当ToF像素遇到摩尔定律如何发展？

据麦姆斯咨询报道，1975年戈登·摩尔（Gordon Moore）做出了一项预测，这就是著名的摩尔定律：集成电路可以容纳的晶体管数量每两年（或18个月，取决于芯片类型）翻一番，见图1。简单来讲，集成电路的处理性能或处理速度每两年翻一番。通常情况下，对于图像传感器来讲，像素数量每两年翻一番，或像素尺寸每两年增加√2倍。其实没那么快，因为图像传感器更像是模拟芯片，而不是数字芯片，不会与技术节点成比例增长。彩色（RGB）图像传感器能够增加像素尺寸，但带来的是性能降低，因为尺寸/成本的比值非常重要。通过仅对像素区进行有针对性的工艺改进，或多片晶圆3D堆叠，将处理功能转移到较小工艺节点，这也在一定程度上起到了帮助作用。

图1：摩尔定律

将此规律运用到ToF像素领域进行综合思考，与RGB图像传感器不同，ToF像素值需要计量等级。这是因为ToF像素值支持深度测量，而不是让图像看起来“漂亮”。ToF像素值性能由信噪比决定。接下来让我们进行深入探讨。为了简化分析，在研究占主导地位的噪声源时，有三种不同机制。

1. 信号散粒噪声（Signal Shot Noise）
2. 环境散粒噪声（Ambient Shot Noise）
3. 读取噪声（Read Noise）

选择其中一种机制（如：环境散粒噪声）进行深入分析。这里，量子效率（Quantum Efficiency，以下简称QE）是从入射光子中收集光子电荷的概率，而调制对比度（Modulation Contrast，以下简称MC）是光子电荷生成可用于获取深度信号的概率，则：

假设MC和QE的值处于上限，由于像素面积减少了一半，时间抖动就增加了√2。这是否意味着像素较小会导致性能不佳？事实证明，还有另一个杠杆参数可以提高性能，这是调制频率。来自微软的Cyrus曾在其博客文章中提到了基于相位的ToF测量方法。时间抖动的不同表达方式为：

图2：环境散粒噪声限制机制：频率标度与像素尺寸的关系

从图2看出，可以通过增加频率来恢复因为像素尺寸缩小产生的性能下降。但是，只有当MC在更高频率时不会显著降低，才可能这样做。微软的ToF技术是高频MC的领导者（频率在320 MHz时MC为78%）。此外，更高的频率会增加芯片功耗和激光光学功耗。

下图（图3）展示了ToF像素尺寸随着摩尔定律发展的规律。

图3：摩尔定律 vs. ToF像素尺寸发展

注：文章来自微软资深首席科学家Swati Mehta，由麦姆斯咨询编译。

责任编辑：lq