2. 光子计数统计基础

光子计数探测的本质，是把连续的光场能量转换为离散的电子脉冲事件。理解这一过程，必须从“光子到达”这一随机事件入手。在大多数非相干光源（如LED、白炽灯、荧光、自发辐射）以及经过衰减的激光条件下，光子在时间轴上的到达是相互独立的，且单位时间内到达的平均速率恒定。这种随机过程在数学上被描述为泊松过程，其计数结果服从泊松分布。这是光子计数统计建模的起点，也是后续噪声分析、信噪比计算和数据处理的基础。

泊松过程：光子到达的随机模型

泊松过程有三个核心假设：第一，在任意两个不重叠的时间区间内，光子到达事件相互独立；第二，在极短的时间间隔Δt内，到达一个光子的概率与Δt成正比，比例系数为平均到达率λ；第三，在极短时间间隔内，同时到达两个或以上光子的概率可以忽略。满足这三个条件时，时间区间T内到达的光子数N服从泊松分布。

需要特别说明的是，泊松过程描述的是“事件到达”的随机性，而不是光场本身的相干性。对于热光或部分相干光，光子到达会表现出聚束效应，此时统计分布偏离泊松分布，需要用Bose-Einstein分布描述。但在常规光子计数应用（如荧光显微、激光雷达、生物发光检测）中，泊松模型是默认且足够精确的近似。

泊松分布：计数结果的概率描述

若在观测时间T内，平均到达光子数为μ=λT，则实际计数为k个光子的概率为：

P(k) = (μ^k · e^(-μ)) / k!    k = 0, 1, 2, ...

其中μ为均值，也是泊松分布的唯一参数。这个公式告诉我们：只要知道平均光子数μ，就能计算出任意计数k出现的概率。例如，当μ=5时，计数为3的概率约为14.04%，计数为5的概率约为17.55%，计数为0的概率约为0.67%。这意味着即使平均每秒有5个光子到达，仍有约0.67%的时间窗口一个光子都探测不到——这就是光子计数的“暗时间”或“零计数”现象。

泊松分布的形状随μ变化：μ较小时分布明显右偏，μ增大时逐渐对称并趋近高斯分布。当μ>20时，用高斯分布近似泊松分布通常已足够；当μ<10时，必须使用泊松公式精确计算。

方差与均值关系：泊松噪声的指纹

泊松分布最重要的性质是：方差等于均值，即Var(N)=μ。这一关系是泊松统计的“指纹”，也是判断计数数据是否服从泊松过程的核心依据。标准差为σ=√μ，因此相对涨落为σ/μ=1/√μ。这意味着：

• 平均计数越大，绝对噪声越大，但相对噪声越小；
• 若μ=100，标准差为10，相对噪声为10%；
• 若μ=10000，标准差为100，相对噪声仅为1%。

这一关系直接决定了光子计数实验的信噪比：SNR=μ/√μ=√μ。也就是说，信噪比只随平均光子数的平方根增长。要将信噪比提高一倍，需要将光子数增加四倍。这是光子计数测量中必须面对的基本限制。

在实际数据处理中，常用方差-均值比（Fano因子，F=Var(N)/μ）来检验统计特性：F=1为泊松光；F>1为超泊松光（如热光聚束）；F<1为亚泊松光（如压缩态或单光子源）。计算时，对同一稳定光源采集M个时间窗口的计数序列N₁,N₂,...,N_M，用样本均值估计μ，用样本方差估计Var(N)，再求比值即可。

光子计数噪声来源：从光子到电子的全链路

光子计数系统的噪声并非单一来源，而是从光子产生、传输、探测到电子学处理的全链路叠加。理解各噪声源的物理机制和统计特性，是正确建模和抑制噪声的前提。

1. 光子噪声（散粒噪声）：这是最根本的噪声源，来源于光子到达的泊松随机性。即使光源完全稳定、探测器理想，计数结果仍存在方差等于均值的涨落。散粒噪声是光子计数信噪比的理论极限，无法通过改进硬件消除，只能通过增加积分时间或提高收集效率来改善。

2. 暗计数：探测器在无光照条件下由热激发、隧道效应或缺陷能级引起的脉冲输出。暗计数通常也服从泊松统计，其均值记为μ_dark。暗计数与信号计数独立叠加，总计数均值为μ_signal+μ_dark，方差也为两者之和。因此暗计数会降低有效信噪比，尤其在弱光条件下影响显著。制冷是抑制暗计数的常用手段：硅雪崩二极管（SPAD）在室温下暗计数率约为100~1000 cps，制冷至-20°C可降至1~10 cps。

