본문으로 건너뛰기
624 / MEASUREMENT NOISE
먼저 알아두면 좋아요 · RC 필터의 주파수 응답과 확률변수의 분산을 복습하세요.
단원 목록 (650) · 광다이오드 잡음과 등가 대역폭
이해하는 속도로 읽으세요.개념도이론실험확인 문제

잡음 밀도에서 분산까지

잡음 밀도는 주파수 한 구간당 분산을 나타냅니다. 필터를 통과한 값을 합하면 측정 분산을 얻습니다.

B_eq = (π/2) f_c = 1/(4RC)

정규화한 전달함수 크기 제곱의 넓이와 같은 직사각형의 폭을 구합니다.

잡음 성분 비교하기
이 단원 목차

1. 평균 신호와 그 주변의 변동 구분하기

빛을 일정하게 비추어도 전류는 평균값 주변에서 변동합니다. 파장과 바이어스를 고정하고 전하가 독립적으로 도착하는 포아송 과정으로 가정합니다. 평균 전체 전류 I=Iphoto+Idark≥0I=I_{\rm photo}+I_{\rm dark}\ge0에 대해 단측 백색 산탄 잡음의 전류 전력 스펙트럼 밀도는 Sshot=2qIS_{\rm shot}=2qI이며, qq는 기본 전하입니다. 암전류의 평균을 빼더라도 암전류 변동은 분산에 남습니다. Hamamatsu 실리콘 광다이오드 기술 자료의 잡음 특성

2. 저항 열잡음을 전류 기준으로 더하기

절대온도 TT의 부하 저항 RR은 고전적인 존슨 열잡음을 만듭니다. 병렬 등가 전류로 나타내면 단측 밀도는 Sth=4kBT/RS_{\rm th}=4k_B T/R입니다. 두 전력 스펙트럼 밀도의 단위는 A2/Hz\mathrm{A^2/Hz}입니다. 평균이 0인 독립 변동의 분산은 더할 수 있으므로 전력 스펙트럼 밀도를 합한 뒤 제곱근을 구합니다. A/Hz\mathrm{A/\sqrt{Hz}} 단위의 진폭 밀도는 전력 스펙트럼 밀도의 제곱근입니다.

3. 측정 필터를 적분하기

수동 RC 읽기 회로는 전류를 Z(f)=R/(1+i2πfRC)Z(f)=R/(1+i2\pi fRC)로 전압으로 바꿉니다. 관심 주파수 범위에서 두 잡음이 백색이라고 가정하면 출력 분산은 다음과 같습니다.

σv2=R2(Sshot+Sth)Beq,Beq=∫0∞df1+(f/fc)2=π2fc=14RC.\sigma_v^2=R^2(S_{\rm shot}+S_{\rm th})B_{\rm eq}, \qquad B_{\rm eq}=\int_0^\infty\frac{df}{1+(f/f_c)^2}=\frac{\pi}{2} f_c=\frac{1}{4RC}.

등가 잡음 대역폭은 높이가 1이고 정규화한 전달함수 크기 제곱의 적분과 넓이가 같은 직사각형의 폭입니다. 필터가 차단 주파수 위쪽의 잡음도 일부 통과시키므로 −3 dB 차단 주파수보다 큽니다. 단측 밀도를 사용하므로 양의 주파수를 적분합니다.

4. 저항을 두 배로 바꾸어 검산하기

BeqB_{\rm eq}를 대입하면 산탄 잡음 분산은 qIR/(2C)qIR/(2C), 열잡음 분산은 kBT/Ck_BT/C입니다. CC와 TT를 고정하고 RR을 두 배로 하면 열잡음 스펙트럼과 대역폭이 변해도 출력에서의 열잡음 분산은 같습니다. 전류가 같으면 산탄 잡음 분산은 두 배가 됩니다. I=1 μAI=1\,\mathrm{\mu A}, R=100 kΩR=100\,\mathrm{k\Omega}, C=50 pFC=50\,\mathrm{pF}, T=300 KT=300\,\mathrm K이면 산탄 잡음과 열잡음의 RMS 전압은 약 12.7 μV12.7\,\mathrm{\mu V}와 9.10 μV9.10\,\mathrm{\mu V}이며, 합친 RMS는 약 15.6 μV15.6\,\mathrm{\mu V}입니다.

5. 수치 적분으로 분산 재현하기

from math import atan, isclose, pi, sqrt

q, k_B = 1.602176634e-19, 1.380649e-23
current, resistance, capacitance, temperature = 1e-6, 100e3, 50e-12, 300
cutoff = 1 / (2 * pi * resistance * capacitance)
s_shot = 2 * q * current
s_thermal = 4 * k_B * temperature / resistance

n = 20000
df = 100 * cutoff / n
partial = sum(df / (1 + (((j + .5) * df) / cutoff)**2) for j in range(n))
tail = cutoff * (pi / 2 - atan(100))
bandwidth = partial + tail
assert isclose(bandwidth, 1 / (4 * resistance * capacitance), rel_tol=1e-8)
variance = resistance**2 * (s_shot + s_thermal) * bandwidth
assert isclose(variance, q * current * resistance / (2 * capacitance) + k_B * temperature / capacitance, rel_tol=1e-8)
print(f"cutoff={cutoff/1e3:.2f} kHz, ENBW={bandwidth/1e3:.2f} kHz, RMS={sqrt(variance)*1e6:.2f} µV")

6. 잔차에서 모형에 없는 잡음 찾기

같은 바이어스, 샘플링 주파수, 읽기 설정에서 암상태와 여러 광 세기의 전압 파형을 측정합니다. 백색 잡음 모형에서는 평균 광전류가 늘면 출력 분산이 선형으로 늘어납니다. 저주파에 남는 잔차는 드리프트나 초과 저주파 잡음에서 올 수 있습니다. 포화와 양자화가 측정을 바꾸는 방식도 다르므로 잘림 여부, 입력 범위, 분해능을 함께 기록합니다. 관측된 변화가 장면의 변화인지 판단하기 전에 이런 측정값을 데이터셋의 불확실성 모형에 반영합니다.

CHECK YOUR UNDERSTANDING

설명할 수 있나요?

실험 설정과 무관한 기준 예제를 묻습니다. 답을 고르고 설명을 확인해보세요.

1. RC 필터의 등가 잡음 대역폭이 차단 주파수보다 큰 이유는?
2. 정전용량과 온도를 고정하고 저항을 늘리면 출력 열잡음 분산은 어떻게 되나요?

선택한 답과 학습 표시는 이 브라우저에 저장됩니다. 다시 풀거나 표시를 해제할 수 있습니다.