Både signal og støy i kommunikasjon kan betraktes som tilfeldige prosesser som varierer med tiden.
Den tilfeldige prosessen har egenskapene til en tilfeldig variabel og en tidsfunksjon, og kan beskrives fra to forskjellige, men nært beslektede perspektiver:①den tilfeldige prosessen er en samling av uendelige utvalgsfunksjoner;②En tilfeldig prosess er et sett med tilfeldige variabler.
De statistiske egenskapene til en tilfeldig prosess er beskrevet av dens fordelingsfunksjon eller sannsynlighetstetthetsfunksjon. Hvis de statistiske egenskapene til en tilfeldig prosess er uavhengig av tidspunktet som utgangspunkt, kalles det en strengt stabil prosess.
Digitale funksjoner er en annen kortfattet måte å beskrive tilfeldige prosesser på. Hvis middelverdien av prosessen er konstant og autokorrelasjonsfunksjonen R (T1, T1+ τ)= R (T), kalles prosessen en generalisert stasjonær prosess.
Hvis en prosess er strengt stabil, må den være stort sett stabil; ellers er det kanskje ikke sant.Hvis tidsgjennomsnittet for en prosess er lik det tilsvarende statistiske gjennomsnittet, er prosessen ergodisk.Hvis en prosess er ergodisk, er den også stabil; ellers er det kanskje ikke sant.
Autokorrelasjonsfunksjonen R (T) til den generaliserte stasjonære prosessen er en jevn funksjon av tidsforskjellen R, og R (0) er lik den totale gjennomsnittlige effekten, som er R (τ) maksimalverdi. Effektspektraltetthet (P) ξ (f) er Fourier-transformens autokorrelasjonsfunksjon R() (Wiener Minchin-teorem). Dette paret av transformasjoner bestemmer konverteringsforholdet mellom tids- og frekvensdomenene. Den gaussiske prosessens sannsynlighetsfordeling følger normalfordelingen, og dens fullstendige statistiske beskrivelse krever kun dens numeriske egenskaper. Den endimensjonale sannsynlighetsfordelingen avhenger kun av gjennomsnittet og variansen, og den todimensjonale sannsynlighetsfordelingen avhenger hovedsakelig av korrelasjonsfunksjonen. Gauss-prosessen er fortsatt en Gauss-prosess etter lineær transformasjon. Forholdet mellom normalfordelingsfunksjonen og Q(x)- eller ERF(x)-funksjonen er svært nyttig for å analysere antistøyytelsen til digitale kommunikasjonssystemer. En stokastisk prosess som er stasjonær Etter at I (T) passerer gjennom det lineære systemet, er utgangsprosessen ξ 0 (T) også stabil.
De statistiske egenskapene til smalbånds tilfeldige prosesser og sinusbølger pluss smalbånds gaussisk støy er mer egnet for analyse av modulasjonssystemer, båndpasssystemer og trådløs kommunikasjonsfading flerveiskanaler. De tre vanlige distribusjonene i kommunikasjon er Rayleigh-fordelingen, risfordelingen og normalfordelingen: konvolutten til et sinusformet bæresignal pluss smalbånd. Gaussisk støy er generelt en risfordeling. Når signalamplituden er stor, tenderer den til normalfordeling; når amplituden er liten, er det omtrentlig Rayleigh-fordeling.
Gaussisk hvit støy er en ideell modell for å analysere den additive støyen til kanalen, og hovedstøykilden i termisk kommunikasjonsstøy tilhører denne typen støy. Verdiene på to forskjellige tidspunkter er ukorrelerte og statistisk uavhengige. Etter at den hvite støyen passerer gjennom det båndbegrensede systemet, er resultatet båndbegrenset støy. Lavpass hvit støy og båndpass hvit støy er vanlige i teoretisk analyse.
Ovennevnte er artikkelen "tilfeldig prosess for kommunikasjonssystem" brakt til deg av Shenzhen HDV phoelectron Technology Co., Ltd. håper denne artikkelen kan hjelpe deg med å øke kunnskapen din. I tillegg til denne artikkelen, hvis du leter etter en god produsent av optisk fiberkommunikasjonsutstyr, kan du vurdereom oss.
Shenzhen HDV phoelectron Technology Co., Ltd. er hovedsakelig en produsent av kommunikasjonsprodukter. For tiden dekker utstyret som produseresONU-serien, serie optiske moduler, OLT-serien, ogsender/mottaker serien. Vi kan tilby skreddersydde tjenester for ulike scenarier. Du er velkommen tilkonsultere.
