25/09/11Dalam mana-mana sistem pengukuran — daripada komunikasi tanpa wayar kepada fotografi digital — nisbah isyarat-ke-bunyi (SNR) ialah penanda aras asas kualiti. Sama ada anda menganalisis imej teleskop, menambah baik rakaman mikrofon atau menyelesaikan masalah pautan wayarles, SNR memberitahu anda betapa banyak maklumat berguna yang menonjol daripada bunyi latar belakang yang tidak diingini.
Tetapi mengira SNR dengan betul tidak selalunya mudah. Bergantung pada sistem, faktor tambahan seperti arus gelap, hingar baca atau binning piksel mungkin perlu dipertimbangkan. Panduan ini membimbing anda melalui teori, formula teras, kesilapan biasa, aplikasi dan cara praktikal untuk menambah baik SNR, memastikan anda boleh menerapkannya dengan tepat merentas pelbagai konteks.
Apakah Nisbah Isyarat-ke-Bunyi (SNR)?
Pada terasnya, nisbah isyarat kepada hingar mengukur hubungan antara kekuatan isyarat yang diingini dan hingar latar belakang yang mengaburkannya.
● Isyarat = maklumat yang bermakna (cth, suara dalam panggilan, bintang dalam imej teleskop).
● Bunyi = rawak, turun naik yang tidak diingini yang memesongkan atau menyembunyikan isyarat (cth, statik, bunyi sensor, gangguan elektrik).
Secara matematik, SNR ditakrifkan sebagai:
Oleh kerana nisbah ini boleh berbeza-beza mengikut banyak susunan magnitud, SNR biasanya dinyatakan dalam desibel (dB):
● SNR tinggi (cth, 40 dB): isyarat menguasai, menghasilkan maklumat yang jelas dan boleh dipercayai.
● SNR rendah (cth, 5 dB): hingar mengatasi isyarat, menyukarkan tafsiran.
Cara Mengira SNR
Pengiraan nisbah isyarat kepada hingar boleh dilakukan dengan tahap ketepatan yang berbeza bergantung pada sumber hingar yang disertakan. Dalam bahagian ini, dua bentuk akan diperkenalkan: satu yang menyumbang kepada arus gelap dan satu yang menganggap ia boleh diabaikan.
Nota: Menambah nilai hingar bebas memerlukan menambahkannya dalam kuadratur. Setiap punca bunyi adalah kuasa dua, dijumlahkan, dan punca kuasa dua daripada jumlah itu diambil.
Nisbah isyarat kepada hingar dengan arus gelap
Berikut ialah persamaan untuk digunakan dalam situasi di mana hingar arus gelap cukup besar untuk memerlukan kemasukan:
Berikut adalah definisi istilah:
Isyarat (e-): Ini adalah isyarat kepentingan dalam fotoelektron, dengan isyarat arus gelap ditolak
Jumlah isyarat (e-) akan menjadi kiraan fotoelektron dalam piksel yang diminati - bukan nilai piksel dalam unit tahap kelabu. Contoh kedua bagi Isyarat (e-), di bahagian bawah persamaan, ialah hingar fotonshot.
Arus gelap (DC):Nilai semasa gelap untuk piksel itu.
t: Masa pendedahan dalam beberapa saat
σr:Baca bunyi dalam mod kamera.
Nisbah isyarat kepada hingar untuk arus gelap yang boleh diabaikan
Dalam kes pendek (< 1 saat) masa pendedahan, ditambah dengan kamera berprestasi tinggi yang disejukkan, hingar arus gelap biasanya berada di bawah hingar yang dibaca dan diabaikan dengan selamat.
Di mana istilah sekali lagi seperti yang ditakrifkan di atas, dengan pengecualian bahawa isyarat arus gelap tidak perlu dikira dan ditolak daripada isyarat kerana ia sepatutnya sama dengan sifar.
Had formula ini dan istilah yang tiada
Formula yang bertentangan hanya akan memberikan jawapan yang betul untuk CCD dankamera CMOS. EMCCD dan peranti dipergiatkan memperkenalkan sumber hingar tambahan, jadi persamaan ini tidak boleh digunakan. Untuk persamaan nisbah isyarat-ke-bunyi yang lebih lengkap yang menyumbang kepada sumbangan ini dan lain-lain.
Satu lagi istilah hingar yang (atau pernah digunakan) yang lazimnya disertakan dalam persamaan SNR ialah ketakseragaman tindak balas foto (PRNU), juga kadangkala dilabelkan sebagai 'bunyi corak tetap' (FPN). Ini mewakili ketidaksamaan keuntungan dan tindak balas isyarat merentas sensor, yang boleh menjadi dominan pada isyarat tinggi jika cukup besar, mengurangkan SNR.
