3. 红外系统组成与工作原理
信噪比，圈里人常直接叫 SNR。说白了，就是信号有多「纯」。我见过不少刚入行的工程师，一上来就盯着探测器分辨率看，却忽略了 SNR 这个更底层的指标。你想想看，一个 SNR 只有 2 的系统，像素再高也是白搭——满屏雪花，啥也看不清。
3.1 SNR 的定义与计算
SNR 的定义很直白：信号功率与噪声功率的比值。在红外系统里，我们通常用电压或电流的均方根值来表达：
SNR = V_signal / V_noise其中 V_signal 是目标信号的有效值，V_noise 是噪声的均方根值。工程上更常用的是 dB 单位：
SNR(dB) = 20 * log10(V_signal / V_noise)举个例子。我在调试某型制冷型中波红外热像仪时，测得目标信号电压为 2.4 mV，噪声均方根为 0.15 mV。那么：
SNR = 2.4 / 0.15 = 16
SNR(dB) = 20 * log10(16) ≈ 24 dB这个值够不够用？得看具体任务。一般目标识别需要 SNR ≥ 10（20 dB），而目标检测可以放宽到 SNR ≥ 5（14 dB）。
3.2 影响 SNR 的关键因素
影响 SNR 的因素很多，但归纳起来就三大块：信号链路、噪声源、系统带宽。我画了张图，帮你理清它们之间的关系。
从图中你能看到，信号链路决定「天花板」，噪声源决定「地板」，系统带宽决定「窗户开多大」。我重点讲几个工程上最容易踩坑的点。
3.2.1 信号链路
目标辐射强度是源头。目标温度每升高 10°C，中波红外波段的辐射出射度大约增加 15%~20%。但这不是我们能控制的——目标就在那里，我们能做的是优化光路和探测器。
光学透过率这块，我吃过亏。有一次系统 SNR 死活上不去，查了三天，最后发现是窗口镜片镀膜老化，8~12 μm 波段的透过率从 95% 掉到了 72%。换了一片，SNR 直接涨了 3 dB。
3.2.2 噪声源
红外系统里的噪声，主要有这么几类：
| 噪声类型 | 来源 | 频率特性 | 典型量级 |
|---|---|---|---|
| 热噪声（Johnson-Nyquist） | 探测器电阻、偏置电阻 | 白噪声 | ~nV/√Hz |
| 1/f 噪声 | 半导体材料缺陷、接触不良 | 低频主导 | ~μV/√Hz @1Hz |
| 读出噪声 | ROIC 电路、ADC 量化 | 宽带 | ~100 μV |
| 背景散粒噪声 | 背景光子随机到达 | 白噪声 | 与背景通量平方根成正比 |
这里有个关键点：背景散粒噪声在非制冷型探测器里往往被忽略，但在制冷型系统中，它可能是主要噪声源。我记得调试某型制冷型 InSb 探测器时，背景散粒噪声占了总噪声的 60% 以上。
3.2.3 系统带宽
带宽越宽，噪声越大——这是铁律。但带宽太窄又会丢失目标细节。怎么平衡？
我个人的经验是：先确定目标的最小特征尺寸，然后反推需要的空间频率，再换算成时间频率。比如一个 10 像素宽的目标，帧频 50 Hz，那视频带宽至少需要 500 Hz。在这个基础上，再通过低通滤波把带宽压到 1 kHz 以内，能有效抑制高频噪声。
3.3 提升 SNR 的工程方法
理论说完了，来点干货。下面是我在多个项目中验证过的工程方法，按优先级排列。
3.3.1 优化积分时间
积分时间是 SNR 的「杠杆」。延长积分时间，信号线性增长，而噪声只按平方根增长。所以 SNR 与积分时间的平方根成正比。
SNR ∝ √(T_int)但要注意，积分时间不能无限延长。太长会导致探测器饱和，或者帧频太低。我一般这样选：
- 高动态场景（如跟踪快速目标）：积分时间取 1~5 ms，优先保证帧频
- 低照度场景（如夜间监视）：积分时间取 10~30 ms，优先保证 SNR
- 极弱目标（如远距离探测）：积分时间取 50~100 ms，配合 TEC 制冷
3.3.2 降低探测器温度
制冷是提升 SNR 最直接的手段。探测器温度每降低 10°C，暗电流大约减半，热噪声也相应降低。
但制冷不是越冷越好。我见过有人把探测器降到 -60°C，结果 SNR 反而下降了——因为 TEC 的功耗太大，引入了电源纹波噪声。一般来说：
- 非制冷型：稳定在室温 ±0.1°C 即可
- 半导体制冷型：-20°C ~ -40°C，视探测器材料而定
- 斯特林制冷型：-80°C ~ -196°C，用于高性能系统
3.3.3 优化读出电路与信号链
读出电路是 SNR 的「瓶颈」。我总结了几条工程经验：
- 相关双采样（CDS）：能有效抑制 1/f 噪声和固定模式噪声。几乎所有现代 ROIC 都内置了 CDS，但要注意时序配合。
- 增益选择：增益太高会放大读出噪声，增益太低会浪费 ADC 的动态范围。我一般选增益使信号峰值占 ADC 满量程的 70%~80%。
- 电源去耦：在 ROIC 电源引脚附近加 10 μF 钽电容 + 0.1 μF 瓷片电容，能有效抑制电源纹波。这个细节很多人忽略，但效果很明显。
3.3.4 数字域降噪
模拟域能做的都做了，剩下的噪声交给数字处理。常用的方法有：
| 方法 | 原理 | SNR 提升 | 代价 |
|---|---|---|---|
| 帧累加 | 多帧图像逐像素相加 | √N 倍 | 帧频降低 N 倍 |
| 非局部均值滤波 | 利用图像自相似性降噪 | 3~6 dB | 计算量大，可能模糊边缘 |
| 小波阈值降噪 | 小波域软阈值处理 | 2~4 dB | 需要调参，实时性一般 |
| 卡尔曼滤波 | 时域递归估计 | 3~8 dB | 需要运动模型，适合跟踪场景 |
3.3.5 系统级权衡
最后说一个容易被忽视的点：SNR 优化不是孤立的，它和系统其他指标是耦合的。比如：
- SNR vs 帧频：延长积分时间提升 SNR，但帧频下降。对于跟踪系统，帧频可能比 SNR 更重要。
- SNR vs 视场：缩小视场可以集中光通量，提升 SNR，但会丢失周边信息。
- SNR vs 功耗：深度制冷能提升 SNR，但功耗和体积会大幅增加。
我个人的做法是：先列出所有约束条件（帧频、视场、功耗、成本），然后在这个约束空间里寻找 SNR 的最优解。很多时候，最优解不是 SNR 最高的方案，而是「刚刚好」的方案。