Både signal og støj i kommunikation kan betragtes som tilfældige processer, der ændrer sig med tiden.
Tilfældig proces har karakteristika af tilfældig variabel og tidsfunktion, som kan beskrives fra to forskellige, men nært beslægtede perspektiver: (1) Tilfældig proces er sættet af uendelige stikprøvefunktioner; (2) En tilfældig proces er et sæt af tilfældige variable.
De statistiske egenskaber ved tilfældige processer er beskrevet ved deres fordelingsfunktion eller sandsynlighedstæthedsfunktion. Hvis de statistiske egenskaber ved en tilfældig proces er uafhængige af tidspunktets udgangspunkt, kaldes det en strengt stationær proces.
Numeriske funktioner er en anden pæn måde at beskrive tilfældige processer på. Hvis middelværdien af processen er konstant og autokorrelationsfunktionen R(t1,t1+τ)=R(T), siges processen at være generaliseret stationær.
Hvis en proces strengt taget er stationær, så skal den stort set være stationær, og omvendt er det ikke nødvendigvis sandt.
En proces er ergodisk, hvis dens tidsgennemsnit er lig med det tilsvarende statistiske gennemsnit.
Hvis en proces er ergodisk, så er den også stationær, og omvendt er det ikke nødvendigvis sandt.
Autokorrelationsfunktionen R(T) af en generaliseret stationær proces er en jævn funktion af tidsforskellen r, og R(0) er lig med den samlede gennemsnitlige effekt og er den maksimale værdi af R(τ). Effektspektraltæthed Pξ(f) er Fourier-transformationen af autokorrelationsfunktionen R(ξ) (Wiener - Sinchin-sætning). Dette par af transformationer bestemmer konverteringsforholdet mellem tidsdomænet og frekvensdomænet. Sandsynlighedsfordelingen af en Gauss-proces adlyder en normalfordeling, og dens fuldstændige statistiske beskrivelse kræver kun dens numeriske karakteristika. Den endimensionelle sandsynlighedsfordeling afhænger kun af middelværdien og variansen, mens den todimensionelle sandsynlighedsfordeling hovedsageligt afhænger af korrelationsfunktionen. En Gauss-proces 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. Efter at en stationær tilfældig proces ξi(t) passerer gennem et lineært system, er dens outputproces ξ0(t) også stabil.
De statistiske karakteristika for smalbåndet tilfældig proces og sinusbølge plus smalbånds gaussisk støj er mere velegnede til analyse af fading flervejskanaler i modulationssystem/båndpassystem/trådløs kommunikation. Rayleigh-fordeling, risfordeling og normalfordeling er tre almindelige fordelinger i kommunikation: omhylningen af sinusformet bæresignal plus smalbåndet Gauss-støj er generelt risfordeling. Når signalamplituden er stor, tenderer den til normal fordeling. 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 kommunikationen, termisk støj, hører til denne form for støj. Dens værdier på to forskellige tidspunkter er ukorrelerede og statistisk uafhængige. Efter hvid støj passerer gennem et båndbegrænset system, er resultatet båndbegrænset støj. Lavpas hvid støj og båndpas hvid støj er almindelige i teoretisk analyse.
Ovenstående er den "tilfældige proces af kommunikationssystem"-artikel bragt til dig af Shenzhen HDV Phoelectron Technology LTD., og HDV er en virksomhed, der specialiserer sig i optisk kommunikation som det vigtigste produktionsudstyr, virksomhedens egen produktion: ONU-serie, optisk modul-serie,OLT-serien, transceiver-serien er hot serie af produkter.
