第7章：噪声分析与优化

噪声是影响CMOS图像传感器性能的关键因素，直接决定了传感器的灵敏度和动态范围。本章将系统介绍CMOS传感器中的各种噪声源，建立完整的噪声模型，并探讨实用的噪声抑制技术。通过深入理解噪声机理和优化方法，读者将能够设计出高信噪比的图像传感器系统。

7.1 噪声建模与分析方法

7.1.1 噪声的统计特性

CMOS传感器中的噪声具有随机性，需要用统计方法描述。理解噪声的统计特性是进行噪声分析和优化的基础。噪声不是确定性信号，而是具有随机涨落的物理现象，因此必须用概率论和随机过程理论来描述。

均值与方差： 噪声的一阶和二阶统计矩是最基本的描述参数：

• 噪声均值：μ_n = E[n(t)] = lim(T→∞) (1/T)∫n(t)dt
• 噪声方差：σ_n² = E[(n(t) - μ_n)²] = lim(T→∞) (1/T)∫(n(t) - μ_n)²dt
• 标准偏差：σ_n = √(σ_n²) 表示噪声的均方根（RMS）值

对于零均值噪声（大多数情况），RMS值直接反映噪声强度。在CMOS传感器中，噪声通常以电子数（e⁻）为单位表示，这样可以直接与信号电子数比较。

概率密度函数： 噪声的概率分布决定了其统计特性。大多数噪声源遵循高斯分布（正态分布）：

p(n) = (1/√(2πσ²)) * exp(-n²/(2σ²))

高斯分布的重要性在于中心极限定理：多个独立随机变量的和趋向于高斯分布。这解释了为什么传感器中多种噪声源叠加后通常呈现高斯特性。然而，某些噪声源如RTN、热像素等可能偏离高斯分布，需要用其他分布模型描述。

功率谱密度（PSD）： PSD描述噪声功率在频域的分布，是噪声频率特性的关键表征：

• 白噪声：S_n(f) = N₀/2（单边谱密度），功率均匀分布在所有频率
• 1/f噪声（闪烁噪声）：S_n(f) = K/(f^α)，α通常在0.8-1.2之间
• 带限白噪声：S_n(f) = N₀/2 (f < f_c)，0 (f > f_c)
• 洛伦兹噪声：S_n(f) = S₀/(1 + (f/f_c)²)，典型的RTN频谱

PSD的积分给出总噪声功率：σ² = ∫S_n(f)df。通过PSD分析可以识别主导噪声源并设计相应的滤波策略。

自相关函数与功率谱的关系： 维纳-辛钦定理建立了时域和频域的联系：

S_n(f) = ∫R_n(τ)e^(-j2πfτ)dτ
R_n(τ) = E[n(t)n(t+τ)]

白噪声的自相关函数为δ函数，表示不同时刻的噪声值完全不相关。

7.1.2 噪声源分类

CMOS传感器的噪声可从多个维度分类，每种分类方法都有助于理解和解决特定的噪声问题。

按时空特性分类：

时间噪声（Temporal Noise）：

• 定义：随时间变化的随机噪声，表现为同一像素在不同时刻读数的涨落
• 主要来源：热噪声（kT/C）、散粒噪声、1/f噪声、随机电报噪声（RTN）
• 特征：σ_temporal = std(pixel_value_over_time)
• 影响：限制低光性能，决定检测阈值

空间噪声（Spatial Noise/FPN）：

• 定义：像素间的固定差异，在相同条件下保持稳定
• 主要来源：工艺偏差、版图不匹配、光学不均匀性
• 分类：像素FPN（PFPN）、列FPN（CFPN）、行FPN（RFPN）
• 特征：可通过校准消除，但增加系统复杂度

按物理机制分类：

基本噪声源：

• 热噪声：载流子热运动引起，与温度和带宽相关
• 散粒噪声：载流子离散性导致，与电流成正比
• 1/f噪声：界面态俘获释放，低频主导
• 产生-复合噪声：载流子产生复合的统计涨落

