I signal i šum u komunikaciji mogu se smatrati slučajnim procesima koji se mijenjaju s vremenom.
Slučajni proces ima karakteristike slučajne varijable i vremenske funkcije i može se opisati iz dvije različite, ali blisko povezane perspektive:①slučajni proces je skup beskonačnih uzoraka funkcija;②Slučajni proces je skup slučajnih varijabli.
Statističke karakteristike slučajnog procesa opisuju se njegovom funkcijom distribucije ili funkcijom gustoće vjerojatnosti. Ako su statističke karakteristike slučajnog procesa neovisne o vremenskoj početnoj točki, naziva se strogo stabilan proces.
Digitalne značajke još su jedan sažeti način za opisivanje slučajnih procesa. Ako je srednja vrijednost procesa konstantna i autokorelacijska funkcija R (T1, T1+ τ)= R (T), proces se naziva generalizirani stacionarni proces.
Ako je proces strogo stabilan, mora biti i široko stabilan; inače, možda nije istina.Ako je vremenski prosjek procesa jednak odgovarajućem statističkom prosjeku, proces je ergodički.Ako je proces ergodičan, on je i stabilan; inače, možda nije istina.
Autokorelacijska funkcija R (T) generaliziranog stacionarnog procesa je parna funkcija vremenske razlike R, a R (0) je jednaka ukupnoj prosječnoj snazi, što je R（ τ) najveća vrijednost. Spektralna gustoća snage (P) ξ (f) je Fourierova transformacija autokorelacijske funkcije R() (Wiener Minchinov teorem). Ovaj par transformacija određuje odnos pretvorbe između vremenske i frekvencijske domene. Distribucija vjerojatnosti Gaussovog procesa slijedi normalnu distribuciju, a njezin potpuni statistički opis zahtijeva samo njegove numeričke karakteristike. Jednodimenzionalna distribucija vjerojatnosti ovisi samo o srednjoj vrijednosti i varijanci, a dvodimenzionalna distribucija vjerojatnosti uglavnom ovisi o korelacijskoj funkciji. Gaussov proces je i dalje Gaussov proces nakon linearne transformacije. Odnos između funkcije normalne distribucije i Q (x) ili ERF (x) funkcije vrlo je koristan u analizi performansi zaštite od šuma digitalnih komunikacijskih sustava. Stohastički proces koji je stacionaran Nakon što I (T) prođe kroz linearni sustav, njegov izlazni proces ξ 0 (T) je također stabilan.
Statističke karakteristike uskopojasnih slučajnih procesa i sinusnih valova plus uskopojasni Gaussov šum prikladnije su za analizu modulacijskih sustava, pojasnopropusnih sustava i višestaznih kanala s fedingom bežične komunikacije. Tri uobičajene distribucije u komunikaciji su Rayleighova distribucija, rižina distribucija i normalna distribucija: omotnica sinusoidnog nosivog signala plus uskopojasni signal. Gaussov šum općenito je distribucija riže. Kada je amplituda signala velika, teži normalnoj distribuciji; kada je amplituda mala, to je približno Rayleigheva distribucija.
Gaussov bijeli šum idealan je model za analizu dodatnog šuma kanala, a glavni izvor šuma u komunikacijskom toplinskom šumu pripada ovoj vrsti šuma. Njegove vrijednosti u bilo koja dva različita vremena su nekorelirane i statistički neovisne. Nakon što bijeli šum prođe kroz pojasno ograničeni sustav, rezultat je pojasno ograničen šum. Niskopropusni bijeli šum i pojasni bijeli šum uobičajeni su u teoretskoj analizi.
Gore je članak "slučajni proces komunikacijskog sustava" koji vam donosi Shenzhen HDV phoelectron Technology Co., Ltd. nadamo se da vam ovaj članak može pomoći da povećate svoje znanje. Osim ovog članka, ako tražite dobru tvrtku za proizvodnju komunikacijske opreme s optičkim vlaknima, možete razmisliti o tomeo nama.
Shenzhen HDV phoelectron Technology Co., Ltd. uglavnom je proizvođač komunikacijskih proizvoda. Trenutno proizvedena oprema pokrivaONU serija, serija optičkih modula, OLT serija, iserija primopredajnika. Možemo pružiti prilagođene usluge za različite scenarije. dobrodošli stesavjetovati.
