信噪比作为光学生物传感器的定量测量

本应用笔记概述了SNR在评估Maxim集成先进传感器产品中的重要性。它还详细介绍了SNR测试的细节，包括设置和程序，以及SNR和功耗的相互依赖性。最后，讨论了评估人类PPG信号信噪比的新方法。

介绍

在评估Maxim集成传感器产品时，表征信噪比（SNR）非常重要。在生物传感器（如Maxim传感器）中，信号噪声更低，有助于更快地报告结果。因此，具有更高SNR的设备通过缩短报告人体生命体征的时间，同时提高结果的准确性来增强用户体验。

与市场上大多数其他电子设备一样，Maxim器件可以通过测量各种条件或配置下的噪声并将其与相同条件下的目标信号进行比较来评估。通过信噪比实现的比较为评估人员提供了在各种操作环境和条件下测量精度的领先指标。

信噪比：一种有效的绩效评估方法

SNR定义为信号功率和噪声功率之比，考虑了来自所有来源的噪声，例如电噪声、热噪声、光学噪声甚至环境噪声。

如果信号和噪声的阻抗相同，则可以使用信号幅度和噪声幅度来计算SNR。因此，信噪比可以表示为：

对于具有正值的光学测量等测量，当信号为直流信号时，可以使用信号平均值计算信号幅度，可以使用测量信号的标准偏差计算噪声幅度。例如，考虑如图1所示的信号。

图1.标准偏差和信号平均值。

信噪比也可以计算为：

对于Maxim的高级传感器产品，SNR的计算方法是平均ADC计数与ADC计数标准偏差之比，其中ADC计数与接收到的光信号呈线性关系。

信噪比测试设置和流程

SNR测试的目的是确定来自传感器的测量信号中的噪声程度。随着信号幅度的变化，噪声也会发生相应的变化，这些变化可能会影响传感器的性能，也可能不会影响传感器的性能。由于这些变化，SNR提供了一种有效的方法来评估性能。

输入电流（在本例中为光学传感器）是光电二极管产生的电流，取决于该光电二极管表面上的入射光。考虑Maxim传感器的一般框图（图2）。

图2.光学传感器框图。

对于相同的LED，光电二极管上的光子能量会随着LED驱动电流、脉冲宽度和采样速率的增加而增加，但是光电二极管上的反射光入射（产生光电二极管电流，从而产生目标信号）取决于各种其他因素，包括LED光输出，反射光子能量以及光电二极管对所考虑的特定测试设置的响应度。因此，在评估SNR时，LED电流不用作信号幅度的量度;相反，产生的光电二极管电流被用作表征SNR的参数。

SNR 测试的常规设置涉及将测试设置与要表征的设备放在稳定的表面上，例如没有任何环境振动的光学工作台。测试设置放置在白色反射器下，使得来自LED的光被所述反射器反射到光电二极管上。通常，使用白色苯乙烯高抗冲击塑料卡作为反射器。也可以使用其他材料。

该设置将用黑匣子或黑纸覆盖以阻挡环境光。尽管在此DUT中大部分抵消了环境光，但由于不同光照条件引起的变化可能会扭曲结果，从而在表征和相关性方面带来问题。因此，覆盖测试设置以阻挡环境光可确保结果在不同的测试楼层或不同的环境条件下不会有所不同。请参见图 3 和图 4。

图3.反射卡位于稳定的光学工作台上，顶部固定以避免振动。

图4.测试设置的侧视图，严格控制 DUT 和反光白卡之间的气隙。

考虑测试设置的稳定性也很重要。当反射器和光电二极管之间的距离发生变化时，光电二极管上的入射光会发生变化。如果反射器不稳定，则可能导致样品采集过程中的距离变化。这会导致光电二极管上的入射光发生变化，进而导致ADC计数的变化，并转化为信号噪声，但实际上这是不稳定测试设置的伪影。

