电路系统发展面临着运行速度不断加快,电路集成度不断增高,数据吞吐量不断增大的高要求。随之而来的是电路系统的尺寸越来越小,集成电路数目也不断增加,电路板上的组件和走线更加密集。高速电路系统中互连线不合理布局带来了严重的信号完整性（Signal Integrity,SI）问题。组件密集分布放大了电源噪声导致了电源完整性（Power Integrity,PI）问题。怎样在保证系统的SI和PI性能不恶化的前提下,有效的抑制高速电路系统中的噪声传播是电路系统设计中需要重点考虑的问题。此外,现有的电路系统设计方式效率非常慢,这是因为电路系统存在不连续性和不可微性。怎样把智能算法应用到电路设计过程中,提高电路系统设计效率也是很有意义的研究方向。本文着重研究如何针对不同目标性能,将改进型广义回归神经网络与遗传算法相结合,自适应地设计电磁带隙结构和补偿电感结构,从而解决高速电路系统中的SI和PI问题。本文主要的研究工作如下:（1）在传统的广义回归神经网络中添加K均值聚类思想,对训练样本先进行聚类处理,改善了传统广义回归神经网络全局预测导致的局部节点精度不足的问题。经过对比分析,改进型广义回归神经网络对结构的模拟精度更高,同时具有高效率,高泛化能力等优点。在此基础上,将改进型广义回归神经网络与遗传算法相结合,提出了一种基于联合算法的电路结构自动设计方案。（2）利用改进型广义回归神经网络与遗传算法联合算法,针对两种设计需求设计了两款Koch分形L桥电磁带隙（Electromagnet Band Gap,EBG）结构,使用联合算法对分形迭代次数和四个结构参数进行优化设计。自动设计得到的第一款EBG结构组成的电源分配网络（Power Distribution Network,PDN）,可以以-50 d B的抑制深度在360MHz到20 GHz的频率范围内抑制同步开关噪声（Simultaneous Switching Noise,SSN）。自动设计得到的第二款EBG结构组成的PDN保持了同样的抑制能力,同时减小了单元内部蚀刻结构的面积,改善了PDN电源层破坏带来的SI问题。（3）利用改进型广义回归神经网络与遗传算法联合算法,分别针对带有两种角度拐角的弯曲差分传输线设计了补偿电感结构,使用联合算法对补偿结构的线圈匝数和四个结构参数进行优化设计。将得到的两种补偿电感结构分别嵌入到90°和135°拐角弯曲差分传输线中,两者的内外线电长度差显著减小,且都可以以-25 d B的抑制水平在DC到15 GHz范围内抑制差共模转换噪声。补偿结构也减小了弯曲差分传输线的差模回波损耗和插入损耗,同时不需要额外的布线空间。对两种弯曲差分传输线进行了时域分析和眼图仿真,对比分析表示加入补偿电感结构,差分线的共模噪声和时延都显著降低且眼图表现更好。最后将研究得到的两种EBG结构和两个带有补偿电感结构的弯曲差分传输线都采用单层印刷电路工艺加工了实物,并用矢量网络分析仪对实物性能进行了测试。对比发现,仿真和测试结果基本一致,这一表现验证了所提出的技术。