25/09/11မည်သည့်တိုင်းတာမှုစနစ်တွင်မဆို — ကြိုးမဲ့ဆက်သွယ်ရေးမှ ဒစ်ဂျစ်တယ်ဓာတ်ပုံရိုက်ခြင်းအထိ — signal-to-noise ratio (SNR) သည် အရည်အသွေး၏ အခြေခံစံနှုန်းတစ်ခုဖြစ်သည်။ တယ်လီစကုပ်ပုံများကို ပိုင်းခြားစိတ်ဖြာခြင်း၊ မိုက်ခရိုဖုန်း အသံသွင်းခြင်းများကို ပိုမိုကောင်းမွန်စေခြင်း သို့မဟုတ် ကြိုးမဲ့လင့်ခ်တစ်ခုကို ပြဿနာရှာနေသည်ဖြစ်စေ SNR သည် သင့်အား မလိုလားအပ်သော နောက်ခံဆူညံသံများမှ မည်မျှအသုံးဝင်သော အချက်အလက်များကို သင့်အား ပြောပြသည်။
သို့သော် SNR ကို မှန်ကန်စွာ တွက်ချက်ခြင်းသည် အမြဲတမ်း ရိုးရှင်းသည်မဟုတ်။ စနစ်ပေါ် မူတည်၍ မှောင်သော လျှပ်စီးကြောင်း၊ ဖတ်ရှုသည့် ဆူညံသံ သို့မဟုတ် ပစ်ဇယ် ဘင်နင်းခြင်းကဲ့သို့သော နောက်ဆက်တွဲ အကြောင်းရင်းများကို ထည့်သွင်းစဉ်းစားရန် လိုအပ်ပါသည်။ ဤလမ်းညွှန်သည် သင့်အား သီအိုရီ၊ အဓိကဖော်မြူလာများ၊ ဘုံအမှားများ၊ အပလီကေးရှင်းများနှင့် SNR ကို တိုးတက်စေရန် လက်တွေ့ကျသောနည်းလမ်းများမှတဆင့် သင့်အား လမ်းညွှန်ပေးပါသည်။
Signal-to-Noise Ratio (SNR) ဆိုတာဘာလဲ။
၎င်း၏ core တွင်၊ signal-to-noise ratio သည် အလိုရှိသော signal တစ်ခု၏ ခွန်အားနှင့် ၎င်းကို ဖုံးကွယ်ထားသည့် နောက်ခံဆူညံသံကြားမှ ဆက်နွယ်မှုကို တိုင်းတာသည်။
● Signal = အဓိပ္ပါယ်ရှိသော အချက်အလက်များ (ဥပမာ၊ ဖုန်းခေါ်ဆိုမှုတစ်ခုတွင် အသံတစ်ခု၊ မှန်ပြောင်းပုံတစ်ခုရှိ ကြယ်တစ်လုံး)။
● ဆူညံသံ = အချက်ပြကို ကမောက်ကမဖြစ်စေသော မလိုလားအပ်သော အတက်အကျများ (ဥပမာ၊ အငြိမ်၊ အာရုံခံဆူညံသံ၊ လျှပ်စစ်နှောက်ယှက်မှု)။
သင်္ချာနည်းအားဖြင့် SNR ကို အောက်ပါအတိုင်း သတ်မှတ်သည်။
ဤအချိုးများသည် ပြင်းအားအမှာစာများစွာပေါ်တွင် ကွဲပြားနိုင်သောကြောင့် SNR ကို များသောအားဖြင့် decibels (dB) ဖြင့် ဖော်ပြသည်-
● မြင့်မားသော SNR (ဥပမာ၊ 40 dB): အချက်ပြမှုသည် လွှမ်းမိုးထားသောကြောင့် ရှင်းလင်းပြီး ယုံကြည်စိတ်ချရသော အချက်အလက်ကို ရရှိစေသည်။
● နိမ့်သော SNR (ဥပမာ၊ 5 dB): ဆူညံသံသည် အချက်ပြမှုကို လွှမ်းမိုးစေပြီး အဓိပ္ပာယ်ဖွင့်ဆိုရခက်စေသည်။
