001、CMOS像素设计演进从FSI到BSI再到堆栈式光电转换效率与量子效率的实战解析去年在调试一款安防IPC的夜视效果时遇到一个让人抓狂的问题明明换了号称“高灵敏度”的BSI sensor暗光下的信噪比反而比上一代FSI方案差了2dB。产线那边催得紧项目经理天天问“是不是你们ISP tuning没调好”。我盯着测试数据看了三天最后发现罪魁祸首是像素结构本身——那个BSI sensor的微透镜工艺有缺陷导致边缘像素的量子效率直接掉了15%。这个坑让我意识到很多工程师包括当年的我对像素设计的理解还停留在“BSI比FSI好”的层面完全忽略了工艺细节对实际性能的影响。从FSI说起那个被误解的“老古董”FSIFront-Side Illumination其实不是落后技术它在某些场景下依然有不可替代的优势。FSI的像素结构可以想象成光线先穿过金属布线层再经过一堆介电层最后才到达光电二极管。这个路径上每经过一层界面就有一次反射和吸收损失。我实测过一颗1/2.8英寸的FSI sensor在550nm波长下金属布线层能挡住大约30%的入射光——尤其是那些走线密集的区域光电转换效率直接打七折。这里踩过坑有次做车载环视摄像头客户要求用FSI sensor降低成本。我在实验室测量子效率QE曲线时发现红色通道650nm附近的QE只有蓝色通道的60%。查了三天才发现FSI的金属层对长波长的吸收更严重因为红光穿透深度大更容易被底层金属反射回来再吸收。后来我们不得不在ISP里把红色增益拉高到2.5倍结果噪声也跟着放大了。这个教训告诉我FSI的QE曲线不是平坦的长波段的衰减是硬伤。FSI的填充因子Fill Factor也是个老大难问题。早期FSI像素的填充因子只有30%-40%意味着60%以上的感光面积被晶体管和金属线占用了。后来通过微透镜技术把光线汇聚到光电二极管上填充因子能提升到70%左右但代价是边缘像素的串扰Crosstalk增加——微透镜把光线斜着射入相邻像素导致颜色混叠。我在调试一款手机前置摄像头时就遇到过微透镜工艺偏差导致边缘像素的绿色通道QE比中心低了8%拍出来的照片四角发紫。BSI的逆袭把光电二极管翻过来BSIBack-Side Illumination的核心思路简单粗暴把硅衬底减薄让光线从背面入射直接照到光电二极管上金属布线层被甩到背面去了。这个改动让量子效率直接飙升——我测过一颗BSI sensor在450nm波长的QE能达到85%而同等工艺的FSI只有60%。尤其是蓝光波段BSI的优势更明显因为蓝光穿透深度浅FSI的金属层对蓝光的吸收更严重。别这样写BSI的QE曲线看起来很美但实际调试中要小心“表面态复合”这个坑。硅衬底减薄后背面会暴露出大量悬挂键这些缺陷能级会捕获光生载流子导致QE下降。我在调试一款车载夜视摄像头时发现BSI sensor在近红外850nm波段的QE只有理论值的70%后来用原子层沉积ALD技术在背面镀了一层氧化铝钝化层QE才恢复到90%以上。这个工艺步骤如果没做好BSI的夜视性能还不如FSI。BSI的另一个隐藏问题是“光学串扰”。因为光线从背面入射经过硅衬底时会产生散射尤其是短波长光在硅中的散射更严重。我做过一组对比测试在相同像素尺寸1.4μm下BSI的串扰比FSI高约5%-10%导致颜色饱和度下降。后来通过深沟槽隔离DTI技术在像素之间刻蚀出隔离槽串扰才降到可接受范围。但DTI工艺会增加暗电流——那些刻蚀损伤区域会产生额外的热噪声在长曝光比如安防的1秒曝光时尤其明显。堆栈式把逻辑层和像素层分开堆栈式Stacked结构是BSI的进化版把像素层和逻辑电路层分开制造然后堆叠在一起。这个设计的好处是像素层可以专注于提高光电转换效率逻辑层可以用更先进的工艺节点比如28nm甚至7nm来做高速ADC和ISP。我调试过一颗堆栈式sensor它的读出噪声只有BSI方案的1/3因为逻辑层的工艺更先进模拟电路做得更精细。实战经验堆栈式结构对量子效率的提升其实有限——它主要改善的是读出速度和噪声性能。但有一个容易被忽略的点堆栈式sensor的像素层可以做得很薄比如2μm这反而有利于近红外波段的QE。因为硅衬底薄了长波长光穿透后到达背面反射层的距离变短反射吸收损失减少。我在测试一颗堆栈式sensor的850nm QE时发现它比同尺寸的BSI sensor高了12%就是因为这个原因。堆栈式的工艺难点在于“混合键合”Hybrid Bonding。像素层和逻辑层通过铜-铜键合连接如果键合界面有空洞或污染会导致像素间的暗电流不均匀。我遇到过一颗堆栈式sensor在60℃高温下边缘像素的暗电流比中心高了3倍后来拆解分析发现是键合界面的热应力导致微裂纹。