器件噪声源：

• 暗电流噪声：热产生载流子的散粒噪声
• 复位噪声：浮置扩散节点的kT/C噪声
• 源跟随器噪声：晶体管的热噪声和1/f噪声
• 量化噪声：ADC的固有离散化误差

按频率特性分类：

白噪声：

• 特征：功率谱密度恒定
• 来源：热噪声、散粒噪声
• 处理：带宽限制、多次采样平均

有色噪声：

• 1/f噪声：低频增强，S(f) ∝ 1/f
• 1/f²噪声：布朗运动特性，S(f) ∝ 1/f²
• 带限噪声：限定频带内的噪声

按相关性分类：

不相关噪声：

• 像素间独立：各像素噪声统计独立
• 时间不相关：白噪声特性
• 处理方法：空间/时间平均

相关噪声：

• 行相关：同行像素受共同噪声源影响
• 列相关：列读出电路引入的共同噪声
• 全局相关：电源、基准等全局噪声源

7.1.3 噪声传递函数

噪声在信号链中的传递遵循特定规律，理解这些规律对于系统级噪声优化至关重要。

线性系统的噪声传递：

对于线性时不变系统，噪声功率的传递遵循：

σ²_out = ∫S_in(f)|H(f)|²df

其中H(f)是系统传递函数，S_in(f)是输入噪声功率谱密度。

多级级联系统的总噪声：

σ²_total = σ²_n1 × G²_total + σ²_n2 × G²_2···n + ... + σ²_nn

• σ_ni：第i级的输入参考噪声
• G_i：第i级增益

噪声系数与噪声温度：

Friis公式描述级联系统的噪声系数：

F_total = F₁ + (F₂-1)/G₁ + (F₃-1)/(G₁G₂) + ...

• F_i：第i级噪声系数（F = SNR_in/SNR_out）
• G_i：第i级功率增益
• 第一级的噪声系数最关键

等效噪声温度：

T_e = T₀(F - 1)

其中T₀ = 290K（标准温度）

相关双采样的噪声传递：

CDS是CMOS传感器中最重要的噪声抑制技术，其传递函数为：

H_CDS(f) = 2|sin(πfT_s)|

• T_s：采样间隔
• 在f = 0处，H_CDS = 0（完全抑制DC和低频噪声）
• 在f = 1/(2T_s)处，H_CDS = 2（白噪声增加√2倍）

CDS对不同噪声的效果：

• kT/C噪声：完全消除（理想情况）
• 1/f噪声：大幅抑制，抑制比 > 20dB @ f < 1/(10T_s)
• 白噪声：功率增加2倍（电压增加√2倍）
• FPN：完全消除像素级FPN

数字滤波器的噪声传递：

移动平均滤波器：

H_MA(f) = sin(πfNT_s)/(N×sin(πfT_s))

噪声降低因子：1/√N（对白噪声）

带通滤波器的噪声带宽：

B_n = ∫|H(f)|²df / |H_max|²

等效噪声带宽决定了通过的总噪声功率。

7.1.4 噪声建模方法

建立准确的噪声模型是传感器设计和优化的基础。不同的建模方法适用于不同的设计阶段和分析需求。

解析模型：

基于物理机理的数学模型提供了噪声的理论基础：

基本噪声叠加模型：

σ²_total = σ²_readout + σ²_shot + σ²_dark + σ²_FPN + σ²_quant

考虑相关性的完整模型：

σ²_total = σ²_temporal + σ²_spatial + 2ρ×σ_temporal×σ_spatial

其中ρ是相关系数，通常情况下时间噪声和空间噪声不相关（ρ=0）。

光子转移曲线（PTC）模型：

σ²(S) = σ²_read + g×S + (g×σ_dark×t_int)²

• S：信号电子数
• g：系统增益（ADU/e⁻）
• σ_read：读出噪声
• σ_dark：暗电流噪声

信噪比模型：

SNR = S/√(σ²_read + S + D×t_int)

