企业官网建设流程全解析

简介：《激光超声技术及其在无损检测中的应用概况》是一份面向无损检测、材料测试与光学超声研究方向的学习资料，围绕激光激发超声的物理机制与工程应用展开，适合高校师生、检测工程师及课题入门者梳理技术脉络。压缩包内为1个PDF文件，约230KB，篇幅集中，便于快速通读与归档备查。文中从电磁理论出发，推导热膨胀与电子两种激发机理，并介绍激光散射、声光效应、光干涉等光学检测方法，同时讨论窄脉宽、高时空分辨率、非接触检测在超薄材料、微结构及高温高压、有毒放射性环境中的优势，也点出信噪比提升、激光参数优化、接收处理系统开发等现存难题。目前已有241人学习，可作为了解该技术概况与后续深入研究的入门参考。

1. 一块贴不上探头的曲面板子，逼出来的非接触方案

某次检测任务里，被测件是有机玻璃和一层带曲率的金属薄壁结构，压电探头贴不上去，耦合剂在两三百度的位置上几分钟就干了。折腾到最后只能去找非接触的超声方案，线索落到激光超声无损检测上：一束脉冲激光打在材料表层，光能被吸收后浅表层瞬间热膨胀，在体内挤出一列窄脉冲超声波；再用第二束激光对准同一点，把表面那点亚纳米级的振动读出来。这份二十多年前的中文文献把热膨胀机理、电子机理和光学检测方法的公式链讲得比较完整，适合作为激光超声入门的第一份底稿，也适合已经上手做激光超声检测、却说不清“反射率、温升、脉宽、光斑到底怎么配”的人回头补课。

2. 热膨胀机理推导：从反射率 R 一路算到表层温升 ΔT

激光打上去产生超声，源头在“光子被表层吸收”这一步。吸收得深还是浅、吸收得多少，直接决定后面能激发出多大的声压。这段机理如果只在纸上读懂，落到实验台上照样是玄学，因为真正需要的是三个数字：光学穿透深度、表层温升、热弹位移量级。下面按这个顺序把公式拆开，每一步给出能直接代入的参数和一段可跑的估算脚本。

2.1 反射率与吸收深度：光到底进了材料多深

材料表面对入射光的响应分两半，一部分反射回去，一部分被浅表层吃掉。反射率 R 定义为反射光能量与人射光能量之比，用复折射率算最稳：

R = [(n−1)² + k²] / [(n+1)² + k²]

其中 n、k 由介电函数 ε(ω) = 1 − ωp²/(ω² + iγω) 给出，ωp 是等离子体频率，γ 是阻尼系数。原文走的是电磁理论路子，用材料的电导率 σ、真空磁导率 μ₀、磁导率 μ 和一个频率相关的形式化表达把 R 定下来，本质和 Drude 模型一致。真正要小心的是吸收深度有两个定义，混用会把温升算错一个量级。

第一个是电磁场意义上的趋肤深度 δ = √(2/(ωμσ))，表示场幅衰减到 1/e 的深度。第二个是光学吸收长度 λ/(4πk)，表示光功率沉积的特征尺度。对金属在可见光波段，前者算出来大约两三纳米，后者常常是十到二十纳米。热源分布看的是后者，因为温升取决于能量沉积的那一层体积。

提示：这两者相差 3~10 倍是常态，用错一个会让后面所有热学、声学估算集体偏移。

举一组实数：电导率 σ ≈ 5.96×10⁷ S/m 的常用金属，激光波长 532 nm 对应 ω ≈ 3.52×10¹⁵ rad/s，趋肤深度算下来约 2.8 nm。而用 Drude 求出的消光系数 k 通常在 2~5 之间，光学穿透深度落在 8~25 nm。这两个数都合理，只是回答的问题不同。

2.2 表层温升与热弹位移：算一个量级出来

温升来自能量守恒。假设脉冲能量在吸收层内均匀沉积，且脉冲持续时间远短于热扩散出这一层的时间（对纳秒脉冲、十几纳米的吸收层，这个假设基本成立），则：

ΔT = (1 − R)·F / (ρ·c_p·δ_opt)

F 是激光能量密度（J/m²），ρ 是密度，c_p 是比热容，δ_opt 是光学穿透深度。热膨胀带来的体应变是 ΔV/V = 3α·ΔT，α 是线膨胀系数，法向表面位移量级是 u ≈ α·ΔT·δ_opt，热弹声压量级是 p ≈ ρ·c·α·ΔT，c 是纵波声速。