SNR တွက်နည်း
signal-to-noise အချိုးကို တွက်ချက်ရာတွင် ဆူညံသံအရင်းအမြစ်များ ပါဝင်သည်ပေါ်မူတည်၍ တိကျသော အဆင့်အမျိုးမျိုးဖြင့် လုပ်ဆောင်နိုင်သည်။ ဤကဏ္ဍတွင် ပုံစံနှစ်မျိုးကို မိတ်ဆက်ပေးပါမည်- တစ်ခုသည် dark current ကို တွက်ချက်ပြီး လျစ်လျူရှုထားနိုင်သည်ဟု ယူဆသည့် ပုံစံတစ်ခု။
မှတ်ချက်- လွတ်လပ်သော ဆူညံသံတန်ဖိုးများကို ပေါင်းထည့်ခြင်းသည် ၎င်းတို့ကို လေးထောင့်ပုံတွင် ထည့်သွင်းရန် လိုအပ်သည်။ ဆူညံသံ၏ရင်းမြစ်တစ်ခုစီကို နှစ်ထပ်၊ ပေါင်းချုပ်ပြီး စုစုပေါင်း၏ နှစ်ထပ်ကိန်းကို ယူသည်။
မှောင်သောလျှပ်စီးနှင့်အတူ အချက်ပြမှုမှ ဆူညံသံအချိုး
အောက်တွင်ဖော်ပြထားသော ညီမျှခြင်းမှာ ပါဝင်ရန် လိုအပ်လောက်အောင် မှောင်နေသော လက်ရှိဆူညံသံ ကြီးမားသည့် အခြေအနေများတွင် အသုံးပြုရန် ညီမျှခြင်းဖြစ်သည် ။
ဤသည်မှာ ဝေါဟာရများ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်ဖြစ်ပါသည်။
အချက်ပြမှု (e-) : ဤအချက်သည် မှောင်သောလျှပ်စီးကြောင်းအချက်ပြမှုကို နုတ်ခြင်းဖြင့် photoelectron များတွင် စိတ်ဝင်စားဖွယ်အချက်ပြမှုဖြစ်သည်။
စုစုပေါင်းအချက်ပြမှု (e-) သည် စိတ်ပါဝင်စားသည့် pixel ရှိ ဓာတ်ပုံအီလက်ထရွန်အရေအတွက်ဖြစ်လိမ့်မည် - မီးခိုးရောင်အဆင့်ယူနစ်ရှိ pixel တန်ဖိုးကို အတိအကျမဟုတ်ပါ။ ညီမျှခြင်း၏အောက်ခြေရှိ Signal (e-) ၏ ဒုတိယဥပမာမှာ photonshot noise ဖြစ်သည်။
အမှောင်လျှပ်စီးကြောင်း (DC):ထို pixel အတွက် မှောင်သော ကာလတန်ဖိုး။
t: စက္ကန့်ပိုင်းအတွင်း အလင်းဝင်ချိန်
σr:ကင်မရာမုဒ်တွင် ဆူညံသံကို ဖတ်ပါ။
အမှောင်လျှပ်စီးကြောင်းအတွက် signal-to-noise အချိုး
တိုတောင်းသော ကိစ္စများတွင် (< 1 စက္ကန့်) ထိတွေ့ချိန်၊ အအေးခံထားသော၊ စွမ်းဆောင်ရည်မြင့် ကင်မရာများ၊ မှောင်သော လက်ရှိဆူညံသံများသည် ယေဘုယျအားဖြင့် ဖတ်ရန်ဆူညံသံအောက်တွင် ကောင်းမွန်နေပြီး ဘေးကင်းစွာ လျစ်လျူရှုထားသည်။
