功率放大器广泛应用于通信系统，其最核心的部分是功率晶体管。由于GaN高电子迁移率晶体管（HEMT）的高击穿电压和高频性能，成为无线基站及军事应用中功率放大器具有潜力的器件。因为GaN基器件的研究历史比较短，在微波领域有着强大应用潜力的GaNHEMT的大小信号建模研究成果相对较少，目前较多套用MESFET相关模型。因为HEMT与MESFET在工作原理上有所不同，再加上GaN HEMT器件自身的特有的性能，所以套用MESFET相关模型的时候，误差是在所难免的，因此开展GaN HEMT建模，尤其是毫米波频段的建模具有重要意义。本文主要从改进GaN HEMT毫米波器件模型的精确度着手展开，主要内容包括以下几点：首先，分析了小信号参数提取方法，给出了应用S参数法提取小信号等效电路本征元件和寄生元件的过程。在流片和测试的基础上，应用Aglient85190A IC-CAP软件和EEHEMT1模型对栅长为0.3um，栅宽为2×75um（2指，每指栅宽为75um）为代表的新型器件Al0.27Ga0.73N/AlN/GaN HEMT进行参数提取，包括直流和交流参数提取。建立了基于EEHEMT1的等效电路模型。其次，为了进一步提高模型的精度，采用了加拿大卡尔顿大学张教授提供的神经网络软件NeuroModelerPlus_V2.1E对建立的EEHEMT1模型进行了优化。利用神经网络空间映射（Neuro Mapping）的方法，在Aglient公司的ADS软件中，以建立的EEHEMT为粗糙模型，对电路的偏置电压用神经网络空间映射优化粗糙模型。神经网络采用三层结构，包括输入层、隐藏层和输出层。对神经网络模型反复的训练，使得拟合的仿真值与样品值误差最小。中间掩藏层（Hidden layer）神经元的个数选择与训练样品数（数据量）有关，以误差最小为宜。最后，应用神经网络直接建模方法建立了高精度的Al0.27Ga0.73N/AlN/GaN HEMT模型。神经网络建立直流模型时，以栅极电压Vgs和漏极电压Vds作为输入，漏极电流Ids为输出；神经网络交流模型时，以Vgs和Vds作为输入，以4个S参数的幅度和角度共8个参数为输出进行神经网络的训练。在ADS软件中，把建立的直流和交流模型一起嵌入到ADS软件中，建立包括直流和交流的Al0.27Ga0.73N/AlN/GaN HEMT模型，仿真和测试结果吻合很好，神经网络直接建模方法建立的模型有更高的精度，为毫米波器件建模提供了一种新的方法。