下面这段脚本把整条链跑一遍，参数改改就能套到别的材料上：

import numpy as np # ---------- 1. Drude 模型求复折射率 ---------- def drude_nk(wavelength, wp, gamma): """wavelength: 真空波长(m); wp: 等离子体频率(rad/s); gamma: 阻尼(rad/s)""" w = 2 * np.pi * 3.0e8 / wavelength eps = 1.0 - wp**2 / (w**2 + 1j * w * gamma) nc = np.sqrt(eps) return nc.real, nc.imag # ---------- 2. 反射率与两个吸收深度 ---------- def optics(wavelength, wp, gamma, sigma): n, k = drude_nk(wavelength, wp, gamma) R = ((n - 1)**2 + k**2) / ((n + 1)**2 + k**2) delta_skin = np.sqrt(2.0 / (2 * np.pi * 3.0e8 / wavelength * 4 * np.pi * 1e-7 * sigma)) # 场衰减长度 delta_opt = wavelength / (4 * np.pi * k) # 功率沉积长度 return R, delta_skin, delta_opt # ---------- 3. 温升、位移、声压 ---------- def thermo(R, delta_opt, F, rho, cp, alpha, c): dT = (1 - R) * F / (rho * cp * delta_opt) # K u = alpha * dT * delta_opt # m，法向位移量级 p = rho * c * alpha * dT # Pa，热弹声压量级 return dT, u, p # 以某铝合金为例（数量级参考，不做材料标定） wl = 532e-9 wp = 1.64e16 # rad/s gam = 4.0e13 # rad/s sig = 3.5e7 # S/m F = 100.0 # J/m^2，即 10 mJ/cm^2 rho, cp, alpha, c = 2700.0, 900.0, 23e-6, 6300.0 R, d_skin, d_opt = optics(wl, wp, gam, sig) dT, u, p = thermo(R, d_opt, F, rho, cp, alpha, c) print(f"R={R:.3f} delta_skin={d_skin*1e9:.1f}nm delta_opt={d_opt*1e9:.1f}nm") print(f"dT={dT:.0f}K u={u*1e12:.2f}pm p={p/1e6:.3f}MPa")

代码逻辑分三层：第一层用 Drude 关系从波长和材料电子参数求复折射率，注意 γ 是角频率量纲的阻尼，不是频率；第二层把 R 和两个吸收长度分开输出，避免后面对不上；第三层做能量到温升、温升到位移和声压的换算，全程 SI 单位，不做 nm、μm 混算。

参数说明：wp 和 γ 是一次性材料常数，换材料时主要改这两个和 σ；F 是最容易搞错的一项，10 mJ/cm² 等于 100 J/m²，很多人按 10 直接代进去，结果整体偏小一个数量级；α 用线膨胀系数，不是体膨胀系数，别乘 3。

按这组参数跑出来，若 R 取 0.9 附近，δ_opt 约十几纳米，ΔT 会落在几百 K 的量级，位移在零点几皮米到一皮米，声压在 0.1 MPa 量级。三个数字对应的物理意义完全不同：温升决定你有没有跨过热弹区上限，位移决定干涉仪要什么灵敏度，声压决定回波能不能从噪声里浮出来。

这里有个必须自己标定的边界：温升逼近材料熔点的一个保守比例（工程上常按熔点温度的 30%~50% 卡）时，热弹近似就开始失效，材料进入微弱烧蚀，波形里会多出宽带的冲击成分。想稳稳待在热弹区，F 就得往下压，或者加一层吸收涂层把能量约束在更薄的一层里，同时降低表面反射。

2.3 电子机理：什么条件下不能只算热弹

热膨胀机理的假设是激光能量最终变成晶格的热。但这个转换需要时间，金属里电子-声子耦合的特征时间通常在几个皮秒。如果激光脉宽比这个时间还短，或者在半导体、共价晶体里光子能量足以把价电子激发到导带，那么在被吸收的光能还没完全交给晶格之前，电子和离子之间已经形成了一层应变源，直接激励超声。这就是原文说的电子机理，也叫微形变机理。

判断该不该考虑它，两个不等式就够：

落地的操作方式很直接：先用 2.2 的脚本估一个热弹贡献，再在同样的 F 下换两种脉宽打同一块样，比较首个到达波的幅度和极性。如果短脉宽下幅度明显偏离线性、极性反了，说明电子机理在起作用，此时按纯热弹模型反推声压会系统性偏大。

