I signal i šum u komunikaciji mogu se smatrati slučajnim procesima koji se mijenjaju s vremenom.
Slučajni proces ima karakteristike slučajne varijable i vremenske funkcije, koje se mogu opisati iz dvije različite, ali blisko povezane perspektive: (1) Slučajni proces je skup beskonačnih funkcija uzorka; (2) Slučajni proces je skup slučajnih varijabli.
Statistička svojstva slučajnih procesa opisana su njihovom funkcijom distribucije ili funkcijom gustoće vjerovatnoće. Ako su statistička svojstva slučajnog procesa nezavisna od vremenske početne tačke, on se naziva striktno stacionarnim procesom.
Numeričke karakteristike su još jedan zgodan način opisivanja slučajnih procesa. Ako je srednja vrijednost procesa konstantna i autokorelacija R(t1,t1+τ)=R(T), kaže se da je proces generaliziran stacionaran.
Ako je proces striktno stacionaran, onda mora biti široko stacionaran, i obrnuto nije nužno istinito.
Proces je ergodičan ako je njegov vremenski prosjek jednak odgovarajućem statističkom prosjeku.
Ako je proces ergodičan, onda je i stacionaran, i obrnuto nije nužno istinito.
Autokorelacija R(T) generaliziranog stacionarnog procesa je parna funkcija vremenske razlike r, a R(0) je jednaka ukupnoj prosječnoj snazi i maksimalna je vrijednost R(τ). Spektralna gustina snage Pξ(f) je Fourierova transformacija autokorelacione funkcije R(ξ) (Wiener - Sinchinov teorem). Ovaj par transformacija određuje odnos konverzije između vremenskog i frekvencijskog domena. Distribucija vjerovatnoće Gausovog procesa podliježe normalnoj raspodjeli, a njen potpuni statistički opis zahtijeva samo njegove numeričke karakteristike. Jednodimenzionalna distribucija verovatnoće zavisi samo od srednje vrednosti i varijanse, dok dvodimenzionalna distribucija verovatnoće zavisi uglavnom od korelacione funkcije. Gausov proces je i dalje Gausov proces nakon linearne transformacije. Odnos između funkcije normalne distribucije i Q(x) ili erf(x) funkcije je vrlo koristan u analizi performansi anti-šuma digitalnih komunikacionih sistema. Nakon što stacionarni slučajni proces ξi(t) prođe kroz linearni sistem, njegov izlazni proces ξ0(t) je također stabilan.
Statističke karakteristike uskopojasnog slučajnog procesa i sinusnog talasa plus uskopojasnog Gausovog šuma su pogodnije za analizu fading višeputnih kanala u modulacionom sistemu/pojasni sistem/bežična komunikacija. Rayleighova distribucija, Riceova distribucija i normalna distribucija su tri uobičajene distribucije u komunikaciji: omotač sinusoidnog signala nosioca plus uskopojasni Gaussov šum je općenito Riceova distribucija. Kada je amplituda signala velika, on teži normalnoj distribuciji. Kada je amplituda mala, to je približno Rayleighova raspodjela.
Gausov bijeli šum je idealan model za analizu aditivne buke kanala, a ovoj vrsti šuma pripada glavni izvor šuma u komunikaciji, termalni šum. Njegove vrijednosti u bilo koja dva različita vremena su nekorelirane i statistički nezavisne. Nakon što bijeli šum prođe kroz sistem ograničen na opseg, rezultat je šum ograničen na opseg. Niskopropusni bijeli šum i propusni bijeli šum uobičajeni su u teorijskoj analizi.
Gore navedeno je članak o "slučajnom procesu komunikacijskog sistema" koji vam donosi Shenzhen HDV Phoelectron Technology LTD., a HDV je kompanija specijalizirana za optičku komunikaciju kao glavnu proizvodnu opremu, vlastitu proizvodnju kompanije: ONU serija, serija optičkih modula,OLT serija, serije primopredajnika su vruće serije proizvoda.
