Både signal och brus i kommunikation kan betraktas som slumpmässiga processer som varierar med tiden.
Slumpprocessen har egenskaperna hos en slumpvariabel och en tidsfunktion, och kan beskrivas ur två olika men närbesläktade perspektiv:①den slumpmässiga processen är en samling av oändliga exempelfunktioner;②En slumpmässig process är en uppsättning slumpvariabler.
De statistiska egenskaperna hos en slumpmässig process beskrivs av dess fördelningsfunktion eller sannolikhetstäthetsfunktion. Om de statistiska egenskaperna för en slumpmässig process är oberoende av tidpunkten, kallas det en strikt stabil process.
Digitala funktioner är ett annat kortfattat sätt att beskriva slumpmässiga processer. Om medelvärdet för processen är konstant och autokorrelationsfunktionen R (T1, T1+ τ)= R (T), kallas processen en generaliserad stationär process.
Om en process är strikt stabil måste den vara i stort sett stabil; annars kanske det inte är sant.Om tidsgenomsnittet för en process är lika med motsvarande statistiska medelvärde är processen ergodisk.Om en process är ergod är den också stabil; annars kanske det inte är sant.
Autokorrelationsfunktionen R(T) för den generaliserade stationära processen är en jämn funktion av tidsskillnaden R, och R(0) är lika med den totala medeleffekten, vilket är R（ τ) maxvärde. Effektspektral densitet (P) ξ (f) är Fouriertransformens autokorrelationsfunktion R() (Wiener Minchins sats). Detta par av transformationer bestämmer omvandlingsförhållandet mellan tids- och frekvensdomänerna. Gaussprocessens sannolikhetsfördelning följer normalfördelningen, och dess fullständiga statistiska beskrivning kräver endast dess numeriska egenskaper. Den endimensionella sannolikhetsfördelningen beror bara på medelvärde och varians, och den tvådimensionella sannolikhetsfördelningen beror främst på korrelationsfunktionen. Gauss-processen är fortfarande en Gauss-process efter linjär transformation. Förhållandet mellan normalfördelningsfunktionen och Q(x)- eller ERF(x)-funktionen är mycket användbar för att analysera anti-brusprestanda hos digitala kommunikationssystem. En stokastisk process som är stationär Efter att I (T) passerat genom det linjära systemet, är dess utgångsprocess ξ 0 (T) också stabil.
De statistiska egenskaperna för smalbandiga slumpmässiga processer och sinusvågor plus smalbandigt gaussiskt brus är mer lämpade för analys av moduleringssystem, bandpasssystem och trådlös kommunikationsfading flervägskanaler. De tre vanliga distributionerna i kommunikation är Rayleigh-fördelningen, risfördelningen och normalfördelningen: enveloppen för en sinusformad bärarsignal plus smalband. Gaussiskt brus är i allmänhet en risdistribution. När signalamplituden är stor tenderar den till normalfördelning; när amplituden är liten är det ungefär Rayleigh-fördelningen.
Gaussiskt vitt brus är en idealisk modell för att analysera kanalens additiva brus, och huvudbruskällan i termiskt kommunikationsbrus tillhör denna typ av brus. Dess värden vid två olika tidpunkter är okorrelerade och statistiskt oberoende. Efter att det vita bruset passerar genom det bandbegränsade systemet blir resultatet bandbegränsat brus. Lågpass vitt brus och bandpass vitt brus är vanliga i teoretisk analys.
Ovanstående är artikeln "slumpmässig process för kommunikationssystem" som presenteras av Shenzhen HDV phoelectron Technology Co., Ltd. hoppas att denna artikel kan hjälpa dig att öka din kunskap. Förutom den här artikeln kan du överväga om du letar efter ett bra tillverkare av optisk fiberkommunikationsutrustningom oss.
Shenzhen HDV phoelectron Technology Co., Ltd. är främst en tillverkare av kommunikationsprodukter. För närvarande täcker den producerade utrustningenONU-serien, serie optiska moduler, OLT-serien, ochsändtagare serien. Vi kan erbjuda skräddarsydda tjänster för olika scenarier. Du är välkommen attrådfråga.
