Signál aj šum v komunikácii možno považovať za náhodné procesy, ktoré sa menia s časom.
Náhodný proces má vlastnosti náhodnej premennej a časovej funkcie, ktoré možno opísať z dvoch rôznych, ale úzko súvisiacich perspektív: (1) Náhodný proces je množina nekonečných vzorových funkcií; (2) Náhodný proces je súbor náhodných premenných.
Štatistické vlastnosti náhodných procesov sú opísané ich distribučnou funkciou alebo funkciou hustoty pravdepodobnosti. Ak sú štatistické vlastnosti náhodného procesu nezávislé od počiatočného bodu času, nazýva sa to striktne stacionárny proces.
Číselné znaky sú ďalším úhľadným spôsobom opisu náhodných procesov. Ak je stredná hodnota procesu konštantná a autokorelačná funkcia R(t1,t1+τ)=R(T), proces sa považuje za zovšeobecnený stacionárny.
Ak je proces striktne stacionárny, potom musí byť vo všeobecnosti stacionárny a naopak to nemusí byť pravda.
Proces je ergodický, ak sa jeho časový priemer rovná zodpovedajúcemu štatistickému priemeru.
Ak je proces ergodický, potom je tiež stacionárny a naopak to nemusí byť pravda.
Autokorelačná funkcia R(T) zovšeobecneného stacionárneho procesu je párnou funkciou časového rozdielu r a R(0) sa rovná celkovému priemernému výkonu a je maximálnou hodnotou R(τ). Výkonová spektrálna hustota Pξ(f) je Fourierova transformácia autokorelačnej funkcie R(ξ) (Wienerova - Sinchinova veta). Tento pár transformácií určuje konverzný vzťah medzi časovou doménou a frekvenčnou doménou. Rozdelenie pravdepodobnosti Gaussovho procesu sa riadi normálnym rozdelením a jeho úplný štatistický popis vyžaduje iba jeho číselné charakteristiky. Jednorozmerné rozdelenie pravdepodobnosti závisí len od priemeru a rozptylu, zatiaľ čo dvojrozmerné rozdelenie pravdepodobnosti závisí najmä od korelačnej funkcie. Gaussovský proces je po lineárnej transformácii stále Gaussovský proces. Vzťah medzi funkciou normálneho rozdelenia a funkciou Q(x) alebo erf(x) je veľmi užitočný pri analýze protihlukového výkonu digitálnych komunikačných systémov. Po prechode stacionárneho náhodného procesu ξi(t) lineárnym systémom je stabilný aj jeho výstupný proces ξ0(t).
Štatistické charakteristiky úzkopásmového náhodného procesu a sínusového plus úzkopásmového Gaussovho šumu sú vhodnejšie na analýzu slabnúcich viaccestných kanálov v modulačnom systéme/pásmovom systéme/bezdrôtovej komunikácii. Rayleighova distribúcia, Riceova distribúcia a normálna distribúcia sú tri bežné distribúcie v komunikácii: obálka sínusového nosného signálu plus úzkopásmový Gaussov šum je vo všeobecnosti Riceova distribúcia. Keď je amplitúda signálu veľká, má tendenciu k normálnemu rozdeleniu. Keď je amplitúda malá, je to približne Rayleighovo rozdelenie.
Gaussovský biely šum je ideálnym modelom na analýzu aditívneho šumu kanála a hlavný zdroj hluku v komunikácii, tepelný šum, patrí k tomuto druhu hluku. Jeho hodnoty v akýchkoľvek dvoch rôznych časoch sú nekorelované a štatisticky nezávislé. Po prechode bieleho šumu systémom s obmedzeným pásmom je výsledkom šum obmedzený na pásmo. Nízkopriepustný biely šum a pásmový biely šum sú bežné v teoretickej analýze.
Vyššie uvedený je článok „náhodný proces komunikačného systému“, ktorý vám prináša Shenzhen HDV Phoelectron Technology LTD., a HDV je spoločnosť špecializujúca sa na optickú komunikáciu ako hlavné výrobné zariadenie, vlastná výroba: séria ONU, séria optických modulov,Séria OLT, série transceiverov sú horúce série produktov.