注意：飞秒和纳秒两种激发下的波形不可直接比较幅度，激励源的空间分布和频谱都变了。

3. 光学检测链路：非干涉法和干涉法怎么选

激发解决了，剩下的难点全在接收。压电换能器带宽有限、必须贴近试样、只对导体友好，原文把这几点列为转向光学检测的直接理由。光学检测分非干涉和干涉两大类，选型的核心不是谁更先进，而是你的表面质量和环境振动允不允许。

3.1 非干涉法：表面偏转法的能力边界

非干涉法的思路是把试样表面当成一面会动的镜子。当探测光斑直径小于声波波长时，表面倾斜会让反射光束整体偏转，用位置敏感探测器（PSD 或四象限探测器）读出光斑中心的位移，偏转角与表面斜率成正比：

θ ≈ 2 × ∂u/∂x = 2 × (2πu/Λ)

其中 Λ 是声波波长。光斑位移 Δx = L·θ，L 是探测臂长度，所以拉长探测臂能提高灵敏度，代价是对环境振动和空气扰动同样敏感。

这套方案最大的优点是带宽宽、装置简单、不需要参考臂对准，对抛光表面的微结构特别有效。硬的边界在表面粗糙度：粗糙面会让反射光斑散成散斑，位置探测器的输出被散斑噪声淹没，信号不再随超声振动变化。经验上，表面粗糙度 Ra 超过光斑直径的 1/10 量级后，非干涉法的信噪比会掉得很快。

使用前可以先做一次静态验证：在样品上贴一个压电片，做一次敲击或脉冲激励，用它做时间基准，再用 PSD 输出做互相关，确认两者峰位一致且相关峰宽度合理。这一步不做，后面所有数据都会被散斑噪声污染。

3.2 干涉法：工作点、外差和 I/Q 解调

干涉法把试样表面直接当作迈克尔逊干涉仪的一条臂。反射回来的探测光与参考光叠加，探测器看到的光强是：

I(t) = I₀·{S + P + 2√(SP)·cos[φ(t)]}

S 和 P 分别是参考光和信号光的有效强度透过系数，φ(t) 是两臂光程差决定的相位。直接在这个式子上做线性测量是不行的，因为 cos 在 0 和 π 附近一阶导为 0，信号被压扁。所以必须先调工作点：移动参考镜，让 φ 落在 2kπ ± π/2 附近，此时 cos 变 sin，小信号下光强变化与位移成正比 ΔI ≈ I₀·2√(SP)·(4π/λ)·u。

这个退化一旦出现，外差方案能一次性解决。做法是在参考臂里插入声光调制器，把参考光频移 Ω（常用 40、80、200 MHz），干涉信号变成：

I(t) ∝ cos[Ωt + (4π/λ)·u(t)]

这样就变成了一个载波调制信号，u(t) 的信息在相位里，不会因为工作点漂移而丢失。下面是用 Hilbert 变换做外差相位解调的最小示例，可以先把流程跑通再接硬件：

import numpy as np from scipy.signal import hilbert def demod_heterodyne(t, I, lam=532e-9): """t: 采样时刻数组; I: 外差干涉光强; lam: 探测光波长""" analytic = hilbert(I) # 构造解析信号 phase = np.unwrap(np.angle(analytic)) # 解卷绕得到总相位 phase -= 2 * np.pi * HET * t # 扣掉载波相位 2*pi*Omega*t phase = phase - np.polyval(np.polyfit(t, phase, 1), t) # 去残余线性漂移 return phase * lam / (4 * np.pi) # 相位换算成位移(m) HET = 80e6 # 载波频率 80 MHz FS = 1e9 # 采样率 1 GS/s T = 2e-6 t = np.arange(0, T, 1 / FS) # 合成一个 5 MHz 衰减振荡的表面振动，幅度 0.2 nm u_true = 0.2e-9 * np.sin(2 * np.pi * 5e6 * t) * np.exp(-t / 0.4e-6) I = np.cos(2 * np.pi * HET * t + 4 * np.pi / 532e-9 * u_true) I += 0.03 * np.random.randn(I.size) # 加 3% 强度噪声 u_rec = demod_heterodyne(t, I) print("峰值误差(nm):", np.abs(u_rec - u_true).max() * 1e9)

