1. 课程导入与链路全景

在传感光学读出系统中,我们真正关心的往往不是“光有多强”,而是“被测量改变了多少”。光学读出链路的核心任务,就是把传感单元上极其微弱的光学变化,稳定、低噪声、可溯源地转换成数字量,供后续算法或控制系统使用。理解这条链路,不能只盯着某一个器件,而要建立从光到电、再到数字量的全链路视角:每一级既传递信号,也引入噪声、漂移和带宽限制,最终决定系统的分辨率、动态范围与长期稳定性。

链路的基本组成

一条典型的传感光学读出链路可以划分为五个功能段:光源与调制、传感换能、光电探测、模拟前端、数字化与处理。光源提供载波,被测量通过传感单元调制光的一个或多个参数(强度、相位、波长、偏振);光电探测器完成光到电流的转换;跨阻放大器等模拟前端把电流变为电压并完成滤波、增益;ADC 将其量化为数字码;最后由数字处理完成解调、标定与误差补偿。

需要强调的是,这条链路不是单向“传递”那么简单。光源的强度噪声会直接叠加到信号上;探测器的结电容与跨阻增益共同决定带宽和噪声;ADC 的量化噪声与参考电压漂移会影响低频稳定性。因此设计评估必须把各级指标放在同一张“预算表”里权衡,而不是逐级孤立优化。

传感光学读出链路:光 → 电 → 数字量 光源与调制 LD / LED / 扫频源 强度·波长·相位 传感换能 FBG / 干涉腔 / 吸收池 被测量 → 光参量 光电探测 PIN / APD / 平衡探测 光功率 → 光电流 模拟前端 TIA / 滤波 / 增益 电流 → 电压 数字化与处理 ADC / 解调 / 标定 电压 → 数字码 光 调制光 光电流 电压 各级引入的误差与关键评估指标 RIN · 波长漂移 影响:噪声底、零点 灵敏度 · 交叉敏感 影响:标定斜率 响应度 · 暗电流 影响:信噪比 带宽 · 输入噪声 影响:分辨率 量化噪声 · 参考漂移 影响:动态范围、稳定性 最终评估目标: 分辨率(最小可测变化) · 动态范围 · 带宽/响应时间 · 线性度 · 长期漂移 · 温度稳定性

信号流中的“变换”与“损伤”

把链路看成信号流,可以更清楚地看到每一级做了什么变换、又引入了什么损伤。以反射式光纤光栅(FBG)读出为例:宽带光源经环形器进入光栅,被测量(如应变)使布拉格波长发生漂移,反射光中心波长随之移动;探测器把这段光谱功率转换为电流;模拟前端完成 I/V 转换;ADC 采样后由数字算法估计波长峰值位置。

这里有一个容易被忽视的要点:波长信息在探测环节被“积分”成了光功率。若采用可调谐滤波器扫描,则波长被映射为时间轴上的峰值位置;若采用阵列波导光栅加探测器阵列,则波长被映射为空间通道。不同的映射方式,决定了后续解调算法和误差模型完全不同。因此“链路全景”不仅是器件串联图,更是信息载体的变换图:被测量 → 波长 → 光功率/时间/空间 → 电流 → 电压 → 数字码。

设计评估的三个核心问题

面对这样一条链路,设计评估通常围绕三个问题展开。第一,信号是否足够大:从被测量到数字码的总灵敏度(如码值/με)是否满足分辨率要求,这需要把光源功率、传感灵敏度、探测器响应度、跨阻增益、ADC 满量程逐级相乘。第二,噪声是否足够小:总噪声由光源 RIN、探测器散粒噪声、跨阻放大器输入电流噪声、ADC 量化噪声共同决定,且各噪声源在频域上的分布不同,需要按功率谱密度合成。第三,误差是否可控:温度漂移、光源老化、连接器损耗变化等慢变误差,往往比随机噪声更致命,必须通过参考通道、差分探测或定期标定来抑制。

建立链路预算时,建议统一用“输入折合”的方式:把每一级的噪声和漂移都折算到被测量端(例如以 με 或 ℃ 为单位),这样不同来源的误差可以直接比较和相加,避免在电流、电压、码值之间反复换算时出错。

一个简化的链路预算示例

假设某 FBG 应变读出系统的目标分辨率为 1 με。已知光栅应变灵敏度约 1.2 pm/με,可调谐滤波器斜率 20 pm/V,探测器响应度 0.9 A/W,跨阻增益 10 kV/A,ADC 为 16 位、满量程 ±5 V。则从应变到电压的链路增益约为:1.2 pm/με ÷ 20 pm/V × 0.9 A/W × 10 kV/A ≈ 0.54 V/με。也就是说 1 με 对应约 0.54 V 的电压变化,而 16 位 ADC 在 ±5 V 下的 1 LSB 约为 0.15 mV,对应约 0.0003 με 的量化极限。这说明量化不是瓶颈,真正的限制来自光源 RIN 与探测器噪声——这正是链路预算要揭示的结论:把优化资源投到最前端的噪声源上,往往比提高 ADC 位数更有效。

需要说明,上述数值为教学示例中的合理假设,实际系统需以器件手册和实测标定为准。但方法是一致的:先算增益链,再算噪声链,最后用误差预算判断哪一级是短板。掌握这种全链路视角,后续各章节对光源、探测器、跨阻放大器、ADC 和解调算法的深入讨论,才能落在同一个设计框架里,而不是零散的知识点堆叠。