И сигналът, и шумът в комуникацията могат да се разглеждат като случайни процеси, които се променят с времето.
Случайният процес има характеристиките на случайна променлива и времева функция, които могат да бъдат описани от две различни, но тясно свързани гледни точки: (1) Случайният процес е набор от безкрайни примерни функции; (2) Случаен процес е набор от случайни променливи.
Статистическите свойства на случайните процеси се описват чрез тяхната функция на разпределение или функция на плътност на вероятността. Ако статистическите свойства на случаен процес не зависят от началната точка на времето, той се нарича строго стационарен процес.
Числените характеристики са друг чист начин за описване на случайни процеси. Ако средната стойност на процеса е постоянна и автокорелационната функция R(t1,t1+τ)=R(T), се казва, че процесът е обобщено стационарен.
Ако един процес е строго стационарен, тогава той трябва да бъде широко стационарен и обратното не е непременно вярно.
Един процес е ергодичен, ако неговата средна стойност за време е равна на съответната средна статистическа стойност.
Ако един процес е ергодичен, той също е стационарен и обратното не е непременно вярно.
Автокорелационната функция R(T) на обобщен стационарен процес е четна функция на времевата разлика r, а R(0) е равна на общата средна мощност и е максималната стойност на R(τ). Спектралната плътност на мощността Pξ(f) е преобразуването на Фурие на автокорелационната функция R(ξ) (теорема на Винер - Синчин). Тази двойка трансформации определя връзката на преобразуване между времевата област и честотната област. Вероятностното разпределение на Гаусов процес се подчинява на нормално разпределение и пълното му статистическо описание изисква само неговите числени характеристики. Едномерното вероятностно разпределение зависи само от средната стойност и дисперсията, докато 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. След като стационарен случаен процес ξi(t) премине през линейна система, неговият изходен процес ξ0(t) също е стабилен.
Статистическите характеристики на теснолентов случаен процес и синусоида плюс теснолентов гаусов шум са по-подходящи за анализ на затихващи многолъчеви канали в модулационна система/лентова система/безжична комуникация. Разпределението на Релей, разпределението на Райс и нормалното разпределение са три често срещани разпределения в комуникацията: обвивката на синусоидалния носещ сигнал плюс тяснолентовия шум на Гаус обикновено е разпределението на Райс. 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, а основният източник на шум в комуникацията, термичният шум, принадлежи към този вид шум. Неговите стойности във всеки два различни момента са некорелирани и статистически независими. След като белият шум премине през система 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 за „случаен процес на комуникационна система“, представена ви от Shenzhen HDV Phoelectron Technology LTD., а HDV е компания, специализирана в оптичната комуникация като основно производствено оборудване, собствено производство на компанията: серия ONU, серия оптичен модул,OLT серия, сериите трансивъри са горещи серии от продукти.
