随机过程在通信方面应用.docx

高斯随机过程在卫星移动信道中的应用
Xxx
（通信学院*******）
我们知道通信与信息技术的发展首先依赖于信息与通信理论的不断发展。由于通信与信息工程的研究对象涉及大量随机现象，所以用以描述随机现象的概率论、随机过程、数理统计等随机数学理论成了必不可少的理论工具。在通信系统中用于表示载荷信息的信号即是随机过程。
通信中很多需要进行分析的信号都是随机信号。随机变量、随机过程是随机分析的两个基本概念。实际上很多通信中需要处理或者需要分析的信号都可以看成是一个随机变量，利用在系统中每次需要传送的信源数据流，就可以看成是一个随机变量。例如，在一定时间内电话交换台收到的呼叫次数是一个随机变量。也就是说把随某个参量而变化的随机变量统称为随机函数；把以时间t为参变量的随机函数称为随机过程。随机过程包括随机信号和随进噪声。如果信号的某个或某几个参数不能预知或不能完全预知，这种信号就称为随机信号；在通信系统中不能预测的噪声就称为随机噪声。
本文针对高斯过程在卫星移动信道中的应用简单介绍。
对频率选择性信道和频率非选择性信道而言,高斯随机过程是信道建模的基础。 本文基于有限个谐波重叠产生有色高斯随机过程的方法,利用所产生的高斯随机数,对Loo 模型进行了仿真,给出了这个模型的理论和仿真的概率密度函数和累积分布函数图。结果表明,用有限个加权正弦信号的叠加近似有色高斯过程的方法不仅简单、准确,而且其实现性和实时性都很好。
常见移动信道建模方法
目前常用于移动信道建模的方法有下列4种方法。
实测法对实测数据进行信道建模,使用范围受特定环境的影响,不易推广。
产生高斯白噪声随机序列，通过具有对象信道特性的滤波器滤波，从而产生仿真数据。这种方法的代表模型是clarke模型。图1所示用两个互相独立的高斯低通噪声产生同分量和正交分量，先在频域用多普勒功率谱成型滤波器
对随机信号进行整形，再在仿真器最后一级用快速傅里叶反变换产生多普勒衰落的准确的时域波形。
基于马尔可夫过程建模；这种方法是用高阶Markov 模型作为衰落信道模型。 到目前为止,已有很多研究。 特别是近年来移动通信发展迅速，对话音、数据业务进行无线传输的3G以及4G的研究更是蓬勃展开。无线信道衰落对通信网络性能的影响是其中的关键问题之一。 已有的通信协议大多没有考虑信道的记忆性,这就使得协议性能下降。对于信道记忆性,一般采用Markov 模型,已有的对于衰落信道记忆性的研究,大都采用高阶Markov 模型。但是，随着阶数的增加,计算复杂度也增加了，减小了它的好处。 同时，一般采用Markov 模型大多应用于分组数据通信的协议研究，很少应用于物理信道。
使用一定数量的低频正弦波发生器，通过简单的运算得到伪随机噪声序列以逼近对象信道。 这种方法是以正弦和理论为基础，用有限加权的正弦信号和近似有色高斯过程,进而建立移动信道的确定性仿真模型。 这也是近年来人们研究的重点。 该理论的提出能够克服滤波器采样频率和带宽限制给设计与制作带来的困难，而且便于用计算机软硬件来实现。
2、高斯随机过程的产生
高斯过程：若随机变量的概率密度函数可表示成

则称为服从正态分布的随机变量。a及是两个常量（均值及方差）
高斯随机过程的性质：
若高斯过程是广义平稳的，则它也是眼平稳的；
若