近几年,5G无线通信技术已越发热门,无线通信的技术会与每个人息息相关,这导致的结果必然是射频微波设备的快速增长,而发射机和接收机是基站中必不可少的。这其中低噪声放大器和功率放大器发挥着重要的作用,一个像基站这样的无线通信系统的功率,噪声,效率,工作稳定性等性能与低噪声放大器,功率放大器这些射频微波器件有很大的关系。所以设计好低噪声放大器和功率放大器等射频微波器件是值得研究的好课题。同时5G通信技术对半导体器件性能的要求更高,而GaAs和Ga N材料的高电子迁移率晶体管比其他材料的晶体管具有高温,高频,大功率的特性,所以使用GaAs,Ga N材料来制造高功率,高频率,超宽带的射频器件是再适合不过了。同时半导体器件结合神经网络来建模的方式可以解决测试存在不确定性,周期长,误差大等问题,可以快速,准确提取参数。本文通过查阅射频微波相关文献和资料,选择合适的射频微波器件,建立神经网络模型。首先对低噪声放大器进行神经网络建模,从ATF-XX1M4和MGA-16x16系列产品datasheet中提取散射参数,噪声参数,增益,最佳反射系数等,使用数据训练BP神经网络,同时创新性的提出了以反射系数神经网络和传播系数神经网络两个神经网络来训练获取散射参数值,同时增益,噪声系数方面也是双神经网络。以这样分工的方式提取的散射参数精度更好。最后与常规单个神经网络结构比较在平均相对误差方面提高了31.3%,表明本文模型具备更好的精度。另外一方面对功率放大器建立神经网络模型,选择CGH40010F的Ga N晶体管作为功率放大器研究对象,在ADS软件中经过直流扫描分析,偏置电路,稳定性分析,输入输出匹配电路,所设计的功率放大器在2GHz—3GHz的频率下增益带宽性能为S21>13d B,当输入功率为26d Bm的时候,在2GHz—3GHz的频率下,输出功率大于39d Bm,增益大于13d B,效率大于50%。最终提取散射参数,输出功率,功率增益,效率,三阶交调点等参数数据。使用ADS仿真数据训练BP神经网络和RBF神经网络,对两个神经网络模型进行评估寻找最佳的神经网络模型,结果显示BP神经网络模型散射参数平均相对误差的平均值为0.23%。谐波平衡参数平均相对误差的平均值为0.788%。RBF神经网络模型平均相对误差的平均值为0.79%。谐波平衡参数平均相对误差的平均值为1.378%。结果表明模型具备好的精度和可靠性,可应用于宽频带,高效率,高功率的无线通信发射机射频器件领域。