代码里有三处关键处理。hilbert 要求信号是实信号且载波频率在奈奎斯特范围内，采样率至少是 Ω 的 2.5 倍以上，80 MHz 载波配 1 GS/s 才留足了边带；np.unwrap 不能省，否则相位在 ±π 处跳变会带来整周期偏移；最后的线性拟合去趋势是为了抵消参考臂和信号臂之间慢漂移引入的斜坡，不做这一步解出来的位移会带着一条缓慢漂移的基线。

参数怎么定：载波 Ω 决定可用的无模糊带宽上限，理论上到 Ω/2，实际取 Ω/5 左右更稳；采样率至少 4 倍 Ω 才能保住边带；探测光功率不是越大越好，超过散斑噪声主导区之后信噪比改善会饱和。

3.3 检测方式选型表

把接触式换能器一起放进表里对比，选型时心里更有数：

表里的数值是量级参考，随系统配置差异很大。一个实用的判断链：先看表面能不能反射回足够的光，不能再考虑涂层或换非干涉；再看环境振动是否可控，不可控就上外差并加共焦光路；最后看要不要检测深层体波，需要的话带宽必须够，会逼着往短脉宽激发上走。

4. 光斑、频率、带宽：把机理串成一条能跑的检测链

理论和检测方式都有了，中间还差一层：源参数怎么选。光斑尺寸、激光脉宽、探测带宽这三个量不是独立可调的，它们共同决定了能看见多大的缺陷、能分辨多深的层。

4.1 光斑尺寸与声源指向性

热弹源可以近似成一个面内膨胀的圆盘源。圆盘直径 D 与声波波长 λ 的比值决定声束的指向性，主瓣半角近似满足 θ ≈ arcsin(1.22·λ/D)。D 远小于 λ 时声源接近点源，声波往各个方向辐射，适合检测表面波和近表面缺陷；D 明显大于 λ 时声束开始收窄，能量集中在法向附近，适合检测深层体波。

这个关系直接给出了一个参数链：中心频率 f、材料声速 c、波长 λ = c/f、光斑直径 D。举一组实数，表面波速 3000 m/s，中心频率 20 MHz，则 λ = 150 μm。此时光斑 50 μm 得到近全向辐射，光斑 600 μm 则主瓣半角约 17°，能量明显集中。

频率往上走，可检缺陷尺寸变小，代价是材料衰减急剧增加、表面粗糙度带来的散射也变大。实际做法是先按目标缺陷尺寸定频率下限，再按材料衰减定上限，中间取一个两者都还能接受的频率，光斑尺寸配到 λ 的 0.3~1 倍之间。

4.2 回波仿真与深度反演：先把处理链跑通

缺陷定位的物理内核很简单：回波到达时间 t = 2d/c，d 是缺陷深度。难点在于把一个埋在两三次回波和噪声里的弱信号准确提取出来，并且把系统触发延迟扣干净。下面这段脚本合成一串回波并做匹配滤波反演，处理链可以原样搬到实测数据上。

import numpy as np from scipy.signal import fftconvolve, hilbert FS = 500e6 # 采样率 500 MS/s c = 6300.0 # 纵波声速 m/s f0 = 10e6 # 中心频率 t = np.arange(0, 20e-6, 1 / FS) def pulse(tc, f0=f0, width=1.2): # 高斯调制窄脉冲 return np.exp(-((t * 1e6 - tc) / width)**2) * np.sin(2 * np.pi * f0 * t) # 三个反射界面：表面回波、缺陷回波、底面回波 d_defect, d_bottom = 0.012, 0.030 sig = 1.0 * pulse(0.0) sig += 0.35 * pulse(2 * d_defect / c * 1e6) sig += 0.55 * pulse(2 * d_bottom / c * 1e6) sig += 0.10 * np.random.randn(t.size) # 加噪，模拟低信噪比 # 匹配滤波：用激励脉冲做参考，提升信噪比 ref = pulse(0.0) corr = fftconvolve(sig, ref[::-1], mode="same") env = np.abs(hilbert(corr)) # 找包络前 3 个峰，跳过表面波附近的盲区 from scipy.signal import find_peaks peaks, _ = find_peaks(env, height=0.2 * env.max(), distance=int(0.3e-6 * FS)) for i, idx in enumerate(peaks[:3]): t_us = t[idx] * 1e6 print(f"峰{i}: t={t_us:.3f}us 深度={c * t_us * 1e-6 / 2 * 1000:.2f}mm")