ဝေါဟာရများကို အထက်တွင်သတ်မှတ်ထားသည့်အတိုင်း တစ်ဖန်ပြန်လည်ဖော်ပြသည့်နေရာတွင်၊ ၎င်းသည် သုညနှင့်ညီသင့်သည်ဖြစ်သောကြောင့် အမှောင်လက်ရှိအချက်ပြမှုကို တွက်ချက်ပြီး နုတ်ယူရန်မလိုအပ်ပါ။
ဤဖော်မြူလာများ၏ ကန့်သတ်ချက်များနှင့် လွဲမှားနေသော စည်းကမ်းချက်များ
ဆန့်ကျင်ဘက်ဖော်မြူလာများသည် CCD အတွက် မှန်ကန်သော အဖြေများနှင့်သာ ပေးပါလိမ့်မည်။CMOS ကင်မရာများ. EMCCD နှင့် အားကောင်းသော စက်ပစ္စည်းများသည် အပိုဆူညံသံရင်းမြစ်များကို မိတ်ဆက်ပေးသောကြောင့် ဤညီမျှခြင်းများကို အသုံးမပြုနိုင်ပါ။ ဤနှင့် အခြားသော ပံ့ပိုးမှုများအတွက် ထည့်သွင်းထားသော ပိုမိုပြည့်စုံသော အချက်ပြ-မှ-ဆူညံမှု အချိုးညီမျှခြင်းအတွက်။
SNR ညီမျှခြင်းများတွင် အများအားဖြင့် ပါဝင်သော နောက်ထပ် ဆူညံသံ ဝေါဟာရမှာ ဓာတ်ပုံ-တုံ့ပြန်မှု တူညီမှုမရှိသော (PRNU) ၏ 'ပုံသေပုံစံ ဆူညံသံ' (FPN) ကိုလည်း တစ်ခါတစ်ရံ တံဆိပ်တပ်ထားသည်။ ၎င်းသည် အာရုံခံကိရိယာတစ်ခွင်ရှိ အချက်ပြတုံ့ပြန်မှု၏ မညီမျှမှုကို ကိုယ်စားပြုသည်၊ ၎င်းသည် ကြီးမားပါက SNR ကိုလျှော့ချခြင်းဖြင့် မြင့်မားသောအချက်ပြမှုများတွင် လွှမ်းမိုးနိုင်မည်ဖြစ်သည်။
အစောပိုင်းကင်မရာများတွင် ၎င်း၏ပါဝင်မှုလိုအပ်ရန် သိသိသာသာလုံလောက်သော PRNU ရှိသော်လည်း ခေတ်အမီဆုံးဖြစ်သည်။သိပ္ပံကင်မရာများအထူးသဖြင့် သင်္ဘောပေါ်ရှိ ပြုပြင်မှုများကို အသုံးပြုပြီးနောက် ဖိုတွန်ရိုက်ချက်ဆူညံသံများအောက်တွင် ၎င်း၏ပံ့ပိုးကူညီမှုအား လုံလောက်စွာနည်းပါးသော PRNU ရှိသည်။ ထို့ကြောင့် ယခုအခါ SNR တွက်ချက်မှုများတွင် အများအားဖြင့် လျစ်လျူရှုထားသည်။ သို့သော်၊ PRNU သည် အချို့သောကင်မရာများနှင့် အက်ပ်ပလီကေးရှင်းများအတွက် အရေးကြီးနေဆဲဖြစ်ပြီး ပြီးပြည့်စုံမှုအတွက် ပိုမိုအဆင့်မြင့်သော SNR ညီမျှခြင်းတွင် ထည့်သွင်းထားသည်။ ဆိုလိုသည်မှာ ပေးထားသော ညီမျှခြင်းများသည် CCD/CMOS စနစ်အများစုအတွက် အသုံးဝင်သော်လည်း တစ်ကမ္ဘာလုံးနှင့် သက်ဆိုင်သည်ဟု မယူဆသင့်ပါ။
SNR တွက်ချက်မှုများတွင် Noise အမျိုးအစားများ