此模型可用于优化曝光时间和增益设置。

仿真模型：

电路级仿真提供详细的噪声分析：

SPICE噪声分析：

• 小信号噪声分析（.noise）：计算电路的噪声谱密度
• 瞬态噪声分析（.tran with noise）：时域噪声仿真
• 蒙特卡罗分析：考虑工艺偏差的统计分析

MOS晶体管噪声模型：

热噪声：i²_d = 4kTγg_m Δf
1/f噪声：i²_f = (K_f×I_d^(a_f))/(C_ox×W×L×f) Δf

• γ：噪声系数（2/3 for long channel）
• g_m：跨导
• K_f, a_f：工艺相关参数

系统级仿真：

• Matlab/Simulink：信号流级别的噪声传递
• SystemVerilog：混合信号系统仿真
• 专用ISP仿真器：包含完整成像链路

经验模型：

基于大量测试数据的拟合模型：

多项式拟合模型：

σ_total = a₀ + a₁×√S + a₂×S + a₃×T + a₄×t_int

通过最小二乘法确定系数。

分段线性模型：

σ = {
  σ_read,                    S < S_threshold1
  √(σ²_read + K₁×S),         S_threshold1 ≤ S < S_threshold2
  K₂×√S,                     S ≥ S_threshold2
}

机器学习模型：

• 神经网络：捕获复杂的非线性关系
• 高斯过程：提供噪声的概率分布
• 支持向量回归：鲁棒的噪声预测

混合建模方法：

结合物理模型和经验数据：

参数化物理模型：

σ²_total = σ²_0(T) + α(V)×S + β(f)×S²

其中温度、电压、频率依赖性通过测量确定。

校准因子修正：

σ_actual = σ_model × CF(conditions)

CF是基于实测数据的校准因子。

分层建模：

• 器件层：基于物理的噪声源模型
• 电路层：考虑实际电路的传递特性
• 系统层：包含算法处理的影响

7.2 时域噪声与空间噪声

理解时域噪声和空间噪声的特性对于传感器设计至关重要。时域噪声决定了传感器的检测极限，而空间噪声影响图像均匀性。两者的产生机理、表现形式和抑制方法都有显著差异。

7.2.1 主要时域噪声源

热噪声（Thermal Noise/Johnson-Nyquist Noise）：

热噪声是电阻中载流子随机热运动产生的基本噪声，在CMOS传感器中主要表现为kT/C噪声。

物理机理：

v²_n = 4kTRΔf  （电阻热噪声）
σ_kTC = √(kT/C) （采样电容噪声）

• k = 1.38×10⁻²³ J/K（玻尔兹曼常数）
• T：绝对温度（K）
• R：电阻值（Ω）
• C：采样电容（F）

在CMOS像素中的表现：

• 复位噪声：浮置扩散节点复位时的kT/C噪声
• 采样噪声：列电路采样保持时的噪声
• 源跟随器噪声：SF晶体管的沟道热噪声

典型值分析：

C = 5fF:  σ_kTC ≈ 29e⁻ @ 300K
C = 10fF: σ_kTC ≈ 20e⁻ @ 300K
C = 20fF: σ_kTC ≈ 14e⁻ @ 300K

温度依赖性：σ_kTC ∝ √T，降温可以减小热噪声，但实际应用受限。

散粒噪声（Shot Noise）：

散粒噪声源于电荷载流子的离散性和随机到达特性，遵循泊松统计。

基本公式：

σ_shot = √(N)

• N：载流子数量（光电子或暗电流电子）
• 对于光电流：σ_shot = √(η×Φ×t_int)
• η：量子效率
• Φ：光子通量
• t_int：积分时间

