docs: 冷区条纹量化——映射与列FPN一致、细纹理1.27×；冷区计数噪声超预算1.65×（只在大负d出现），排除阈值符号/band选择/参考/JPEG/显示链，留 fpaTempFix 图像链与 band0 gain 两条待验假设

docs/android_app/rendering_diff_phone_20261006.md

@@ -484,3 +484,47 @@ raw/参考/差值/NUC 的 mean/std/HF），真机跑一遍，把噪声预算算
 - 官方实时画面更平滑的**可复现线索**：其显示链是"离屏 640×480 + 最近邻放大"。
   我们若要更接近，可以（a）把保存的照片改成 4×（640×480）或提高 JPEG 质量，
   （b）实时预览改单级放大。两者都是**表现层**改动，不影响已对齐的映射，风险低。
+
+## 13. 用户复现："低温区条纹更多"——定位到**大负差值**处的噪声放大（未修完，留了下一步）
+
+用户："我换了个场景，背景的低温区域在我们的 app 里面明显条纹更多"。手机仍在，做同刻 A/B
+（同一场景：我们 16:35 拍、官方 16:37 拍；另有 12 s 间隔的漂移标定）。
+
+### 13.1 先标定漂移（12 s 内、同一 App 两张）
+
+官方 App 相隔 12 s 两张：分位 [9,17,44,73,229] → [10,18,45,74,229]，逐像素 |Δ| 均值 1.20（中位 1.0）。
+→ 12 s 的漂移约 1 级，**不足以解释跨 App 的分位差**，所以下面的对比是有效的。
+
+### 13.2 冷区（最冷 25% 像素）量化
+
+| 指标（照片，160×120 网格） | 官方 | 我们 | 比 |
+|---|---|---|---|
+| 逐计数中位索引（冷区 9830→10000 counts） | — | — | **最大 1.7 级** ✔ 映射一致 |
+| 列条纹幅度（去 9 宽趋势后的列剖面 std） | 2.12 | 2.28 | 1.08 ✔ 基本一致 |
+| 细纹理 HF \|dx\| | 1.71 | 2.17 | **1.27 ✗** |
+| 实时截图冷区 HF（无 JPEG 干扰） | 1.06 | 1.01 | 0.95 ✔ |
+
+**结论**：冷区的**映射**和**列条纹（FPN）**都与官方一致，差的是**细纹理/像素噪声**（1.27×）。
+JPEG 只能解释一部分：把我们那张（960×720 q95，202 KB）按 640×480/q98 重压后冷区 HF 从
+2.17 只降到 1.96（官方 1.71）→ 仍差 1.15×。所以**我们确实在冷区多出约 1.2–1.3× 的计数噪声**。
+
+### 13.3 哪来的：整帧预算吻合，冷区超预算 1.65×
+
+- 整帧（中等场景）实测：σ_n≈21–24 counts → 差值噪声 0.559σ_n=12.3 ✔ 与实测吻合（§12.1）；
+- **冷区**（大负 d；d=(raw-ref)>>1）实测计数 HF = **20.4 counts**，而按同一预算应为 12.3
+  → **1.65×** ✗ —— 与"冷区更毛"的用户观察方向一致，且只在大负 d 处出现。
+
+已逐条排除：阈值/增益的 16 位解析（与厂商一致，且厂商侧也是**有符号**比较）、band 选择
+（映射一致说明段选择一致）、快门参考（4 帧快门平均 ✔）、JPEG（只占约 1/3）、
+显示链（实时冷区 HF 反而更低）。
+
+### 13.4 下一步（精确定位，需一次带插桩的实机）
+
+在大负 d 的像素上分层打印：`d` 的分布、命中的 band、该 band 的 `gain/off`（插值后）与
+`σ_n`，对 DDT 里 band0 的原始 gain/off 核一遍。最可疑的两条（都可控）：
+1. **`fpaTempFix` 是否也该作用在图像链**：我们按官方 App 的代码给插值温度加了 1699
+   （§10.5），如果该设备上图像链实际用的是帧尾原值，则 band0 的 gain 会被插值偏，
+   表现为"映射总体还对、但低端噪声被放大"——正好是现象；
+   验证：临时把 `fpaTempFix = 0` 出两版，量冷区 HF（同样一张场景、同样流程）。
+2. band0 的 gain 插值本身与 PC 参考路径的差异（PC 端 NUC 逐字节一致，说明差异在
+   Android 的 `GenerateVolatileLens` 重生成路径，而非表本身）。