И сигнал, и шум в коммуникации можно рассматривать как случайные процессы, которые изменяются со временем.
Случайный процесс имеет характеристики случайной величины и функции времени, которые можно описать с двух разных, но тесно связанных точек зрения: (1) Случайный процесс представляет собой набор бесконечных выборочных функций; (2) Случайный процесс – это набор случайных величин.
Статистические свойства случайных процессов описываются их функцией распределения или функцией плотности вероятности. Если статистические свойства случайного процесса не зависят от начальной точки времени, его называют строго стационарным процессом.
Числовые характеристики — еще один удобный способ описания случайных процессов. Если среднее значение процесса постоянно и автокорреляционная функция R(t1,t1+τ)=R(T), процесс называется обобщенно стационарным.
Если процесс строго стационарен, то он должен быть и в широком смысле стационарным, и наоборот не обязательно верно.
Процесс является эргодическим, если его среднее по времени равно соответствующему статистическому среднему.
Если процесс эргодичен, то он и стационарен, и наоборот не обязательно верно.
Автокорреляционная функция R(T) обобщенного стационарного процесса является четной функцией разности времен r, причем R(0) равна полной средней мощности и является максимальным значением R(τ). Спектральная плотность мощности Pξ(f) представляет собой преобразование Фурье автокорреляционной функции R(ξ) (теорема Винера – Синчина). Эта пара преобразований определяет соотношение преобразования между временной областью и частотной областью. Распределение вероятностей гауссовского процесса подчиняется нормальному распределению, и для его полного статистического описания необходимы лишь его числовые характеристики. Одномерное распределение вероятностей зависит только от среднего значения и дисперсии, тогда как двумерное распределение вероятностей зависит главным образом от корреляционной функции. Гауссов процесс остается гауссовским процессом после линейного преобразования. Связь между функцией нормального распределения и функцией Q(x) или erf(x) очень полезна при анализе помехоустойчивости цифровых систем связи. После прохождения стационарного случайного процесса ξi(t) через линейную систему его выходной процесс ξ0(t) также становится устойчивым.
Статистические характеристики узкополосного случайного процесса и синусоидального сигнала плюс узкополосный гауссовский шум больше подходят для анализа затухающих многолучевых каналов в системах модуляции/полосовой системе/беспроводной связи. Распределение Рэлея, распределение Райса и нормальное распределение - это три общих распределения в связи: огибающая синусоидального несущего сигнала плюс узкополосный гауссов шум обычно представляют собой распределение Райса. 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 шума в связи — тепловой шум — относится к этому виду 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 о «случайном процессе системы связи», представленная вам компанией Shenzhen HDV Phoelectron Technology LTD., а HDV — компания, специализирующаяся на оптической связи в качестве основного производственного оборудования, собственное производство компании: серия ONU, серия оптических модулей,серия ОЛТСерия трансиверов - это горячая серия продуктов.
