在讨论事件相机（Event Camera）的数据传输时，很多人会本能地把注意力放在AER（Address-Event Representation）接口的协议选择上：是用行列仲裁还是优先级调度？是两线握手还是多线并行？但实际系统测试往往会给出一个反直觉的结论：决定有效吞吐率的往往不是协议本身，而是传感器输出的背景活动（Background Activity, BA）噪声的统计特性。
什么是AER与事件相机的基本逻辑
传统相机按固定帧率“拍照”，而事件相机只在像素亮度变化超过设定阈值时才输出一个“事件”。每个事件仅包含三个信息：像素坐标（X, Y）、时间戳（t）和极性（p，变亮或变暗）。这些异步事件通过AER接口打包发送，依赖请求/应答（Req/Ack）握手与总线仲裁机制共享有限的物理通道。
背景活动噪声从何而来
即使镜头盖着、场景完全静止，事件相机仍会持续输出零星事件。这主要源于：
- 热噪声与漏电流：CMOS光敏电路在无光照时仍存在随机载流子跃迁。
- 阈值漂移：像素级比较器的参考电压受工艺偏差与温度波动影响，导致“伪触发”。
- 串扰与复位瞬态：相邻像素电容耦合或全局/局部复位瞬间的电压毛刺。
这些噪声事件并非完全独立。实验测量表明，BA噪声通常近似服从非齐次泊松过程，并带有明显的空间聚集性与时间突发性。在常温暗态下，典型BA率在 0.1~10 事件/像素/秒 之间波动；一旦温度升高或供电纹波增大，速率可呈指数级攀升。
噪声统计如何“吃掉”有效带宽
AER总线是一条共享资源。当真实场景事件与BA噪声同时涌向仲裁器时，系统面临三个硬性约束：
仲裁开销非线性放大
每次事件传输都需要完成地址编码、请求发送、仲裁裁决、应答确认。假设单次握手基础延迟为T_handshake，当事件到达率λ接近总线饱和阈值时，排队延迟会急剧上升。BA噪声的统计分布决定了λ的实际形态：若噪声呈平稳泊松分布，总线可近似线性排队；若呈现突发簇（burst），仲裁器会频繁陷入竞争，有效吞吐率断崖式下跌。协议差异被噪声淹没
在低噪声环境下，不同协议（如行优先轮询、动态优先级、树状仲裁）的吞吐差异可达 15%~30%。但当BA噪声占比超过 40% 时，总线长期处于半饱和或过饱和状态，仲裁策略的边际收益被排队拥塞抵消。此时无论换用何种协议，有效吞吐率都会收敛到同一瓶颈区间。信噪比决定“可用”事件密度
有效吞吐率 ≠ 原始事件率。下游算法（如光流估计、特征跟踪）需要的是携带场景动态信息的“信号事件”。BA噪声的时空统计特性直接决定了信噪比（SNR）。若噪声在空间上呈块状分布或在时间上高频闪烁，即使总线勉强跑满，后端也会因大量无效事件而丢弃或降频处理，实际可用吞吐反而更低。
工程实践：从“调协议”转向“控噪声”
成熟的系统设计师通常按以下路径优化有效吞吐：
- 前端抑制：采用自适应阈值（ATIS架构）、差分偏置补偿、片上硬件滤波（如时空相关性掩码），在事件生成源头削减BA率。
- 动态仲裁降级：当检测到BA突发时，临时切换至粗粒度轮询或批量打包模式，牺牲部分延迟换取总线稳定。
- 后端去噪联动：利用噪声的泊松先验或马尔可夫特性，在FPGA/MCU端实现轻量级事件过滤，避免无效数据挤占下游算力。
小结
AER协议只是“高速公路的交通规则”，而背景活动噪声才是“路面上的随机障碍物”。当障碍物密度与分布模式占据主导时，再精细的红绿灯调度也无法提升通行效率。理解BA噪声的统计特性，并据此设计前端抑制与动态仲裁策略，才是释放事件相机真实吞吐潜力的关键。
