De effecten van lawaai op sensorleeswaarden begrijpen

Geluid is een inherent en onvermijdelijk kenmerk van elk sensorsysteem, dat fundamenteel invloed heeft op de nauwkeurigheid, betrouwbaarheid en algehele prestaties van sensormetingen in talloze toepassingen. Van industriële automatisering en medische diagnostiek tot milieubewaking en consumentenelektronica, het begrijpen van de invloed van lawaai op sensormetingen is cruciaal voor ingenieurs, wetenschappers, onderzoekers en studenten die met meetsystemen werken. Dit uitgebreide artikel onderzoekt de verschillende soorten lawaai, hun onderliggende bronnen, de diepgaande effecten die ze hebben op sensorprestaties, en de geavanceerde methoden die worden gebruikt om hun impact op de datakwaliteit te beperken.

Wat is Noise in Sensor Systems?

Geluid is elk elektrisch verschijnsel dat niet welkom is in een elektrisch systeem. In de context van sensortechnologie vertegenwoordigt lawaai willekeurige of ongewenste variaties in het gemeten signaal die de werkelijke waarde die wordt gemeten verduisteren of vervormen. Geluid kan niet worden verwijderd of verwijderd en brengt relevante aspecten van een circuit zoals snelheid, lineariteit of vermogensdissipatie in gevaar en is aanwezig in een echt circuit, onafhankelijk van de circuitarchitectuur of technologie.

Geluid is geen deterministisch verschijnsel, maar een willekeurig proces, zodat de onmiddellijke waarde niet kan worden voorspeld op enig moment, zelfs als de vroegere waarden bekend zijn, maar de statistische eigenschappen ervan kunnen worden geanalyseerd en voorspeld. Deze statistische aard van lawaai maakt het bijzonder moeilijk om aan te pakken, waarvoor geavanceerde analytische benaderingen en mitigatiestrategieën nodig zijn.

Geluid bestaat omdat elektrische lading niet continu is maar in discrete hoeveelheden wordt vervoerd die gelijk zijn aan de lading van een elektron, bekend als elektronvolt (eV), en de stroom is een gequantiseerd gedrag. Deze fundamentele kwantummechanische eigenschap betekent dat er altijd een bepaald niveau van lawaai aanwezig zal zijn in elk meetsysteem, ongeacht hoe zorgvuldig het is ontworpen of geconstrueerd.

Uitgebreide classificatie van geluidstypen in sensorleeswaarden

Geluid in sensorsystemen kan worden ingedeeld in verschillende soorten, elk met unieke kenmerken, frequentieafhankelijkheden en implicaties voor de sensorprestaties. Het begrijpen van deze verschillende geluidstypen is essentieel voor het ontwikkelen van effectieve geluidreductiestrategieën en het ontwerpen van hoog presterende sensorsystemen.

Thermische ruis (Johnson-Nyquist Noise)

Thermisch lawaai is in elke ohmische geleiding of draad en wordt geproduceerd door de thermische agitatie van lading in de geleider. Ook bekend als Johnson lawaai of Johnson-Nyquist lawaai, dit type lawaai is een van de meest fundamentele en onvermijdelijke geluidsbronnen in elektronische systemen. Thermisch lawaai heeft een vlakke frequentiespectrum en een Gaussiaanse amplitudeverdeling.

Van de "Fluctation dissipatie stelling" wordt thermisch lawaai geproduceerd wanneer energie wordt weggenomen (energieverlies), en de componenten met thermisch geluid zijn die met energieverlies een weerstand verdrijft energie (warmte), maar een ideale inductor niet. De vermogen spectrale dichtheid van thermische geluid is constant over alle frequenties binnen het operationele bereik van de meeste elektronische systemen, daarom wordt het vaak aangeduid als "witte ruis."

Thermische ruiskracht per hertz is gelijk aan het frequentiespectrum, afhankelijk van k en T. Het ruisvermogen is evenredig met de absolute temperatuur en de constante van Boltzmann, waardoor het temperatuurafhankelijk is. Thermisch ruis in MOSFET-apparaten wordt gemodelleerd als een stroombron parallel aan de afvoerbron.

Aangezien de grootte van MOSFETs steeds kleiner wordt, genereert het meer lawaai, wat een van de belangrijkste nadelen van de nieuwe geavanceerde knooppunten is, en korte kanaal L transistors vertonen meer thermische ruis, omdat ze meer weerstand bieden. Dit levert belangrijke uitdagingen op voor moderne sensorontwerpen die steeds meer miniatuurcomponenten gebruiken.

Schotgeluid

Een schotlawaai treedt normaal gesproken op wanneer er een potentiële barrière (spanningsverschil) is en een PN-verbindingsdiode een voorbeeld is dat een potentiële barrière heeft .Wanneer de elektronen en gaten de barrière passeren, wordt schotlawaai geproduceerd. Dit type lawaai ontstaat uit de discrete, gequantiseerde aard van elektrische laaddragers.

De oorsprong van de Shot Noise is afgeleid van het feit dat elektrische lading wordt gedragen in discrete hoeveelheden, en gelijk aan 1eV, stroom is niet geheel een continu fenomeen. Dit is te wijten aan elektronen (op zijn beurt, de lading) die in kwanta, een elektron per keer, en de stroom is niet continu, maar beperkt door de kwantum van de elektronenladingen.

Elke dc stroom die door een diode stroomt genereert de zogenaamde "shot noise" als gevolg van de willekeurige aard van het gat en elektronenovergangen over de pn kruising. Shot noise is vooral relevant in fotodetectors, waar het manifesteert als foton shot noise. Licht bestaat uit discrete bundels van energie genaamd fotonen, en de stroom van fotonen zal een gemiddelde flux die aankomt op een bepaald gebied van de sensor, met schommelingen rond dat gemiddelde.

