在数字通信中,对无线信道的传输特性进行估计和建模在其性能研究中是一项非常重要的工作。经过长期的研究,人们已经开发了一系列能够快速建模由多径现象引起的无线信道快衰落的统计模型。为了能够在不同的统计模型中找到最符合无线信道特性的模型,人们已经实现了许多不同的模型识别方法。我们最常使用的基于累积分布函数的Kolmogorov-Smirnov (KS)检验在样本数量小时不能有效的识别统计模型。因此,我们又实现了一些基于信息准则的模型识别方法,如直方图方法,混合模型方法和IC方法。这些方法能够计算理论概率密度和经验概率密度之间的Kullback-Leibler (KL)距离,这些距离的最小值将成模型识别的依据。而本文的主要目标就是通过统计的方式对比上述方法识别模型的性能。我们分析了在监督情况下和在非监督情况下对于瑞利分布,韦伯分布以及Nakagami分布的识别问题。我们可以发现基于直方图的KL方法识别模型的可靠性比其他方法都要高。然后,我们采用这些不同的分布识别方法对在实际无线信道环境下得到的实验数据进行仿真识别。最后,为了应对信道对信息高速传输的需要,我们在MIMO系统中应用其中的模型识别方法。实验证明在我们所采用的一维环境和二维环境下,韦伯衰落模型更加适合用来对无线信道进行建模。