不同情况下的散粒噪声：

1. 光子散粒噪声：σ_photon = √(N_photon)
2. 暗电流散粒噪声：σ_dark = √(I_dark×t_int/q)
3. 泄漏电流噪声：σ_leak = √(I_leak×t_int/q)

信号依赖特性：

• 低光照：读出噪声主导
• 中等光照：散粒噪声成为主要噪声源
• 强光照：散粒噪声限制SNR上限

1/f噪声（Flicker Noise）：

1/f噪声主要来源于Si-SiO₂界面的陷阱态，在低频段显著。

MOSFET中的1/f噪声：

S_vn(f) = K_f/(C_ox×W×L×f^α)
v²_n = K_f×ln(f_H/f_L)/(C_ox×W×L)

• K_f：工艺相关的闪烁噪声系数（~10⁻²⁵ V²F）
• C_ox：单位面积栅氧电容
• W×L：晶体管尺寸
• α：频率指数（0.8-1.2）

影响因素：

• 器件尺寸：噪声 ∝ 1/(W×L)
• 偏置条件：强反型区噪声较小
• 工艺质量：界面态密度决定K_f
• 温度：弱温度依赖性

转角频率：

f_c = g_m×K_f/(4kT×C_ox×W×L)

f_c以下1/f噪声主导，以上热噪声主导，典型值1kHz-1MHz。

量化噪声（Quantization Noise）：

ADC的有限分辨率引入的固有噪声：

均匀量化器：

σ_q = LSB/√12 = V_FS/(2^n×√12)

• LSB：最小有效位
• V_FS：满量程电压
• n：ADC位数

非均匀量化的影响：

• DNL（差分非线性）：增加噪声
• INL（积分非线性）：引入失真
• 失码：造成噪声尖峰

过采样降低量化噪声：

σ_q,eff = σ_q/√(OSR)

OSR：过采样率

随机电报噪声（RTN）：

RTN是单个缺陷引起的双稳态噪声，在小尺寸器件中显著。

特征：

• 时域：矩形波切换
• 幅度：ΔI/I ~ 1-10%
• 时间常数：μs到s级

详细分析见7.4节。

7.2.2 空间噪声特性

暗信号不均匀性（DSNU）： 像素间暗电流的差异：

DSNU = σ(Dark_signal) / mean(Dark_signal)

主要原因：

• 工艺偏差
• 缺陷密度不均
• 局部应力差异

光响应不均匀性（PRNU）： 像素间光响应的差异：

PRNU = σ(Response) / mean(Response) × 100%

典型值：< 1% @ 50% saturation

列固定模式噪声（Column FPN）： 列读出电路的失配造成：

• 列放大器失调
• ADC基准偏差
• 时序偏斜

7.2.3 噪声的温度依赖性

暗电流噪声：

I_dark(T) = I_dark(T₀) × 2^((T-T₀)/T_doubling)

T_doubling ≈ 6-8°C（暗电流翻倍温度）

热噪声：

σ_thermal ∝ √T

1/f噪声： 温度依赖性较弱，但低温下可能增加

7.2.4 噪声的积分时间依赖性

总噪声与积分时间的关系：

σ_total² = σ_read² + (q_e × I_ph + I_dark) × t_int

• 短积分时间：读出噪声主导
• 长积分时间：散粒噪声主导

信噪比优化：

SNR = (I_ph × t_int) / σ_total

存在最优积分时间，取决于场景亮度和噪声水平。

7.3 固定模式噪声（FPN）抑制

7.3.1 FPN的来源与特性

像素级FPN来源：

• 光电二极管面积偏差：±2-5%
• 阈值电压失配：σ_Vth = A_vth/√(W×L)
• 寄生电容差异：±5-10%
• 微透镜对准误差：±0.1-0.2μm

列级FPN来源：

• 列放大器失调：±1-10mV
• 采样电容失配：±0.5-2%
• 比较器失调（列ADC）：±5-20mV
• 参考电压分布不均：±0.5-2mV

FPN的频谱特性：

垂直FPN：主要集中在低频
水平FPN：包含行频的谐波
2D FPN：具有特定的空间频率分布

7.3.2 数字域FPN校正

两点校正法：

Y_corrected = (X - D) × G

• D：暗场偏移（Dark offset）
• G：增益校正系数
• 需要存储2N个参数（N为像素数）

多点校正： 使用分段线性或多项式拟合：

Y = a₀ + a₁X + a₂X² + ...

