Zarówno sygnał, jak i szum w komunikacji można uznać za procesy losowe, które zmieniają się w czasie.
Proces losowy ma cechy zmiennej losowej i funkcji czasu, które można opisać z dwóch różnych, ale ściśle powiązanych perspektyw: (1) Proces losowy to zbiór nieskończonych funkcji próbki; (2) Proces losowy to zbiór zmiennych losowych.
Właściwości statystyczne procesów losowych opisuje się za pomocą ich rozkładu lub funkcji gęstości prawdopodobieństwa. Jeżeli właściwości statystyczne procesu losowego są niezależne od czasu rozpoczęcia, nazywa się to procesem ściśle stacjonarnym.
Funkcje numeryczne to kolejny zgrabny sposób opisywania procesów losowych. Jeżeli średnia procesu jest stała, a funkcja autokorelacji R(t1,t1+τ)=R(T), to mówimy, że proces jest uogólniony stacjonarny.
Jeśli proces jest ściśle stacjonarny, to musi być w dużej mierze stacjonarny i odwrotnie, niekoniecznie jest to prawdą.
Proces jest ergodyczny, jeśli jego średnia czasowa jest równa odpowiadającej mu średniej statystycznej.
Jeśli proces jest ergodyczny, to jest również stacjonarny i odwrotnie, niekoniecznie jest to prawdą.
Funkcja autokorelacji R(T) uogólnionego procesu stacjonarnego jest parzystą funkcją różnicy czasu r, a R(0) jest równe całkowitej mocy średniej i jest maksymalną wartością R(τ). Gęstość widmowa mocy Pξ(f) jest transformatą Fouriera funkcji autokorelacji R(ξ) (twierdzenie Wienera – Sinchina). Ta para transformacji określa relację konwersji pomiędzy dziedziną czasu i dziedziną częstotliwości. Rozkład prawdopodobieństwa procesu Gaussa ma rozkład normalny, a jego pełny opis statystyczny wymaga jedynie jego charakterystyki numerycznej. Jednowymiarowy rozkład prawdopodobieństwa zależy wyłącznie od średniej i wariancji, natomiast dwuwymiarowy rozkład prawdopodobieństwa zależy głównie od funkcji korelacji. Proces Gaussa po transformacji liniowej jest nadal procesem Gaussa. Zależność między funkcją rozkładu normalnego a funkcją Q(x) lub erf(x) jest bardzo użyteczna w analizie właściwości przeciwzakłóceniowych cyfrowych systemów komunikacyjnych. Po przejściu stacjonarnego procesu losowego ξi(t) przez układ liniowy, jego proces wyjściowy ξ0(t) również jest stabilny.
Charakterystyki statystyczne wąskopasmowego procesu losowego i fali sinusoidalnej oraz wąskopasmowego szumu Gaussa są bardziej odpowiednie do analizy zanikających kanałów wielodrożnych w systemie modulacji/systemie pasmowoprzepustowym/komunikacji bezprzewodowej. Rozkład Rayleigha, rozkład Rice'a i rozkład normalny to trzy powszechne rozkłady w komunikacji: obwiednia sinusoidalnego sygnału nośnego plus wąskopasmowy szum Gaussa to ogólnie rozkład Rice'a. Gdy amplituda sygnału jest duża, ma on tendencję do rozkładu normalnego. Gdy amplituda jest mała, jest to w przybliżeniu rozkład Rayleigha.
Szum biały Gaussa jest idealnym modelem do analizy szumu addytywnego kanału, a główne źródło szumu w komunikacji, szum termiczny, należy do tego rodzaju szumu. Jego wartości w dowolnych dwóch różnych momentach są nieskorelowane i statystycznie niezależne. Po przejściu białego szumu przez system o ograniczonym paśmie powstaje szum o ograniczonym paśmie. W analizie teoretycznej powszechny jest dolnoprzepustowy biały szum i pasmowo-przepustowy szum biały.
Powyższy artykuł jest artykułem o „losowym procesie systemu komunikacji” przedstawionym przez Shenzhen HDV Phoelectron Technology LTD., a HDV to firma specjalizująca się w komunikacji optycznej jako głównym sprzęcie produkcyjnym, własna produkcja firmy: seria ONU, seria modułów optycznych,Seria OLT, serie transiwerów to gorąca seria produktów.
