当前位置:首页 > 优化方法
  • 传感器优化方法 夜视应用示例

    传感器优化方法 夜视应用示例

    1. 简述 夜视技术市场涵盖了广泛的应用,主要目的在于给操作员提供视觉辅助分析。通常要求系统具有良好的便携性以及低功耗。现代的夜视系统已数字化并带有高端图像处理功能,可以实现模糊场景分析。在这样的要求下,图像传感器本身的性能就变得极其重要。理想状况,极度低光照状态下每一个光子都必须转化为有效信号,从而最终图像可以清晰分辨所有细节。本文章对主要用于评估低照度性能的传感器关键参数、建模和度量法作出探讨。 2. 传感器特征 本文工作是基于Teledyne e2v一款用于低照度科研CMOS图像传感器(CIS),560万像素分辨率(2440x2304)。其像素为6.5微米,支持全局快门跟卷帘快门模式,最大速度为88帧每秒。这一单芯片架构属全数字并为非常低噪声应用作出优化。这一CIS能够在全速卷闸快门下实现亚电子时间噪声,并在全局快门下实现5电子时间噪声。 这一传感器最初是基于标准CMOS工艺设计,然后转移到特定的厚和高阻抗硅物料(HiRes)以实现从可见光到近红外(NIR)更高灵敏度和良好的空间分辨率和更大的量子效率(QE)。像素的微透镜以零缝隙(zero-gap)方法优化,实现最大80%的量子效率。专有的像素彩色马赛克阵列或单色阵列,使得传感器适用于日间和夜视应用。 其它测试器件(DUT)的低亮度性能在表1中做了比较。 3. 低照度相机和传感器设计 3.1. 噪声水平 噪声是由以下各因素构成: - 读出噪声 - 暗散粒噪声 - 光子散粒噪声 - 量化噪声 - 固定模式噪声(FPN) - 像素响应非一致性(PRNU) 而最后的两个因素FPN 和 PRNU 在系统校准后不再出现,因而可以忽略。 在低辐照下,读出和暗噪声主导了信噪比(SNR),而光子散粒噪声则在动态较高的位置有较大影响。要实现非常低光照水平下探测,噪声的大小是关键因素。光子计数成像要求噪声小于0.15 e-,这对于标准CMOS传感器来说是很大的挑战。特别对于一些像素内信号放大电晶管会产生随机电报噪声源(RTS),导致一些像素出现非典型的高读出噪声,使得它们不适用于低照度感测。对超低噪CMOS传感器设计而言,像素噪声是主导因素。换言之,模数转换器(ADC)和混合信号读出通道对于影像和视觉传感器性能来说是至关重要的。能够降低模拟读出噪声的设计方式之一,是去除取样存放步骤(sample-and-hold),直接转换输出像素信号。我们之前的工作提出了一个基于两级ADC的新型架构,能够实现接近0.5电子噪声 。它同时展示了像素设计的重要性,以及电晶管工作和ADC分辨率的影响。 量化噪声最一种随机模拟噪声。模数转换器(ADC)将来自CMOS传感器的光电信号转换成数字信号。这便关乎到具体信号估算的不确定性。量化步长或数字量化值的选择必须能够让量化噪声跟其它噪声源相较可以忽略。量化数值以及它的不确定性取决于:1) 模拟信号的满量程范围(FSR)以及2)数字信号的位数(Nb)。算式1给出了量化噪声的算法。 算式1 其中Nb越大,则量化噪声越小。但相应地,也要求更大的存储空间,在传输速率一定的情况下,也会带来帧率的降低。因此,设计时,需兼顾几方面。 3.2. 像素尺寸 像素的尺寸是图像传感器设计考虑的重要指标。小像素能够显著提高空间分辨率。另一方面,在相同光学孔径和视场范围条件下,大像素能够带来更高的灵敏度。鉴于图像质量的概念是这两个参数的结合,像素面积的折衷就成为必需事项。例如大像素有较高的响应并能够改进夜视能力,但它的空间分辨率却不足以辨别远处离物体的细节。