8、飞行时间（ToF）测距成像相机中的抖动研究与测量方法

飞行时间（ToF）测距成像相机中的抖动研究与测量方法

1. 抖动对信号频谱估计的影响

Tarczynski和Allay提出了加权样本和加权概率密度函数这两种算法，用于寻找无数字混叠的估计信号频谱。不过，这两种算法的使用受到频谱估计误差水平和采样时刻抖动这两个因素的限制。研究发现，频谱估计误差类似宽带噪声，而抖动会给频谱估计带来偏差。

Wu等人引入了一种在模数转换器（ADC）中进行抖动估计的方法。他们采用单高频测试且无需相干采样，显著节省了硬件和数据采集时间。后来，他们又基于抖动受输入信号斜率调制的特性，将该方法扩展用于ADC测试中的抖动和噪声分离。此外，他们仅通过一次快速傅里叶变换（FFT）和一次逆快速傅里叶变换（IFFT）操作，就将该方法应用于分离ADC输出中的随机抖动和周期性抖动。

2. 抖动对AMCW ToF相机测距成像的影响

市面上的调幅连续波（AMCW）飞行时间（ToF）相机存在分辨率低、噪声水平相对较高的问题。这些噪声源于多种电子因素，如散粒噪声、复位噪声、放大器噪声、串扰、模数转换器（ADC）量化、时钟抖动以及多径光干扰等，它们直接影响了测距的信噪比。其中，许多噪声源，如谐波污染、非线性和多径干扰、光散射等，已经得到了深入研究。

然而，与AMCW ToF测距系统相关的抖动研究却相对较少。目前仅有两项研究探讨了抖动对测距的影响，且都只涉及随机抖动。对于ToF测距成像相机中的周期性抖动，尚未有相关研究。

Streeter等人研究了调制信号和相机快门之间抖动和/或漂移的可能性。他们使用一种用于抖动校正的算法，将相位和频率的变化建模为线性模型。通过线性回归计算当前帧相对于参考帧的抖动参数后求解该模型，并分析相对