Een belangrijk kenmerk van schommelingen die aan Poisson statistieken gehoor geven is dat hun standaardafwijking gelijk is aan de vierkantswortel van het gemiddelde aantal zelf. Dit betekent dat wanneer signaalniveaus stijgen, schotlawaai ook toeneemt, maar in een langzamer tempo, specifiek evenredig met de vierkantswortel van het signaal.

Shotlawaai is niet relevant voor CMOS-apparaten, aangezien het voornamelijk aanwezig is in bipolaire transistors en junction diodes, maar het kan relevant zijn voor subdrempel MOS-apparaten.

Flickergeluid (1/f Geluid)

Flicker noise (ook wel 1/f lawaai of contact noise) is overtollig geluid gegenereerd door willekeurige schommelingen in de stroom als gevolg van defecten in halfgeleidermaterialen. Roze ruis wordt gekenmerkt door een spectrale dichtheid die toeneemt met afnemende frequentie, bevat gelijke hoeveelheden energie in elk decennium van bandbreedte, en dit resulteert in een vermogen spectrale dichtheid omgekeerd evenredig met frequentie.

Flicker ruis is prominenter in FET's, en omvangrijke weerstanden. Dit soort lawaai wordt steeds significanter bij lagere frequenties, dat is waarom het ook wordt genoemd "laagfrequente lawaai." De "Corner frequentie" wordt gedefinieerd als de frequentie waar de flikker en thermische geluid gelijk is. Onder deze hoek frequentie, flikker ruis domineert, terwijl erboven, thermische ruis wordt de primaire zorg.

1 /f lawaai domineert bij lage frequenties en komt voor in de uitlezingscircuits op basis van MOSFET. Bij sensortoepassingen, met name bij toepassingen met langzame signalen of DC-metingen, kan flikkergeluid een belangrijke beperkende factor zijn voor meetnauwkeurigheid. Koolstofweerstanden worden beïnvloed door thermisch lawaai (altijd) en Flickergeluid (alleen in aanwezigheid van stroom).

Kwantiseringsgeluid

Het geluid veroorzaakt door het kwantiseren van de pixels van een gewaarmerkte afbeelding naar een aantal discrete niveaus is bekend als quantization noise, en het heeft een ongeveer uniforme verdeling. Dit type lawaai wordt geïntroduceerd tijdens het analoge-naar-digitale conversie (ADC) proces, waar continue analoge signalen worden omgezet in discrete digitale waarden.

Kwantisatiegeluid treedt op tijdens analoge-naar-digitale conversie (ADC) en wordt bepaald door de bitdiepte van de ADC, en voor een ADC met N bits, wordt het quantisatiegeluidsvermogen bepaald door de LSB-stapgrootte. Wanneer een meting wordt gedigitaliseerd, bepaalt het aantal bits dat wordt gebruikt om de meting te representeren de maximaal mogelijke signaal-ruisverhouding, omdat het minimale mogelijke geluidsniveau de fout is die wordt veroorzaakt door de quantisering van het signaal.

Dit geluidsniveau is niet-lineair en signaalafhankelijk; er bestaan verschillende berekeningen voor verschillende signaalmodellen, en quantisatieruis wordt gemodelleerd als een analoog foutsignaal dat wordt samengevat met het signaal vóór de quantisering. De resolutie van de ADC heeft rechtstreeks invloed op de omvang van het ruis van de quantitatie en hogere bitdiepte converters produceren kleinere quantisatiestappen en dus lagere quantiseringslawaai.

Dit geluid wordt belangrijk in high-precision beeldvormingssystemen met lage inheemse signaalniveaus. In moderne sensorsystemen, ADC resolutie varieert meestal van 8 bits tot 24 bits of meer, met hogere resoluties nodig voor toepassingen die een grotere meetnauwkeurigheid.

Aanvullende geluidstypen

Deze omvatten thermische, schot, lawine, flikker, en popcorn lawaai, evenals geluid specifiek voor gegevensconverters, zoals quantisatie, diafragma jitter, en harmonische vervorming. Naast de primaire geluidtypen hierboven besproken, kunnen verschillende andere bronnen van geluid de sensorprestaties beïnvloeden:

Avalanche Noise: De stroom die tijdens de lawineuitval wordt gegenereerd bestaat uit willekeurig verdeelde geluidpieken die door de omgekeerde kruising stromen, en zoals schotruis vereist lawinegeluid de stroomstroom, maar is meestal veel intenser.
Popcorn Noise: De twee soorten roze geluid in halfgeleiderapparaten zijn flikkeren en popcorngeluid. Popcorngeluid, ook wel burst noise genoemd, verschijnt als plotselinge stap-achtige overgangen in spanning of stroom.
Reset Noise (kTC Noise): Correlated Double Sampling (CDS) is een geluidsreductietechniek die veel wordt toegepast in CMOS- en CCD-beeldsensoren om laagfrequent temporele ruis te onderdrukken, met name reset noise (kTC noise) en flikker noise.
Donkere ruis: Donkere stroming komt voort uit thermisch gegenereerde elektronen in de fotodiode zonder licht, en donkere stromingen dragen bij aan vast patroonruis, terwijl de temporele fluctuaties shot noise toevoegen.

Geluidsbronnen in sensorsystemen

Het begrijpen van de geluidsbronnen is essentieel voor de ontwikkeling van effectieve geluiddempingsstrategieën en het ontwerpen van robuuste sensorsystemen. Geluid kan afkomstig zijn van meerdere bronnen, zowel intern als extern van het sensorsysteem.

Milieufactoren

Alle echte metingen worden verstoord door lawaai, inclusief elektronisch lawaai, maar kunnen ook externe gebeurtenissen omvatten die het gemeten fenomeen beïnvloeden . wind, trillingen, de zwaartekracht attractie van de maan, variaties van temperatuur, variaties van vochtigheid, enz., afhankelijk van wat wordt gemeten en van de gevoeligheid van het apparaat.

