随着电子元件向着微型化、智能化、高速和高频化发展,日益增长的性能需求导致集成电路上可容纳的元器件数目成倍增加,复杂的电磁环境使得电磁干扰问题日益严重。由于电子产品核心部件的保密性,利用全波仿真软件分析复杂电子产品的电磁干扰问题变得十分困难,并且利用全波仿真软件分析复杂模型仿真周期太长,大大的增加了时间成本。近场扫描技术是分析电磁干扰问题常用的方法,它能够测试出电子产品的电磁设计问题,包括屏蔽、共模、电流分布、抗干扰性和宽带噪声等。本文与工业界需求紧密结合,围绕着电磁辐射近场预测算法问题,结合人工神经网络,对复杂环境电磁干扰问题进行深入研究。本文的主要研究内容如下:1.针对复杂电磁环境中未知电磁干扰源的辐射场预测难题,提出了一种基于人工神经网络的辐射源单频点重构算法。利用近场扫描平台测量电磁干扰源的近场幅度,将自由空间磁偶极子的格林函数作为人工神经网络的输入,经过神经网络训练之后,实现干扰源的电磁近场幅度预测。相比于已有辐射源重构算法,该方法不需要辐射场的近场相位,提高了近场预测的效率。2.基于人工神经网络的单频点辐射场幅度预测算法,进一步提出了级联神经网络辐射源单频点重构算法。通过建立等效电磁混合偶极子源,将干扰源所包含的电流源和磁流源均考虑在内,经过级联神经网络训练后,实现对扫描平面之外的辐射场幅度的准确预测。通过仿真算例和测量实验验证了该方法的可行性。3.针对辐射源单频点重构算法的低效率问题,提出了一种基于人工神经网络的宽频带辐射场幅度预测算法。该方法弥补了辐射源单频点重构算法需要对不同频点进行多次测量的缺点,只需测量有限个频点的近场幅度,就可以实现一定频带范围内的辐射场幅度预测。