SNR တွက်ချက်ခြင်းသည် ဆူညံသံတန်ဖိုးတစ်ခုနှင့် အချက်ပြတစ်ခုကို နှိုင်းယှဉ်ခြင်းမျှသာမဟုတ်ပါ။ လက်တွေ့တွင်၊ လွတ်လပ်သော ဆူညံသံရင်းမြစ်များစွာကို ပံ့ပိုးပေးပြီး ၎င်းတို့ကို နားလည်ရန် အရေးကြီးသည်။
ရိုက်ချက် Noise
● မူလအစ- ဖိုတွန် သို့မဟုတ် အီလက်ထရွန်များ၏ ကိန်းဂဏန်းဆိုင်ရာ ဆိုက်ရောက်မှု။
● အချက်ပြမှု၏ နှစ်ထပ်ကိန်းရင်းဖြင့် အကြေးများ။
● ဖိုတွန်ကန့်သတ်ပုံရိပ် (နက္ခတ္တဗေဒ၊ မီးချောင်းအဏုစကုပ်) တွင် လွှမ်းမိုးမှုရှိသည်။
အပူဆူညံသံ
● ခုခံအားရှိ အီလက်ထရွန်ရွေ့လျားမှုမှ ထုတ်ပေးသော Johnson–Nyquist noise ဟုလည်း ခေါ်သည်။
● အပူချိန်နှင့် bandwidth ဖြင့်တိုးလာသည်။
● အီလက်ထရွန်းနစ်နှင့် ကြိုးမဲ့ဆက်သွယ်ရေးတွင် အရေးကြီးသည်။
Dark Current Noise
● အာရုံခံကိရိယာများအတွင်း မှောင်သောလျှပ်စီးကြောင်းတွင် ကျပန်းကွဲလွဲမှု။
● ရှည်လျားသော ထိတွေ့မှုများ သို့မဟုတ် နွေးထွေးသော ထောက်လှမ်းမှုများတွင် ပို၍ သိသာသည်။
● အာရုံခံကိရိယာကို အအေးပေးခြင်းဖြင့် လျှော့ချသည်။
Noise ကိုဖတ်ပါ။
● အသံချဲ့စက်များမှ ဆူညံသံများနှင့် အန်နာလော့မှ ဒစ်ဂျစ်တယ်သို့ ပြောင်းလဲခြင်း။
● ဖတ်ရှုမှုတိုင်းတွင် ပုံသေဖြစ်သည်၊ ထို့ကြောင့် အချက်ပြနည်းစနစ်များတွင် အရေးကြီးပါသည်။
Quantization Noise
● ဒစ်ဂျစ်တယ်စနစ်ဖြင့် မိတ်ဆက်ပေးသည် (အဆက်ဖြတ်သည့်အဆင့်သို့ လှည့်ခြင်း)။
● အနိမ့်-အတိမ်အနက် စနစ်များတွင် အရေးကြီးသည် (ဥပမာ၊ 8-bit အသံ)။
ပတ်ဝန်းကျင်/စနစ် ဆူညံသံ
● EMI၊ crosstalk၊ ပါဝါထောက်ပံ့မှု လှိုင်းဂယက်။
● အကာအရံ/အကာအရံများ ညံ့လျှင် စိုးမိုးနိုင်သည် ။
ယင်းတို့အနက်မှ မည်သည့်အရာသည် လွှမ်းမိုးမှုရှိသည်ကို နားလည်ခြင်းသည် မှန်ကန်သောဖော်မြူလာနှင့် လျော့ပါးရေးနည်းလမ်းကို ရွေးချယ်ရာတွင် အထောက်အကူဖြစ်စေသည်။
SNR တွက်ချက်ရာတွင် အဖြစ်များသောအမှားများ