Milieugeluidsbronnen zijn onder meer:

Temperatuur Fluctuaties: Temperatuurvariaties beïnvloeden de thermische geluidsniveaus en kunnen leiden tot drift in sensorkenmerken. Veel geluidsbronnen zijn temperatuurafhankelijk, waardoor thermisch beheer kritisch is in precisiemeetsystemen.
Elektromagnetische interferentie (EMI): Externe elektromagnetische velden van elektriciteitsleidingen, motoren, radiozenders en andere elektronische apparatuur kunnen koppelen in sensorcircuits en ongewenste signalen introduceren. EMI is bijzonder problematisch in industriële omgevingen met zware machines en hoog vermogen elektrische systemen.
Mechanische trilling: Fysieke trillingen kunnen sensorelementen beïnvloeden, met name in versnellingsmeters, druksensoren en optische systemen. Vibraties kunnen de sensoruitgang moduleren en geluidscomponenten introduceren bij de trillingsfrequenties.
Hulp en vocht: Veranderingen in vochtigheid kunnen de elektrische eigenschappen van componenten beïnvloeden en lekkagestromen introduceren, met name in hoge impedantiecircuits.
Verlichtingsvoorwaarden: Voor optische sensoren kunnen omgevingslichtvariaties en verdwaald licht significante ruis veroorzaken en het gewenste signaal verstoren.

Elektronische componenten en Circuit Design

Alle elektrische componenten genereren intrinsiek geluid, inclusief alle halfgeleiderelementen en weerstanden. Elk onderdeel in een sensorcircuit draagt bij aan het totale geluidsbudget:

Reistoren: Alle weerstanden genereren thermisch geluid evenredig aan hun weerstandswaarde, temperatuur en meetbandbreedte. Monolithische en dunnefilmweerstanden vertonen alleen thermisch geluid en niet flikkeren.
Transistors en versterkers: Actieve componenten dragen bij aan thermisch lawaai, schotruis en flikkerend geluid. Versterkbaar geluid ontstaat uit de kolom of pixel-niveauversterkers, vaak gedomineerd door 1/f (flikker) lawaai en thermische ruis.
Capacitoren: Terwijl condensatoren zelf geen significant lawaai genereren, kunnen ze op een manier laden en ontladen die bijdragen aan het reset van lawaai en andere voorbijgaande geluidverschijnselen.
Interconnecties en PCB-indeling: Sporenweerstand, parasitaire capaciteit en inductie in printplaten kunnen geluid introduceren en koppelpaden voor interferentie bieden.

Variaties in de voeding en distributie

De ruis van de voeding is een kritiek punt in sensorsystemen. Fluctuaties in de voedingsspanning kunnen via verschillende mechanismen rechtstreeks in sensorsignalen worden gekoppeld:

Ripple en schakelende geluid: Schakelmodusvoedingen introduceren hoogfrequent schakelende geluiden die kunnen koppelen in gevoelige analoge circuits.
Ground Bounce: Stroomtransiënten in grondverbindingen creëren spanningsvariaties die verschijnen als gemeenschappelijke-modusgeluid.
Supply Spanning Variaties: Veranderingen in voedingsspanning beïnvloeden bias punten, gain, en offset in analoge circuits, wat leidt tot signaalvariaties die verschijnen als geluid.
Power Distribution Network (PDN) Impedantie: De impedantie van stroomdistributienetwerken kan het mogelijk maken om geluid te verspreiden tussen verschillende circuits.

Signaalverwerking en gegevensconversie

De algoritmen en methoden die worden gebruikt voor signaalverwerking kunnen hun eigen vormen van lawaai en artefacten introduceren:

ADC Non-lineairiteit: Differentiaal en integraal non-lineairheid in analoge-naar-digitale converters introduceert vervorming die verschijnt als ruis in het frequentiedomein.
Aperture Jitter: De tijdvariaties in de bemonsteringsklok van ADC's introduceren lawaai, met name voor hoogfrequente signalen.
Aliasing: Onvoldoende bemonsteringssnelheden kunnen leiden tot het terugvouwen van hoogfrequente ruis in de signaalband.
Numerieke Precisie: Finiet precisie rekenen in digitale signaalverwerking kan afrondingsfouten introduceren die zich ophopen als rekenlawaai.

Signaal-ruisverhouding begrijpen (SNR)

Signaal-ruisverhouding (SNR of S/N) is een maat die wordt gebruikt in de wetenschap en techniek die het niveau van een gewenst signaal vergelijkt met het niveau van achtergrondruis, en SNR wordt gedefinieerd als de verhouding van signaalvermogen tot ruisvermogen, vaak uitgedrukt in decibels. SNR is een van de belangrijkste metrieken voor het karakteriseren van sensorprestaties en datakwaliteit.

Een verhouding hoger dan 1:1 (groter dan 0 dB) geeft meer signaal dan geluid aan. Een hoge SNR betekent dat het signaal helder en gemakkelijk te detecteren of te interpreteren is, terwijl een lage SNR betekent dat het signaal beschadigd is of verduisterd door lawaai en moeilijk te onderscheiden of te herstellen is.

Berekenen van de verhouding signaal-ruis

Om de signaal-ruisverhouding te bepalen, deelt u het signaalvermogen door het geluidsvermogen, en de verhouding signaal-ruis kan worden uitgedrukt in ruwe energie-eenheden of in decibels (dB). De meest voorkomende manier om SNR uit te drukken is in decibels, wat een logaritmische schaal is die het gemakkelijker maakt om grote of kleine waarden te vergelijken.