Walaupun kamera awal mempunyai PRNU yang cukup penting untuk memerlukan kemasukannya, kebanyakannya modenkamera saintifikmempunyai PRNU yang cukup rendah untuk membuat sumbangannya jauh lebih rendah daripada hingar tangkapan foton, terutamanya selepas pembetulan on-board digunakan. Oleh itu, ia kini biasanya diabaikan dalam pengiraan SNR. Walau bagaimanapun, PRNU masih penting untuk beberapa kamera dan aplikasi, dan termasuk dalam persamaan SNR yang lebih maju untuk kesempurnaan. Ini bermakna persamaan yang disediakan berguna untuk kebanyakan sistem CCD/CMOS tetapi tidak boleh dianggap sebagai terpakai secara universal.
Jenis Bunyi Dalam Pengiraan SNR
Mengira SNR bukan hanya tentang membandingkan isyarat dengan nilai hingar tunggal. Dalam amalan, pelbagai sumber hingar bebas menyumbang, dan memahaminya adalah penting.
Bunyi Tembakan
● Asal: kedatangan statistik foton atau elektron.
● Skala dengan punca kuasa dua isyarat.
● Dominan dalam pengimejan terhad foton (astronomi, mikroskop pendarfluor).
Bunyi Terma
● Ia juga dipanggil hingar Johnson–Nyquist, yang dihasilkan oleh gerakan elektron dalam perintang.
● Meningkat dengan suhu dan lebar jalur.
● Penting dalam elektronik dan komunikasi tanpa wayar.
Bunyi Arus Gelap
● Perubahan rawak dalam arus gelap dalam penderia.
● Lebih ketara dalam dedahan panjang atau pengesan hangat.
● Dikurangkan dengan menyejukkan penderia.
Baca Kebisingan
● Bunyi daripada penguat dan penukaran analog-ke-digital.
● Ditetapkan setiap bacaan, sangat kritikal dalam rejim isyarat rendah.
Bunyi Kuantisasi
● Diperkenalkan melalui pendigitalan (pembundaran kepada tahap diskret).
● Penting dalam sistem kedalaman bit rendah (cth, audio 8 bit).
Bunyi Persekitaran/Sistem
● EMI, crosstalk, riak bekalan kuasa.
● Boleh menguasai jika perisai/grounding adalah lemah.
Memahami yang mana antara ini dominan membantu dalam memilih formula dan kaedah mitigasi yang betul.
Kesilapan biasa dalam mengira SNR
Mudah untuk menemui banyak kaedah 'pintasan' untuk menganggar nisbah isyarat-ke-bunyi dalam pengimejan. Ini cenderung sama ada kurang kompleks daripada persamaan yang bertentangan, membolehkan derivasi lebih mudah daripada imej itu sendiri dan bukannya memerlukan pengetahuan tentang parameter kamera seperti bunyi bising, atau kedua-duanya. Malangnya, berkemungkinan setiap satu daripada kaedah ini tidak betul, dan akan membawa kepada keputusan yang serong dan tidak membantu. Adalah dinasihatkan bahawa persamaan bertentangan (atau versi lanjutan harus digunakan dalam semua kes.
Beberapa pintasan palsu yang paling biasa termasuk:
1、Membandingkan keamatan isyarat vs keamatan latar belakang, dalam tahap kelabu. Pendekatan ini cuba menilai kepekaan kamera, kekuatan isyarat atau nisbah isyarat kepada bunyi dengan membandingkan keamatan puncak dengan keamatan latar belakang. Pendekatan ini sangat cacat kerana pengaruh offset kamera boleh sewenang-wenangnya menetapkan keamatan latar belakang, keuntungan boleh sewenang-wenangnya menetapkan keamatan isyarat, dan tiada sumbangan bunyi sama ada dalam isyarat atau latar belakang dipertimbangkan.
2、Membahagikan puncak isyarat dengan sisihan piawai bagi kawasan piksel latar belakang. Atau, membandingkan nilai puncak dengan hingar visual di latar belakang yang didedahkan oleh profil baris. Dengan mengandaikan bahawa ofset ditolak dengan betul daripada nilai sebelum pembahagian, bahaya paling ketara dalam pendekatan ini ialah kehadiran cahaya latar belakang. Sebarang cahaya latar belakang biasanya akan menguasai hingar dalam piksel latar belakang. Selanjutnya, bunyi dalam isyarat yang diminati, seperti bunyi tembakan, sebenarnya tidak dipertimbangkan sama sekali.
3、Min isyarat dalam piksel yang diminati vs sisihan piawai nilai piksel: Membandingkan atau memerhati berapa banyak perubahan isyarat puncak merentasi piksel jiran atau bingkai berturut-turut lebih hampir kepada betul daripada kaedah pintasan lain, tetapi tidak mungkin untuk mengelakkan pengaruh lain yang memesongkan nilai, seperti perubahan dalam isyarat yang tidak berasal daripada hingar. Kaedah ini juga boleh menjadi tidak tepat kerana kiraan piksel yang rendah dalam perbandingan. Penolakan nilai offset juga tidak boleh dilupakan.
