Tanto o sinal como o ruído na comunicación pódense considerar procesos aleatorios que cambian co tempo.
O proceso aleatorio ten as características de variable aleatoria e función de tempo, que se poden describir desde dúas perspectivas diferentes pero moi relacionadas: (1) O proceso aleatorio é o conxunto de funcións mostrais infinitas; (2) Un proceso aleatorio é un conxunto de variables aleatorias.
As propiedades estatísticas dos procesos aleatorios descríbense pola súa función de distribución ou función de densidade de probabilidade. Se as propiedades estatísticas dun proceso aleatorio son independentes do punto de partida do tempo, denomínase proceso estritamente estacionario.
As características numéricas son outra forma ordenada de describir procesos aleatorios. Se a media do proceso é constante e a función de autocorrelación R(t1,t1+τ)=R(T), dise que o proceso é estacionario xeneralizado.
Se un proceso é estrictamente estacionario, entón debe ser amplamente estacionario, e viceversa non é necesariamente verdadeiro.
Un proceso é ergódico se a súa media temporal é igual á media estatística correspondente.
Se un proceso é ergódico, entón tamén é estacionario, e viceversa non é necesariamente verdadeiro.
A función de autocorrelación R(T) dun proceso estacionario xeneralizado é unha función par da diferenza de tempo r, e R(0) é igual á potencia media total e é o valor máximo de R(τ). A densidade espectral de potencia Pξ(f) é a transformada de Fourier da función de autocorrelación R(ξ) (teorema de Wiener - Sinchin). Este par de transformacións determina a relación de conversión entre o dominio do tempo e o dominio da frecuencia. A distribución de probabilidade dun proceso gaussiano obedece a unha distribución normal, e a súa descrición estatística completa require só as súas características numéricas. A distribución de probabilidade unidimensional depende só da media e da varianza, mentres que a distribución de probabilidade bidimensional depende principalmente da función de correlación. Un proceso gaussiano aínda é un proceso gaussiano despois da transformación lineal. A relación entre a función de distribución normal e a función Q(x) ou erf(x) é moi útil para analizar o rendemento anti-ruído dos sistemas de comunicación dixital. Despois de que un proceso aleatorio estacionario ξi(t) pasa por un sistema lineal, o seu proceso de saída ξ0(t) tamén é estable.
As características estatísticas do proceso aleatorio de banda estreita e do ruído gaussiano de onda sinusoidal máis de banda estreita son máis adecuadas para a análise de canles multitraxectorias en desvanecemento no sistema de modulación/sistema de paso de banda/comunicación sen fíos. A distribución de Rayleigh, a distribución de arroz e a distribución normal son tres distribucións comúns na comunicación: a envolvente do sinal portador sinusoidal máis o ruído gaussiano de banda estreita é xeralmente a distribución de arroz. Cando a amplitude do sinal é grande, tende á distribución normal. Cando a amplitude é pequena, é aproximadamente a distribución de Rayleigh.
O ruído branco gaussiano é un modelo ideal para analizar o ruído aditivo da canle, e a principal fonte de ruído na comunicación, o ruído térmico, pertence a este tipo de ruído. Os seus valores en dous momentos diferentes non están correlacionados e estatisticamente independentes. Despois de que o ruído branco pasa por un sistema de banda limitada, o resultado é un ruído limitado por banda. O ruído branco de paso baixo e o ruído branco de paso de banda son comúns na análise teórica.
O anterior é o artigo "proceso aleatorio do sistema de comunicación" que lle trouxo Shenzhen HDV Phoelectron Technology LTD., e HDV é unha empresa especializada en comunicación óptica como principal equipo de produción, produción propia da empresa: serie ONU, serie de módulos ópticos,Serie OLT, serie transceptor son series quentes de produtos.