这个问题的调试周期长达两个月最后只能通过ISP的暗电流校正DCNR来补偿但校正后的动态范围损失了约6dB。量子效率的实战测量别被数据骗了量子效率QE是衡量像素性能的核心指标但实验室测的QE和实际场景的QE完全是两码事。我见过太多工程师拿着datasheet上的QE曲线比如550nm处80%就以为产品能达到这个性能结果实际测试只有60%。原因有三第一datasheet的QE是在标准光源比如D65和特定积分时间下测的但实际场景的光谱分布完全不同。比如室内荧光灯有很强的汞线546nm和578nm如果sensor在这个波段的QE有波动拍出来的颜色就会偏绿。我调试过一款安防摄像头在荧光灯下肤色偏绿最后发现是sensor在546nm的QE比datasheet标注的高了5%因为datasheet用的是连续光谱光源没有考虑线状光谱的影响。第二QE会随温度变化。硅的带隙随温度升高而变窄导致长波长的QE增加短波长的QE下降。我实测过一颗BSI sensor从25℃升到60℃时650nm的QE上升了3%而450nm的QE下降了5%。这个效应在车载摄像头里特别明显——夏天车内温度能到80℃如果ISP的AWB算法没考虑这个温度漂移白平衡会严重偏红。这里踩过坑有次做手机后摄调试发现暗光下照片偏蓝怎么调AWB都调不回来。后来用积分球测了不同温度下的QE曲线发现sensor在低温0℃时蓝色通道的QE比常温高了8%因为低温下硅的载流子迁移率增加蓝光吸收效率提高。最后我们在ISP里加了一个温度补偿表根据sensor温度动态调整白平衡增益。第三QE的测量方法本身就有误差。常见的QE测试是用单色仪加标准探测器比如硅光电二极管来标定但标准探测器的响应曲线本身就有不确定度通常±2%。更坑的是sensor的QE会受微透镜工艺、抗反射涂层厚度、甚至封装玻璃的透过率影响。我拆解过两颗同一型号的sensor一颗的QE比另一颗高了4%因为封装玻璃的镀膜批次不同对蓝光的透过率差了3%。光电转换效率的工程权衡光电转换效率PCE是QE和填充因子的乘积但实际工程中还要考虑“满阱容量”Full Well Capacity和“转换增益”Conversion Gain的权衡。FSI的填充因子低但满阱容量可以做得很高比如30ke-因为像素面积大BSI的填充因子高但满阱容量反而小比如15ke-因为光电二极管做薄了。这个取舍在HDR场景下特别关键。我调试过一款车载HDR摄像头要求动态范围达到120dB。FSI方案用大像素3μm加多次曝光满阱容量大但读出噪声高BSI方案用小像素1.4μm加双转换增益读出噪声低但满阱容量小需要做更复杂的HDR融合。最后我们选了BSI方案因为它的低噪声特性在暗光下更有优势但代价是HDR融合算法要处理更多的运动伪影——这个调试过程让我掉了不少头发。堆栈式结构在PCE上的优势在于可以把像素层做得更薄同时用背面抗反射涂层来减少反射损失。我测过一颗堆栈式sensor的PCE在550nm处达到了72%而同等工艺的BSI只有65%。但堆栈式的成本是FSI的2-3倍而且良率低所以目前主要用在高端手机和车载领域。个人经验性建议别迷信BSI如果你的应用场景是强光下的高动态范围比如车载前视FSI的大像素和满阱容量可能更合适。BSI的QE优势在暗光下才明显而且需要配合好的钝化工艺。QE曲线要实测datasheet的QE数据只能作为参考一定要用自己搭建的测试系统单色仪积分球来测实际sensor的QE曲线。注意温度、光源光谱、封装玻璃的影响最好在-20℃到85℃范围内测一组曲线。堆栈式是未来但别急堆栈式的噪声和速度优势明显但工艺成熟度还在提升。如果你做的是消费级产品可以等工艺稳定后再用如果是工业级或车载建议先做可靠性测试高温高湿、温度循环堆栈式的键合界面是薄弱环节。关注“有效QE”不要只看峰值QE要看实际场景下的加权QE。比如安防夜视重点测850nm和940nm的QE手机拍照重点测450nm、550nm和650nm的QE并考虑光谱响应的一致性。像素尺寸越小QE越难做当像素尺寸小于1μm时微透镜的衍射效应和串扰会成为主要瓶颈。这时候堆栈式结构的优势会体现出来因为可以把像素层和逻辑层分开优化。但小像素的满阱容量会急剧下降需要配合高转换增益和低噪声读出电路。最后说一句像素设计没有银弹。FSI、BSI、堆栈式各有优劣关键是要理解你的应用场景对QE、噪声、动态范围、成本的优先级。我见过太多项目因为盲目追求“最新技术”而翻车也见过用成熟FSI方案做出优秀产品的案例。做Camera调试永远要把“实际效果”放在第一位而不是“技术参数”。