De basisformules voor de berekening van SNR zijn:

Voor vermogensmetingen: SNR (dB) = 10 × log10(Signaalvermogen / Geluidsvermogen)
Voor spannings- of amplitudemetingen: SNR (dB) = 20 × log10(Signale Amplitude / Geluidsamplitude)

Signaal-ruisverhouding (SNR) wordt gedefinieerd als de relatie tussen het signaal en het geluid binnen een pixel. SNR wordt berekend door het totaal gedetecteerde aantal fotonen te delen door het totale aantal ruis, waarbij S het totaal gedetecteerde aantal fotonen is, σS het fotongeluid is, σD het donkere geluid is en σR het leesgeluid van het systeem is.

Belang van SNR in sensortoepassingen

SNR is een belangrijke parameter die de prestaties en kwaliteit van systemen die signalen verwerken of verzenden beïnvloedt, zoals communicatiesystemen, audioapparatuur, radarsystemen, beeldvormingssystemen en data-acquisition systemen. Verschillende toepassingen vereisen verschillende minimum SNR niveaus afhankelijk van hun specifieke eisen:

High-precision Measures: Wetenschappelijke instrumenten en metrologische toepassingen vereisen doorgaans SNR-waarden van 60 dB of hoger om de noodzakelijke meetnauwkeurigheid te bereiken.
Medische beeldvorming: Diagnostische beeldvormingssystemen hebben een hoge SNR nodig om subtiele weefselverschillen te onderscheiden en kleine afwijkingen te detecteren.
Industriële automatisering: Procesbesturingssensoren vereisen doorgaans SNR-waarden van 40-60 dB voor een betrouwbare werking.
Consumentenelektronica: Audiosystemen, camera's en andere consumentenapparaten zijn meestal gericht op SNR-waarden van 40-80 dB, afhankelijk van de toepassing.

Een apparaat met hogere SNR verbetert de gebruikerservaring door de tijd te verkorten om menselijke vitale functies te melden terwijl de nauwkeurigheid van de resultaten tegelijkertijd toeneemt.

Uitgebreide effecten van lawaai op sensorleeswaarden

Geluid kan de sensorwaarden op verschillende manieren aanzienlijk beïnvloeden, wat niet alleen de nauwkeurigheid van de metingen beïnvloedt, maar ook de betrouwbaarheid van het systeem, de interpretatie van de gegevens en de algemene prestaties van de toepassing.

Verminderde nauwkeurigheid van de meting

Geluid verstoort de werkelijke waarde van een meting, wat leidt tot onnauwkeurige metingen. De omvang van deze fout hangt af van het geluidsniveau ten opzichte van de signaalsterkte. In lage signaalomstandigheden kan lawaai de meting domineren, waardoor het bijna onmogelijk is om de werkelijke signaalwaarde te extraheren. Dit is bijzonder problematisch bij toepassingen die hoge precisie vereisen, zoals wetenschappelijk onderzoek, medische diagnostiek en kwaliteitscontrole in de productie.

De relatie tussen lawaai en nauwkeurigheid is niet altijd eenvoudig. Verschillende soorten lawaai beïnvloeden metingen op verschillende manieren.Gedurende meerdere metingen worden de geluidsoverlastgemiddelden gemeten, terwijl systematische geluidsoverlastbronnen consistente vooroordelen introduceren die niet door middel van middeling alleen kunnen worden verwijderd.

Verhoogde onzekerheid over de meting

De aanwezigheid van lawaai verhoogt de onzekerheid die verbonden is aan sensormetingen. Deze onzekerheid moet worden gekwantificeerd en gerapporteerd in precisiemeettoepassingen. Bij precisiemeetsystemen kan een negatieve SNR kritische gegevens maskeren en de nauwkeurigheid van de resultaten verminderen.

Meetonzekerheid als gevolg van lawaai heeft gevolgen voor:

Renateerbaarheid: Het vermogen om consistente resultaten te verkrijgen van herhaalde metingen van dezelfde hoeveelheid.
Resolutie: De kleinste verandering in de gemeten hoeveelheid die betrouwbaar kan worden gedetecteerd.
Detection Limits: Het minimale signaalniveau dat met statistisch vertrouwen kan worden onderscheiden van geluid.
Vertrouwen Intervals: Het bereik waarbinnen de werkelijke waarde naar verwachting met een gegeven waarschijnlijkheid zal liggen.

Signaalvervorming en maskering

Als het signaal zwak is in vergelijking met het geluid dat ermee gepaard gaat, kan het moeilijk zijn om te detecteren. Geluid kan de signaalkenmerken maskeren of wijzigen, waardoor het moeilijk is om de ware gegevens te interpreteren. Dit is vooral problematisch bij het proberen om kleine signalen of subtiele veranderingen in de gemeten hoeveelheid te detecteren.

Signaalmaskereffecten zijn onder meer:

Peak Obscuration: Geluid kan kleine pieken of kenmerken in het signaal verbergen die belangrijke informatie kunnen bevatten.
Randvervaging: Scherpe overgangen in het signaal worden glad en minder duidelijk wanneer geluid aanwezig is.
Valse functies: Geluidspieken kunnen worden verward met werkelijke signaalfuncties, wat leidt tot valse detecties.
Waveform Distortion: De vorm van tijdvariabel signaal kan worden gewijzigd door lawaai, die de frequentieanalyse en patroonherkenning beïnvloedt.