提高非线性区域的校正精度

动态FPN校正： 利用图像内容估计FPN：

• 基于图像统计特性
• 运动补偿的多帧平均
• 边缘保持的滤波算法

7.3.3 模拟域FPN抑制

相关双采样（CDS）：

基本CDS：V_out = V_sig - V_reset

有效抑制：

• 像素复位噪声
• 源跟随器失调
• 低频1/f噪声

双增益读出：

高增益路径：用于低信号
低增益路径：用于高信号
切换点优化：基于噪声特性

列级失调消除：

• 自动调零（Auto-zero）
• 斩波稳定（Chopper stabilization）
• 相关多采样（CMS）

7.3.4 设计级FPN预防

版图匹配技术：

共质心布局（Common-centroid）
交叉耦合（Cross-coupling）
Dummy器件保护
梯度补偿

工艺优化：

• 提高光刻精度
• 改善刻蚀均匀性
• 优化离子注入
• 应力控制

电路设计考虑：

差分架构：抑制共模噪声
电流镜匹配：W/L比例优化
参考电压分布：星型连接
去耦电容：局部供电稳定

7.4 随机电报噪声（RTN）

7.4.1 RTN的物理机制

载流子俘获-释放模型：

俘获时间：τ_c = 1/(σ_n × v_th × n)
释放时间：τ_e = exp(E_t/kT) / (σ_n × v_th × N_c)

• σ_n：俘获截面
• v_th：热速度
• E_t：陷阱能级

RTN的时域特征：

双稳态切换：ΔI = I_high - I_low
占空比：r = τ_low/(τ_low + τ_high)
频率特性：f_corner = 1/(2π(τ_c + τ_e))

7.4.2 RTN的统计分布

幅度分布：

P(ΔI) ∝ exp(-ΔI/ΔI₀)

呈指数分布，大幅度RTN概率低

时间常数分布：

P(τ) ∝ 1/τ （在τ_min < τ < τ_max范围内）

对数均匀分布

像素RTN概率：

P_RTN = 1 - exp(-N_t × A)

• N_t：陷阱密度
• A：器件面积

7.4.3 RTN的影响因素

器件尺寸效应：

σ_RTN ∝ 1/√(W×L)

器件缩小导致RTN增加

温度依赖性：

τ_e(T) = τ_e0 × exp(E_a/kT)

