3. 相关性验证的指标体系
仿真与实测的相关性验证，最终要落到一组可量化、可复现、可判定的指标上。仅凭“曲线看起来差不多”无法支撑工程结论，也无法在评审中形成共识。本节围绕七类核心指标展开：幅度误差、相位误差、方向图相似度、相关系数、均方根误差、置信区间，以及把这些指标组织起来的工程可接受准则。理解它们的关键，不是记住公式，而是明确每个指标回答什么问题、在什么条件下使用、以及如何组合成判定结论。
一、逐点误差：幅度误差与相位误差
幅度误差描述仿真与实测在同一频点、同一角度或同一采样点上复值响应的模值差异。常用两种表达：绝对误差 ΔA = |S_sim| − |S_meas|（dB 或线性），以及相对误差 ΔA/|S_meas|。工程中更常用 dB 差值，因为它对弱信号区间的相对变化更敏感。相位误差 Δφ = ∠S_sim − ∠S_meas，需注意相位缠绕问题：当相位跨越 ±180° 时，直接相减会得到接近 360° 的假性大误差，因此必须先做解缠绕（unwrap），再统一参考面。若仿真与实测的参考面不同，应先把两者相位归算到同一参考面，否则相位误差没有可比性。
逐点误差的优点是直观、可定位，能直接指出“哪个频点、哪个角度出了问题”；缺点是它对单点噪声敏感，且不能单独反映整体形状的一致性。因此它通常作为诊断指标，而非最终判定指标。
二、整体一致性：方向图相似度与相关系数
方向图相似度用于衡量两个方向图在形状上的一致程度。常见做法是先对方向图做归一化（消除增益绝对电平差异），再计算逐点差异的统计量，例如相似度 S = 1 − ||P_sim − P_meas|| / ||P_meas||，其中 P 为归一化功率方向图。相似度接近 1 表示形状高度一致；若主瓣一致但旁瓣差异大，相似度会明显下降，这正是它比单点误差更有价值的地方。
相关系数则从统计角度衡量两组数据的线性相关程度，常用皮尔逊相关系数 ρ = cov(X,Y) / (σ_X σ_Y)。ρ 接近 1 表示两者变化趋势高度同步，但它对幅度缩放不敏感——即使仿真整体比实测高 3 dB，只要形状一致，ρ 仍可能接近 1。因此相关系数必须与幅度误差配合使用，不能单独作为判定依据。
三、综合误差：均方根误差（RMSE）
RMSE 把逐点误差聚合成一个标量，便于横向比较不同方案或不同频段。对幅度：RMSE_A = sqrt( (1/N) Σ (A_sim,i − A_meas,i)² )；对相位同理。RMSE 的单位与原始误差一致，物理意义明确，且对大误差更敏感（平方放大），适合作为“整体偏差”的主指标。但 RMSE 会被少数离群点显著拉高，因此建议同时给出误差分布或分位数（如 90% 分位误差），避免被单点异常误导。
四、不确定性与置信区间
实测本身带有测量不确定度：暗室反射、电缆损耗、定位误差、接收机噪声都会引入偏差。因此相关性判定不能只看“误差是否为零”，而要看误差是否落在测量不确定度允许的范围内。置信区间给出了这种“允许范围”的统计表达：例如对 N 次重复测量得到均值与标准差，可构造 95% 置信区间 μ ± 1.96σ/√N。若仿真值落在实测的置信区间内，则可认为两者在统计上无显著差异；若落在区间外，则需进一步排查是仿真模型问题还是测量系统问题。
五、工程可接受准则：把指标组合成判定
单一指标几乎无法支撑“通过/不通过”的结论。工程上通常采用多指标联合判定，例如：幅度 RMSE ≤ 1.5 dB、相位 RMSE ≤ 15°、方向图相似度 ≥ 0.9、相关系数 ρ ≥ 0.95，且仿真值落在实测 95% 置信区间内。这些阈值不是普适真理，而是根据应用场景设定的：通信天线关注主瓣与波束宽度，雷达关注旁瓣电平与零点深度，EMC 关注带外抑制，不同场景的阈值差异很大。
判定时建议遵循“先看整体、再看局部、最后看统计”的顺序：先用 RMSE 和相似度判断整体一致性，再用逐点幅度/相位误差定位异常区域，最后用置信区间判断异常是否超出测量不确定度。若 RMSE 超标但误差分布集中在少数频点，可能是模型局部失真；若误差整体偏移，则更可能是参考面、损耗或校准问题。
六、指标使用中的常见陷阱
- 相位缠绕未处理：直接相减会得到虚假的大误差，必须先解缠绕并统一参考面。
- 相关系数误用：ρ 高不代表幅度准确，必须与幅度误差联合使用。
- RMSE 被离群点主导：建议同时报告分位数误差或误差分布直方图。
- 置信区间样本不足：N 太小时置信区间过宽，判定失去意义，一般建议 N ≥ 10 次重复测量。
- 阈值来源不明：阈值应来自标准、历史数据或应用需求，不能凭感觉设定。