代码逻辑：先按实际中心频率和带宽合成高斯包络脉冲，用互相关（匹配滤波）在白噪声背景下把已知波形的回波能量集中起来，再用 Hilbert 包络做峰值定位，避免直接找正弦峰导致的半周期跳变。find_peaks 的 distance 参数按最小可分辨层厚设，低于半波长的两个回波本来就分不开，硬找只会产生虚假峰。

参数说明：FS 要满足奈奎斯特，10 MHz 中心频率的脉冲含 5~15 MHz 的边带，采样率取 100 MS/s 以上才不至于把包络削平；width 是包络的时间宽度，它决定了时间分辨率和深度分辨率，两者成反比；c 用实测标定的声速，室温下钢件用理论值会差千分之几，在 30 mm 厚度上就是几十微米的系统误差。

真实数据里还必须扣掉一个量：从激光触发到采卡开始记录之间的固定延迟，以及探测光在空气中多走的距离。做法是拿一块已知厚度的标准块，用底面回波反标一次系统零点，把这条“零点偏移”写进处理脚本的常量里，以后每次测量前用标准块复核一次。

4.3 信噪比预算：平均次数不是随便加的

单次激光脉冲激发的超声信号很弱，通常要靠多次平均。在噪声是随机白噪声、回波位置锁定的前提下，N 次平均的信噪比改善约为 √N：

这张表的用法是先定判定阈值。比如要把一个回波和噪声明确区分开，经验上峰值要比噪声基线高 20 dB 以上才稳。若单脉冲信噪比只有 6 dB，至少要平均 32 次才到 21 dB，留一点余量就该取 64 次。

现实中的问题是平均次数加过一定量之后曲线就平了，不再按 √N 走。原因通常是激发能量重复性不够、样品在测量中发生热漂移、或者触发抖动让回波在窗口里慢慢滑动，平均反而把峰抹平。所以平均次数不是越大越好，先做一个稳定度测试：连续采 512 帧，逐帧算回波峰位，看峰位抖动是否小于一个采样点，是才敢往上加平均。这一步不做，后面很容易把“信号消失”误判成“缺陷不存在”。

5. 五处容易翻车的地方

这套东西看起来公式清楚，实际搭台子的时候翻车点集中得很。下面五条都是按“先出现什么现象、背后是什么原因、怎么绕过去”写的，能省掉的调试时间比读十页公式多。

5.1 反射率算出来 0.99，实测只有 0.6 出头

现象：按 Drude 模型算出的反射率接近 1，几乎不吸收，但同一块试样在同样的能量密度下温升明显，波形也强得多。

原因：Drude 模型只算自由电子贡献，忽略了带间跃迁。在可见光波段，不少金属的带间吸收会和自由载流子吸收叠加，实测反射率比纯 Drude 低 10%~40%。材料越靠近过渡族，偏差越明显。

解决：把 Drude 算出来的 R 当作上界，实测用积分球或分光光度计测一次同批材料的反射率，直接用实测值替换；如果拿不到实测，就按材料手册的可见光反射率区间取中值，并在脚本里留一个校准系数，后续用标准块反推。

5.2 温升算得温温柔柔，实验一打就出现烧蚀坑

现象：脚本算出温升几百 K，距离熔点还有余量，但打十几次之后表面出现发白的痕迹，波形里冒出宽带的冲击成分。

原因：三个被忽略的量叠在一起。一是光斑能量分布不是平顶，中心峰值可以是平均值的两倍以上；二是脉冲有拖尾，实际能量沉积时间比标称脉宽长；三是重复频率高的时候，前一个脉冲的热量还没散掉，第二个脉冲叠上去，热积累会累积到十几倍。

解决：按峰值能量密度而不是平均能量密度重新算一遍；用脉宽可调的源做一次功率扫描，找波形线性区间的上界，把工作点定在上界的 50%~70%；连续工作模式下测一次样品表面温度，超过环境温度十几度就该降重复频率或加风冷。

5.3 干涉仪死活调不出条纹，或者信号强度随环境漂

现象：光路按图搭好，探测器上有光但看不到清晰的干涉条纹，或者原来调好的条纹在几分钟内跑掉了。

原因：迈克尔逊结构的两臂光程差对毫米级位移极其敏感，一个没固定好的镜架、一段没做温控的空气路径，都足以让相位跑出工作点。另外探测光和信号光的共焦没做准，两个光斑在探测器上错开，干涉效率会掉到接近 0。

