И сигнал и шум у комуникацији могу се посматрати као случајни процеси који се мењају током времена.
Случајни процес има карактеристике случајне променљиве и временске функције, које се могу описати из две различите, али блиско повезане перспективе: (1) Случајни процес је скуп бесконачних функција узорка; (2) Случајни процес је скуп случајних променљивих.
Статистичка својства случајних процеса су описана њиховом функцијом расподеле или функцијом густине вероватноће. Ако су статистичка својства случајног процеса независна од временске почетне тачке, он се назива стриктно стационарним процесом.
Нумеричке карактеристике су још један згодан начин за описивање случајних процеса. Ако је средња вредност процеса константна и аутокорелационе функције Р(т1,т1+τ)=Р(Т), за процес се каже да је генерализован стационаран.
Ако је процес стриктно стационаран, онда он мора бити широко стационаран, и обрнуто није нужно тачно.
Процес је ергодичан ако је његов временски просек једнак одговарајућем статистичком просеку.
Ако је процес ергодичан, онда је и стационаран, и обрнуто није нужно тачно.
Аутокорелационе функције Р(Т) генерализованог стационарног процеса је парна функција временске разлике р, а Р(0) је једнака укупној просечној снази и представља максималну вредност Р(τ). Спектрална густина снаге Пξ(ф) је Фуријеова трансформација аутокорелационе функције Р(ξ) (Винер - Синчин теорема). Овај пар трансформација одређује однос конверзије између временског домена и фреквенцијског домена. Расподела вероватноће Гаусовог процеса је у складу са нормалном расподелом, а њен потпуни статистички опис захтева само његове нумеричке карактеристике. Једнодимензионална расподела вероватноће зависи само од средње вредности и варијансе, док дводимензионална расподела вероватноће зависи углавном од корелационе функције. Гаусов процес је и даље Гаусов процес након линеарне трансформације. Однос између функције нормалне дистрибуције и К(к) или ерф(к) функције је веома користан у анализи перформанси против буке дигиталних комуникационих система. Након што стационарни случајни процес ξи(т) прође кроз линеарни систем, његов излазни процес ξ0(т) је такође стабилан.
Статистичке карактеристике ускопојасног случајног процеса и синусног таласа плус ускопојасног Гаусовог шума су погодније за анализу фадинг вишепутних канала у модулационом систему/појасном систему/бежичној комуникацији. Рејлејева дистрибуција, Рајсова дистрибуција и нормална дистрибуција су три уобичајене дистрибуције у комуникацији: омотач синусоидног сигнала носиоца плус ускопојасни Гаусов шум је генерално Рајсова дистрибуција. Када је амплитуда сигнала велика, он тежи нормалној дистрибуцији. Када је амплитуда мала, то је приближно Релејева расподела.
Гаусов бели шум је идеалан модел за анализу адитивне буке канала, а главни извор буке у комуникацији, термални шум, припада овој врсти шума. Његове вредности у било која два различита времена су некорелисане и статистички независне. Након што бели шум прође кроз систем са ограниченим опсегом, резултат је шум ограничен опсегом. Нископропусни бели шум и пропусни бели шум уобичајени су у теоријској анализи.
Горе наведено је чланак о „случајном процесу комуникационог система“ који вам доноси Схензхен ХДВ Пхоелецтрон Тецхнологи ЛТД., а ХДВ је компанија специјализована за оптичку комуникацију као главну производну опрему, сопствену производњу компаније: ОНУ серија, серија оптичких модула,ОЛТ серија, серије примопредајника су вруће серије производа.
