随着电子技术的不断进步和人们对健康的日益关注,精确了解设备周围的电磁场分布变得越来越重要。因此,各种各样的磁场传感器被开发出来。本文主要研究了使用Mach-Zehnder干涉仪的光波导磁场传感器,由于它对被测场的干扰小,同时有效地抑制电场的影响,因此适合应用在磁场的精确测量中。本文首先介绍了光波导磁场传感器的工作原理,并建立了光波导磁场传感器的等效电路模型和传感系统模型。分析了磁场传感器传感头的尺寸参数对频率响应的影响,以及传感系统的灵敏度。通过计算得知,使传感器初始相位偏置为π/2、提高电光重叠因子、减小器件插入损耗、增大环形天线面积、减小电极间距、增大光功率、降低光波长、减小相对强度噪声、减小接收带宽,对提高灵敏度的效果是非常明显的。由于光波导磁场传感器的环形天线的长度和厚度之比相差1000倍以上,这对电磁仿真计算的网格划分非常不利。为了得到精确的结果,需要非常大的网格数目,这造成计算速度非常缓慢,甚至超出计算机的计算能力。因此,有必要寻找另一种高效、快速的计算方式。人工神经网络是一种智能的分析和计算技术,目前人们已经将它应用于计算电磁学中。一种最常见的人工神经网络——BP(反向传播)神经网络,可以通过不断自我调整权值而获得自学习的能力,相对于有限元法,它的速度很快。不过由于自身算法的缺陷,它不具备全局搜索能力,结果存在随机性,这限制了其应用。而遗传算法是一种全局搜索算法,将遗传算法和神经网络结合起来,就可以扬长避短,但是简单的遗传算法存在易早熟、收敛不够精确的缺点。本文先对传统的遗传算法提出改进,使其收敛更快、更精确、搜索范围更大,然后再采用结合这种遗传算法和人工神经网络,克服了神经网络的以上缺点,并对一个目标函数进行模拟,取得了非常准确的结果,再把这种方法应用到对光波导磁场传感器传感头的频率响应的仿真中。通过对比已有的电磁仿真结果,发现这种方法的效果较好,扩展性好,且所需的仿真时间和仿真资源比传统方法大大减少。为以后利用结合遗传算法的神经网络优化设计包括集成光波导磁场传感器在内的各种器件打下基础。