无线通讯技术迅猛发展要求射频电路器件工作在更高的频段上。而传统的用于模块设计仿真的射频微波CAD软件一直存在着仿真过程繁琐,精度低,运行速度慢,占用计算机内存较大等问题。神经网络具有强大的并行数据处理能力,可以很好地解决非线性关系映射问题。因此非常适用于射频微波领域,可以在射频模块的设计中广泛应用。本文研究射频电路模块神经网络逆向建模及其设计应用的问题,研究内容如下:针对直接逆向建模所面临的多值问题,提出了ALO-LMBP神经网络逆向建模方法。使用LM算法调节网络参数可以加快神经网络训练过程,加速收敛BP算法。再用蚁狮优化算法优化LMBP神经网络的权值和阈值,以提高网络建模精度。将此逆建模方法用于对双陷波超宽带天线的建模中,通过对比未经优化的LMBP逆建模方法和直接建模方法,结果发现该方法的误差分别低于两种方法97.62%和99.9%,建模精度优势明显,且网络运行时间更短。为进一步提高逆向建模的精度,提出了一种IFOA-BRBP神经网络逆向建模方法。先是对原始果蝇优化算法进行改进,改进后的算法搜索能力更强,并且可以很好地全局寻优。引入L1/2范数的贝叶斯优化算法对网络调参,逆向更新网络输入参量,提高了网络的稀疏性和稳定性。用搭建好的IFOA-BRBP逆模型对超宽带天线建模,通过对比实验发现,该方法的误差比L1/2正则化逆建模方法和直接逆建模方法减小了97.7%和99.9%,验证了所提出的逆建模方法的可行性和高效性。并使用IFOA-BRBP逆向建模方法设计一款超宽带天线,根据天线的理想回波损耗S11值逆向求解天线设计的几何参数尺寸。最后将设计出的天线用HFSS软件仿真测试,结果表明该天线拥有良好的陷波特性,可以有效抑制窄带通信频段的干扰,且设计精度较高,简化设计步骤,节省了大量时间成本。故神经网络逆向建模方法在射频电路模块的设计中有很强的适用性。该论文有图33幅,表4个,参考文献70篇。