对MIMO信道模型进行“验证”是什么意思？建模方法的有效性既可以通过理论也可以通过实验来证明。

对于某一个建模方法而言，理论验证意味着将MIMO模型的某一个因素与依据确知理论获得的同一个因素相比较。如果信道的统计特性如阴影衰落、延迟统计信息和角向分布是已知的，则根据这些统计信息利用随机模型就可以建立信道转移矩阵。从这些信道矩阵的实现可知，像信道容量之类的度量能够通过理论进行计算和比较。容量累积分布函数具有较好的一致性，这验证了新模型相对于已建立模型的可用性，但是其本身并不能作为对新模型的验证。因此，理论验证过程必须保证参考模型是可靠的。通常是与服从独立同分布不相关的瑞利衰落模型进行比较。中间模型一步一步的验证结果将增加对处于实验阶段模型的确认。验证方法不能使用循环论证，即验证结果不能是隐藏的先验假设。

检验一个模型最根本的方法就是实验。该方法同样也有注意事项。为了使实验过程有效，首先需要进行细致安排。然后从一开始就必须明确用哪种度量来有效描述MIMO的哪一个因素。在6.5节中，天线数目在分析验证MIMO模型中也起到了作用。在天线数目较大时，能够很好地反映出MIMO性能的是一些模型，反之，则是另外的一些模型。

COST 273中，以下实验验证过程多为人们使用（见参考文献［McBF02a］、［ÖHHB03］）:

1）在每一种环境中，从测量得到的归一化信道矩阵中选择大小合适的数据子集。

2）利用这些数据，估计出基本的模型参数（在下面的小节中将详细叙述）。

3）并且通过蒙特卡洛仿真生成一组合成信道。

4）对两组信道的期望的模型度量进行计算和比较。

利用紧密、具体的信道度量对该模型性能进行评估，其中的紧密性可用测量数据的百分偏差来描述。(www.daowen.com)

使用测量数据推导待验证模型的参数，并在此基础上对该方法的可靠性进行验证，这应该是最有效的方法了。根据测量数据获取或估计得到的参数数目应当越少越好。若这些参数在建模过程中很重要，并且不能用其他的“自由”参数来适配，则对该方法的异议将会减少。

另一项对实验验证的反对主要集中在参数的适当选择上。任何对测量和模型验证结果的高度一致性说明了模型参数的选择是正确的，而并未说明所建立模型的正确性。描述一个模型所需要的独立参数数目越多，其一致性就越高。

高斯信道

高斯信道是在信道建模中使用的一种常用并且默认的信道。只考虑零均值循环对称复高斯信道的情况，H完全用其二阶统计量来描述:

R_full=R_H=E｛vec（H）·vec（H）_H｝ （6.34）

式中，vec（·）表示将矩阵H的按列展成一维向量。

此表达式的有效性是所有的分析模型有效的先决条件（见6.5节）。所以判定它是否合理是十分重要的，可以通过实验来验证:所有的h_ij必须严格服从瑞利分布。