约翰逊准则(Johnson's criteria)被广泛应用在距离性能预测。 3.3. 灵敏度改进趋势 本工作设计方法在已有图像传感器设计基础上加入新技术改进光电特性,且不影响其它性能。这一方法已经应用芯片设计且得到了验证,成功实现产品系列扩充。最近在新的工作中,通过负偏置基极并增加芯片厚度(HiRho),提升量子效率和灵敏度,同时保持出色的空间分辨率。HiRho是短期被看好的改进灵敏度的方法,现在正技术验证阶段。根据传感器特性建模仿真数据,可以预期应用HiRho技术芯片在低照度环境下表现性能优于其他芯片。 4. 低照度性能测量 信噪比和空间分辨率是评估图像质量的两个主要指标。相机制造技术能力也体现在对这两个指标的良好把控。界定它们的参数包括量子效率、噪声源、色彩还原度以及调制传递函数(MTF)。 噪声等效辐照度(Noise Equivalent Irradiance,NEI),它反映了暗噪声以及光响应的影响,如算式2所示: 算式2 图像传感器的响应度Rims取决于多个参数,如算式3所示: 算式3 从图像传感器角度, NEI主要取决于两个主要参数,量子效率和噪声。它们决定了生成基本影像所需的最低光照度的阈值。这一理论模型并没有考虑到与光粒子性本质相关的散粒噪声。散粒噪声遵从泊松分布,它的标准偏差为产生的信号的平方根,以电子为单位。因此,需结合考虑NEI和信噪比(SNR)。ISO 12232 标准定义了基于SNR的图像质量条件。标准给出了SNR值与辐照度水平的对应关系指标。指标的值愈小,传感器的性能愈佳。在实际使用中,SNR10公认为可接受的图像,SNR40为完美影像。对于低照度成像而言,一般认为SNR = 10 dB 的图像是可用水平。 获得SNR=X所需场景的辐照度Escene可通过算式4得出。 算式4 其中Tint代表曝光时间,Idc为暗电流(e-/s)。 空间分辨能力的分析与时域信号噪声分析同等重要。基于约翰逊准则的最小可分辨对比度(Minimum Resolvable Contrast,MRC)是常用的空间分辨能力衡量方法。相较于NEI,它更复杂一些。因为它是基于具代表性的工作条件下的测试结果,且受到观察者主观感受随机性影响。 基于上述方法,比较不同传感器的性能是可能的。 5. 传感器性能对比实验 5.1. TTP 计量 在1950年后期提出的约翰逊准则(Johnson criteria)经常被引用界定夜视系统性能。根据理论,我们可以得到不同辐照水平下传感器的最高空间分辨率fj。最小可分辨对比度(MRC)相当于分辨某个频率所需的对比度阈值。因此我们也能得到给定距离范围内,对于某一对像的侦测、辨识和识别(DRI)的机率计算。现场测试结果常常显示出与准则有差异的结果,特别是数字传感器和显示器。因而衍生出多个其它方法。其中任务性能目标(Targeting Task Performance,TTP) 方法结合了约翰逊方法和取样图像(或视频)与诸如锐利化或对比修正等数字图像处理等因素。另外,为了反映操作者主观因素,TTP模型也加入了视觉的对比限制。这就是本工作中选用的方法。 对比阈值函数(Contrast Threshold Function,CTF) 是考虑人类视觉特征的函数。CTFsyst也采用了同一概念,通过图像来显示传感器在不同光照度水平下的空间分辨率、光学模糊度(MTF)和噪声。CTFsyst的曲线呈浴缸形,人眼对低频变化对比度敏感,但对小图案的空间分辨率则灵敏度受限。 TTP 的计算是在频域,对比目标背景对比度(Ctgt)和CTFsyst。截止频率为Ctgt开始超过CTFsyst的频率,即fj。