1. 课程导入与全景认知
在量子光学、激光雷达、医学成像和粒子物理等前沿领域，真正被记录下来的往往不是光子的强度，而是光子到达的时刻。当一个单光子探测器在某一瞬间输出一个电脉冲，我们真正关心的是：这个脉冲对应光子到达探测器的精确时间是多少？两个光子之间的时间间隔有多短？在一秒钟内我们能分辨并记录多少个这样的事件？围绕这些问题，就形成了本课程的两大核心对象——光子时间标记与高精度事件采集。
光子时间标记（Photon Time Tagging）指的是把探测器输出的模拟脉冲转换为带有精确时间戳的数字事件，并输出“事件编号 + 到达时刻”这一对信息。高精度事件采集（High-Precision Event Acquisition）则是在此基础上，把多通道、高速率、连续到来的时间标记可靠地接收、缓存、传输并整理成可供后续分析的数据流。前者解决“单个光子何时到达”，后者解决“大量光子事件如何不丢、不乱、可追溯地进入计算机”。二者共同构成从光子到数据的完整链路。
四个核心指标：时间分辨率、死时间、吞吐量、抖动
评价一套时间标记与采集系统，不能只看“精度高不高”，而要同时看四个相互制约的指标。
- 时间分辨率（Time Resolution）：系统能区分两个相邻事件的最小时间间隔，通常用时间抖动（Jitter）的均方根值或符合时间分布的半高全宽（FWHM）表示。例如某系统标注“FWHM 35 ps”，意味着两个几乎同时到达的光子，其测得时间差的分布宽度约为 35 ps。它决定了能否分辨皮秒级的荧光寿命差异。
- 死时间（Dead Time）：一次事件被记录后，系统恢复到可接受下一次事件所需的最短时间。死时间内到达的光子会被丢弃或造成计数损失。典型单光子探测器死时间在 10 ns～100 ns 量级，而时间数字转换器（TDC）的通道死时间可低至几纳秒。
- 吞吐量（Throughput）：单位时间内系统能正确记录并传输的事件数，单位常用 Mcounts/s（兆计数每秒）。它受探测器死时间、TDC 转换速率、数据接口带宽三者中最慢的一环限制。
- 抖动（Jitter）：时间戳相对真实到达时刻的随机波动，来源包括探测器渡越时间抖动、信号沿阈值判别抖动、TDC 量化误差和时钟抖动。抖动是时间分辨率的物理来源，降低抖动是系统设计的核心任务。
这四个指标并非独立：提高吞吐量往往需要缩短死时间，而缩短死时间可能牺牲判别精度、增大抖动；追求极低抖动又可能限制最大计数率。因此实际系统设计本质上是在这四者之间做权衡。
从光子到时间戳：链路中发生了什么
理解这套系统，最有效的方式是沿着信号链走一遍。以典型的 SPAD（单光子雪崩二极管）配合 TDC 为例：光子被 SPAD 吸收后触发雪崩，输出一个上升沿约几百皮秒的电流脉冲；模拟前端把它放大并整形，通过一个阈值比较器转换为标准逻辑电平，同时完成“到达时刻”的初步判别——这里阈值设定会直接影响时间抖动，阈值过高会引入幅度-时间游走（walk），过低则易受噪声误触发。随后 TDC 用一条延迟线或振荡器对脉冲沿进行精细量化，把时间转换为数字码，例如 1 LSB = 10 ps 的 TDC，对 1 ns 的间隔会输出约 100 个码值。最后，FPGA 把多通道时间戳打包，通过 USB 3.0 或 PCIe 送到主机，形成“通道号 + 时间戳”的事件流。
在这条链路上，抖动在探测器、前端和 TDC 三处累积，死时间由探测器恢复时间和 TDC 通道复位时间共同决定，吞吐量则受最慢环节制约。因此，当系统指标不达标时，不能只盯着某一个器件，而要沿链路逐段排查。
典型应用场景与指标侧重
不同应用对四个指标的权重差异很大，这决定了系统选型的方向。
- 量子光学：核心实验是符合计数与纠缠验证，需要分辨两个探测器几乎同时到达的光子，时间分辨率要求达到几十皮秒甚至更低，抖动是首要指标，计数率通常不高。
- 飞行时间测距（ToF）：激光以高重复率发射，回波光子密集，系统必须在单位时间内处理大量事件，吞吐量和死时间是关键，时间分辨率则决定测距精度（约 1 cm 对应 67 ps）。
- 单光子成像：需要成百上千个像素通道并行工作，通道间串扰、死时间和数据吞吐量同时构成挑战，时间分辨率影响深度图质量。
- 粒子物理：探测器规模巨大，通道数可达数万，时间同步和长期稳定性比单通道极限抖动更重要，系统需要统一时钟分发和全局时间戳对齐。
本课程的学习路线
本课程将沿着“原理—器件—电路—系统—应用”的顺序展开。首先建立时间标记与事件采集的基本概念和指标体系；然后深入单光子探测器的输出特性与模拟前端设计，理解抖动和死时间的物理来源；接着讲解 TDC 的常见架构（延迟线型、抽头延迟线型、游标型、基于振荡器型）及其量化误差与非线性；再进入多通道采集架构、数据接口与实时缓存设计；随后讨论系统标定、时间同步与误差修正方法；最后通过量子光学、ToF 测距和成像等案例，把各环节知识串联成可落地的系统方案。