低温下RTN时间常数增大

偏置依赖性：

• 栅压：影响俘获概率
• 漏压：影响载流子分布
• 体偏置：改变阈值电压

7.4.4 RTN的抑制策略

器件级优化：

增大晶体管面积：降低单个陷阱影响
优化栅氧工艺：减少界面态密度
选择低噪声工艺：如埋沟CCD
应力工程：减少晶格缺陷

电路级对策：

CDS/CMS：抑制低频RTN
动态偏置：避免RTN活跃区
冗余设计：多晶体管平均
自适应滤波：检测并补偿RTN

系统级处理：

• RTN像素标记与替换
• 时域中值滤波
• 基于机器学习的RTN检测
• 多帧融合降噪

7.5 低噪声设计技术

7.5.1 像素级降噪设计

大面积光电二极管：

优点：

- 更高的满阱容量
- 更好的光收集效率
- 降低散粒噪声相对影响

设计要点：

- 优化N-/P-掺杂分布
- 深度优化（BSI工艺）
- 隔离结构设计

埋沟传输：

优势：

- 完全电荷传输
- 降低界面态影响
- 抑制暗电流

关键参数：

- 沟道势垒高度：50-200mV
- 传输栅长度：0.5-1.5μm
- 驱动电压：2.8-3.3V

像素内增益：

LOFIC（Lateral Overflow Integration Capacitor）：

- 扩展动态范围
- 维持低噪声读出

像素级放大：

- 源跟随器优化
- 共源共栅结构

7.5.2 读出电路降噪

低噪声放大器设计：

噪声优化：
输入级晶体管：大W/L，低1/f噪声
偏置电流：折衷噪声与功耗
带宽限制：减少总积分噪声

关键指标：
等效输入噪声：< 100nV/√Hz @ 1MHz
噪声系数：< 1dB
增益带宽积：> 100MHz

相关多采样（CMS）：

基本原理：
V_out = Σ(V_sig[i] - V_ref[i])/N

噪声改善：
σ_CMS = σ_CDS/√N （白噪声）
1/f噪声抑制：> 20dB @ N=4

差分架构：

全差分信号路径：

- 抑制共模噪声
- 提高电源抑制比
- 降低偶次谐波

设计考虑：

- 共模反馈稳定性
- 差分对匹配
- 版图对称性

7.5.3 ADC噪声优化

斜坡ADC降噪：

斜坡发生器优化：

- 低噪声DAC设计
- 温度补偿
- 抖动（Dither）技术

比较器设计：

- 自动调零
- 迟滞控制
- 亚稳态处理

Σ-Δ ADC应用：

优势：

- 本征噪声整形
- 高分辨率
- 简单模拟电路

设计参数：

- 过采样率：16-256
- 调制器阶数：1-3
- 量化器位数：1-5

数字滤波与降噪：

CDS in数字域：
Y[n] = X[n] - X[n-1]

噪声整形：
H(z) = (1 - z^-1)^M

最优滤波：
维纳滤波器设计
卡尔曼滤波应用

7.5.4 系统级噪声管理

电源噪声抑制：

片上稳压器：

- LDO：高PSRR，低噪声
- 开关稳压器：高效率，需要滤波

去耦策略：

- 多级去耦电容
- 电源域隔离
- 敏感节点屏蔽

时钟噪声控制：

时钟抖动影响：
σ_jitter = dV/dt × σ_t

降低抖动：

- PLL/DLL优化
- 差分时钟分布
- 时钟门控

串扰抑制：

版图技术：

- 屏蔽线
- 增大间距
- 交错布线

电路技术：

- 差分信号
- 电流模式传输
- 时序优化

7.6 噪声测量与表征

7.6.1 噪声测量方法

光子转移曲线（PTC）法：

测量步骤：

1. 不同曝光量下采集多帧
2. 计算均值和方差
3. 绘制方差-均值曲线

提取参数：

- 读出噪声：Y轴截距
- 转换增益：斜率倒数
- 满阱容量：曲线拐点

测量装置示意：

光源 → 积分球 → 传感器
  ↓        ↓         ↓
控制器 ← 采集卡 ← 数据处理

暗场测量：

暗电流噪声：

1. 完全遮光
2. 不同积分时间
3. 多帧统计分析

DSNU测量：
σ_DSNU = std(Dark_frame)
需要减去时间噪声贡献

频谱分析法：

FFT分析：
S(f) = |FFT(signal)|²

识别噪声类型：

- 白噪声：平坦谱
- 1/f噪声：-20dB/decade
- RTN：洛伦兹谱

7.6.2 噪声参数提取

读出噪声分离：

方法1：零曝光外推
σ_read = lim(σ_total) as Signal→0

方法2：CDS差分
σ_read = σ(Frame2 - Frame1)/√2

噪声成分分解：

总噪声模型：
σ²_total = σ²_read + σ²_shot + σ²_dark + σ²_FPN

分离方法：

- 多条件测量
- 最小二乘拟合
- 主成分分析

空间频率分析：

2D FFT：
F(u,v) = FFT2D(Image)

