცდომის სიხშირესთან (BER) და მონაცემთა გამტარუნარიანობასთან.
● სამეცნიერო ვიზუალიზაცია: ასტრონომიაში, ფონზე ცის ნათების ფონზე მკრთალი ვარსკვლავების აღმოსაჩენად, მაღალი SNR-ია საჭირო.
● სამედიცინო აღჭურვილობა: ელექტროკარდიოგრამა, მაგნიტურ-რეზონანსული ტომოგრაფია და კომპიუტერული ტომოგრაფია სიგნალების ფიზიოლოგიური ხმაურისგან გასარჩევად მაღალ სიგნალის სიხშირეზეა დამოკიდებული.
● კამერები და ფოტოგრაფია: როგორც სამომხმარებლო კამერები, ასევე სამეცნიერო CMOS სენსორები იყენებენ SNR-ს დაბალი განათების პირობებში მუშაობის შესაფასებლად.
SNR-ის გაუმჯობესება
რადგან SNR ასეთი კრიტიკული საზომია, მის გაუმჯობესებაზე მნიშვნელოვანი ძალისხმევა იხარჯება. სტრატეგიები მოიცავს:
აპარატურული მიდგომები
● გამოიყენეთ უკეთესი სენსორები უფრო დაბალი ბნელი დენით.
● ელექტრომაგნიტური გამოსხივების შესამცირებლად გამოიყენეთ დამცავი და დამიწების საფარი.
● გაგრილების დეტექტორები თერმული ხმაურის ჩასახშობად.
პროგრამული უზრუნველყოფის მიდგომები
● არასასურველი სიხშირეების მოსაშორებლად გამოიყენეთ ციფრული ფილტრები.
● გამოიყენეთ საშუალო მნიშვნელობა რამდენიმე კადრში.
● ხმაურის შემცირების ალგორითმების გამოყენება გამოსახულების ან აუდიოს დამუშავებისას.
პიქსელების ბინინგი და მისი გავლენა SNR-ზე
სიგნალ-ხმაურის თანაფარდობაზე ბინირების გავლენა დამოკიდებულია კამერის ტექნოლოგიასა და სენსორის ქცევაზე, რადგან ბინირებული და დაუბინავებელი კამერების ხმაურის მაჩვენებლები შეიძლება მნიშვნელოვნად განსხვავდებოდეს.
CCD კამერებს შეუძლიათ მიმდებარე პიქსელების მუხტების შეჯამება „ჩიპზე“. წაკითხვის ხმაური მხოლოდ ერთხელ წარმოიქმნება, თუმცა თითოეული პიქსელიდან წამოსული ბნელი დენის სიგნალიც შეჯამდება.
CMOS კამერების უმეტესობა ახორციელებს ჩიპგარეშე დაჯგუფებას, რაც ნიშნავს, რომ მნიშვნელობები ჯერ იზომება (შედის წაკითხვის ხმაური) და შემდეგ ჯამდება ციფრულად. ასეთი შეჯამებების წაკითხვის ხმაური იზრდება პიქსელების შეჯამებული რაოდენობის კვადრატულ ფესვზე გამრავლებით, ანუ 2x2 დაჯგუფებისთვის 2-ჯერ.
რადგან სენსორების ხმაურის ქცევა შეიძლება რთული იყოს, რაოდენობრივი აპლიკაციებისთვის მიზანშეწონილია კამერის ოფსეტის, გაძლიერების და წაკითხული ხმაურის გაზომვა ჯგუფურ რეჟიმში და ამ მნიშვნელობების გამოყენება სიგნალ-ხმაურის თანაფარდობის განტოლებისთვის.
დასკვნა
სიგნალ-ხმაურის თანაფარდობა (SNR) მეცნიერებაში, ინჟინერიასა და ტექნოლოგიაში ერთ-ერთი უმნიშვნელოვანესი მეტრიკაა. სატელეფონო ზარებში სიცხადის განსაზღვრიდან დაწყებული შორეული გალაქტიკების აღმოჩენის შესაძლებლობით დამთავრებული, SNR საფუძვლად უდევს გაზომვისა და საკომუნიკაციო სისტემების ხარისხს. SNR-ის დაუფლება მხოლოდ ფორმულების დამახსოვრებას არ ნიშნავს - ეს ვარაუდების, შეზღუდვებისა და რეალური სამყაროს კომპრომისების გაგებას ეხება. ამ პერსპექტივიდან გამომდინარე, ინჟინრებსა და მკვლევარებს შეუძლიათ უფრო საიმედო გაზომვების გაკეთება და ისეთი სისტემების შექმნა, რომლებიც მნიშვნელოვან ინფორმაციას მოიპოვებენ ხმაურიან პირობებშიც კი.
გსურთ მეტი გაიგოთ? გადახედეთ დაკავშირებულ სტატიებს:
Tucsen Photonics Co., Ltd. ყველა უფლება დაცულია. ციტირებისას, გთხოვთ, მიუთითოთ წყარო:www.tucsen.com