Systeemprestatieafbraak

Hoge geluidsniveaus kunnen de algehele prestaties van sensorsystemen verminderen, wat leidt tot storingen in kritieke toepassingen. De prestatiedegradatie manifesteert zich op verschillende manieren:

Gereduceerd dynamisch bereik: Geluid stelt een minimaal detecteerbaar signaalniveau vast, waardoor het bereik van signalen dat nauwkeurig kan worden gemeten, effectief wordt verminderd.
Verminderen reactietijden: Extra signaalverwerking en gemiddelden die nodig zijn om geluidseffecten te overwinnen, kunnen de systeemrespons vertragen.
Verhoogde Valse alarmtarieven: Bij detectie- en bewakingstoepassingen kan lawaai vals alarm veroorzaken, waardoor de betrouwbaarheid van het systeem en het vertrouwen van de gebruiker worden verminderd.
Verlaagde controleprestaties: In feedbackcontrolesystemen kunnen lawaaierige sensormetingen leiden tot onstabiel of suboptimale controlegedrag.

Effect op de verwerking en analyse van gegevens

Geluid heeft niet alleen invloed op de ruwe sensorwaarden, maar ook op de daaropvolgende gegevensverwerking en -analyse:

Functie-extractie: Algoritmen die functies uit sensorgegevens extraheren kunnen onbetrouwbare resultaten opleveren wanneer geluidsniveaus hoog zijn.
Pattern Recognition: Machine learning en patroonherkenningssystemen die zijn opgeleid op luidruchtige gegevens kunnen een verminderde nauwkeurigheid en generalisatiecapaciteit hebben.
Kalibratie Nauwkeurigheid: Geluid in kalibratiemetingen kan fouten in de kalibratiecoëfficiënten veroorzaken, die alle volgende metingen beïnvloeden.
Data Fusion: Wanneer gegevens van meerdere sensoren worden gecombineerd, kan lawaai in individuele sensoren zich voortplanten en versterken in het gesmolten resultaat.

Effecten op afbeeldingskwaliteit

In beeldsensoren heeft lawaai bijzonder zichtbare effecten op de beeldkwaliteit. Beeldruis is willekeurige variatie van helderheid of kleurinformatie in afbeeldingen, en is vaak (maar niet noodzakelijk) een ongewenst bijproduct van beeldopname dat de gewenste informatie verduistert.

SNR bepaalt ook het contrast van het beeld, zoals bijvoorbeeld dat hoe lager de SNR (in verband met een kleiner verschil tussen signaal en geluid), hoe moeilijker het is om contrastverschillen te bepalen. Lage SNR in beeldvormingssystemen resulteert in korrelige, gespikkelde beelden met een verminderde helderheid en detail.

Geavanceerde geluidbeperkende strategieën en technieken

Om de effecten van lawaai op sensormetingen te bestrijden, gebruiken ingenieurs en wetenschappers een uitgebreide reeks mitigatiestrategieën die hardwareontwerp, signaalverwerking en meettechnieken omvatten. SNR kan worden verbeterd door verschillende methoden, zoals het verhogen van de signaalsterkte, het verminderen van het geluidsniveau, het filteren van ongewenste ruis, of het gebruik van foutcorrectietechnieken.

Elektromagnetische afscherming en aarding

Fysieke barrières en goede aardingstechnieken kunnen elektromagnetische interferentie en geluidskoppeling aanzienlijk verminderen:

Faraday Cages and Shields: Geleidende behuizingen rond gevoelige circuits blokkeren externe elektromagnetische velden. De effectiviteit van het schild hangt af van het materiaal, de dikte en de frequentie van de storende signalen.
Geschuifde kabels: Met kabels met geleidende schilden kunnen externe velden niet in signaallijnen worden gekoppeld. Een goede aarding van het schild is cruciaal voor de effectiviteit.
Ground Plane Design: Solide grondvlakken in printplaten zorgen voor een terugweg met lage impedantie en verminderen grondruis.
Star Grounding: Alle grondpunten verbinden met één referentiepunt voorkomt grondlussen die lawaai kunnen introduceren.
Differentieel signaal: Het gebruik van differentiële signaalparen met gedraaide bedrading zorgt voor uitstekende gemeenschappelijke-modus ruisafstoting.

Filtertechnieken

Wanneer de kenmerken van het geluid bekend zijn en afwijken van het signaal, is het mogelijk om een filter te gebruiken om het geluid te verminderen. Filteren is een van de krachtigste en meest gebruikte technieken om het geluid te verminderen:

Analoge filters: Hardwarefilters met weerstanden, condensatoren en smoorspoelen kunnen geluid buiten de signaalbandbreedte verwijderen voordat ze worden gedigitaliseerd. Low-pass filters zijn bijzonder effectief voor het verwijderen van hoogfrequente ruis.
Digitale filters: Na analoge-naar-digitale conversie kan digitale signaalverwerking geavanceerde filteralgoritmen toepassen, waaronder FIR (Finite Impulse Response) en IIR (Infinite Impulse Response) filters.
Adaptieve filters: Deze filters passen automatisch hun kenmerken aan op basis van de signaal- en geluidseigenschappen, waardoor ze optimale prestaties leveren bij veranderende omstandigheden.
Notch Filters: Smalband afstotingsfilters kunnen specifieke interferentiefrequenties elimineren, zoals stroomlijnharmonica.
Kalman Filters: Deze optimale schatters combineren metingen met systeemmodellen om signalen uit lawaaierige gegevens te halen, vooral nuttig bij het volgen en navigatietoepassingen.

Filtering en intelligente signaalverwerkingstechnieken kunnen de signaal-ruisverhouding verbeteren door ongewenste frequentiebanden te verwijderen en willekeurige ruis uit te schakelen.

