文章詳情

PV峰穀值與RMS均方根

日期:2020-12-26 06:27
瀏覽次數:114
摘要: PV (Peak to valley),也叫峰穀值,是光學表麵麵形質量的常見指標。它是指在取樣範圍內(基於2D輪廓線或者3D數據地圖),去除基準麵之後;*高點和*低點之間的高度差。如下圖,2D輪廓線的PV值。 RMS,也叫均方根值;是指取樣範圍內(基於2D輪廓線或者3D數據地圖),去除基準麵之後;所有像素點的標準差,計算方法如下圖,2D輪廓線的RMS值。 PV值的意義非常直觀,易於理解。所有像素*大的偏差範圍,直接了當地反映了當前光學表麵的加工質量。 PV值的缺點在於,它是在百萬像素中,...

PV (Peak to valley),也叫峰穀值,是光學表麵麵形質量的常見指標。它是指在取樣範圍內(基於2D輪廓線或者3D數據地圖),去除基準麵之後;*高點和*低點之間的高度差。如下圖,2D輪廓線的PV值。

RMS,也叫均方根值;是指取樣範圍內(基於2D輪廓線或者3D數據地圖),去除基準麵之後;所有像素點的標準差,計算方法如下圖,2D輪廓線的RMS值。

PV值的意義非常直觀,易於理解。所有像素*大的偏差範圍,直接了當地反映了當前光學表麵的加工質量。

PV值的缺點在於,它是在百萬像素中,僅僅選取*極端偶然的兩個像素,決定了結果。完全不同的表麵輪廓可能有相同的PV值,如下圖。


Surface1,Surface2,Surface2表麵大不相同,

PV值一致,RMS不同。

RMS 均方根誤差值是幹涉圖中所有數據點高度的標準偏差,是一種麵積加權統計量。每個像素點,極端的不極端的,都參與計算得到*後的結果。RMS能夠更準確地反映被測表麵的光學性能。


PV和RMS誤差並沒有特定的比例常數。這一比率往往和表麵工藝,及測量表麵的幹涉儀分辨率相關。用Zygo幹涉儀測量拋光光學表麵,通常PV會是RMS的3到5倍。


具有特定中頻誤差的表麵,如單點金剛石加工的表麵,PV對RMS比例通常會比較小,在2到3的範圍內。而一個非常大的PV對RMS比率往往是一個信號,在數據中有噪聲點,或缺陷點的存在。


PV值是一個非常“特立獨行”的麵形指標,和RMS不同。RMS作為典型的統計麵形指標,極值點會被所有像素平均;而PV值卻恰恰相反,由*極端偶然的*低*高的兩個像素,決定結果。


硬汉视频app下载免费以一次極簡條件下的仿真模擬來看看PV值的“任性”。假設對應於每個像素,有1nm@1Sigma高斯分布噪聲,即RMS值為1nm情況下,仿真模擬了各個分辨率下,自320*240至2K*2K測量理想上乘平麵的PV值的分布。如下圖:



從仿真結果可以看出,由於偶然噪聲,係統即使在測試理想平麵時,也會測到有一定分布規律的PV值。而且明顯隨著分辨率的提高,像素的增加,測得的PV值越來越大,不同分辨率下PV值分布的平均值,如圖自*低分辨率的~8.7nm,到*高分辨率下的~10.3nm。


這是由於高分辨率的像素越來越多,在同樣的分布條件下,更容易出現噪聲分布的”極端情況“,正所謂“林子大了什麽鳥都會有”,樣本多了,自然會出現更極端的極大極小分布。這就造成了PV值隨著分辨率提高,像素增加,增大的結果。


實際測試時情況會更複雜。在樣品表麵的邊緣,異物或者缺陷點處,微觀上被測表麵會有比較大的坡度;在光學成像係統中心部分,可能由於“鬼像”產生一些小的環紋;所有這些特殊區域由於信號噪聲比相對更弱,更容易出現不合理的極大極小值。


當前高精度光學平麵麵形計量應用中,已經越來越多依靠RMS(均方根誤差)這樣統計平均類的計量結果,以替代PV值這樣基於偶然極值的測試結果。同時,針對不同的應用,更多專業的可靠分析方式和數值結果,如PSD(功率譜密度),Slope(坡度分布)得到廣泛應用,得以重複可靠,可複現地計量檢測相關表麵形貌信息。