Tant el senyal com el soroll en la comunicació es poden considerar processos aleatoris que canvien amb el temps.
El procés aleatori té les característiques de la variable aleatòria i la funció de temps, que es poden descriure des de dues perspectives diferents però estretament relacionades: (1) El procés aleatori és el conjunt de funcions de mostra infinites; (2) Un procés aleatori és un conjunt de variables aleatòries.
Les propietats estadístiques dels processos aleatoris es descriuen mitjançant la seva funció de distribució o funció de densitat de probabilitat. Si les propietats estadístiques d'un procés aleatori són independents del punt d'inici del temps, s'anomena procés estrictament estacionari.
Les característiques numèriques són una altra manera ordenada de descriure processos aleatoris. Si la mitjana del procés és constant i la funció d'autocorrelació R(t1,t1+τ)=R(T), es diu que el procés és estacionari generalitzat.
Si un procés és estrictament estacionari, llavors ha de ser àmpliament estacionari, i viceversa no és necessàriament cert.
Un procés és ergòdic si la seva mitjana temporal és igual a la mitjana estadística corresponent.
Si un procés és ergòdic, també és estacionari, i viceversa no és necessàriament cert.
La funció d'autocorrelació R(T) d'un procés estacionari generalitzat és una funció parell de la diferència de temps r, i R(0) és igual a la potència mitjana total i és el valor màxim de R(τ). La densitat espectral de potència Pξ(f) és la transformada de Fourier de la funció d'autocorrelació R(ξ) (teorema de Wiener - Sinchin). Aquest parell de transformacions determina la relació de conversió entre el domini del temps i el domini de la freqüència. La distribució de probabilitat d'un procés gaussià obeeix a una distribució normal, i la seva descripció estadística completa requereix només les seves característiques numèriques. La distribució de probabilitat unidimensional depèn només de la mitjana i la variància, mentre que la distribució de probabilitat bidimensional depèn principalment de la funció de correlació. Un procés gaussià segueix sent un procés gaussià després de la transformació lineal. La relació entre la funció de distribució normal i la funció Q(x) o erf(x) és molt útil per analitzar el rendiment anti-soroll dels sistemes de comunicació digital. Després que un procés aleatori estacionari ξi(t) passa per un sistema lineal, el seu procés de sortida ξ0(t) també és estable.
Les característiques estadístiques del procés aleatori de banda estreta i el soroll gaussià d'ona sinusoïdal i de banda estreta són més adequades per a l'anàlisi de canals multicamí que es desfan en el sistema de modulació/sistema de pas de banda/comunicació sense fils. La distribució de Rayleigh, la distribució d'arròs i la distribució normal són tres distribucions habituals en la comunicació: l'embolcall del senyal portador sinusoïdal més el soroll gaussià de banda estreta és generalment la distribució d'arròs. Quan l'amplitud del senyal és gran, tendeix a una distribució normal. Quan l'amplitud és petita, és aproximadament la distribució de Rayleigh.
El soroll blanc gaussià és un model ideal per analitzar el soroll additiu del canal, i la principal font de soroll en la comunicació, el soroll tèrmic, pertany a aquest tipus de soroll. Els seus valors en dos moments diferents no estan correlacionats i estadísticament independents. Després que el soroll blanc passa per un sistema de banda limitada, el resultat és un soroll de banda limitada. El soroll blanc de pas baix i el soroll blanc de pas de banda són habituals en l'anàlisi teòrica.
L'anterior és l'article "procés aleatori del sistema de comunicació" que us ha presentat Shenzhen HDV Phoelectron Technology LTD., i HDV és una empresa especialitzada en comunicació òptica com a equip de producció principal, producció pròpia de l'empresa: sèrie ONU, sèrie de mòduls òptics,Sèrie OLT, les sèries de transceptors són sèries de productes calents.
