大功率行波管等微波管是雷達等電子裝備的核心器件，其技術水平決定了電子裝備的戰(zhàn)術性能。但是由于大功率微波管的增益波動較大，在等激勵輸入的情況下，不能使頻帶內所有點均達到飽和輸出，這樣會造成輸入信號產生諧波和互調分量，導致微波真空管次品率上升，更重要的是直接影響了現代電子設備的性能，特別是難以滿足現代戰(zhàn)爭的高環(huán)境可靠性要求。因此，需要使用大功率微波管均衡技術，即增加一個微波網絡，使其傳輸特性與微波管的傳輸特性相補償，這樣行波管的輸出功率波動減至最小，該微波網絡就是微波均衡器。
　　而多諧振腔結構的均衡器是具有復雜微波結構的器件，由于其結構的復雜性使得其嚴格數學表示非常復雜，無論用解析方法還是數值方法，直接的求解都很難進行，而對各種非理想因素進行簡化后的計算結果誤差又太大，實用價值不高。在無法得到其準確電磁特性的條件下，無法對調試工作進行有效的指導，優(yōu)化設計更無從談起。這一問題對于目前微波工程中普遍應用的復雜微波結構來講，也是普遍存在的，而且也是一個急需解決的問題，因此為了提高設計速度，節(jié)省設計成本，對均衡器建立模型，用于計算機輔助設計顯得越來越重要。
　　微波均衡器的傳輸特性主要決定于它本身的結構尺寸和頻率，它們構成非線性映射關系，而神經網絡可以對任何線性和非線性的函數關系進行快速、準確的模擬，并且具有良好的聯想能力。故可以采用人工神經網絡對均衡器進行建模。雖然神經網絡的訓練過程需要花費一定的時間，但是神經網絡模型一旦訓練完成，就可以在很短的時間內得出結果，且不會犧牲精度，因此采用神經網絡模型輔助微波均衡器的設計將會大大提高設計速度，節(jié)省調試時間。
1 均衡器基本單腔子結構
　　圖1是吸收型同軸微波幅度均衡器的單子結構圖，多子結構級聯的情況以此為基礎。同軸諧振腔的一端與主傳輸線相連，另一端是可調短路活塞，它可調節(jié)諧振腔腔長，諧振腔內是插入主傳輸線的可調耦合探針，通過探針將主傳輸線內的能量耦合入諧振腔，改變諧振腔腔長和探針插入深度可調節(jié)諧振腔的諧振頻率和品質因數Q值等。另外，還可以在諧振腔側壁的適當位置插入吸收材料制成的衰減棒等。

但由于單子結構帶寬和吸收衰減幅度的有限性，為了能在較寬頻帶內實現對大功率微波管的高精度均衡，必須采用多級子結構級聯的形式。所以在工程實踐中，針對均衡器的復雜特性提出了以海量數據庫為基礎的網絡子結構互聯分析方法。在數據庫的建立過程中，利用網絡分析儀對均衡器單腔子結構進行S參數的測量，建立相應的S參數測量數據庫。此數據庫中每個測量點對應的均衡器物理參數為：諧振腔的腔長Lc，耦合探針插入傳輸線深度Ls，介質微擾插入諧振腔深度La。由工程實踐可知，三個物理參數對諧振頻率點的頻率影響是有規(guī)律可循的。通常，諧振頻率隨Lc的增大而降低；諧振頻率隨Ls的增大而降低，同時衰減增大；諧振頻率隨La的增大而降低，同時衰減減小。
2 神經網絡模型設計
2.1 RBF神經網絡
　　RBF（Radius Base Function）是最近十年興起的一種新型的神經網絡，它具有網絡結構簡單、網絡訓練速度快（與BP算法相比，RBF網絡的訓練算法可以快一個數量級）、仿真精度高等優(yōu)點。RBF網絡同時具有良好的局部性，能提供平滑、性能優(yōu)秀的離散數據內插特性，由該網絡構成的系統是有界、穩(wěn)定的。
　　RBF神經網絡的結構如圖2所示，它是一種兩層網絡，第一層由RBF神經元作為隱神經元（傳輸函數為高斯函數），圖中a1i的表示向量a1的第i個元素；b1i表示向量b1的第i個元素(即第i個RBF神經元的方差)；iW1表示矩陣W1的第i行，即第i個神經元的中心。第二層由線性神經元(傳輸函數為線性函數)作為輸出神經元。其中S1、S2分別表示第一層和第二層神經元的數目。