Signaalafwijking en integratie

Wanneer het signaal constant of periodiek is en het geluid willekeurig is, is het mogelijk om de SNR te verbeteren door middel van de metingen, en in dit geval gaat het geluid naar beneden als de wortel van het aantal gemiddelde monsters. Dit fundamentele principe zorgt voor een aanzienlijke ruisreductie in vele toepassingen:

Tijdelijk-domein-afwisseling: Het nemen van meerdere metingen en het berekenen van hun gemiddelde vermindert willekeurige ruis. De verbetering van de SNR is evenredig met de wortel van het aantal gemiddelden.
Ruimtelijk Afwijken: In beeldtoepassingen kunnen gemiddelde naburige pixels het geluid verminderen terwijl de ruimtelijke resolutie lichtjes wordt verminderd.
Samenvoegen Afwijking: Voor repetitieve signalen kan het gemiddelde van meerdere cycli of gebeurtenissen de SNR drastisch verbeteren.
Integratie: Het cumuleren van signaal in de tijd verhoogt het totale signaal terwijl het geluid langzamer groeit, waardoor het SNR verbetert.

Een andere techniek is om meerdere signalen te gemiddelden als hetzelfde signaal meerdere keren wordt gemeten, de consistente kenmerken hebben de neiging om duidelijker te worden, en willekeurige ruis neigt om zichzelf te annuleren.

Verbeterde Circuit Design en Componentselectie

Zorgvuldige circuitontwerp en componentenselectie kunnen de geluidsproductie aan de bron minimaliseren:

Laag geluidsniveaucomponenten: Het selecteren van weerstanden, versterkers en andere onderdelen die speciaal zijn ontworpen voor een geluidsarme werking vermindert intrinsieke geluidsbronnen.
Optimale Bias Conditions: Gebruikende transistors en versterkers op optimale biaspunten minimaliseert het geluid, terwijl ze een adequate prestatie behouden.
Impedantie Matching: De juiste impedantie die tussen circuitfasen overeenkomt, maximaliseert signaaloverdracht en minimaliseert ruis.
Uitloop Optimalisatie: Voorzichtige PCB-lay-out minimaliseert parasitaire effecten, crosstalk en koppelingspaden voor lawaai.
Power Supply Decoupling: Strategisch geplaatste ontkoppelingscondensatoren verminderen het ruis van de stroomtoevoer en voorkomen dat deze in signaalpaden wordt gekoppeld.

Interne elektronische geluidsoverlast van meetsystemen kan worden verminderd door het gebruik van geluidsarme versterkers.

Correlated Double Sampling (CDS)

Correlated Double Sampling (CDS) is een ruisreductietechniek die veel wordt toegepast in CMOS- en CCD-beeldsensoren om laagfrequent temporele ruis te onderdrukken, met name reset noise (kTC noise) en flikker noise (1/f noise), en de methode maakt gebruik van de temporale correlatie tussen twee opeenvolgende monsters: een reset level en een signaalniveau . Door deze twee waarden af te trekken, elimineert CDS common-mode noise componenten met behoud van het fotogegenereerde signaal.

Correlated double sampling (CDS) wordt vaak gebruikt om het resetgeluid te verminderen. Deze techniek is bijzonder effectief bij beeldsensoren en andere toepassingen waar resetlawaai een belangrijk punt van zorg is.

Temperatuurregeling en koeling

Aangezien veel geluidsbronnen temperatuurafhankelijk zijn, kan het thermische beheer het lawaai aanzienlijk verminderen:

Thermo-elektrische koeling: Peltier koelers kunnen de sensortemperatuur verlagen, het thermische geluid verminderen en de donkere stroom in fotodetectoren.
Cryogene koeling: In sommige high-performance systemen, zoals radiotelescopen en diepruimtecommunicatiearrays, kan intern geluid worden geminimaliseerd door de ontvangstcircuits cryogeen te koelen tot slechts een paar graden boven het absolute nulpunt, waardoor thermische ruis wordt verminderd en het systeem extreem zwakke signalen kan detecteren.
Temperatuur Stabilisatie: Het handhaven van constante temperatuur voorkomt temperatuurafhankelijke ruisvariaties en drift.
Thermische isolatie: Het isoleren van gevoelige componenten uit warmtebronnen vermindert temperatuurschommelingen.

SNR kan worden verbeterd door de omgeving te controleren om eventuele ruis te minimaliseren, en dit kan worden gedaan door de temperatuur van de camera te verlagen, donkere ruis te minimaliseren, of door de uitleeselektronica te wijzigen om leesruis te minimaliseren.

Modulatie en insluitingsdetectie

Indien van toepassing, kan het gebruik van een lock-in versterker ook SNR

Modulatietechnieken verschuiven het signaal naar een frequentiebereik waar het geluid lager is:

Hengelen: Het signaal aanpassen met een bekende frequentie verplaatst het weg van DC en laagfrequent 1/f lawaai.
Synchronische detectie: Lock-in-versterkers detecteren signalen op een specifieke referentiefrequentie met extreem smalle bandbreedte, waarbij alle andere frequenties worden afgewezen.
Fase-gevoelige detectie: Het extraheren van zowel amplitude- als fase-informatie zorgt voor extra geluidafstoting.

Geavanceerde digitale signaalverwerking

Moderne digitale signaalverwerkingstechnieken bieden krachtige ruisreductiemogelijkheden:

Wavelet Denoising: Wavelet transforms kunnen signaal scheiden van geluid op basis van hun verschillende kenmerken in het tijdfrequentiedomein.
Spectrale aftrekken: Het ruisspectrum wordt uit het gemeten signaalspectrum geschat en afgetrokken.
Wiener Filtering: Optimale filtering die gemiddelde kwadraatfout minimaliseert tussen het geschatte en ware signaal.
Principale componentanalyse (PCA): Het identificeren en behouden van signaalcomponenten terwijl het weggooien van door lawaai gedomineerde componenten.
Machine Learning Denoising: Neurale netwerken getraind om geluidspatronen te herkennen en te verwijderen terwijl ze signaalfuncties behouden.

