I signal i šum u komunikaciji mogu se smatrati slučajnim procesima koji se mijenjaju s vremenom.
Slučajni proces ima karakteristike slučajne varijable i vremenske funkcije i može se opisati iz dvije različite, ali usko povezane perspektive:①slučajni proces je skup beskonačnih funkcija uzorka;②Slučajni proces je skup slučajnih varijabli.
Statističke karakteristike slučajnog procesa su opisane njegovom funkcijom distribucije ili funkcijom gustoće vjerovatnoće.Ako su statističke karakteristike slučajnog procesa nezavisne od vremenske početne tačke, on se naziva striktno stabilnim procesom.
Digitalne karakteristike su još jedan sažet način za opisivanje slučajnih procesa.Ako je srednja vrijednost procesa konstantna i autokorelacija funkcija R (T1, T1+ τ)= R (T), proces se naziva generalizirani stacionarni proces.
Ako je proces strogo stabilan, mora biti široko stabilan;u suprotnom, možda nije istina.Ako je vremenski prosjek procesa jednak odgovarajućem statističkom prosjeku, proces je ergodičan.Ako je proces ergodičan, on je i stabilan;u suprotnom, možda nije istina.
Autokorelacija R (T) generaliziranog stacionarnog procesa je parna funkcija vremenske razlike R, a R (0) je jednaka ukupnoj prosječnoj snazi, što je R（ τ) maksimalna vrijednost.Spektralna gustina snage (P) ξ (f) je autokorelacija R() Fourierove transformacije (Wiener Minchinov teorem).Ovaj par transformacija određuje odnos konverzije između vremenskih i frekvencijskih domena.Distribucija vjerovatnoće Gausovog procesa prati normalnu raspodjelu, a njegov potpuni statistički opis zahtijeva samo njegove numeričke karakteristike.Jednodimenzionalna distribucija verovatnoće zavisi samo od srednje vrednosti i varijanse, a dvodimenzionalna distribucija verovatnoće uglavnom zavisi od korelacione funkcije.Gausov proces je i dalje Gausov proces nakon linearne transformacije.Odnos između funkcije normalne distribucije i Q (x) ili ERF (x) funkcije je vrlo koristan u analizi performansi anti-šuma digitalnih komunikacionih sistema.Stohastički proces koji je stacionaran Nakon što I (T) prođe kroz linearni sistem, njegov izlazni proces ξ 0 (T) je takođe stabilan.
Statističke karakteristike uskopojasnih slučajnih procesa i sinusnih talasa plus uskopojasni Gausov šum su prikladniji za analizu modulacionih sistema, sistema propuštanja opsega i višeputnih kanala bežične komunikacije.Tri uobičajene distribucije u komunikaciji su Rayleighova distribucija, distribucija riže i normalna distribucija: omotač signala sinusoidnog nosioca plus uskopojasni.Gausov šum je općenito distribucija riže.Kada je amplituda signala velika, ona teži normalnoj distribuciji;kada je amplituda mala, to je približno Rayleighova raspodjela.
Gausov bijeli šum je idealan model za analizu aditivne buke kanala, a glavni izvor šuma u komunikacijskom termalnom šumu pripada ovoj vrsti šuma.Njegove vrijednosti u bilo koja dva različita vremena su nekorelirane i statistički nezavisne.Nakon što bijeli šum prođe kroz sistem ograničenog opsega, rezultat je šum ograničen na opseg.Niskopropusni bijeli šum i propusni bijeli šum uobičajeni su u teorijskoj analizi.
Gore navedeno je članak “slučajni proces komunikacijskog sistema” koji vam je donio Shenzhen HDV phoelectron Technology Co., Ltd. nadamo se da vam ovaj članak može pomoći da povećate svoje znanje.Osim ovog članka, ako tražite dobru kompaniju proizvođača komunikacijske opreme s optičkim vlaknima, razmislite o tomeo nama.
Shenzhen HDV phoelectron Technology Co., Ltd. je uglavnom proizvođač komunikacijskih proizvoda.Trenutno proizvedena oprema pokrivaONU serija, serija optičkih modula, OLT serija, iserija primopredajnika.Možemo pružiti prilagođene usluge za različite scenarije.Dobrodošli stekonsultovati se.
