为了设计和优化高线性功率放大器和通信子系统，在系统级仿真中，构建功率放大器精确的行为模型是极为重要的。应用实际功率放大器晶体管测试板，通过ADS（Advanced Design System）仿真得到大量功放输入输出数据，建立了一个基于RBF（Radial Basis Function）神经网络的行为模型，给出了RBF 神经网络的结构设计及K-均值聚类算法和共轭梯度优化算法，并进行了模型检验。结果表明，基于RBF神经网络的功放行为模型具有较高的精度，相对于BP 神经网络模型具有更高的逼近能力和速度。
