Signál i šum v komunikaci lze považovat za náhodné procesy, které se mění v čase.
Náhodný proces má vlastnosti náhodné proměnné a časové funkce a lze jej popsat ze dvou různých, ale úzce souvisejících perspektiv:①náhodný proces je soubor nekonečných vzorových funkcí;②Náhodný proces je soubor náhodných proměnných.
Statistické charakteristiky náhodného procesu jsou popsány jeho distribuční funkcí nebo funkcí hustoty pravděpodobnosti. Pokud jsou statistické charakteristiky náhodného procesu nezávislé na časovém počátku, nazývá se přísně stabilní proces.
Digitální funkce jsou dalším stručným způsobem, jak popsat náhodné procesy. Pokud je střední hodnota procesu konstantní a autokorelační funkce R (T1, T1+ τ)= R (T), proces se nazývá zobecněný stacionární proces.
Pokud je proces přísně stabilní, musí být obecně stabilní; jinak to nemusí být pravda.Pokud se časový průměr procesu rovná odpovídajícímu statistickému průměru, je proces ergodický.Pokud je proces ergodický, je také stabilní; jinak to nemusí být pravda.
Autokorelační funkce R (T) zobecněného stacionárního procesu je sudou funkcí časového rozdílu R a R (0) se rovná celkové průměrné síle, což je maximální hodnota R（ τ). Výkonová spektrální hustota (P) ξ (f) je autokorelační funkce R() Fourierovy transformace (Wienerova Minchinova věta). Tato dvojice transformací určuje konverzní vztah mezi časovou a frekvenční doménou. Rozdělení pravděpodobnosti Gaussova procesu sleduje normální rozdělení a jeho úplný statistický popis vyžaduje pouze jeho číselné charakteristiky. Jednorozměrné rozdělení pravděpodobnosti závisí pouze na průměru a rozptylu a dvourozměrné rozdělení pravděpodobnosti závisí především na korelační funkci. Gaussův proces je po lineární transformaci stále Gaussovský proces. Vztah mezi funkcí normálního rozdělení a funkcí Q (x) nebo ERF (x) je velmi užitečný při analýze protihlukového výkonu digitálních komunikačních systémů. Stochastický proces, který je stacionární Po průchodu I (T) lineárním systémem je jeho výstupní proces ξ 0 (T) také stabilní.
Statistické charakteristiky úzkopásmových náhodných procesů a sinusových vln plus úzkopásmový gaussovský šum jsou vhodnější pro analýzu modulačních systémů, pásmových propustí a vícecestných kanálů se slábnutím bezdrátové komunikace. Tři běžné distribuce v komunikaci jsou Rayleighovo rozdělení, rýžové rozdělení a normální rozdělení: obálka sinusového nosného signálu plus úzkopásmové. Gaussův šum je obecně distribuce rýže. Když je amplituda signálu velká, má tendenci k normální distribuci; když je amplituda malá, jedná se přibližně o Rayleighovo rozdělení.
Gaussův bílý šum je ideálním modelem pro analýzu aditivního šumu kanálu a hlavní zdroj šumu v komunikačním tepelném šumu patří k tomuto druhu šumu. Jeho hodnoty ve dvou různých časech jsou nekorelované a statisticky nezávislé. Poté, co bílý šum projde pásmově omezeným systémem, výsledkem je pásmově omezený šum. Nízkoprůchodový bílý šum a pásmový bílý šum jsou v teoretické analýze běžné.
Výše uvedený článek „náhodný proces komunikačního systému“ vám přinesla společnost Shenzhen HDV phoelectron Technology Co., Ltd., doufáme, že vám tento článek pomůže rozšířit vaše znalosti. Kromě tohoto článku, pokud hledáte dobrého výrobce komunikačních zařízení s optickými vlákny, můžete zvážito nás.
Shenzhen HDV phoelectron Technology Co., Ltd. je především výrobcem komunikačních produktů. V současné době vyráběné zařízení pokrývásérie ONU, řada optických modulů, série OLTasérie transceiverů. Můžeme poskytnout přizpůsobené služby pro různé scénáře. Jste vítánikonzultovat.