ပုံရိပ်ဖော်ခြင်းတွင် signal-to-noise အချိုးကို ခန့်မှန်းရန် 'ဖြတ်လမ်း' နည်းလမ်းများစွာကို တွေ့ရှိရန် လွယ်ကူသည်။ ၎င်းတို့သည် ဆန့်ကျင်ဘက်ညီမျှခြင်းများထက် ပိုမိုရှုပ်ထွေးလေ့ရှိပြီး ကင်မရာပါရာမီတာများဖြစ်သည့် read noise (သို့) နှစ်ခုလုံးကဲ့သို့ ကင်မရာဘောင်များကို အသိပညာလိုအပ်ခြင်းထက် ပုံတစ်ပုံမှပိုမိုလွယ်ကူစွာ ဆင်းသက်နိုင်စေရန် ခွင့်ပြုပေးပါသည်။ ကံမကောင်းစွာပဲ၊ ဤနည်းလမ်းများထဲမှ တစ်ခုစီသည် မှားယွင်းနေပြီး မလွဲမသွေ ရလဒ်များဆီသို့ ဦးတည်သွားဖွယ်ရှိသည်။ ဆန့်ကျင်ဘက်ညီမျှခြင်းများ (သို့မဟုတ် အဆင့်မြင့်ဗားရှင်းကို ကိစ္စရပ်တိုင်းတွင် အသုံးပြုသင့်သည်ဟု အခိုင်အမာ အကြံပြုအပ်ပါသည်။
အသုံးအများဆုံး လွဲမှားသော ဖြတ်လမ်းများ တွင် အချို့ ပါဝင်သည်။
1၊ မီးခိုးရောင်အဆင့်တွင် အချက်ပြပြင်းထန်မှုနှင့် နောက်ခံပြင်းထန်မှုကို နှိုင်းယှဉ်ခြင်း။ ဤချဉ်းကပ်မှုသည် အမြင့်ဆုံးပြင်းထန်မှုအား နောက်ခံပြင်းထန်မှုနှင့် နှိုင်းယှဉ်ခြင်းဖြင့် ကင်မရာ၏ အာရုံခံနိုင်စွမ်း၊ အချက်ပြစွမ်းအား သို့မဟုတ် အချက်ပြမှုမှ ဆူညံသံအချိုးကို ဆုံးဖြတ်ရန် ကြိုးပမ်းသည်။ ကင်မရာအော့ဖ်ဆက်၏ လွှမ်းမိုးမှုသည် နောက်ခံပြင်းထန်မှုကို နိုင်ထက်စီးနင်းသတ်မှတ်နိုင်သည်၊ အမြတ်အား နိုင်ထက်စီးနင်းပြုလုပ်နိုင်ပြီး အချက်ပြမှု သို့မဟုတ် နောက်ခံတွင် ဆူညံသံများကို ထည့်သွင်းစဉ်းစားမည်မဟုတ်သောကြောင့် ဤချဉ်းကပ်မှုသည် လွန်စွာချို့ယွင်းချက်ရှိသည်။
2၊ နောက်ခံ pixels ဧရိယာ၏စံသွေဖည်မှုဖြင့် signal peak ကိုပိုင်းခြားခြင်း။ သို့မဟုတ်၊ လိုင်းပရိုဖိုင်တစ်ခုမှဖော်ပြသော နောက်ခံတွင် မြင်နိုင်သော ဆူညံသံများနှင့် အမြင့်ဆုံးတန်ဖိုးများကို နှိုင်းယှဉ်ခြင်း။ အော့ဖ်ဆက်ကို အပိုင်းမခွဲမီ တန်ဖိုးများမှ မှန်ကန်စွာ နုတ်သည်ဟု ယူဆပါက၊ ဤချဉ်းကပ်မှုတွင် အထင်ရှားဆုံး အန္တရာယ်မှာ နောက်ခံအလင်းရောင် ရှိနေခြင်းပင်ဖြစ်သည်။ နောက်ခံအလင်းသည် ပုံမှန်အားဖြင့် နောက်ခံ pixels များတွင် ဆူညံသံကို လွှမ်းမိုးနေလိမ့်မည်။ ထို့အပြင်၊ ပစ်ချက်ဆူညံသံကဲ့သို့သော စိတ်ဝင်စားဖွယ်အချက်ပြမှုတွင် ဆူညံသံကို အမှန်တကယ် ထည့်သွင်းစဉ်းစားမည်မဟုတ်ပါ။
