4、OCT信号模型：干涉信号表达式、自相关项与互相关项、样品后向散射与相位项、噪声来源（散粒噪声、热噪声、相对强度噪声）

光学相干层析成像（OCT）系统的信号链路始于低相干光源，经由迈克尔逊干涉仪将参考臂反射光与样品臂后向散射光进行叠加，最终由光电探测器将光强信号转换为电信号。理解OCT信号模型，是进行信号处理、图像重建以及系统性能优化的理论基础。本章将围绕干涉信号的数学表达、自相关项与互相关项的物理含义、样品后向散射与相位项的作用机制，以及三大主要噪声来源展开系统讲解，帮助学员建立从光子物理到数字信号处理的完整认知桥梁。

4.1 干涉信号表达式：从光场叠加到探测器电流

4.1.1 核心原理：低相干干涉的数学描述

OCT系统的信号源头是低相干光源，其电场可表示为 \( E_i(k) = S(k)^{1/2} \cdot e^{j(kz - \omega t)} \)，其中 \( S(k) \) 为光源功率谱密度，\( k = 2\pi/\lambda \) 为波数。光经分束器后分为参考臂和样品臂两路。参考臂电场为 \( E_r = E_i \cdot \sqrt{R_r} \cdot e^{j2kz_r} \)，样品臂电场为 \( E_s = E_i \cdot \sqrt{R_s} \cdot e^{j2kz_s} \)。两束光返回分束器后发生干涉，探测器接收的总光强为：

I_D(k) = S(k)·[R_r + R_s + 2·√(R_r·R_s)·cos(2k·Δz)]

其中 \( \Delta z = z_r - z_s \) 为参考臂与样品散射点之间的光程差。该表达式是OCT信号处理的基础，所有后续的频域分析、图像重建均由此展开。在时域OCT（TD-OCT）中，通过扫描参考臂位置改变 \( \Delta z \) 来获取不同深度的干涉信号；在频域OCT（FD-OCT）中，则通过光谱仪或扫频光源直接记录 \( I_D(k) \)，再经傅里叶变换得到深度信息。

4.1.2 判断方法：如何区分自相关项与互相关项

干涉信号表达式中的三项具有明确的物理意义。第一项 \( S(k)·R_r \) 为参考臂自相关项，是参考光自身的强度贡献；第二项 \( S(k)·R_s \) 为样品臂自相关项，是样品后向散射光的总强度；这两项合称为“自相关项”或“直流项”，不携带深度信息，仅构成信号的背景基线。第三项 \( 2·S(k)·\sqrt{R_r·R_s}·\cos(2k·\Delta z) \) 为互相关项，是参考光与样品散射光干涉的结果，其频率 \( 2\Delta z \) 直接编码了散射点的深度位置。在实际系统中，自相关项通常通过高通滤波或背景扣除去除，而互相关项则是图像重建的核心信息载体。

4.1.3 案例拆解：FD-OCT光谱信号解析

以谱域OCT（SD-OCT）为例，假设光源中心波长 \( \lambda_0 = 840\,\text{nm} \)，带宽 \( \Delta\lambda = 50\,\text{nm} \)，光谱仪像素数为2048。样品为单层反射镜，位于 \( z_s = 200\,\mu\text{m} \) 处，参考臂位置 \( z_r = 0 \)。则干涉光谱信号为：

I_D(k) = S(k)·[1 + 1 + 2·cos(2k·200μm)]

对 \( I_D(k) \) 进行傅里叶变换后，在 \( z = \pm 200\,\mu\text{m} \) 处出现两个对称峰。自相关项在 \( z = 0 \) 处形成直流峰。实际系统中，直流峰和镜像伪影需要通过相位校正或共路径方法抑制。该案例说明，理解干涉信号表达式是正确设置系统参数（如参考臂位置、探测器带宽）的前提。

4.1.4 常见误区与总结

4.2 样品后向散射与相位项：深度信息的编码机制

4.2.1 核心原理：散射体分布与相位累积

实际生物组织中，样品臂的后向散射并非来自单一镜面，而是来自不同深度 \( z \) 处的连续散射体集合。设样品后向散射系数为 \( r_s(z) \)，则样品臂电场为所有散射点贡献的叠加：

E_s(k) = E_i(k)·∫ r_s(z)·e^{j2k·n(z)·z} dz

其中 \( n(z) \) 为组织折射率。相位项 \( \phi(z) = 2k·n(z)·z \) 是深度信息的核心编码，它包含了散射点的轴向位置和折射率信息。在频域OCT中，对干涉光谱进行傅里叶变换，即可得到 \( r_s(z) \) 的深度分布，即A-scan信号。相位项的敏感性极高——光程变化 \( \lambda/2 \) 即可引起 \( 2\pi \) 的相位变化，这为多普勒OCT和光学微血管成像提供了基础。

4.2.2 判断方法：相位项对图像质量的影响

相位项的稳定性直接影响图像质量。在FD-OCT中，样品臂和参考臂之间的光程差抖动会导致干涉条纹相位漂移，进而引起A-scan信号的幅度波动和位置偏移。判断相位稳定性的常用指标是相邻A-scan之间的相位差标准差，若标准差超过 \( \pi/10 \)，则图像会出现明显的条纹噪声。此外，色散失配会导致不同波长的相位延迟不一致，使点扩散函数展宽，降低轴向分辨率。此时需要在信号处理中加入色散补偿算法，通过数值方法校正相位项。