噪声功率谱：
PSD(u,v) = |F(u,v)|²

相关长度：
L_c = 1/(2πf_cutoff)

7.6.3 标准测试条件

EMVA 1288标准：

测试条件：

- 温度：22±2°C
- 光源：均匀度>98%
- 采样：最少50帧

关键指标：

- 量子效率
- 时间噪声
- 暗电流
- DSNU/PRNU
- 线性度
- 动态范围

ISO 12232扩展：

噪声相关指标：

- 噪声等效曝光
- 信噪比曲线
- 动态范围

测试图卡：

- 灰阶卡
- 均匀场
- 分辨率板

7.6.4 噪声数据分析

统计分析工具：

# 噪声分析示例框架
def noise_analysis(frames):
    mean = np.mean(frames, axis=0)
    var = np.var(frames, axis=0)

    # 时间噪声
    temporal_noise = np.mean(np.std(frames, axis=0))

    # 空间噪声
    spatial_noise = np.std(mean)

    # PTC拟合
    gain = fit_ptc(mean, var)

    return {
        'temporal': temporal_noise,
        'spatial': spatial_noise,
        'gain': gain
    }

噪声趋势分析：

温度扫描：

- 暗电流激活能
- 噪声温度系数

电压扫描：

- 电源灵敏度
- 最佳工作点

频率响应：

- 带宽限制
- 滤波器设计

可视化方法：

常用图表：

1. PTC曲线（log-log）
2. 噪声直方图
3. 空间噪声图
4. 频谱密度图
5. Allan方差图

本章小结

本章系统介绍了CMOS图像传感器的噪声分析与优化技术：

核心概念：

• 噪声的统计特性：均值、方差、功率谱密度
• 时域噪声vs空间噪声：随机变化vs固定模式
• 噪声传递函数：级联系统的噪声分析
• 信噪比（SNR）：图像质量的关键指标

主要噪声源：

• 热噪声（kT/C）：σ = √(kT/C)
• 散粒噪声：σ = √N
• 1/f噪声：S(f) ∝ 1/f
• 固定模式噪声（FPN）：DSNU和PRNU
• 随机电报噪声（RTN）：双稳态切换

关键公式：

总噪声模型：
σ²_total = σ²_read + σ²_shot + σ²_dark + σ²_FPN

光子转移曲线：
σ² = Read_noise² + Signal/Gain

相关双采样传递函数：
H_CDS(f) = 2|sin(πfT_s)|

暗电流温度依赖：
I_dark(T) = I_dark(T₀) × 2^((T-T₀)/T_doubling)

优化策略：

1. 像素级：大面积PD、埋沟传输、像素内增益
2. 电路级：CDS/CMS、差分架构、低噪声放大器
3. 系统级：数字校正、自适应滤波、电源管理
4. 工艺级：版图匹配、应力控制、缺陷密度降低

测量方法：

• 光子转移曲线（PTC）：全面表征噪声性能
• EMVA 1288标准：工业标准测试流程
• 频谱分析：识别噪声类型
• 统计分析：分离噪声成分

通过本章学习，读者应能够：

• 建立完整的噪声模型
• 识别主导噪声源
• 设计低噪声像素和读出电路
• 实施有效的噪声抑制策略
• 准确测量和表征传感器噪声

练习题

基础题

7.1 一个CMOS传感器像素的满阱容量为10,000 e⁻，读出噪声为5 e⁻。计算： a) 最大信噪比（SNR）是多少？ b) 动态范围（DR）是多少dB？ c) 在1000 e⁻信号水平时，SNR是多少dB？

Hint：SNR = Signal/Noise，散粒噪声σ_shot = √Signal

7.2 某像素采用相关双采样（CDS），采样间隔为1μs。计算CDS对以下噪声的传递函数值： a) DC偏移 b) 100 kHz噪声 c) 500 kHz噪声 d) 1 MHz噪声