3. 死时间与堆积效应：探测器在每次探测后存在一段无法响应的时间（死时间τ_d）。当光子到达率较高时，部分光子会落在死时间内而被漏计，导致计数率与光强呈非线性关系。对于非扩展死时间模型，实测计数率m与真实到达率λ的关系为m=λ/(1+λτ_d)。死时间不仅造成计数损失，还会改变计数的统计分布——在高计数率下，方差-均值比会偏离1，呈现亚泊松特性。

4. 后脉冲与串扰：在SPAD中，雪崩过程中产生的载流子可能被缺陷能级捕获，随后延迟释放并触发二次雪崩，形成后脉冲。后脉冲与主脉冲在时间上相关，破坏了泊松过程的独立性假设，导致计数序列出现正自相关。在硅光电倍增管（SiPM）中，相邻微单元之间的光学串扰也会产生类似效应。后脉冲概率通常为0.5%~5%，可通过双脉冲分辨测量。

5. 电子学噪声：包括前置放大器噪声、阈值鉴别器抖动、时间数字转换器（TDC）量化误差等。这类噪声通常与光子统计无关，但会引入额外的计数误差或时间戳误差。在计数模式下，若鉴别器阈值设置不当，可能将噪声脉冲误判为光子事件，或漏掉小幅度真实脉冲。

6. 背景光：来自环境杂散光、荧光背景或散射光的额外光子，同样服从泊松统计。背景光与信号光独立叠加，总均值为μ_sig+μ_bg，方差也为两者之和。背景光会降低对比度，在成像和光谱测量中需通过光谱滤波、空间滤波或时间门控抑制。

噪声合成与信噪比估算示例

假设一个SPAD探测系统，积分时间T=1 ms，信号光子到达率λ_sig=5000 cps，暗计数率λ_dark=200 cps，背景光子率λ_bg=300 cps，死时间τ_d=50 ns。忽略后脉冲和电子学噪声，估算总计数均值、方差和信噪比。

首先计算总到达率：λ_total=5000+200+300=5500 cps。在T=1 ms内，平均计数μ=λ_total·T=5.5。若忽略死时间，方差Var=μ=5.5，标准差σ=√5.5≈2.35，SNR=μ/σ≈2.34。

考虑死时间修正：实测计数率m=λ_total/(1+λ_total·τ_d)=5500/(1+5500×50×10⁻⁹)≈5500/(1+0.000275)≈5498.5 cps。死时间影响在此参数下极小（约0.03%），可忽略。但若λ_total提高到10⁷ cps，死时间修正将变得显著。

若只关心信号光子的信噪比，则需从总计数中扣除暗计数和背景的贡献。信号均值μ_sig=5，暗计数均值μ_dark=0.2，背景均值μ_bg=0.3。总均值μ_total=5.5，总方差Var_total=5.5。信号的信噪比定义为SNR_sig=μ_sig/√Var_total=5/√5.5≈2.13。可见暗计数和背景光使有效信噪比从√5≈2.24降至约2.13，下降约5%。

方差-均值关系的实验检验方法

在实际数据处理中，验证计数是否服从泊松统计的标准流程如下：

1. 对稳定光源连续采集M个时间窗口的计数，得到序列N₁,N₂,...,N_M，建议M≥1000。
2. 计算样本均值：μ̂=(1/M)ΣNᵢ。
3. 计算样本方差：σ̂²=(1/(M-1))Σ(Nᵢ-μ̂)²。
4. 计算Fano因子：F=σ̂²/μ̂。若F≈1，则数据与泊松统计一致；若F显著大于1，检查是否存在光源不稳定、后脉冲或背景涨落；若F显著小于1，检查是否存在死时间堆积或阈值截断。
5. 绘制计数直方图，与同均值的泊松分布理论曲线对比，观察尾部是否符合。

例如，采集M=2000个1 ms窗口，得到μ̂=5.48，σ̂²=5.62，F=1.026。F接近1，说明系统在统计上接近理想泊松计数，暗计数和背景光未引入额外涨落。若F=1.35，则需排查光源驱动电流纹波、SPAD后脉冲或环境光波动。

掌握泊松过程、泊松分布、方差-均值关系以及各类噪声来源，是后续建立光子计数统计模型、设计滤波算法和评估测量不确定度的基础。在实际系统中，噪声往往是多种来源的叠加，需要根据具体探测器和应用场景，逐项量化各噪声贡献，才能建立准确的统计模型。