低光照CMOS图像传感器像素内增益放大器与读出电路综述：实现亚电子级读出噪声的技术路径

《IEEE Sensors Reviews》：Review of In-Pixel Gain Amplifiers and Readout Circuits for Low-Light CMOS Image Sensors

本文针对低光照环境下CMOS图像传感器(CIS)灵敏度不足的核心问题，系统回顾了过去二十年像素内增益放大器(IPGA)及其信号链电子器件的技术发展。研究人员通过对比分析Gm-C、Gm-R、CTIA、对数放大器及差分放大器等多种拓扑结构，揭示了高转换增益(CG)与全阱容量(FWC)之间的固有权衡关系，并指出通过自适应增益架构与机器学习优化可实现深亚电子级(如0.17e-rms)噪声性能，为下一代高性能CIS设计提供了重要理论框架与实践指南。

　　

在星空摄影、军事侦察、生物荧光成像等低光照应用场景中，传统CMOS图像传感器常因读出噪声过高而难以捕捉微弱信号。尽管背照式(BSI)技术和钉扎光电二极管有效提升了灵敏度，但源极跟随器(SF)作为主流像素缓冲器，其增益小于1的特性限制了信号链的信噪比提升。如何在不牺牲像素全阱容量和动态范围的前提下实现深亚电子级读出噪声（如0.5e^-_rms以下），成为学术界与工业界亟待突破的技术瓶颈。

发表于《IEEE Sensors Reviews》的综述文章《低光照CMOS图像传感器像素内增益放大器与读出电路综述》系统梳理了近二十年来非SF架构的像素内增益放大器(IPGA)技术演进。为突破SF增益限制，研究者相继提出G_m-C、G_m-R、电容跨阻放大器(CTIA)、对数放大器及差分放大器等拓扑结构。例如，Ge与Theuwissen设计的G_m-C放大器通过调节积分时间可实现50-1600μV/e^-的可调列级转换增益(CCG)，而Sato等人利用三维堆叠工艺实现的差分放大器在1.45μm像素尺寸下达到了0.50e^-_rms的噪声水平。这些技术通过提升信号路径前端的增益，有效抑制了后续电路噪声的输入参考影响。

研究团队采用技术路线对比分析法，重点评估了各类IPGA的列级参考转换增益(CCG)、输入参考噪声、增益线性度及动态范围等核心指标。通过建立统一噪声模型（如公式5对PSF噪声的量化分析），揭示了增益提升与电容缩减对噪声的抑制机制。同时，结合工艺演进数据（如180nm至90nm BSI-CIS工艺）与像素阵列实测结果（如256×128至3840×2160阵列规模），验证了不同架构在实规模传感器中的可行性。

PSF放大器

作为基准拓扑，PSF凭借高线性度成为主流选择，但其增益衰减特性（公式3）导致输入参考噪声增加。通过提升选择晶体管线性区电阻（如栅压自举技术）或优化偏置电流可部分改善性能，但增益始终低于1。

G_m-C基像素放大器

该架构将像素感应节点电压通过跨导器转化为电流，并在列级电容上积分实现电压输出（公式6）。其增益与积分时间成正比（公式7），使CCG可编程调节（如50-1600μV/e^-）。Han等人的改进版本通过列电流调制将充电时间延至14μs，CCG提升至2200μV/e^-，并利用Sinc型滤波特性将噪声压至0.31e^-_rms。

G_m-R基像素放大器

通过负载电阻将跨导器输出电流转换为电压，增益由G_m·R_L决定（公式10）。Lotto等人采用共源共栅结构（图6）实现10V/V的像素内电压增益，CCG达300μV/e^-，但动态范围受放大器输出摆幅限制。

像素内CTIA

利用反馈电容实现电荷-电压转换，理想增益为-C_sn/C_fb（公式18）。Murari等人针对荧光成像设计的CTIA（图11）通过外置暗电流补偿技术降低噪声，但像素面积增至400μm2，适用于对噪声敏感而非尺寸敏感的场景。

对数放大器与差分放大器

对数放大器利用弱反型区MOSFET的指数特性压缩动态范围，适用于高动态范围场景（如视网膜植入系统）。而差分放大器（如主动列传感技术ACS）通过像素-列电路分布式设计（图13），在保持填充因子的同时显著降低固定模式噪声(FPN)。Sato等人基于三维堆叠工艺的差分架构在1.45μm像素下实现0.50e^-_rms噪声，CCG达560μV/e^-。

研究表明，IPGA技术通过提升前端增益有效降低了读出噪声，但需在增益线性度、动态范围和像素面积之间权衡。例如，G_m-C架构虽支持可调增益，却受限于积分时间；CTIA利于噪声抑制，但反馈电容的最小值受复位噪声约束。未来趋势指向自适应增益控制与机器学习优化结合的方向，例如通过实时照度反馈调节增益，或利用轻量级神经网络优化噪声模型，从而在复杂光照环境下实现智能感知。

综上所述，高增益IPGA架构为深亚电子级噪声CMOS图像传感器提供了可行路径。尽管其设计复杂度高于传统SF，但在低光照成像、科学观测及医疗诊断等高端应用领域展现出不可替代的价值。随着三维集成、机器学习协同设计等技术的发展，IPGA有望在保持性能优势的同时进一步突破尺寸与功耗限制，推动下一代成像系统的革新。