Sekä signaalia että kohinaa viestinnässä voidaan pitää satunnaisina prosesseina, jotka vaihtelevat ajan myötä.
Satunnaisprosessilla on satunnaismuuttujan ja aikafunktion ominaisuudet, ja sitä voidaan kuvata kahdesta erilaisesta, mutta läheisesti liittyvästä näkökulmasta:①satunnaisprosessi on kokoelma äärettömiä näytefunktioita;②Satunnaisprosessi on joukko satunnaismuuttujia.
Satunnaisprosessin tilastolliset ominaisuudet kuvataan sen jakautumisfunktiolla tai todennäköisyystiheysfunktiolla.Jos satunnaisprosessin tilastolliset ominaisuudet ovat riippumattomia ajan alkamispisteestä, sitä kutsutaan tiukasti stabiiliksi prosessiksi.
Digitaaliset ominaisuudet ovat toinen ytimekäs tapa kuvata satunnaisia prosesseja.Jos prosessin keskiarvo on vakio ja autokorrelaatiofunktio R (T1, T1+ τ)= R (T), prosessia kutsutaan yleistetyksi stationääriseksi prosessiksi.
Jos prosessi on ehdottoman vakaa, sen on oltava laajalti stabiili;muuten se ei ehkä ole totta.Jos prosessin aikakeskiarvo on yhtä suuri kuin vastaava tilastollinen keskiarvo, prosessi on ergodinen.Jos prosessi on ergodinen, se on myös stabiili;muuten se ei ehkä ole totta.
Yleistetyn stationaarisen prosessin autokorrelaatiofunktio R (T) on aikaeron R parillinen funktio ja R (0) on yhtä suuri kuin kokonaiskeskimääräinen teho, joka on R（ τ) maksimiarvo.Tehon spektritiheys (P) ξ (f) on Fourier-muunnoksen autokorrelaatiofunktio R() (Wiener Minchin -lause).Tämä muunnospari määrittää aika- ja taajuusalueen välisen muunnossuhteen.Gaussin prosessin todennäköisyysjakauma noudattaa normaalijakaumaa, ja sen täydellinen tilastollinen kuvaus vaatii vain sen numeerisia ominaisuuksia.Yksiulotteinen todennäköisyysjakauma riippuu vain keskiarvosta ja varianssista, ja kaksiulotteinen todennäköisyysjakauma riippuu pääasiassa korrelaatiofunktiosta.Gaussin prosessi on edelleen Gaussin prosessi lineaarisen muunnoksen jälkeen.Normaalijakaumafunktion ja Q(x)- tai ERF(x)-funktion välinen suhde on erittäin hyödyllinen analysoitaessa digitaalisten viestintäjärjestelmien kohinanestokykyä.Stokastinen prosessi, joka on paikallaan Sen jälkeen, kun I (T) kulkee lineaarisen järjestelmän läpi, sen lähtöprosessi ξ 0 (T) on myös stabiili.
Kapeakaistaisten satunnaisprosessien ja siniaaltojen sekä kapeakaistaisen Gaussin kohinan tilastolliset ominaisuudet sopivat paremmin modulaatiojärjestelmien, kaistanpäästöjärjestelmien ja langattoman viestinnän häipyvien monitiekanavien analysointiin.Kolme yleistä jakaumaa viestinnässä ovat Rayleigh-jakauma, riisijakauma ja normaalijakauma: sinimuotoisen kantoaaltosignaalin verhokäyrä plus kapeakaistainen.Gaussin kohina on yleensä riisijakaumaa.Kun signaalin amplitudi on suuri, se pyrkii normaalijakaumaan;kun amplitudi on pieni, se on suunnilleen Rayleigh-jakauma.
Gaussin valkoinen kohina on ihanteellinen malli kanavan additiivisen kohinan analysointiin, ja viestintälämpökohinan pääkohinan lähde kuuluu tällaiseen kohinaan.Sen arvot kahdella eri hetkellä ovat korreloimattomia ja tilastollisesti riippumattomia.Kun valkoinen kohina kulkee kaistarajoitetun järjestelmän läpi, tuloksena on kaistarajoitettu kohina.Alipäästöinen valkoinen kohina ja kaistanpäästö valkoinen kohina ovat yleisiä teoreettisessa analyysissä.
Yllä oleva on artikkeli "Satunnainen viestintäjärjestelmä", jonka sinulle toi Shenzhen HDV phoelectron Technology Co., Ltd. Toivottavasti tämä artikkeli voi auttaa sinua lisäämään tietämystäsi.Tämän artikkelin lisäksi, jos etsit hyvää optisten kuituviestintälaitteiden valmistajayritystä, jota voit harkitameistä.
Shenzhen HDV phoelectron Technology Co., Ltd. on pääasiassa viestintätuotteiden valmistaja.Tällä hetkellä valmistetut laitteet kattavatONU sarja, optisten moduulien sarja, OLT-sarja, jalähetin-vastaanotin sarja.Voimme tarjota räätälöityjä palveluita erilaisiin skenaarioihin.Olet tervetullutkonsultoida.
