Der Photomischdetektor zur schnellen 3D-Vermessung für ...
Der Photomischdetektor zur schnellen 3D-Vermessung für ...
Der Photomischdetektor zur schnellen 3D-Vermessung für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
2 Modellierung des <strong>Photomischdetektor</strong>s<br />
2.1.3 Signalverarbeitung<br />
Im Rahmen der Modellierung der Signalverarbeitung im PMD-Gesamtsystem werden<br />
einerseits Rauscheffekte berücksichtigt und andererseits die AD-Wandlung in Verbindung<br />
mit der <strong>für</strong> die Auswertung notwendigen Differenzbildung der Auslesesignale umgesetzt.<br />
Rauscheffekte<br />
Nach [Hupp00] kann sowohl das Photonenrauschen, welches die statistische Generierung<br />
der Ladungsträger in der photosensitiven Schicht des PMD-Chips beschreibt als<br />
auch das Schrotrauschen, das durch die statistische Natur des Ladungstransports im<br />
Halbleiter entsteht, durch die Poisson-Verteilung berücksichtigt werden. Damit lässt<br />
sich die rauschbehaftete Zahl der auf den Kapazitäten integrierten Ladungsträger als<br />
diskrete, poissonverteilte Zufallsgröße Pµ(k) mit Erwartungswert µ modellieren.<br />
Pµ(k) =e −µ · µk<br />
,k∈ N0<br />
(2.18)<br />
k!<br />
Für große Elektronenzahlen kann diese diskrete Wahrscheinlichkeitsverteilung hinreichend<br />
gut über die kontinuierliche Normalverteilung angenähert werden<br />
Pµ,σ(x) = 1<br />
σ √ 2π exp<br />
�<br />
− 1 (x − µ)<br />
2<br />
2<br />
σ2 �<br />
, (2.19)<br />
wobei der Erwartungswert µ bzw. die Standardabweichung σ der Zufallsgröße x wie<br />
folgt definiert sind:<br />
µ = 1<br />
n<br />
n�<br />
xi<br />
i=1<br />
(2.20)<br />
�<br />
�<br />
�<br />
σ = � 1<br />
n�<br />
(xi − µ)<br />
n − 1 i=1<br />
2 (2.21)<br />
Die Wahrscheinlichkeitsverteilung Pµ,σ(x) beschreibt das poissonverteilte Rauschen um<br />
die mittlere Elektronenzahl µ = ¯ N hinreichend gut, wenn die Standardabweichung der<br />
Bedingung<br />
σ = √ ¯ N (2.22)<br />
genügt. <strong>Der</strong> somit resultierende Verlauf der Wahrscheinlichkeitsverteilung Pµ,σ(x) ist<br />
exemplarisch <strong>für</strong> ¯ N = 1000 in der Abbildung 2.5 geplottet.<br />
26