随着雷达、导航和通信系统工作频率越来越高，其波长越来越短，直接测量天线远场特性也越来越不易实现。通常，天线远场特性测量运用紧缩场技术和近场到远场的变换这两种方法。前者通过反射器将球面波校正为平面波，后者是利用近场测量值推导出远场特性。 对于近场到远场的变换，目前已经可以通过一系列数学方法，如傅立叶变换方法，用任意近场测量面上的局部信息比较精确地确定出远场的分布特性，因而得到了广范应用。本文应用神经网络方法更简便地解决天线近场到远场的变换问题。 神经网络是单个并行处理元素的集合，这些元素是从生物学神经系统得到的启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。一般来说，神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。网络根据输出和目标的比较而调整，直到网络输出和目标匹配。 利用神经网络实现近场到远场的变换，只需要知道天线在任意几何面上的近场幅度值，即可计算出远场辐射特性。其原理很简单，由天线的解析近场和远场值分别作为输入和目标输出单元，以径向基函数模型构造神经网络，训练近场到远场的映射函数。当网络训练完毕后，就可以直接实现一定范围内的近远场变换。通过对矩形口径面天线的实例分析，验证了此方法的可行性和准确性，并且计算速度也相对较快，因而具有一定的发展和应用前景。