随着集成电路制程越发先进,单位面积上集成的晶体管数目越发庞大,EDA仿真软件需要面对的RC网络也随之不断复杂。在面对越发庞大的网表时,大规模RC网络等效缩减成了解决超大规模RC网络仿真困难的可行方法之一。本文针对传统基于时域的节点压缩算法和基于空间投影的模型降阶方法各自所面临的稠密网络表现差、大规模RC网络压缩率低、高频响应保持匹配度低等问题,在前人的基础上,提出了以下两种大规模RC网络等效压缩算法设计:（1）基于时域节点消去的优化RC网络缩减算法针对传统TICER算法面临的大规模网络电阻、电容压缩率表现差和在稠密性网络上运算困难的情况,针对性地提出了重要节点评价与保持、耦合电容自适应合并、小耦合电容阈值自适应界定、小电容电阻自适应合并的五种方法来改善算法在稠密网络上的表现,通过对新增耦合电容的自适应分配,较大地降低了算法删除节点时需要新增电容的数目,并通过小电阻小电容的合并,较好地解决了算法在大规模网络上电阻、电容压缩率表现差的问题。实验表明,该方法能在大规模RC网络上达到70%以上的节点压缩率,80%以上的电阻、电容压缩率与压缩前后1%以内的时序仿真误差。（2）基于Arnoldi改进的SparseRC模型降阶算法业界模型降阶压缩算法中,以维持低阶响应函数为目标设计的空间投影算法占大多数。维持低阶响应的方法在面对低中频的网络上能取得良好的压缩效果和仿真精度,但是当面对高频仿真的情况下,由于没有良好地维持原始传递函数的高阶响应,通常会带来较大的误差,其次,模型降阶往往由于其过大的矩阵运算而带来难以承受的内存代价。本论文通过基于Cholesky变换对大规模电容矩阵求逆提出了快速求解方法,较好地适用于多数模型降阶方法,其次,针对SparseRC算法高阶响应函数匹配性差的情况,提出了基于Arnoldi变换的高阶响应函数匹配算法,较好地实现了原始RC网络的高阶响应函数的近似保持,较大地提高了压缩后网络在高频情况下的仿真精度。论文通过实验验证了模型降阶方法的较高的压缩表现,节点压缩率达到90%左右,并通过不同频率下的等效电阻、等效电容仿真,证明了对高阶响应函数的保持是有效的,高阶仿真误差在1%以内。