随着无线电通信技术的迅猛发展，对射频微波电路与系统的性能要求日益提高，而其计算、调整、测量、优化工作的相关理论复杂，传统设计难度大，重复性工作多，产品开发周期长，严重影响无线通信的发展。因此，建立合适的射频微波电路与系统模型显得尤为重要。传统的CAD仿真软件设计周期长，建模精度不高，已不适用于强非线性电路，神经网络作为一种新的辅助射频微波电路建模设计的方法，可以拟合电路的非线性，并且有很强的计算特，被广泛用于建立射频微波器件行为模型，建模精度被大大提高，建模的效率和灵活性变得更好。　　为更好的表征射频微波器件的非线性、提高建模精度，缩短建模周期，本文利用模糊神经网络（Fuzzy Neural Network，FNN）建立功放和微带天线的行为模型。主要研究内容有：　　由于功放具有的非线性和记忆效应两种特性，提出分组并行混沌粒子群算法（Grouping Parallel-Chaotic Particle Swarm Optimization，GP-CPSO），该算法将GP-PSO算法与混沌思想相结合，用于优化动态模糊神经网络（Dynamic Fuzzy Neural Network，DFNN）的参数，建立DFNN的功放行为模型。仿真结果表明，GP-CPSO优化后的DFNN建模的训练误差小于0.1V，收敛速度较GPSO和CPSO分别提高26%和32.5%，验证了该建模方法的有效性以及可靠性。　　将小波函数融入到模糊推理系统的模糊规则中，得到新的网络模型—模糊小波神经网络结构（Fuzzy Wavelet Neural Network，FWNN），利用其良好的时频转换特性，通过减法聚类产生模糊规则，利用梯度算法确定相关参数，建立了一款工作于922.5MHz与2.45GHz的小型双频射频识别（RFID）读写器天线模型。通过对比HFSS仿真和模型测试结果可以看出，该神经网络模型能很好的拟合天线特性，且回波损耗曲线在912MHz~935MHz和2.415GHz~2.465GHz范围内均小于-10dB，表明FWNN建模的精确性和可靠性。并制作出实物，进行回波损耗参数对比测量。