低频接近于零。算式 5 定义了TTP 的计量。 算式5 对一个给定范围,且已知目标范围ATGT,可分辨周期数Nresolved可通过算式6定义。 算式6 在算式7中,系数E由一个相当于0.5完成任务机率的经验实现参数V50而得出: 算式7 其中V50 = 18.8。 由算式 5 到算式7,我们得到每个范围TTP的准确概率函数(Pid)机率函数: 算式8 我们把TTP 计量设置到Python 环境,以演示出CMOS图像传感器的性能对比。 5.2. 光学工作台设定 TTP方法一般都是基于反射型目标,而在实验室环境不容易实现。我们特别依照测试目的,设计了一个紧凑型光学工作台。这个工作台配备一个用于配接任何相机和卡的机械接口。机箱内置有标准透射型分辨率测试卡(USAF 1951),带通滤波片或中性滤波片。积分球内配置有校准过的辐照度监测仪。工作平台封闭不透光,可以抵抗外界环境光 (> 100 lx)干扰,并能够保持腔内辐照度小于10 μlx。腔内部使用了特殊涂料,内壁350nm-1100 nm的光谱范围内残留反射率小于5%。所有量度均使用Kowa telephoto高分辨率50 mm焦距c-mount镜头。 图1 – TTP光学工作台 6. 结果与讨论 图2到图4为基于TTP技术在1.5 mlx 辐照度下(night level 4)的对比结果。可以看到像素尺寸,噪声和信噪比带来的影响。这一组图片与USAF 1951在低亮度工作台拍摄的目标图片呈现了一致的结果。 图2 – USAF 1951 1.5 mlx照度下对比 Figure 3 – CTFsys 1.5 mlux照度下对比 图4 – PID 1.5 mlux照度下对比 我们简化了计算模型,Ctgt 的计算剔除了大气吸收,采用了简化的噪声模型。Ctgt 取固定值0.4。由于对比是以Pid曲线为基础,我们简化CTFsyst,假定显示器是完美的,不带有任何对比度增强且其空间频率噪声考虑为白噪声。虽然计算的范围数值相较于现场数据更理想化,但是它已足够用于比较不同传感器的表现。表1 给出了新型器件的参数比较。由于使用了高灵敏度的像素和低噪声读出,本文工作显示了比其他像素尺寸相近产品更好的性能。而像素尺寸越大的芯片,表现出更好的SNR和NEI,在远距离探测保证更好的探测可靠性。本研究器件的性能与其它当前高水平芯片对比,表现出相近的性能水平。 表 1 – 最新型CIS简表 7. 结论与未来工作 本文为前期提出的传感器优化方法论的延伸工作,应用于夜视芯片优化。提出了实验室测量对比夜视芯技术方法,并以此方法对比验证了本工作夜视传感器与现有其他芯片性能进行比较。在1.5 mlx照度下得出的结果与NEI和SNR的计算一致。由于近红外产生电子扩散更明显,所有测试传感器均出现对比度下降和空间分辨率的损失。要实现长距离目标探测识别(DRI)需要新一代的传感器具有更好的光电性能。值得一提的是HiRho工艺开启了新的技术领域。深耗尽区(full deep depletion)工艺将实现更接近理论值的对比度分辨率以及显著改进的QE。例如具有6.5 μm 像素的Teledyne e2v 科学CMOS图像传感器,在夜视等级4 (night level 4)环境下,探测范围增加至1.2倍, 甚至超越了对比测试中表现最好的竞争器件A。 鸣谢:特别感谢G. Valles、R. Lemaitre、H. Bugnet 和 JF. Boissoneau 对本文的贡献。这一研究获法国军用设备总局(Direction Générale de l’Armement,DGA)资助下完成。

