卫星导航的高精度应用对导航信号的质量提出了高要求,而星上载荷器部件的非理想特性会导致导航信号失真,引起信号质量下降,从而影响导航信号的定位精度,因此有必要对星上载荷非理想特性进行研究。目前,针对星上载荷非理想特性的研究大多是独立地分析滤波器和高功放对信号质量的影响,对它们的补偿也是分开进行的。然而,当星上载荷射频通道的器部件完成组装整合后,将很难再分别对每个器部件进行研究。特别是当环境因素引起通道特性发生改变时,再分别对每个器部件进行测量分析是繁琐而不切实际的。因此将卫星载荷射频通道作为一个整体,研究它的非理想特性并对其进行补偿是有意义且有必要的。本文根据导航载荷的结构框图,建立了一般性的卫星载荷射频通道基带等效模型。仅根据整体的输入和输出来分别提取模型中的每个子部件的参数是困难的,因此本文借助神经网络的方法来研究射频通道基带等效模型。本文扩展RVTDNN模型的隐层层数,提出了一种新的神经网络模型,将其用于对射频通道建模和预失真。引入归一化均方误差来评估建模精度,引入了带外功率损耗、相关损耗、鉴别函数过零点偏移、鉴别函数过零点斜率失真等四个与导航信号质量相关的指标来评估预失真效果。除此之外,还引入幅频响应、群时延、AM-AM和AM-PM等指标来评估信道的线性和非线性特性,以辅助评估预失真对信道特性的改善。仿真试验表明,提出的神经网络能准确地对射频通道基带等效模型进行建模,且对射频通道基带等效模型的预失真使得导航信号质量得到全面提升。相对于RVTDNN模型,提出的模型的建模精度更高,预失真性能更好。