И сигналът, и шумът в комуникацията могат да се разглеждат като произволни процеси, които се променят с времето.
Случайният процес има характеристиките на случайна променлива и времева функция и може да бъде описан от две различни, но тясно свързани гледни точки:①произволният процес е колекция от безкрайни примерни функции;②Случайният процес е набор от случайни променливи.
Статистическите характеристики на случаен процес се описват от неговата функция на разпределение или функция на плътност на вероятността. Ако статистическите характеристики на случаен процес не зависят от началната точка на времето, той се нарича строго стабилен процес.
Цифровите характеристики са друг кратък начин за описване на случайни процеси. Ако средната стойност на процеса е постоянна и автокорелационната функция R (T1, T1+ τ)= R (T), процесът се нарича обобщен стационарен процес.
Ако един процес е строго стабилен, той трябва да бъде широко стабилен; в противен случай може да не е вярно.Ако средното време на даден процес е равно на съответното статистическо средно, процесът е ергодичен.Ако един процес е ергодичен, той е и стабилен; в противен случай може да не е вярно.
Автокорелационната функция R (T) на обобщения стационарен процес е четна функция на времевата разлика R, а R (0) е равна на общата средна мощност, която е R（ τ) максимална стойност. Спектралната плътност на мощността (P) ξ (f) е автокорелационната функция R() на трансформацията на Фурие (теорема на Винер Минчин). Тази двойка трансформации определя връзката на преобразуване между времевата и честотната област. Вероятностното разпределение на процеса на Гаус следва нормалното разпределение и пълното му статистическо описание изисква само неговите числени характеристики. Едномерното вероятностно разпределение зависи само от средната стойност и дисперсията, а двумерното вероятностно разпределение зависи главно от корелационната функция. Процесът на Гаус все още е процес на Гаус след линейна трансформация. Връзката между функцията на нормалното разпределение и функцията Q (x) или ERF (x) е много полезна при анализиране на ефективността срещу шум на цифровите комуникационни системи. Стохастичен процес, който е стационарен След като I (T) премине през линейната система, нейният изходен процес ξ 0 (T) също е стабилен.
Статистическите характеристики на теснолентовите произволни процеси и синусоидите плюс теснолентовия гаусов шум са по-подходящи за анализ на системи за модулация, лентови системи и безжични комуникационни затихващи многопътеви канали. Трите общи разпределения в комуникацията са разпределението на Релей, разпределението на Райс и нормалното разпределение: обвивката на синусоидален носещ сигнал плюс теснолентов. Гаусовият шум обикновено е оризово разпределение. Когато амплитудата на сигнала е голяма, тя клони към нормално разпределение; когато амплитудата е малка, тя е приблизително разпределение на Rayleigh.
Бял шум на Гаус е идеален модел за анализиране на допълнителния шум на канала и основният източник на шум в комуникационния топлинен шум принадлежи към този вид шум. Неговите стойности във всеки два различни момента са некорелирани и статистически независими. След като белият шум премине през системата с ограничена честотна лента, резултатът е шум с ограничена честотна лента. Нискочестотен бял шум и лентов бял шум са често срещани в теоретичния анализ.
Горното е статията „произволен процес на комуникационна система“, предоставена ви от Shenzhen HDV phoelectron Technology Co., Ltd. Надяваме се, че тази статия може да ви помогне да увеличите знанията си. Освен тази статия, ако търсите добра компания за производител на комуникационно оборудване за оптични влакна, можете да помислитеза нас.
Shenzhen HDV phoelectron Technology Co., Ltd. е основно производител на комуникационни продукти. В момента произведеното оборудване обхващаСерия ONU, серия оптични модули, OLT серия, итрансивър серия. Можем да предоставим персонализирани услуги за различни сценарии. Вие сте добре дошликонсултирайте се.