解决：先做静态对准，用一块反射镜替代试样，把返回光调回到入射光的同一点，保证共焦；再用压电微位移器扫描参考臂，找干涉对比度最大的位置并锁住；如果环境振动确实差，直接切到外差方案，载波能让信号从基带搬走，低频漂移就不再是致命问题。

5.4 回波明明看得见，测厚结果却总差半格

现象：界面回波在屏幕上很清楚，但换算出的深度比实际厚度稳定偏大或偏小，偏差量随厚度变化。

原因：声速用的是手册值而不是实测值；触发延迟没有标定；温度和应力都会改变声速，几百度的温差能带来 1% 以上的声速漂移，30 mm 厚度上就是零点几毫米。

解决：用一块同材质的已知厚度标准块，在相同温度、相同光路下做一次零点反标，把系统延迟和等效声速一起解出来；每次测量前复核一次标准块；对高温件，把声速的温度系数写进换算公式，不要拿室温值硬套。

5.5 平均次数加到 1024，信噪比反而不涨了

现象：按 √N 预估应该到 36 dB，实测到 30 dB 就不再改善，再加大平均反而更差。

原因：回波峰位在帧间发生漂移，常见于样品热膨胀、夹具微动、或者触发信号与采集时钟不是同一个时基。峰位滑动的帧平均之后，包络被展宽，峰值反而下降。

解决：把平均拆成两步，先做帧间峰位对齐（按互相关峰值做亚采样点平移），再累加；确认触发源和采集卡共用同一个时钟参考，不要用两套独立时基；把单帧数据留存下来定期检查峰位稳定性，不要只存平均后的结果，平均会掩盖漂移这个原始事实。经验上这一条是最容易被忽略的黑匣子，因为平均后的数据看起来更“干净”，反而让人失去了判断依据。

6. 进阶用法：一次参数扫掠，把“能测”变成“测得准”

参数只有一个一个扫，才能看出耦合关系。我在做这套链路时习惯固定三件事：光路、试样、环境，然后只动能量密度 F、光斑直径 D、平均次数 N 三个量，每组采 64 帧，记录三个指标——首个回波峰值信噪比、峰位重复性（帧间标准差）、回波幅度稳定性（变异系数）。判定标准是 SNR ≥ 20 dB、峰位标准差小于 0.2 个采样点、幅度变异系数小于 5%，三条同时满足才算这组参数可用。

import numpy as np, itertools def run_one(F, D, N): """返回一组参数下的三个指标；实际使用时替换为采集调用""" snr_db = 10 * np.log10(1 + F / 20) + 5 * np.log10(N) - 2 * (D / 100) jitter = 0.35 * np.exp(-F / 60) / np.sqrt(N) # 采样点，越小越好 cv = 0.12 * np.exp(-N / 400) + 0.01 * (D / 100) # 幅度变异系数 return snr_db, jitter, cv ok = [] for F, D, N in itertools.product([30, 60, 100, 150], [80, 150, 300], [16, 64, 256, 1024]): snr, jit, cv = run_one(F, D, N) if snr >= 20 and jit < 0.2 and cv < 0.05: ok.append((F, D, N, round(snr, 1), round(jit, 3), round(cv, 3))) for row in sorted(ok, key=lambda r: (r[2], -r[3]))[:5]: print(f"F={row[0]} J/m2 D={row[1]} um N={row[2]} SNR={row[3]}dB jitter={row[4]} CV={row[5]}")

这段框架的价值不在公式准不准，而在强迫你把判定标准先写死，再去扫参数。找到满足条件的组合后，还有一步不能省：把选出的那组参数，用一块已知深度的标准缺陷块做验证，检查测出来的深度和标称值的偏差是否落在你的容差里。SNR 高不等于测厚准，只能说明信号能被看见。

提示：扫掠时至少有一个参数要跨越热弹区的边界，否则你看不出器件什么时候开始偏离线性，也就不知道安全区在哪。

仿真里我把 jitter 写成随 F 指数衰减，这是简化；真实数据里往往先降后升，能量太高时表面状态变化会引入新的抖动源，这条曲线必须自己测。

从那以后我每次搭新的激光超声接收光路，都会先用标准块把零点、声速、工作点三样东西各标一遍，再开始正式采集，血量换来的教训是不标定就等于在给别人提供不可复现的数据。希望帮到你。

本文还有配套的精品资源，点击获取