    时间:2020-09-25 关键词: 传感器 夜视应用 优化方法

  • 浅析测试系统中的矩阵开关的优化方法

      对于任何测试系统来说,开关系统都是至关重要的一部分。它可以将待测单元(DUT)的接入点和各种不同的资源进行连接,并且对设备进行测试,从而核实设备中的这部分功能的效用。开关可以给很多种信号提供接口连接,但是一些看似简单的测试要求需要很多开关才能满足应用需求。   在测试应用中,很少会要求对大量的射频和微波信号,或者大功率信号进行测试的。最复杂的开关问题通常涉及到“简单的”现场部件,电压,电流,短路或开路,以及通过大量输入数据对正在进行测试的设备进行控制这些方面。测试本身并不复杂,而是测试和接入点的数量引起复杂的测试问题。   有很多方法可以解决这个问题。首先,最简单的方法就是认为每一个接入点都需要进行驱动或测量,然后给每一个接入点连接一个开关,将输入点信号传递给系统中不同的测试设备。然而,很快的就会看出来,这种传递的要求需要很多不同的开关来满足每个接入点。   为了说明问题,我们假设待测器件是放大器和用来将控制信号发送给智能天线系统的开关系统。这个待测系统可能包括双稳态微波开关,放大器,可控移相器和与系统其它部件进行通讯的信号输入输出设备。而测试系统可能包括对测试目标提供额外接入点的探针(飞针或a bed of nails)。   测试系统的主要任务就是保证系统中单独的部件正确的安装在一起。系统中的主要构成部件需要在制造的开始阶段进行测试,这种测试在现场或供应商的工厂进行。测试装置需要一个或多个数字万用表(DMM),数字输入输出信号源,可能还需要一些简单的信号源和检查通道连续性的测量装置等。   为了减小测试系统的规模和成本,可以在PXI的机箱上进行测试。   采用多路复用器对双稳态微波开关进行测试,是一种比较简单的方法。利用另一个多路复用器可以采用内置读回线对每个开关的状态进行检测,内置读回线可能是一个以开关类型存在的可变电阻器或数字输出。和开关相联系的微波线圈可以通过在选定的通道上加入连续性或信号测试来进行检测。   测试说明书中可以提出这样的要求,就是采用DMM上的连续性功能进行一项测试,这项测试的作用就是用来保证任何一个微波线圈驱动器都没有和其它部件发生短路。接入通道可以有一系列系统中的a bed of nails测试点或测试接入点来提供。   需要更多的多路复用器来驱动其它的输入输出功能,对移相器进行连续控制,以及在此进行测试以保证只有寻址移相器的状态发生变化。   当测试方案中需要解决的问题越来越多的时候,测试系统就会变得越来越复杂了,而且可能会测试在结果出现一些不可预知的错误。当需要处理的测试件的数量较小的时候,基于分离式的多路复用器的开关解决方案会是一个不错的解决方案。当测试需求进一步扩展后,那么这种方法就会变得不适用了,因此随着多路复用器或开关模块数量的增加,新的解决方案则需要占用PXI机箱上更多的空间。   低效的矩阵测试方法      图中是一个12*8的矩阵开关。这个矩阵开关是由96个继电器将8条Y向线路和12条X向线路连接在一起的。在每个交叉点上都有一个继电器,这个继电器是将横向X轴和纵向Y轴连接在一起,或将两者分开的。   实现开关切换的一个比较通用的方法就是采用交叉点开关或矩阵排列来实现。在矩阵开关中,一系列的横向(X轴方向)和纵向(Y轴方向)线路在每个交叉点上相互连接着。开关最简单的结构是,在通常的状态下是常开的,而在上电后则断开连接,形成闭合状态,但是,也可能存在其他的结构。开关允许矩阵中任何横向线路与纵向线路在任意点的连接。   