滤波器是现代微波/毫米波无线通信系统中的重要元件之一,应用RF MEMS技术制作的滤波器可在毫米波段满足低损耗、高品质因数、高线性度、小体积等需求,并易于实现电子系统一体化的集成。但在设计过程中,由于模型的复杂性,特别是若干物理结构参数的相互关联性和射频性能参数的非线性大大增加了它的设计难度,其准确性与计算量、存储量、计算效率以及运行时间成正比。本文通过分析毫米波RF MEMS器件设计过程中现有建模方法存在的问题,提出采用人工神经网络对毫米波器件进行建模,并对该方法的原理及运算过程进行深入的研究。本文以采用LIGA工艺制作的毫米波带通滤波器作为人工神经网络建模的目标器件。分别采用三层前馈BP网络和RBF网络进行建模,在网络训练完成后,使用81×51组训练样本和36×51组随机样本考察两种神经网络的学习和泛化能力,并对两种网络在建模过程中的优缺点进行了比较。通过实验表明,两种网络均能够完成对LIGA滤波器的高效建模,但RBF网络的计算速度和精度要明显好于BP网络。为了进一步证实人工神经网络在毫米波器件建模中应用的可行性,本文以RF MEMS金属桥结构的带通滤波器为例,在确定了其电磁敏感参数的基础上采用三层前馈BP网络进行建模,并使用64×51组训练样本和27×51组测试样本分别考察了网络的学习和泛化能力。实验表明,使用同样配置的计算机,相对于HFSS软件2小时的仿真运算时间,神经网络在90分钟之内完成训练后,针对某一组参数,仅需要几秒钟便可完成再次计算,并且其误差小于1.4811dB。从而有效的证明了人工神经网络建模方法是一种简便、精确、快速而可靠的微波器件建模方法,它能够在某种程度上替代基于物理结构参数的全波仿真软件,完成对多元复杂非线性函数关系的模拟,使其在保持了电磁数值仿真精度的同时,充分缩短了仿真时间,降低了对计算机硬件的要求。