Signál i šum v komunikaci lze považovat za náhodné procesy, které se mění s časem.
Náhodný proces má vlastnosti náhodné proměnné a časové funkce, které lze popsat ze dvou různých, ale úzce souvisejících hledisek: (1) Náhodný proces je množina funkcí nekonečného vzorku; (2) Náhodný proces je soubor náhodných veličin.
Statistické vlastnosti náhodných procesů jsou popsány jejich distribuční funkcí nebo funkcí hustoty pravděpodobnosti. Pokud jsou statistické vlastnosti náhodného procesu nezávislé na počátečním bodě času, nazývá se přísně stacionární proces.
Číselné znaky jsou dalším úhledným způsobem popisu náhodných procesů. Pokud je střední hodnota procesu konstantní a autokorelační funkce R(t1,t1+τ)=R(T), říká se, že proces je zobecněný stacionární.
Pokud je proces přísně stacionární, pak musí být zhruba stacionární a naopak to nemusí být nutně pravda.
Proces je ergodický, pokud se jeho časový průměr rovná odpovídajícímu statistickému průměru.
Pokud je proces ergodický, pak je také stacionární a naopak to nemusí být nutně pravda.
Autokorelační funkce R(T) zobecněného stacionárního procesu je sudou funkcí časového rozdílu r a R(0) se rovná celkové průměrné síle a je maximální hodnotou R(τ). Výkonová spektrální hustota Pξ(f) je Fourierova transformace autokorelační funkce R(ξ) (Wienerova - Sinchinova věta). Tato dvojice transformací určuje konverzní vztah mezi časovou doménou a frekvenční doménou. Rozdělení pravděpodobnosti Gaussova procesu se řídí normálním rozdělením a jeho úplný statistický popis vyžaduje pouze jeho číselné charakteristiky. Jednorozměrné rozdělení pravděpodobnosti závisí pouze na průměru a rozptylu, zatímco 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. Po průchodu stacionárního náhodného procesu ξi(t) lineárním systémem je jeho výstupní proces ξ0(t) také stabilní.
Statistické charakteristiky úzkopásmového náhodného procesu a sinusového plus úzkopásmového gaussovského šumu jsou vhodnější pro analýzu slábnoucích vícecestných kanálů v modulačním systému/pásmové propusti/bezdrátové komunikaci. Rayleighovo rozdělení, Riceovo rozdělení a normální rozdělení jsou tři běžná rozdělení v komunikaci: obálka sinusového nosného signálu plus úzkopásmový Gaussův šum je obecně Riceovo rozdělení. 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 hluku v komunikaci, tepelný šum, 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. V teoretické analýze jsou běžné nízkofrekvenční bílý šum a pásmový bílý šum.
Výše uvedený článek o „náhodném procesu komunikačního systému“ vám přináší Shenzhen HDV Phoelectron Technology LTD. a HDV je společnost specializující se na optickou komunikaci jako hlavní výrobní zařízení, vlastní výroba: řada ONU, řada optických modulů,série OLT, série transceiverů jsou horké série produktů.
