随着现代通信的发展,通信系统朝着大功率驱动和更加复杂调制方案发展。这种大信号状态下的微波器件的非线性特征变得更加明显,这类器件通常工作在非线性区,明显降低了系统的性能。因此大信号状态下微波功率器件的非线性建模成为微波器件设计的主要难题。本文重点研究了一种新的微波非线性表征方法-非线性散射函数。非线性产生的本质就是系统中产生了谐波,而非线性散射函数正是基于这一本质来定义的,因此非线性散射函数能从本质上对非线性网络进行建立大信号模型及进行非线性特征分析。非线性散射函数仅仅与非线性网络的输入信号有关系。因此,大信号模型能建立基于非线性散射函数的黑箱模型。对于非线性散射函数能否精确地描述大信号黑箱模型的非线性特性取决于拟合技术。本文研究了人工神经网络的原理、结构、应用及其分类。神经网络作为本质上的非线性系统,在理论上能以任意精度来逼近非线性函数。其中小波神经网络,兼具了神经网络和小波分析的优点,具有较强的逼近和容错能力。因此,本文采用小波神经网络对大信号模型进行建模、分析。这种建模方法的优点在于模型参数可以直接通过大信号测量得到;其次,模型忽略功率器件的内部原件和结构,通过学习样本数据能很准确地描述器件的非线性特性。通过实验,测试了微波功率晶体管的非线性散射参数,并利用小波网络对此晶体管进行大信号建模。分析其非线性特性,得到了较为准确的拟合和预测数据。