4.2.3 实战场景：多普勒OCT中的相位项应用

在多普勒OCT中，通过比较相邻两次A-scan的相位差来测量血流速度。设两次扫描间隔为 \( \Delta T \)，散射体在轴向移动了 \( \Delta z \)，则相位差为 \( \Delta\phi = 2k·n·\Delta z \)。血流速度 \( v = \Delta z / \Delta T = \Delta\phi / (2k·n·\Delta T) \)。实际系统中，需要将相位差从 \( -\pi \) 到 \( \pi \) 的范围内解卷绕，才能获得正确的速度值。例如，在视网膜血流成像中，使用中心波长 \( 1050\,\text{nm} \) 的系统，A-scan速率为 \( 100\,\text{kHz} \)，可测的最大速度约为 \( 5.25\,\text{mm/s} \)，超过该速度会出现相位混叠。

4.2.4 常见误区与总结

4.3 噪声来源：散粒噪声、热噪声与相对强度噪声

4.3.1 核心原理：三大噪声的物理机制

OCT系统的噪声性能决定了其探测灵敏度和动态范围。三大主要噪声源各有不同的物理起源和统计特性：

• 散粒噪声（Shot Noise）：由光子的离散随机到达引起，服从泊松分布。其方差与探测器平均光电流 \( I_{dc} \) 成正比：\( \sigma_{shot}^2 = 2q·I_{dc}·B \)，其中 \( q \) 为电子电荷，\( B \) 为探测器带宽。散粒噪声是量子极限噪声，无法消除，只能通过增加光功率来提高信噪比。
• 热噪声（Thermal Noise）：由探测器负载电阻和放大电路中的电子热运动引起，服从高斯分布。其方差为 \( \sigma_{thermal}^2 = 4kT·B/R_{fb} \)，其中 \( k \) 为玻尔兹曼常数，\( T \) 为温度，\( R_{fb} \) 为跨阻放大器的反馈电阻。热噪声与光功率无关，在低光功率时占主导。
• 相对强度噪声（RIN）：由光源输出功率的随机波动引起，其方差为 \( \sigma_{RIN}^2 = RIN·I_{dc}^2·B \)，其中 RIN 为光源的相对强度噪声系数（单位 \( \text{Hz}^{-1} \)）。RIN 与光功率的平方成正比，在高光功率时成为主要噪声源。

4.3.2 判断方法：噪声主导区域的识别

在实际系统中，需要根据光功率水平判断哪种噪声占主导。当探测器光电流较低时（\( I_{dc} < 10\,\mu\text{A} \)），热噪声通常占主导；当光电流中等时（\( 10\,\mu\text{A} \sim 1\,\text{mA} \)），散粒噪声成为主要限制；当光电流很高时（\( > 1\,\text{mA} \)），RIN 开始显著贡献。判断方法为：分别计算三种噪声的方差，取最大者作为主导噪声源。系统设计的目标是使散粒噪声成为主导，因为这意味着系统已接近量子极限。

4.3.3 案例拆解：SD-OCT系统噪声预算分析

以一款商用SD-OCT系统为例，关键参数如下：光源功率 \( P = 5\,\text{mW} \)，中心波长 \( 840\,\text{nm} \)，光谱仪积分时间 \( T_{int} = 50\,\mu\text{s} \)，探测器量子效率 \( \eta = 0.7 \)，跨阻放大器反馈电阻 \( R_{fb} = 50\,\text{k}\Omega \)，系统带宽 \( B = 20\,\text{MHz} \)，光源 RIN = -130 dB/Hz。计算各噪声分量：

光电流 I_dc = η·q·P/(h·ν) ≈ 0.7 × 5mW × 0.8A/W ≈ 2.8 mA
散粒噪声：σ_shot² = 2 × 1.6e-19 × 2.8e-3 × 20e6 ≈ 1.79e-14 A²
热噪声：σ_thermal² = 4 × 1.38e-23 × 300 × 20e6 / 50e3 ≈ 6.62e-15 A²
RIN：σ_RIN² = 10^(-13) × (2.8e-3)² × 20e6 ≈ 1.57e-14 A²

计算结果表明，散粒噪声和RIN相当，热噪声略低。此时系统信噪比约为 \( SNR = I_{signal}^2 / (σ_{shot}^2 + σ_{thermal}^2 + σ_{RIN}^2) \)。若将光源功率提高到10 mW，RIN将超过散粒噪声成为主导，此时需要采用平衡探测器或降低光源RIN来优化性能。

4.3.4 常见误区与总结

4.4 知识结构总结与工程实践要点

信号/噪声分量	数学表达式	物理含义	工程处理策略
参考臂自相关项	\( S(k)·R_r \)	参考光直流强度	背景扣除、高通滤波
样品臂自相关项	\( S(k)·R_s \)	样品散射总强度	背景扣除、动态范围优化
互相关项	\( 2S(k)\sqrt{R_rR_s}\cos(2k\Delta z) \)	深度信息编码	傅里叶变换、色散补偿
散粒噪声	\( 2qI_{dc}B \)	光子离散性	增加光功率、优化量子效率
热噪声	\( 4kTB/R_{fb} \)	电子热运动	增大反馈电阻、降低温度
相对强度噪声	\( RIN·I_{dc}^2·B \)	光源功率波动	平衡探测、低RIN光源

在工程实践中，OCT信号模型的建立不仅是理论推导，更是系统设计的指南。从干涉信号表达式出发，可以确定探测器带宽、采样率、动态范围等关键参数；从噪声模型出发，可以优化光源功率、探测器选型和信号链设计。建议学员在搭建或调试OCT系统时，始终以本章的数学模型为基准，将实测信号与理论预测进行对比，从而快速定位系统异常。例如，若实测噪声基底高于理论散粒噪声极限，应优先检查探测器饱和、光源稳定性或电路屏蔽问题。掌握信号模型与噪声机制，是成为一名合格的OCT系统工程师的必备技能。