Kalibratie en compensatie

Systematische geluidsbronnen kunnen worden gekenmerkt en gecompenseerd:

Donkere Frame Aftrekken: Donkere frameaftrekken is een veel gebruikte techniek voor het verminderen van vast patroonruis (FPN) en thermisch geluid in beeldsensoren.Deze ruiscomponenten ontstaan door variaties in pixel donkere stroom en uitlezingselektronica, die zelfs in afwezigheid van licht blijven bestaan, en de methode houdt in dat een referentiebeeld onder donkere omstandigheden wordt vastgelegd en van de werkelijke afbeelding wordt afgetrokken.
Verschuiving Correctie: Meten en aftrekken van DC offsets verwijdert constante vooringenomenheid fouten.
Gainkalibratie: Karakteriseren en corrigeren voor gain variaties tussen sensorelementen.
Niet-lineaire correctie: Compenserend voor niet-lineaire sensorrespons die vervorming kan veroorzaken.

Praktische overwegingen voor lawaaibeheer

Het is vaak mogelijk om het lawaai te verminderen door het milieu te controleren. Doeltreffende geluidsbeheer vereist een systematische aanpak die alle aspecten van het sensorsysteem in aanmerking neemt:

Geluidsbudgettering

Een geluidsbudget houdt systematisch rekening met alle geluidsbronnen in een systeem:

Alle significante geluidsbronnen identificeren
Kwantificeren van de bijdrage van elke bron
Bereken het totale lawaai door individuele bijdragen te combineren (meestal met behulp van root-sum-kwadraat voor niet-corre-relateerde bronnen)
Vergelijk het totale lawaai met de eisen en identificeer dominante bronnen
Prioriteit geven aan mitigatie-inspanningen voor de grootste bijdragen

Bandbreedte Optimalisatie

Aangezien het geluidsvermogen evenredig is met de bandbreedte, beperkt het beperken van bandbreedte tot alleen wat nodig is voor het signaal het geluid:

Gebruik anti-aliasing filters voor ADC's om te voorkomen dat hoogfrequente ruis zich in de signaalband opvouwt
De analoge bandbreedte koppelen aan de signaalvereisten
Digitale filtering toepassen om de bandbreedte na conversie verder te verminderen
Overweeg oversampling en decimering om bandbreedte voor resolutie te ruilen

Afwikkelingen en systeemoptimalisatie

Geluidsreductie houdt vaak in dat er afwisseling plaatsvindt met andere systeemparameters:

Snelheid vs. Geluid: Lagere metingen maken doorgaans meer middeling en filtering mogelijk, waardoor het lawaai wordt verminderd ten koste van de responstijd.
Kracht vs. Geluid: Lagere ruis vereist vaak een hoger energieverbruik voor koeling, hogere biasstromen of complexere signaalverwerking.
Kosten vs. Prestaties: De laaggeluidscomponenten en de geavanceerde verwerking verhogen de kosten van het systeem.
Maat vs. Schilderen: Effectieve afscherming kan de grootte en het gewicht van het systeem verhogen.

Testen en valideren

Een goede karakterisering van de geluidsprestaties is essentieel:

Geluidsmeting onder realistische bedrijfsomstandigheden
Geluidshinder karakteriseren als functie van signaalniveau, frequentie, temperatuur en andere relevante parameters
Controleren of geluiddempingstechnieken verwachte verbeteringen opleveren
Duidelijke geluidsspecificaties, inclusief meetomstandigheden en bandbreedte

Toepassingsspecifieke geluidsoverwegingen

Verschillende sensortoepassingen hebben unieke geluiduitdagingen en eisen:

Medische en biomedische sensoren

Medische sensoren moeten betrouwbaar werken in uitdagende omgevingen met strenge veiligheidseisen:

Biopotentiële signalen (ECG, EEG) zijn uiterst klein en vereisen een zeer lage geluidsversterking
Bewegingsartefacten en elektrodegeluid kunnen metingen domineren
Elektrische veiligheidsisolatie kan extra geluidskoppelingswegen introduceren
De eisen inzake realtimeverwerking beperken de hoeveelheid middelingsmogelijkheden

Sensoren voor industrieel proces

Industriële omgevingen vormen ernstige geluidsuitdagingen:

Hoge niveaus van elektromagnetische interferentie van motoren, aandrijvingen en elektrische apparatuur
Lange kabel loopt die storing kan oppikken en extra lawaai introduceren
Brede temperatuurvariaties die de sensorkenmerken beïnvloeden
Trilling en mechanische belasting van sensoren en verbindingen

Wetenschappelijke instrumentatie

Wetenschappelijke metingen verleggen vaak de grenzen van de geluidsprestaties:

Detectie van extreem zwakke signalen in de buurt van de fundamentele geluidsgrenswaarden
Lange integratietijden om vereiste SNR te bereiken
Zorgvuldige milieubeheersing om externe geluidsbronnen te minimaliseren
Geavanceerde kalibratie- en correctieprocedures

Automobiel en lucht- en ruimtevaartsensoren

Voertuigsensoren moeten betrouwbaar werken in zware omstandigheden:

Breedtemperatuur varieert van -40 °C tot +125 °C of meer
Ernstige trillingen en schokken
Elektromagnetische interferentie door ontstekingssystemen, motoren en draadloze communicatie
Langetermijn betrouwbaarheidseisen met minimaal onderhoud

Consumentenelektronica

Consumentenapparaten houden de prestaties in evenwicht met kosten- en stroombeperkingen:

Miniaturisatie verhoogt het lawaai door kleinere componenten en een grotere afstand
Voor geluiddemping beschikbare accu-inschakelgrenzen
Kostendruk is gunstig voor eenvoudigere, goedkopere oplossingen
De verwachtingen van de gebruikers voor prestaties blijven stijgen

Toekomstige trends in lawaaireductie

Het lopende onderzoek en de technologische vooruitgang blijven de geluidsprestaties van sensorsystemen verbeteren:

