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, koje se mogu opisati iz dvije različite, ali blisko povezane perspektive: (1) Slučajni proces je skup beskonačnih uzoraka funkcija; (2) Slučajni proces je skup slučajnih varijabli.
Statistička svojstva slučajnih procesa opisuju se njihovom funkcijom distribucije ili funkcijom gustoće vjerojatnosti. Ako su statistička svojstva slučajnog procesa neovisna o vremenskoj početnoj točki, on se naziva strogo stacionarnim procesom.
Numeričke značajke još su jedan zgodan način opisivanja slučajnih procesa. Ako je srednja vrijednost procesa konstantna i autokorelacijska funkcija R(t1,t1+τ)=R(T), kaže se da je proces generalizirano stacionaran.
Ako je proces strogo stacionaran, onda mora biti i široko stacionaran, a obrnuto nije nužno točno.
Proces je ergodičan ako je njegov vremenski prosjek jednak odgovarajućem statističkom prosjeku.
Ako je proces ergodičan, onda je i stacionaran, a obrnuto nije nužno točno.
Autokorelacijska funkcija R(T) generaliziranog stacionarnog procesa je parna funkcija vremenske razlike r, a R(0) je jednaka ukupnoj prosječnoj snazi i najveća je vrijednost R(τ). Spektralna gustoća snage Pξ(f) je Fourierova transformacija autokorelacijske funkcije R(ξ) (Wienerov - Sinchinov teorem). Ovaj par transformacija određuje odnos pretvorbe između vremenske domene i frekvencijske domene. Distribucija vjerojatnosti Gaussovog procesa pokorava se normalnoj distribuciji, a njezin potpuni statistički opis zahtijeva samo njegove numeričke karakteristike. Jednodimenzionalna distribucija vjerojatnosti ovisi samo o srednjoj vrijednosti i varijanci, dok dvodimenzionalna distribucija vjerojatnosti ovisi uglavnom 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. Nakon što stacionarni slučajni proces ξi(t) prođe kroz linearni sustav, njegov izlazni proces ξ0(t) također je stabilan.
Statističke karakteristike uskopojasnog slučajnog procesa i sinusnog vala plus uskopojasni Gaussov šum prikladnije su za analizu feding višestaznih kanala u modulacijskom sustavu/pojasnom propusnom sustavu/bežičnoj komunikaciji. Rayleighova distribucija, Riceova distribucija i normalna distribucija tri su uobičajene distribucije u komunikaciji: omotnica sinusoidnog signala nositelja plus uskopojasni Gaussov šum općenito je Riceova distribucija. Kada je amplituda signala velika, teži normalnoj distribuciji. Kada je amplituda mala, to je približno Rayleigheva distribucija.
Gaussov bijeli šum je idealan model za analizu dodatnog šuma kanala, a glavni izvor šuma u komunikaciji, toplinski šum, 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 navedeno je članak "slučajni proces komunikacijskog sustava" koji vam donosi Shenzhen HDV Phoelectron Technology LTD., a HDV je tvrtka specijalizirana za optičku komunikaciju kao glavnu proizvodnu opremu, vlastitu proizvodnju tvrtke: ONU serija, serija optičkih modula,OLT serija, serije primopredajnika su popularne serije proizvoda.
