噪声源分类与建模：从物理根源到工程模型

做光电系统设计，说白了就是在跟噪声打交道。我入行那会儿，总觉得信号够强就行，噪声嘛，大不了多叠几层滤波。结果呢？第一次做微弱光检测，信噪比死活上不去，折腾了两周才发现是散粒噪声在作怪。从那以后，我养成了一个习惯——先搞清楚噪声从哪来，再动手搭电路。

这一章，咱们就把光电系统里最常见的五种噪声挨个捋一遍。散粒噪声、热噪声、1/f噪声、暗电流噪声、量化噪声，每个我都会讲清楚它的物理根源、数学模型，还有我在项目中踩过的坑。

散粒噪声：光子的随机性

散粒噪声，也叫肖特基噪声。它的物理根源很简单——光子和电子都是离散的粒子，到达时间服从泊松分布。你想想看，一束光打过来，光子不是排着队整整齐齐来的，而是随机到达的。这种随机性就产生了散粒噪声。

数学模型也很直接：

i_n_shot = sqrt(2 * q * I_dc * Δf)

其中：
q = 1.602 × 10⁻¹⁹ C（电子电荷）
I_dc = 平均光电流（A）
Δf = 系统带宽（Hz）

这里有个关键点——散粒噪声是白噪声，功率谱密度平坦。我在做激光雷达接收机时，就吃过这个亏。当时觉得信号够强，没仔细算散粒噪声，结果在弱回波信号下，信噪比直接崩了。

热噪声：电阻的布朗运动

热噪声，也叫约翰逊-奈奎斯特噪声。说白了，就是电阻里的自由电子在做布朗运动，温度越高，运动越剧烈，产生的噪声电压就越大。

公式长这样：

v_n_rms = sqrt(4 * k * T * R * Δf)

其中：
k = 1.38 × 10⁻²³ J/K（玻尔兹曼常数）
T = 绝对温度（K）
R = 电阻值（Ω）
Δf = 系统带宽（Hz）

嗯，这里要注意——热噪声也是白噪声，但它和散粒噪声的物理机制完全不同。热噪声来自电阻的耗散过程，散粒噪声来自载流子的离散性。

我做过一个光电探测器前置放大器，用的是10MΩ的反馈电阻。室温下热噪声电压就有4μV左右，而光电信号才几十微伏。那会儿我就在想，要是能低温工作就好了。后来用了液氮冷却，热噪声降了将近一半。

噪声类型	物理根源	频谱特性	与温度关系	与电流关系
散粒噪声	载流子离散性	白噪声（平坦）	弱相关	∝ √I
热噪声	电子热运动	白噪声（平坦）	∝ √T	无关
1/f噪声	材料缺陷/界面态	低频主导（1/f）	弱相关	∝ I
暗电流噪声	热激发/隧穿	类似散粒噪声	强相关	∝ √I_dark
量化噪声	ADC量化误差	近似白噪声	无关	无关

1/f噪声：低频的幽灵

1/f噪声，也叫闪烁噪声。这玩意儿最让人头疼——它的功率谱密度与频率成反比，频率越低，噪声越大。你想想看，做直流或低频测量时，1/f噪声就是最大的敌人。

物理根源比较复杂，一般认为和材料中的缺陷、界面态、载流子捕获-释放过程有关。不同材料的1/f噪声系数差异很大，好的工艺能把1/f噪声压得很低，差的工艺嘛……

我记得有一次做光电导探测器的低频响应测试，信号频率只有10Hz。结果1/f噪声比热噪声还大一个数量级，信噪比惨不忍睹。后来换了斩波调制方案，把信号搬到更高频率，才把问题解决。

暗电流噪声：探测器的自噪声

暗电流噪声，说白了就是光电探测器在没有光照时也会产生的电流。这个电流本身就有散粒噪声特性，所以它的模型和散粒噪声类似。

公式：

i_n_dark = sqrt(2 * q * I_dark * Δf)

其中 I_dark 是暗电流大小

暗电流的来源主要有两个：热激发和隧穿效应。温度每升高10°C，暗电流大约翻一倍。所以很多高灵敏度探测器都需要制冷。

我做InGaAs探测器时，室温下暗电流有10nA，对应的散粒噪声电流约1.8pA/√Hz。听起来不大？但系统带宽一宽，噪声就上来了。后来加了半导体制冷，降到-20°C，暗电流降到了0.1nA，噪声降了10倍。

量化噪声：数字世界的代价

量化噪声是模数转换器（ADC）带来的。模拟信号是连续的，数字信号是离散的，这个离散化过程就会产生误差。说白了，就是ADC的台阶效应。

模型：

v_n_quant = V_LSB / sqrt(12)

其中 V_LSB = V_ref / 2^N
V_ref = ADC参考电压
N = ADC位数

量化噪声近似为白噪声，功率谱密度平坦。提高ADC位数可以降低量化噪声，每增加1位，信噪比提升约6dB。

我做过一个16位ADC的光电采集系统，量化噪声约0.3mV（参考电压5V）。但实际系统的噪声主要来自前端放大器，量化噪声反而成了次要因素。所以别盲目追求高位数，前端噪声才是瓶颈。

噪声合成：总噪声怎么算？

实际系统中，这些噪声是同时存在的。总噪声怎么算？很简单——各噪声源不相关，功率相加：

v_n_total = sqrt(v_n_shot² + v_n_johnson² + v_n_1f² + v_n_dark² + v_n_quant²)

但要注意，1/f噪声不是白噪声，它的功率谱密度随频率变化。计算总噪声时，需要先确定信号带宽，再分别计算各噪声在带宽内的均方根值。

我个人习惯的做法是：先画噪声功率谱密度图，看看哪个噪声在目标频段内占主导。然后针对性地优化。比如低频段1/f噪声大，就用调制；高频段热噪声大，就降低电阻或带宽。