據麥姆斯咨詢報道，1975年戈登·摩爾（Gordon Moore）做出了一項預測，這就是著名的摩爾定律：集成電路可以容納的晶體管數量每兩年（或18個月，取決于芯片類型）翻一番，見圖1。簡單來講，集成電路的處理性能或處理速度每兩年翻一番。通常情況下，對于圖像傳感器來講，像素數量每兩年翻一番，或像素尺寸每兩年增加√2倍。其實沒那么快，因為圖像傳感器更像是模擬芯片，而不是數字芯片，不會與技術節點成比例增長。彩色（RGB）圖像傳感器能夠增加像素尺寸，但帶來的是性能降低，因為尺寸/成本的比值非常重要。通過僅對像素區進行有針對性的工藝改進，或多片晶圓3D堆疊，將處理功能轉移到較小工藝節點，這也在一定程度上起到了幫助作用。

圖1：摩爾定律

將此規律運用到ToF像素領域進行綜合思考，與RGB圖像傳感器不同，ToF像素值需要計量等級。這是因為ToF像素值支持深度測量，而不是讓圖像看起來“漂亮”。ToF像素值性能由信噪比決定。接下來讓我們進行深入探討。為了簡化分析，在研究占主導地位的噪聲源時，有三種不同機制。

1. 信號散粒噪聲（Signal Shot Noise）
2. 環境散粒噪聲（Ambient Shot Noise）
3. 讀取噪聲（Read Noise）

選擇其中一種機制（如：環境散粒噪聲）進行深入分析。這里，量子效率（Quantum Efficiency，以下簡稱QE）是從入射光子中收集光子電荷的概率，而調制對比度（Modulation Contrast，以下簡稱MC）是光子電荷生成可用于獲取深度信號的概率，則：

假設MC和QE的值處于上限，由于像素面積減少了一半，時間抖動就增加了√2。這是否意味著像素較小會導致性能不佳？事實證明，還有另一個杠桿參數可以提高性能，這是調制頻率。來自微軟的Cyrus曾在其博客文章中提到了基于相位的ToF測量方法。時間抖動的不同表達方式為：

圖2：環境散粒噪聲限制機制：頻率標度與像素尺寸的關系

從圖2看出，可以通過增加頻率來恢復因為像素尺寸縮小產生的性能下降。但是，只有當MC在更高頻率時不會顯著降低，才可能這樣做。微軟的ToF技術是高頻MC的領導者（頻率在320 MHz時MC為78%）。此外，更高的頻率會增加芯片功耗和激光光學功耗。

下圖（圖3）展示了ToF像素尺寸隨著摩爾定律發展的規律。

圖3：摩爾定律 vs. ToF像素尺寸發展

注：文章來自微軟資深首席科學家Swati Mehta，由麥姆斯咨詢編譯。

責任編輯：lq