随着近年来无线通信系统在手机、WLAN、导航系统等民用领域以及雷达系统、电子对抗设备、星间通信等军用领域的迅速发展,作为无线通信系统中最为重要的部件,无线发射机射频前端越来越受到人们的关注。射频功率放大器(Radio Frequency Power Amplifiers,RF PAs)作为射频前端中不可或缺的核心模块,也扮演着越来越重要的角色。在射频功率放大器的各种应用中,当功率放大器工作在最大输出功率附近时,会产生严重的非线性特性,这些非线性特性直接影响了其输出的功率和效率。因此,如何精确的预测射频功率放大器的非线性特性成为准确描述射频功率放大器特性的一个关键点。与此同时,对射频功率放大器的非线性特性建立良好的数学模型就变得尤为重要。目前一种称为极限学习机的数学建模方法,因其运算速度快且建模效果好,已经被引入到了很多领域中,但尚未被系统的引入到电路行为建模领域中。基于此,本文围绕如何利用极限学习机对射频功率放大器进行精确的非线性特性分析和预测展开研究,主要内容如下:本文介绍了射频功率放大器的非线性特性与常用的行为模型,针对射频功率放大器的非线性特性,引入一种更为先进的极限学习机模型。根据功率放大器不同记忆效应的情况,给出基于极限学习机算法的具体建模方法。此外,本文提出了一种新型分段极限学习机建模方法,进一步提高了基于极限学习机算法所建模型的精度。分段极限学习机建模方法是将建模区域划分为几个子区域,每个子区域都使用极限学习机算法进行建模,文中给出了详细的流程,为建立分段极限学习机模型做了理论准备。基于两个不同射频功率放大器的实例,对文中所提到的建模方式进行验证,证实了文中所介绍的极限学习机建模方法与分段极限学习机建模方法的可行性。使用蒙特卡洛仿真将基于极限学习机的建模结果与其他常用的人工神经网络建模结果对比,结果表明前者在速度上比后者提高了三个数量级。