Hint：H_CDS(f) = 2|sin(πfT_s)|

7.3 一个传感器在22°C时暗电流为10 e⁻/s，暗电流翻倍温度为7°C。求： a) 60°C时的暗电流 b) 要使暗电流降至1 e⁻/s，需要降温到多少度？

Hint：I_dark(T) = I_dark(T₀) × 2^((T-T₀)/T_doubling)

挑战题

7.4 设计一个低噪声CMOS像素读出链路，要求：

• 像素电容：20 fF
• 目标读出噪声：< 2 e⁻
• ADC分辨率：12-bit
• 帧率：30 fps

讨论你的设计选择，包括： a) CDS/CMS策略 b) 放大器增益分配 c) ADC架构选择 d) 功耗估算

Hint：考虑kT/C噪声、放大器噪声、量化噪声的贡献

7.5 某传感器出现周期性条纹噪声，频率为行频的3倍。分析： a) 可能的噪声源 b) 如何通过测量确认 c) 提出至少3种抑制方案 d) 各方案的优缺点

Hint：考虑电源、时钟、串扰等因素

7.6 开放性思考：未来CMOS传感器降噪技术的发展方向是什么？讨论： a) 新材料和新结构的潜力 b) AI在噪声抑制中的应用 c) 量子极限的逼近 d) 系统级优化的机会

常见陷阱与错误

设计陷阱

1. 忽视噪声相关性 - 错误：简单相加各噪声源 - 正确：考虑相关性，使用正确的噪声叠加公式

2. CDS时序不当 - 错误：采样间隔过长，引入额外1/f噪声 - 正确：优化采样时序，最小化噪声窗口

3. 电源去耦不足 - 错误：全局去耦 - 正确：分级去耦，局部稳压

4. 忽视温度效应 - 错误：室温设计 - 正确：考虑全温度范围性能

测量陷阱

5. 混淆噪声类型 - 错误：将FPN计入时间噪声 - 正确：正确分离各噪声成分

6. 测量条件不当 - 错误：环境光干扰、温度波动 - 正确：严格控制测量条件

7. 统计样本不足 - 错误：少量帧平均 - 正确：足够的统计样本（>100帧）

分析陷阱

8. 线性假设失效 - 错误：全范围线性模型 - 正确：分段建模，考虑非线性

9. 忽视混叠效应 - 错误：直接FFT分析 - 正确：考虑采样定理，防混叠滤波

10. 过度优化单一指标

    • 错误：只追求低读出噪声
    • 正确：平衡各项指标

最佳实践检查清单

噪声设计审查

• [ ] 噪声预算分配
• 明确各级噪声贡献
• 留有设计余量

• 考虑工艺偏差

• [ ] 关键参数确认

• 满阱容量满足要求
• 读出噪声达标

• 动态范围足够

• [ ] 电路设计检查

• CDS/CMS实现正确
• 放大器噪声优化

• ADC分辨率匹配

• [ ] 版图设计验证

• 匹配要求满足
• 屏蔽措施到位
• 寄生参数可控

测试验证清单

• [ ] 测试设备就绪
• 暗箱环境
• 温控系统

• 标准光源

• [ ] 测量流程完整

• PTC测量
• 暗场表征

• 温度扫描

• [ ] 数据分析正确

• 噪声模型拟合
• 异常点识别

• 趋势分析

• [ ] 文档记录完善

• 测试条件
• 原始数据
• 分析报告

优化迭代要点

• [ ] 问题诊断准确
• 主导噪声源识别
• 耦合路径确认

• 改进方案可行

• [ ] 验证充分

• 仿真验证
• 原型测试

• 批量确认

• [ ] 知识积累

• 设计规则更新
• 经验总结
• 团队分享

← 第6章：时序控制与接口电路 | 目录 | 第8章：图像质量优化 →