一旦测试设置准备就绪且稳定，就可以获取各种配置的数据。然后通过脚本（MATLAB或Python）或评估器分析每组数据的SNR。LED电流和反射器位置，以及反射器和部件之间的距离，都会发生变化，以达到ADC计数或ADC输入电流的一定水平。输入电流在允许的器件限值内变化。输入电流可通过以下公式根据ADC计数计算：®

例如，当输入范围设置为16μA的19位ADC时，数据集显示的平均计数约为330，000个计数。输入电流的计算公式为：

输入电流 = 10.07μA

扫描输入电流并使用每个输入电流设置的数据集计算SNR，得出SNR与输入电流的关系图，如图5所示。

图5.SNR是光电探测器输入电流的函数。

挑战（信噪比与功率）

上图可能给人的印象是，使用输入电流接近最大限值的Maxim传感器器件应该是最佳配置，因为它提供最高的SNR，因此性能最佳。但考虑到其他因素，可以明显看出，最高输入电流（或最高SNR）不一定是最佳解决方案。

ADC输入电流主要取决于两个因素：

LED 灯输出。随着LED光输出的增加，反射回PD的光也更高。

与反射器的距离。对于相同的LED光输出，当与反射器的距离减小时，输入电流会增加。

在生物传感器的实际应用中，假设与皮肤的距离是恒定的，无论是在手腕、手指还是任何其他部位。在这种情况下，剩下的唯一变量是 LED 光输出。为简化起见，我们假设LED光输出随LED平均电流线性增加。因此，很明显，对于特定部件和应用，SNR随着LED平均电流的增加而改善。平均 LED 电流由 LED 驱动电流（LED 驱动器开启时的 LED 电流）、脉冲宽度和采样率决定。更高的平均电流不仅意味着更高的SNR，还会导致更高的系统功耗。例如，图6所示为Maxim生物传感器MAX86140的功耗。

图6.功率与采样率和脉冲宽度成函数关系。

因此，定义最佳解决方案以为每个系统获得最佳SNR和功耗非常重要。由于对可穿戴设备和配件等低功耗系统的期望越来越高，对长电池寿命的需求不断增加，这一点变得越来越重要。因此，提高LED电流或增加占空比以获得高平均电流和高SNR并不总是最佳解决方案。

理想的解决方案应基于每个应用和系统要求。但是，在仔细评估所考虑的配置选项的SNR和功耗之后，必须做出明智的决定。

新途径：用于人体受试者测试的信噪比

在对人体测试数据的信噪比评估方面，计算信噪比的传统方法失败了。Maxim生物传感器设计用于利用光电容积脉搏波（PPG）数据精确测量人体生命体征，如心率和血氧合。PPG信号显示特定部位（手指，手腕，耳朵等）的血容量变化，然后用于通过算法计算各种人体生命体征。图7显示了一个典型的PPG信号。

图7.典型的PPG信号。

由于平均ADC计数和标准偏差分别用于估计信号幅度和噪声幅度，因此它仅适用于直流信号。对于诸如PPG之类的信号，它是交流和直流的组合，这种方法会产生错误的噪声结果。Maxim的工程师提出了一种全新的方法，用于评估通过频域滤波实现的人类PPG数据的SNR。

算法处理所需的人类PPG数据一般在20Hz以下。可以对来自人类受试者的数据进行过滤，以分离20Hz以上的噪声和20Hz以下的信号。这种方法有效地将噪声幅度和信号幅度与AC + DC信号分开。参见图 8。

这是一种令人兴奋的新方法，使应用工程师和系统工程师能够评估人类PPG数据的SNR，并对各种系统和应用中的产品性能进行更有意义的分析。

图8.滤波后噪声与交流信号分离。

结论

在电子行业，更具体地说，当涉及到传感器产品时，SNR是显示零件优于另一个零件的第一个也是最重要的规格之一。信噪比以及一些其他规格为评估人员提供了设备性能的清晰快照。这就需要对信噪比测试设置、程序和信噪比计算方法有深入而深刻的了解。本应用笔记试图提供知识和完整的理解，从而提供更好的评估和客户支持。

审核编辑：郭婷