应用矩阵排列比较简单的方法就是,将待测件的接入点安排在一个方向上(如X向),将测试装置安排在另一个方向上(如Y向),这样的话每个接入点都可以和测试装置进行连接。在纵向Y向上的线路数量和横向X向上的线路数量没有什么限制,因此,如果将大量开关闭合的话就会使测试装置负载过重。这个方法也存在问题,这个问题就是如果测试中需要的连接数量太大的话,就会需要一个很大的矩阵来完成测试任务。当然,如果每个测试都需要利用到测试装置中大部分或者是所有的配置的话,那么矩阵排列是一种很理想的技术。但是在很多情况下,当一个测试项目正在进行的时候,这个测试系统中的其他功能都是不起作用的,换句话说就是,当一个测试进行的时候,矩阵中大部分都是多余的。如果需要进行测试的设备有30个接入点,而测试系统中有300个接入点的话,那么这个矩阵就需要9000个继电器。   更有效的利用矩阵   可以选择另一种方式对矩阵进行配置,这种方式可以得到更为高效,并且Pickering公司的BRIC也非常适用在这种方式中。前面提到的矩阵构成方式是,将测试装置和Y向进行连接,将待测设备的接入点和X向进行连接,下面我们采用另一种方式重新对矩阵进行排列,将所有的测试装置以及待测设备的接入点都和X轴向进行连接。而Y轴则是将X轴方向上的不同设备进行相互连接。尽管在许多应用中,如果PXI的前面板上有需要的话,Y轴是可用的,但是Y轴的输出并没有用到。   Y轴上需要连接的数量不再取决于测试装置需要的连接,而是取决于进行一项测试所需要的最大的连接数量。这样的话,矩阵的Y向的需求量就会比较小了。这样就能是矩阵的利用更为有效并且降低它的成本。在大多数系统中,对于任何一项测试仅需要8条Y向线路就可以完成所有的测量及相应的驱动。      图中的矩阵将测试装置和待测设备接入点都放在了X轴方向上。这个简单的例子包含了19个测试轴向点,但是,测试装置接入点和待测设备接入点的分界能够很容易地改变。   就拿前面提到的那个例子来说,采用这种矩阵排列方式只需要330个测试点(300个待测设备接入点和30个测试装置接入点)以及8条Y向连接线即可,一共需要2640个继电器,仅为上面提到的那种排列方法需要300乘30个点的继电器数量的30%。这样就可以在开关系统中节省了很大的开支。   此外,如何由于待测设备接入点的增加而需要对测试系统进行扩展的话,只需要增加X轴上的点数即可,这样继电器数量的增加就是比例的增加而不是几何的增加。同样的,如果测试装置接入点的数量增加的话,同样可以通过增加测试装置在X轴上的数量即可。整个矩阵尺寸的增加只表现在一个方向上的增加,这就避免了继电器数量的几何方式的增加。   Pickering Interfaces公司的BRIC在上面提到的这些情况下都是可以应用的。假如BRIC在购买的时候并没有配置子板卡的最大数量,如果需要对这个模块进一步扩展的话,只需要购买并安装更多的板卡即可。假如新的测试要求所需要Y向连接的数量(测试时需要同时作用的连接)并不需要继续扩展,那么BRIC模块只需进行相应的改变就可以适应新的测试要求,而不需要替换整个模块。这种灵活性也增加了相同的模块在以后的测试系统中的应用机会,这对于产品使用寿命相对较短的工厂或工程领域有着很重要的现实意义。   总结   采用BRIC模块的矩阵开关通过以下方式得到更为有效的应用:   将X轴上的一部分分配给测试装置接入点   减少系统需要的继电器数量   减少成本   BRIC模块的应用,使测试系统复杂的扩展不需要重新设计系统,购买新的模块就可以实现   可以在购买后对BRIC模块部分进行扩展   提高模块的重复利用性

    时间:2018-06-22 关键词: 测试系统 矩阵开关 优化方法

发布文章

技术子站

更多

项目外包