Både signal og støj i kommunikation kan betragtes som tilfældige processer, der varierer med tiden.
Den tilfældige proces har karakteristika af en stokastisk variabel og en tidsfunktion og kan beskrives fra to forskellige, men nært beslægtede perspektiver:①den tilfældige proces er en samling af uendelige prøvefunktioner;②En tilfældig proces er et sæt af tilfældige variable.
De statistiske karakteristika for en tilfældig proces er beskrevet ved dens fordelingsfunktion eller sandsynlighedstæthedsfunktion. Hvis de statistiske karakteristika for en tilfældig proces er uafhængige af tidspunktet udgangspunkt, kaldes det en strengt stabil proces.
Digitale funktioner er en anden kortfattet måde at beskrive tilfældige processer på. Hvis middelværdien af processen er konstant og autokorrelationsfunktionen R (T1, T1+ τ)= R (T), kaldes processen en generaliseret stationær proces.
Hvis en proces er strengt stabil, skal den være stort set stabil; ellers er det måske ikke sandt.Hvis tidsgennemsnittet af en proces er lig med det tilsvarende statistiske gennemsnit, er processen ergodisk.Hvis en proces er ergodisk, er den også stabil; ellers er det måske ikke sandt.
Autokorrelationsfunktionen R(T) i den generaliserede stationære proces er en jævn funktion af tidsforskellen R, og R(0) er lig med den samlede gennemsnitlige effekt, som er R（ τ) maksimumværdi. Effektspektraltæthed (P) ξ (f) er Fourier-transformationens autokorrelationsfunktion R() (Wiener Minchin-sætning). Dette par af transformationer bestemmer konverteringsforholdet mellem tids- og frekvensdomænerne. Gauss-processens sandsynlighedsfordeling følger normalfordelingen, og dens fuldstændige statistiske beskrivelse kræver kun dens numeriske karakteristika. Den endimensionelle sandsynlighedsfordeling afhænger kun af middelværdien og variansen, og den todimensionelle sandsynlighedsfordeling afhænger hovedsageligt af korrelationsfunktionen. Gauss-processen er stadig en Gauss-proces efter lineær transformation. Forholdet mellem normalfordelingsfunktionen og Q(x)- eller ERF(x)-funktionen er meget nyttig til at analysere anti-støjydeevnen af digitale kommunikationssystemer. En stokastisk proces, der er stationær Efter I (T) passerer gennem det lineære system, er dens outputproces ξ 0 (T) også stabil.
De statistiske karakteristika af smalbånds tilfældige processer og sinusbølger plus smalbånds gaussisk støj er mere velegnet til analyse af modulationssystemer, båndpassystemer og trådløs kommunikationsfading flervejskanaler. De tre almindelige fordelinger i kommunikation er Rayleigh-fordelingen, risfordelingen og normalfordelingen: indhyllingen af et sinusformet bæresignal plus smalbånd. Gaussisk støj er generelt en risfordeling. Når signalamplituden er stor, tenderer den til normalfordeling; når amplituden er lille, er den omtrentlig Rayleigh-fordeling.
Gaussisk hvid støj er en ideel model til at analysere kanalens additive støj, og hovedstøjkilden i termisk kommunikationsstøj tilhører denne form for støj. Dens værdier på to forskellige tidspunkter er ukorrelerede og statistisk uafhængige. Efter den hvide støj passerer gennem det båndbegrænsede system, er resultatet båndbegrænset støj. Lavpas hvid støj og båndpas hvid støj er almindelige i teoretisk analyse.
Ovenstående er artiklen "tilfældig proces med kommunikationssystem" bragt til dig af Shenzhen HDV phoelectron Technology Co., Ltd. håber, at denne artikel kan hjælpe dig med at øge din viden. Udover denne artikel, hvis du leder efter en god producent af optisk fiberkommunikationsudstyr, kan du overvejeom os.
Shenzhen HDV phoelectron Technology Co., Ltd. er hovedsageligt en producent af kommunikationsprodukter. På nuværende tidspunkt dækker det producerede udstyrONU-serien, serie af optiske moduler, OLT-serien, ogtransceiver serien. Vi kan levere skræddersyede tjenester til forskellige scenarier. Du er velkommen tilkonsultere.
