Tako signal kot šum v komunikaciji lahko obravnavamo kot naključna procesa, ki se spreminjata s časom.
Naključni proces ima značilnosti naključne spremenljivke in časovne funkcije in ga je mogoče opisati z dveh različnih, a tesno povezanih perspektiv:①naključni proces je zbirka neskončnih vzorčnih funkcij;②Naključni proces je niz naključnih spremenljivk.
Statistične značilnosti naključnega procesa so opisane z njegovo porazdelitveno funkcijo ali funkcijo gostote verjetnosti. Če so statistične značilnosti naključnega procesa neodvisne od časovne začetne točke, se imenuje strogo stabilen proces.
Digitalne funkcije so še en jedrnat način za opis naključnih procesov. Če je srednja vrednost procesa konstantna in je avtokorelacijska funkcija R (T1, T1+ τ)= R (T), se proces imenuje generaliziran stacionarni proces.
Če je proces strogo stabilen, mora biti na splošno stabilen; drugače morda ni res.Če je časovno povprečje procesa enako ustreznemu statističnemu povprečju, je proces ergodičen.Če je proces ergodičen, je tudi stabilen; drugače morda ni res.
Avtokorelacijska funkcija R (T) posplošenega stacionarnega procesa je soda funkcija časovne razlike R, R (0) pa je enak skupni povprečni moči, ki je R（ τ) največja vrednost. Spektralna gostota moči (P) ξ (f) je Fourierjeva transformacijska avtokorelacijska funkcija R() (Wiener Minchinov izrek). Ta par transformacij določa razmerje pretvorbe med časovno in frekvenčno domeno. Verjetnostna porazdelitev Gaussovega procesa sledi normalni porazdelitvi, njen popoln statistični opis pa zahteva le njegove numerične značilnosti. Enodimenzionalna porazdelitev verjetnosti je odvisna samo od povprečja in variance, dvodimenzionalna porazdelitev verjetnosti pa je odvisna predvsem od korelacijske funkcije. Gaussov proces je po linearni transformaciji še vedno Gaussov proces. Razmerje med normalno porazdelitveno funkcijo in funkcijo Q (x) ali ERF (x) je zelo uporabno pri analizi protišumne zmogljivosti digitalnih komunikacijskih sistemov. Stohastični proces, ki je stacionaren Ko I (T) preide skozi linearni sistem, je tudi njegov izhodni proces ξ 0 (T) stabilen.
Statistične značilnosti ozkopasovnih naključnih procesov in sinusnih valov ter ozkopasovnega Gaussovega šuma so bolj primerne za analizo modulacijskih sistemov, pasovno prepustnih sistemov in brezžičnih komunikacijskih bledečih večpotnih kanalov. Tri običajne porazdelitve v komunikaciji so Rayleighova porazdelitev, riževa porazdelitev in normalna porazdelitev: ovojnica sinusnega nosilnega signala plus ozkopasovnost. Gaussov šum je na splošno porazdelitev riža. Ko je amplituda signala velika, se nagiba k normalni porazdelitvi; ko je amplituda majhna, je približno Rayleigheva porazdelitev.
Gaussov beli šum je idealen model za analizo dodatnega šuma kanala, glavni vir šuma v komunikacijskem termičnem šumu pa pripada tej vrsti šuma. Njegove vrednosti v dveh različnih časih so nekorelirane in statistično neodvisne. Ko beli šum preide skozi pasovno omejeni sistem, je rezultat pasovno omejen šum. Nizkoprepustni beli šum in pasovni beli šum sta pogosta v teoretični analizi.
Zgoraj je članek »naključni proces komunikacijskega sistema«, ki vam ga je predstavil Shenzhen HDV phoelectron Technology Co., Ltd. upamo, da vam bo ta članek lahko pomagal povečati svoje znanje. Poleg tega članka, če iščete dobro podjetje za proizvajalce komunikacijske opreme za optična vlakna, lahko razmislite o temo nas.
Shenzhen HDV phoelectron Technology Co., Ltd. je predvsem proizvajalec komunikacijskih izdelkov. Trenutno proizvedena oprema pokrivaSerija ONU, serija optičnih modulov, serija OLT, inserije oddajnikov. Ponujamo lahko prilagojene storitve za različne scenarije. Vabljeniposvetovati se.
