模型降阶理论最早起源于控制理论,这种技术通过研究系统特性来降低仿真复杂度,同时又能保持系统的输入输出关系特性。对于大规模集成电路系统的设计,模型降阶技术可以从复杂的电路模块中提取出简单而准确的宏模型,这对系统级综合和验证是十分必要的。线性电路系统的宏模型提取技术已经十分成熟;但是对于非线性系统,现在还没有一种数学理论或者降阶方法可以明确地生成满足指定保真度标准的宏模型。　　本文首先分析了模型降级技术在电路仿真领域的整体现状并指明本论文的研究意义,然后引入了结合离散经验插值理论的本征正交分解算法来对非线性电路进行降阶。插值算法利用系数函数可以很好的逼近非线性函数,弥补了单纯利用本征正交分解算法处理非线性函数的不足。电路实例仿真结果显示,与现存的基于轨迹片线性拟合方法模型降阶技术相比较,本文引入的算法更加高效和准确。在此基础上,本文提出了一种新的非线性参数化模型降阶技术,并且在训练的过程中采用贪婪采样算法进行参数点的选取,提高了算法的全局精度。最后,搭建了基于MATLAB的电路仿真平台。这个平台能够很好的集成新近开发的算法与器件模型,便于进行对比分析验证。仿真平台包括静态工作点分析、交流小信号分析、瞬态分析、谐波平衡分析在内的基本时频域分析模式,同时改进了可以处理强非线性电路的基于时间映射的谐波平衡分析算法。为了提高该算法的精确度和稳定性,本文提出了一种基于适应性网格的新的迭代步长选择策略。