MOSFET(金属氧化物半导体场效应晶体管)因为功耗低、工艺成熟、集成度高以及与模拟电路的耦合性良好等优势在射频集成电路中充当着不可或缺的角色。在设计和研发电路时,为了降低研发成本,技术人员利用器件模型代替实物对电路进行模拟。同时,器件工艺的不断发展对器件的模型精度与速度提出了更高的需求。人工神经网络无论是在建模速度上还是模型精度上均能满足需求。而且随着计算机运行速度不断加快,算法的不断发展,人工神经网络的优势将会更加明显。本文主要研究了基于人工神经网络的射频120纳米MOSFET建模技术。本文在深入研究了当前射频MOSFET模型的基础上,提出了基于神经网络的MOSFET模型。本文主要的研究工作包括:1)对MOSFET器件小信号等效电路模型的参数提取过程进行阐述。同时,推导了本征元件的计算公式。2)在对器件的S参数进行建模仿真的过程中,提出了两种神经网络模型:基于知识基的神经网络模型和基于直接法的神经网络模型。这两种神经网络模型较传统的小信号本征参数模型有很大的不同。它们不仅具有更快的建模速度,而且能对不同偏置电压下的S参数进行准确的预测。3)对MOSFET的STATZ模型的参数提取过程进行了阐述。4)在STATZ模型的基础上,提出了一种建立积分神经网络模型的方法和一种建立微分神经网络模型的方法。为建立统一的可以准确预测器件的小信号和大信号特性的神经网络模型打下了基础。