2. 噪声基础理论：统计特性、信噪比与NETD
各位同学，咱们今天聊点实在的。做红外探测器，你绕不开一个词——噪声。说白了，噪声就是信号里那些你不想要的、随机起伏的东西。我刚开始接触红外系统时，总觉得噪声是个玄学，后来踩的坑多了，才明白它其实有非常清晰的数学规律可循。
这一节，我们就把噪声的底裤扒干净。从统计特性到功率谱密度，再到两个最核心的指标：信噪比（SNR）和噪声等效温差（NETD）。这些东西是后面所有噪声抑制技术的地基，地基不稳，楼盖得再高也得塌。
2.1 噪声的统计特性：高斯分布
先问一个问题：噪声的瞬时值，有没有规律？
答案是有的。绝大多数红外探测器的噪声，其瞬时幅度服从高斯分布（也叫正态分布）。为什么会这样？因为探测器里的噪声源太多了——热噪声、散粒噪声、1/f噪声……根据中心极限定理，大量独立随机变量叠加，结果就趋向高斯分布。
高斯分布的概率密度函数：
p(x) = (1 / (σ√(2π))) · exp(-(x - μ)² / (2σ²))其中：
- μ —— 均值，代表直流分量或背景电平
- σ —— 标准差，代表噪声的均方根（RMS）幅度
我个人习惯把高斯分布记成“68-95-99.7法则”：噪声瞬时值落在 ±1σ 内的概率约68%，±2σ 内约95%，±3σ 内约99.7%。这个法则在工程上非常实用。比如你设计一个阈值检测电路，想把虚警率压到1%以下，那阈值至少得设在 2.5σ 以上。
避坑指南： 我曾经在一个项目中，直接用示波器看噪声波形，觉得“峰值”不大就以为噪声很小。后来一算RMS，发现σ已经大到影响NETD了。记住：人眼对随机噪声的峰值估计极不靠谱，一定要用RMS值说话。
2.2 功率谱密度（PSD）
高斯分布告诉我们噪声的幅度分布，但没告诉我们噪声在不同频率上的能量分布。这就轮到功率谱密度出场了。
PSD的定义很简单：单位带宽内的噪声功率。单位是 V²/Hz 或 A²/Hz。你想想看，一个探测器输出的噪声，低频段可能很大（1/f噪声），高频段可能平坦（白噪声）。PSD就是把这个频率特性画出来。
常见的噪声PSD模型可以写成：
S(f) = K / f^α + S_white其中：
- K / f^α —— 1/f噪声项，α通常在0.8~1.2之间
- S_white —— 白噪声项，与频率无关
我记得有一次调试一个InSb探测器，低频噪声特别大，怎么滤波都压不下去。后来测了PSD才发现，是偏置电源的纹波耦合进了探测器，在低频段叠加了一个很大的1/f分量。换了低噪声LDO之后，PSD曲线立刻平坦了。
注意： PSD是双边谱还是单边谱？工程上我们通常用单边谱（只定义在正频率），数值是双边谱的两倍。做仿真时一定要确认清楚，否则噪声功率会算错一倍。
2.3 信噪比（SNR）
信噪比，SNR，这是红外系统里最直观的性能指标。定义很简单：
SNR = P_signal / P_noise其中 P_signal 是信号功率，P_noise 是噪声功率。工程上常用分贝表示：
SNR_dB = 10 · log10(P_signal / P_noise)但这里有个坑：如果信号和噪声都是电压量，功率比等于电压平方比，所以：
SNR_dB = 20 · log10(V_signal / V_noise)我见过不少工程师把电压比直接套10log，结果差了整整一倍。嗯，这里要注意。
在红外探测器里，SNR直接决定了你能探测到多小的温差。一般来说：
- SNR > 5 —— 勉强可检测
- SNR > 10 —— 可识别目标轮廓
- SNR > 100 —— 高质量成像
2.4 噪声等效温差（NETD）
接下来是红外领域最核心的指标之一——噪声等效温差。NETD的定义是：当信噪比等于1时，对应的目标温差。
说白了，就是探测器能“刚刚好”分辨出来的最小温差。数值越小，探测器越灵敏。
NETD的数学表达式：
NETD = ΔT / SNR其中：
- ΔT —— 测量时使用的目标与背景温差
- SNR —— 在该温差下测得的信噪比
举个例子：你用黑体设置目标比背景高10 mK，测得SNR = 5，那么：
NETD = 10 mK / 5 = 2 mK这意味着这个探测器理论上能分辨2 mK的温差。
但我要提醒你，NETD是在实验室理想条件下测的。实际系统中，光学透过率、大气衰减、读出电路噪声都会让等效NETD变差。我曾经在野外测试时，发现NETD比实验室数据差了3倍，后来排查发现是窗口结露导致的。
工程经验： 设计系统时，建议给NETD留至少50%的余量。比如指标要求20 mK，你实验室测出来最好在13 mK以下。否则量产时稍微有点波动，产品就过不了检。
2.5 知识结构图：噪声基础理论
下面这张图把本节的核心概念串起来了。你可以把它当作一个思维导图来记。
2.6 三个指标的关系
最后，我把高斯分布、PSD、SNR和NETD的关系整理成一个表格，方便你对照记忆。
| 指标 | 描述什么 | 数学形式 | 工程意义 |
|---|---|---|---|
| 高斯分布 | 噪声瞬时值的幅度分布 | p(x) = (1/(σ√(2π)))·exp(-(x-μ)²/(2σ²)) | 确定阈值、计算虚警率 |
| 功率谱密度 | 噪声功率随频率的分布 | S(f) = K/f^α + S_white | 指导滤波器设计、识别噪声源 |
| 信噪比 SNR | 信号功率与噪声功率之比 | SNR = P_signal / P_noise | 衡量信号可检测性 |
| 噪声等效温差 NETD | SNR=1时的目标温差 | NETD = ΔT / SNR | 红外系统灵敏度标尺 |
这四个概念是贯穿整个课程的线索。后面讲具体噪声源（热噪声、散粒噪声、1/f噪声）时，我们会反复用到高斯分布和PSD；讲噪声抑制技术（相关双采样、带通滤波、非均匀校正）时，SNR和NETD就是衡量效果的标尺。
嗯，这一节的内容就到这里。记住：噪声不可怕，可怕的是你不了解它。把统计特性和频域特性吃透了，后面所有方法都是水到渠成的事。