3、 pixels of interest နှင့် စံသွေဖည်သော pixels များ၏ ပျမ်းမျှအချက်ပြမှု- အိမ်နီးချင်း pixels များတစ်လျှောက် အထွတ်အထိပ်အချက်ပြမှု မည်မျှပြောင်းလဲသည်ကို နှိုင်းယှဉ်ခြင်း သို့မဟုတ် စောင့်ကြည့်ခြင်းမှာ အခြား shortcut နည်းလမ်းများထက် မှန်ကန်ရန် ပိုမိုနီးစပ်သော်လည်း noise မှ ဆင်းသက်လာခြင်းမဟုတ်သော signal ပြောင်းလဲမှုကဲ့သို့သော အခြားသော လွှမ်းမိုးမှုများကို ရှောင်ရှားရန် မဖြစ်နိုင်ပါ။ နှိုင်းယှဉ်မှုတွင် pixel အရေအတွက်နည်းခြင်းကြောင့်လည်း ဤနည်းလမ်းသည် မမှန်နိုင်ပါ။ အော့ဖ်ဆက်တန်ဖိုး၏ နုတ်နုတ်ခြင်းကိုလည်း မမေ့သင့်ပါ။
4、 SNR ကို တွက်ချက်ခြင်း ၊ photoelectron များ၏ ပြင်းထန်မှု ယူနစ်များ သို့ ပြောင်းလဲခြင်း မရှိဘဲ သို့မဟုတ် offset ကို မဖယ်ရှားဘဲ - photon shot noise သည် ပုံမှန်အားဖြင့် အကြီးဆုံး ဆူညံမှု အရင်းအမြစ် ဖြစ်ပြီး ကင်မရာ၏ အော့ဖ်ဆက် နှင့် တိုင်းတာမှု အတွက် အသိပညာ ပေါ်တွင် မှီခို ထားသောကြောင့်၊ SNR တွက်ချက်မှု အတွက် photoelectrons များ သို့ ပြန်လည် တွက်ချက်ခြင်း ကို ရှောင်ရှား ရန် မဖြစ်နိုင်ပါ။
5၊ SNR ကို မျက်လုံးဖြင့် အကဲဖြတ်ခြင်း- အချို့သော အခြေအနေများတွင် SNR ကို မျက်လုံးဖြင့် နှိုင်းယှဉ်ခြင်း သို့မဟုတ် နှိုင်းယှဉ်ခြင်းသည် အသုံးဝင်သော်လည်း မျှော်လင့်မထားသော ချို့ယွင်းချက်များလည်း ရှိပါသည်။ တန်ဖိုးမြင့် ပစ်ဇယ်များတွင် SNR ကို အကဲဖြတ်ခြင်းသည် တန်ဖိုးနိမ့် သို့မဟုတ် နောက်ခံ ပစ်ဇယ်များထက် ခက်ခဲနိုင်သည်။ ပိုမိုသိမ်မွေ့သောအကျိုးသက်ရောက်မှုများသည်လည်း အခန်းကဏ္ဍတစ်ခုမှပါဝင်နိုင်သည်- ဥပမာ၊ မတူညီသောကွန်ပြူတာမော်နီတာများသည် အလွန်ကွဲပြားသောခြားနားမှုရှိသောပုံများကို တင်ဆက်နိုင်သည်။ ထို့အပြင်၊ ဆော့ဖ်ဝဲလ်ရှိ မတူညီသော zoom အဆင့်များတွင် ပုံများကိုပြသခြင်းသည် noise ၏ အမြင်အာရုံကို သိသိသာသာလွှမ်းမိုးနိုင်သည်။ ကင်မရာများကို မတူညီသော အရာဝတ္တု pixel အရွယ်အစားများနှင့် နှိုင်းယှဉ်ရန် ကြိုးစားပါက အထူးသဖြင့် ပြဿနာဖြစ်သည်။ နောက်ဆုံးတွင်၊ နောက်ခံအလင်းရောင်ရှိနေခြင်းသည် SNR ကို အမြင်အာရုံဖြင့် ဆုံးဖြတ်ရန် ကြိုးပမ်းမှုမှန်သမျှကို ပျက်ပြယ်စေနိုင်သည်။
SNR ၏အသုံးချမှုများ