Geavanceerde materialen en apparaten

Kwantumsensoren: Kwantummechanische effecten benutten om gevoeligheid te bereiken die de klassieke grenzen overschrijdt
Supergeleidende apparaten: In bedrijf bij cryogene temperaturen om thermisch lawaai te elimineren
Nieuwe halfgeleidermaterialen: Breedbandgap-halfgeleiders en 2D-materialen die betere geluidseigenschappen bieden
MEMS en NEMS: Micro- en nano-elektromechanische systemen met verminderd lawaai door miniaturisatie en integratie

Computational Approaches

AI-gebasseerde denoising: Diep leeralgoritmen die optimale geluidreductiestrategieën leren uit data
Gecomprimeerde sensing: Het exploiteren van signaalsparity om signalen te reconstrueren van minder lawaaierige metingen
Computational Imaging: Optisch ontwerp combineren met computationele verwerking om betere geluidsprestaties te bereiken
Randberekening: De verwerking van sensorgegevens ter plaatse om transmissieruis en latentie te verminderen

Innovaties op systeemniveau

Sensorfusie: Meerdere sensoren combineren om de algemene SNR en betrouwbaarheid te verbeteren
Adaptieve systemen: Dynamisch afstellen van sensorparameters en verwerking op basis van bedrijfsomstandigheden
Zelfkalibrerende sensoren: Automatisch karakteriseren en compenseren van geluidsbronnen
Wireless Sensor Networks: Verdeelde sensors met gezamenlijke ruisreductie

Beste praktijken voor geluidsbeheer

De uitvoering van een doeltreffend beheer van geluid vergt aandacht gedurende het gehele ontwerp- en implementatieproces:

Ontwerpfase: Zie lawaai vanaf het begin, niet als een nagedachte. Ontwikkel een noise budget vroeg en ontwerp om het te voldoen.
Componentselectie: Kies componenten op basis van geluidspecificaties die geschikt zijn voor de toepassing. Geef geen te veel of te weinig details.
PCB-indeling: Volg de beste praktijken voor de lay-out, waaronder goede aarding, afscherming en scheiding van analoge en digitale circuits.
Prototyping: Bouw en test prototypes vroeg om de geluidsprestaties te valideren. Identificeer en pak geluidsproblemen vóór productie aan.
Milieucontrole: Waar mogelijk, de werkingsomgeving controleren om externe geluidsbronnen te minimaliseren.
Documentatie: Documenteren van geluidsbronnen, mitigatietechnieken en gemeten prestaties voor toekomstige referentie en probleemoplossing.
Continuerende verbetering: Monitor veldprestaties en neem lessen op die geleerd zijn in toekomstige ontwerpen.

Conclusie

Geluid is een onvermijdelijk aspect van sensortechnologie dat fundamenteel van invloed is op de nauwkeurigheid, betrouwbaarheid en prestaties van meetsystemen op alle toepassingsgebieden. Alle elektrische componenten intrinsiek geluid genereren.Begrijpen van de verschillende soorten lawaai, waaronder thermisch lawaai, schotruis, flikkerend geluid, en quantment noise ..samen met hun bronnen en kenmerken is essentieel voor iedereen die met sensorsystemen werkt.

De effecten van lawaai op sensormetingen zijn verreikend, beïnvloeden meetnauwkeurigheid, toenemende onzekerheid, maskering signalen, en de vermindering van de algemene systeemprestaties. Echter, door een zorgvuldige toepassing van mitigatiestrategieën, waaronder afscherming, filtering, signaalgemiddelden, verbeterd circuitontwerp, en geavanceerde signaalverwerkingstechnieken, kunnen ingenieurs het geluid aanzienlijk verminderen en de sensorprestaties verbeteren.

Uiteindelijk is de meest effectieve manier om SNR te verbeteren afhankelijk van het begrijpen van de aard van het signaal en het type lawaai aanwezig. Succes vereist een systematische aanpak die rekening houdt met lawaai vanaf de vroegste ontwerpfasen, implementeert passende mitigatietechnieken, en valideert prestaties door zorgvuldige testen en karakterisering.

Naarmate de technologie verder vordert, zal het lopende onderzoek naar lawaaibestrijdingstechnieken, nieuwe materialen, geavanceerde signaalverwerkingsalgoritmen en innovatieve systeemarchitecturen de grenzen blijven verleggen van wat haalbaar is. De ontwikkeling van quantumsensoren, AI-gebaseerde denoising en andere opkomende technologieën belooft de kwaliteit van sensormetingen verder te verbeteren in verschillende toepassingen, van wetenschappelijk onderzoek en medische diagnoses tot industriële automatisering en consumentenelektronica.

Voor ingenieurs, wetenschappers en studenten die met sensorsystemen werken, blijft een grondig begrip van lawaai en de beperking ervan een van de meest kritische vaardigheden om hoge prestaties te bereiken, betrouwbare metingen. Door toepassing van de principes en technieken die in dit artikel worden besproken, kunnen beoefenaars sensorsystemen ontwerpen en implementeren die nauwkeurige, betrouwbare gegevens leveren, zelfs in uitdagende omgevingen met significante geluidsbronnen.

Voor meer informatie over sensorgeluids- en signaalverwerkingstechnieken, kunt u overwegen om bronnen te verkennen van organisaties zoals de Analoge apparaten technische bibliotheek, de IEEE Signaalverwerkingsmaatschappij, en academische instellingen die cursussen aanbieden in instrumentatie- en meetsystemen. Deze bronnen bieden gedetailleerde technische informatie, applicatienotities en onderzoekspapieren die uw begrip van lawaai in sensorsystemen kunnen verdiepen en de nieuwste vooruitgang op het gebied van geluidsreductietechnologie.