И сигнал, и шум в коммуникации можно рассматривать как случайные процессы, меняющиеся со временем.
Случайный процесс имеет характеристики случайной величины и функции времени и может быть описан с двух разных, но тесно связанных точек зрения:①случайный процесс представляет собой набор бесконечных выборочных функций;②Случайный процесс – это набор случайных величин.
Статистические характеристики случайного процесса описываются его функцией распределения или функцией плотности вероятности. Если статистические характеристики случайного процесса не зависят от начальной точки времени, он называется строго устойчивым процессом.
Цифровые функции — еще один краткий способ описания случайных процессов. Если среднее значение процесса постоянно и автокорреляционная функция R(T1, T1+τ)= R(T), то процесс называется обобщенным стационарным процессом.
Если процесс строго стабилен, он должен быть и в целом стабильным; в противном случае это может быть неправдой.Если среднее время процесса равно соответствующему статистическому среднему, процесс является эргодическим.Если процесс эргодичен, он также стабилен; в противном случае это может быть неправдой.
Автокорреляционная функция R(T) обобщенного стационарного процесса является четной функцией разности времен R, причем R(0) равна полной средней мощности, которая является R（τ) максимальным значением. Спектральная плотность мощности (P) ξ (f) представляет собой автокорреляционную функцию преобразования Фурье R() (теорема Винера Минчина). Эта пара преобразований определяет соотношение преобразования между временной и частотной областями. Распределение вероятностей гауссовского процесса соответствует нормальному распределению, и для его полного статистического описания требуются только числовые характеристики. Одномерное распределение вероятностей зависит только от среднего значения и дисперсии, а двумерное распределение вероятностей в основном зависит от корреляционной функции. Гауссов процесс по-прежнему остается гауссовским процессом после линейного преобразования. Связь между функцией нормального распределения и функцией Q(x) или ERF(x) очень полезна при анализе противошумовых характеристик цифровых систем связи. Стационарный случайный процесс. После того, как I (T) проходит через линейную систему, его выходной процесс ξ 0 (T) также стабилен.
Статистические характеристики узкополосных случайных процессов и синусоидальных волн плюс узкополосный гауссов шум больше подходят для анализа систем модуляции, полосовых систем и многолучевых каналов с замиранием беспроводной связи. Тремя распространенными распределениями в общении являются распределение Рэлея, распределение Райса и нормальное распределение: огибающая синусоидального несущего сигнала плюс узкополосный сигнал. Гауссов шум обычно представляет собой рисовое распределение. Когда амплитуда сигнала велика, она стремится к нормальному распределению; когда амплитуда мала, это примерно распределение Рэлея.
Гауссов белый шум является идеальной моделью для анализа аддитивного шума канала, а основной источник теплового шума связи относится к этому типу шума. Его значения в любые два разных момента времени некоррелированы и статистически независимы. После того, как белый шум проходит через систему с ограниченной полосой пропускания, результатом является шум с ограниченной полосой пропускания. Низкочастотный белый шум и полосовой белый шум широко распространены в теоретическом анализе.
Вышеупомянутая статья «Случайный процесс системы связи», предоставленная вам компанией Shenzhen HDV phoelectron Technology Co., Ltd. Надеемся, что эта статья поможет вам расширить свои знания. Помимо этой статьи, если вы ищете хорошую компанию-производителя оборудования оптоволоконной связи, вы можете рассмотретьо нас.
Компания Shenzhen HDV phoelectron Technology Co., Ltd. в основном является производителем коммуникационной продукции. В настоящее время выпускаемое оборудование охватываетсерия ОНУ, серия оптических модулей, серия ОЛТ, исерия трансиверов. Мы можем предоставить индивидуальные услуги для различных сценариев. Добро пожаловатьпроконсультироваться.