SNR သည် ကျယ်ပြန့်သော အပလီကေးရှင်းများပါရှိသော universal metric တစ်ခုဖြစ်သည်။
● အသံနှင့် တေးဂီတ အသံသွင်းခြင်း- ကြည်လင်ပြတ်သားမှု၊ ဒိုင်နမစ် အကွာအဝေး နှင့် အသံသွင်းခြင်း၏ သစ္စာတရားကို ဆုံးဖြတ်သည်။
● ကြိုးမဲ့ဆက်သွယ်ရေး- SNR သည် bit error rate (BER) နှင့် ဒေတာဖြတ်သန်းမှုတို့နှင့် တိုက်ရိုက်သက်ဆိုင်သည်။
● သိပ္ပံနည်းကျ ပုံရိပ်ဖော်ခြင်း- နက္ခတ္တဗေဒတွင်၊ နောက်ခံကောင်းကင်တွင် တောက်ပနေသည့် ကြယ်မှုန်များကို ရှာဖွေတွေ့ရှိရန် မြင့်မားသော SNR လိုအပ်သည်။
● ဆေးဘက်ဆိုင်ရာပစ္စည်းများ- ECG၊ MRI နှင့် CT စကင်န်များသည် ဇီဝကမ္မဆိုင်ရာဆူညံသံများနှင့် အချက်ပြမှုများကို ပိုင်းခြားရန် မြင့်မားသော SNR ကို အားကိုးသည်။
● ကင်မရာများနှင့် ဓါတ်ပုံများ- စားသုံးသူကင်မရာများနှင့် သိပ္ပံနည်းကျ CMOS အာရုံခံကိရိယာများသည် အလင်းရောင်အားနည်းချိန်တွင် စံပြုစွမ်းဆောင်ရည်အတွက် SNR ကို အသုံးပြုသည်။
SNR ကို တိုးတက်စေခြင်း။
SNR သည် အလွန်အရေးပါသော အတိုင်းအတာတစ်ခုဖြစ်သောကြောင့်၊ ၎င်းကို ပိုမိုကောင်းမွန်အောင် သိသိသာသာ ကြိုးပမ်းလုပ်ဆောင်ပါသည်။ ဗျူဟာများ ပါဝင်သည်-
ဟာ့ဒ်ဝဲ ချဉ်းကပ်မှုများ
● မှောင်သောလျှပ်စီးကြောင်းနှင့်အတူ ပိုမိုကောင်းမွန်သော အာရုံခံကိရိယာများကို အသုံးပြုပါ။
● EMI လျှော့ချရန် အကာအရံနှင့် မြေစိုက်ခြင်းကို အသုံးချပါ။
● အပူဆူညံသံများကို ဖိနှိပ်ရန် အအေးခံကိရိယာများ။
ဆော့ဖ်ဝဲလ်ချဉ်းကပ်မှုများ
● မလိုလားအပ်သော ကြိမ်နှုန်းများကို ဖယ်ရှားရန် ဒစ်ဂျစ်တယ် စစ်ထုတ်မှုများကို အသုံးပြုပါ။
● ဘောင်များစွာကို ပျမ်းမျှအားဖြင့် သုံးပါ။
● ပုံရိပ်ဖော်ခြင်း သို့မဟုတ် အသံလုပ်ဆောင်ခြင်းတွင် ဆူညံသံလျှော့ချရေး အယ်လဂိုရီသမ်များကို အသုံးပြုပါ။
Pixel Binning နှင့် SNR တွင် ၎င်း၏အကျိုးသက်ရောက်မှုများ
binned နှင့် unbinned ကင်မရာများ၏ ဆူညံသံစွမ်းဆောင်ရည်သည် သိသိသာသာကွဲပြားနိုင်သောကြောင့် signal-to-noise အချိုးအပေါ် binning ၏အကျိုးသက်ရောက်မှုသည် ကင်မရာနည်းပညာနှင့် sensor အပြုအမူအပေါ် မူတည်ပါသည်။