4、Mengira SNR tanpa menukar kepada unit keamatan fotoelektron, atau tanpa mengalih keluar offset: Memandangkan hingar tangkapan foton biasanya merupakan sumber hingar terbesar dan bergantung pada pengetahuan tentang pengimbangan dan keuntungan kamera untuk pengukuran, adalah tidak mungkin untuk mengelakkan pengiraan kembali kepada fotoelektron untuk pengiraan SNR.
5、Menilai SNR mengikut mata: Walaupun dalam sesetengah keadaan menilai atau membandingkan SNR mengikut mata boleh berguna, terdapat juga perangkap yang tidak dijangka. Menilai SNR dalam piksel bernilai tinggi boleh menjadi lebih sukar berbanding dengan nilai rendah atau piksel latar belakang. Kesan yang lebih halus juga boleh memainkan peranan: Contohnya, monitor komputer yang berbeza boleh memaparkan imej dengan kontras yang sangat berbeza. Selanjutnya, memaparkan imej pada tahap zum berbeza dalam perisian boleh mempengaruhi penampilan visual hingar dengan ketara. Ini amat bermasalah jika cuba membandingkan kamera dengan saiz piksel ruang objek yang berbeza. Akhir sekali, kehadiran cahaya latar belakang boleh membatalkan sebarang percubaan untuk menilai SNR secara visual.
Aplikasi SNR
SNR ialah metrik universal dengan pelbagai aplikasi:
● Rakaman Audio & Muzik: Menentukan kejelasan, julat dinamik dan kesetiaan rakaman.
● Komunikasi Tanpa Wayar: SNR berkaitan secara langsung dengan kadar ralat bit (BER) dan pemprosesan data.
● Pengimejan Saintifik: Dalam astronomi, pengesanan bintang samar terhadap cahaya langit latar belakang memerlukan SNR yang tinggi.
● Peralatan Perubatan: Imbasan ECG, MRI dan CT bergantung pada SNR tinggi untuk membezakan isyarat daripada bunyi fisiologi.
● Kamera & Fotografi: Kamera pengguna dan penderia CMOS saintifik kedua-duanya menggunakan SNR untuk menanda aras prestasi dalam cahaya malap.
Meningkatkan SNR
Memandangkan SNR adalah ukuran yang sangat kritikal, usaha yang besar dilakukan untuk memperbaikinya. Strategi termasuk:
Pendekatan Perkakasan
● Gunakan penderia yang lebih baik dengan arus gelap yang lebih rendah.
● Gunakan pelindung dan pembumian untuk mengurangkan EMI.
● Pengesan sejuk untuk menyekat hingar haba.
Pendekatan Perisian
● Gunakan penapis digital untuk mengalih keluar frekuensi yang tidak diingini.
● Gunakan purata merentas berbilang bingkai.
● Gunakan algoritma pengurangan hingar dalam pengimejan atau pemprosesan audio.
Pixel Binning dan Kesannya pada SNR
Kesan binning pada nisbah isyarat-ke-bunyi bergantung pada teknologi kamera dan gelagat penderia, kerana prestasi hingar bagi kamera binned dan unbinned boleh berbeza dengan ketara.
Kamera CCD boleh menjumlahkan cas 'on-chip' piksel bersebelahan. Bunyi bacaan hanya berlaku sekali sahaja, walaupun isyarat arus gelap daripada setiap piksel juga akan dijumlahkan.
Kebanyakan kamera CMOS melakukan binning luar cip, bermakna nilai pertama kali diukur (dan bunyi bising diperkenalkan), dan kemudian dijumlahkan secara digital. Bunyi baca untuk penjumlahan sedemikian meningkat walaupun pendaraban dengan punca kuasa dua bilangan piksel yang dijumlahkan, iaitu dengan faktor 2 untuk binning 2x2.
Oleh kerana tingkah laku hingar penderia boleh menjadi rumit, untuk aplikasi kuantitatif adalah dinasihatkan untuk mengukur bunyi offset, perolehan dan bacaan kamera dalam mod binned, dan gunakan nilai ini untuk persamaan nisbah isyarat-ke-bunyi.
Kesimpulan
Nisbah isyarat kepada hingar (SNR) ialah salah satu metrik terpenting dalam sains, kejuruteraan dan teknologi. Daripada menentukan kejelasan dalam panggilan telefon kepada membolehkan pengesanan galaksi jauh, SNR menyokong kualiti sistem pengukuran dan komunikasi. Menguasai SNR bukan hanya tentang menghafal formula — ia tentang memahami andaian, had dan pertukaran dunia sebenar. Daripada perspektif ini, jurutera dan penyelidik boleh membuat pengukuran dan sistem reka bentuk yang lebih dipercayai yang mengeluarkan cerapan bermakna walaupun dalam keadaan bising.
Ingin mengetahui lebih lanjut? Lihat artikel berkaitan:
Tucsen Photonics Co., Ltd. Hak cipta terpelihara. Apabila memetik, sila maklumkan sumbernya:www.tucsen.com