CCD ကင်မရာများသည် ကပ်နေသော pixels များကို 'on-chip' အားသွင်းနိုင်သည်။ pixel တစ်ခုချင်းစီမှ dark current signal ကို summed လုပ်သော်လည်း readout noise သည် တစ်ကြိမ်သာ ဖြစ်ပေါ်ပါသည်။
CMOS ကင်မရာအများစုသည် off-chip binning လုပ်ဆောင်သည်၊ ဆိုလိုသည်မှာ တန်ဖိုးများကို ဦးစွာတိုင်းတာခြင်း (andread noise မိတ်ဆက်ခဲ့သည်)၊ ထို့နောက် ဒစ်ဂျစ်တယ်ဖြင့် ပေါင်းပါသည်။ ထိုသို့သော summations များအတွက် ဖတ်ရှုသည့် ဆူညံမှုသည် ပေါင်းစည်းထားသော pixels အရေအတွက်၏ နှစ်ထပ်ကိန်းရင်းဖြင့် ပွားသော်လည်း၊ ဆိုလိုသည်မှာ 2x2 Binning အတွက် အချက် 2 ဖြင့် တိုးလာပါသည်။
အာရုံခံကိရိယာများ၏ ဆူညံသံအပြုအမူများသည် ရှုပ်ထွေးနိုင်သဖြင့် အရေအတွက်ဆိုင်ရာအသုံးချမှုများအတွက် binned mode တွင် ကင်မရာ၏ offset, gain, read noise ကို တိုင်းတာရန်နှင့် signal-to-noise ratio ညီမျှခြင်းအတွက် ဤတန်ဖိုးများကို အသုံးပြုရန် အကြံပြုလိုပါသည်။
နိဂုံး
signal-to-noise ratio (SNR) သည် သိပ္ပံ၊ အင်ဂျင်နီယာနှင့် နည်းပညာတို့တွင် အရေးကြီးဆုံး တိုင်းတာမှုတစ်ခုဖြစ်သည်။ ဖုန်းခေါ်ဆိုမှုများတွင် ရှင်းလင်းပြတ်သားမှုကို သတ်မှတ်ခြင်းမှ အဝေးရှိ ဂလက်ဆီများကို ထောက်လှမ်းနိုင်သည်အထိ SNR သည် တိုင်းတာခြင်းနှင့် ဆက်သွယ်ရေးစနစ်များ၏ အရည်အသွေးကို ထောက်ကူပေးသည်။ SNR ကို ကျွမ်းကျင်အောင်ပြုလုပ်ခြင်းသည် ဖော်မြူလာများကို ကျက်မှတ်ခြင်းအတွက်သာ မဟုတ်ဘဲ - ၎င်းသည် ယူဆချက်များ၊ ကန့်သတ်ချက်များ နှင့် လက်တွေ့ကမ္ဘာ အပေးအယူများကို နားလည်ခြင်းအကြောင်း ဖြစ်ပါသည်။ ဤရှုထောင့်မှနေ၍ အင်ဂျင်နီယာများနှင့် သုတေသီများသည် ဆူညံသောအခြေအနေများတွင်ပင် အဓိပ္ပာယ်ရှိသော ထိုးထွင်းသိမြင်မှုကို ထုတ်ယူနိုင်သည့် ပိုမိုယုံကြည်စိတ်ချရသော တိုင်းတာမှုများနှင့် ဒီဇိုင်းစနစ်များကို ပြုလုပ်နိုင်သည်။
ပိုမိုလေ့လာလိုပါသလား။ ဆက်စပ်ဆောင်းပါးများကို ကြည့်ရှုပါ။
Tucsen Photonics Co., Ltd. ကိုးကားသည့်အခါ၊ အရင်းအမြစ်ကို အသိအမှတ်ပြုပါ-www.tucsen.com
