电子信息系统内,一些设备暴露于特定高功率环境时的电磁防护能力需要被检验。为满足检验时特殊近场电磁辐射的系统电磁兼容性要求,可通过设计发射天线阵的幅度/相位实现功率合成,进而在指定空间位置获得预期的场强和功率密度。合成强度受到天线阵与目标之间距离的影响,在一定阵列近场范围内,距离的减少能提高目标点的功率合成强度,但也会导致天线阵与受试设备之间耦合效应的加剧。故而,有必要针对阵列近场的空间功率合成进行深入研究。本文选题源于“强电磁***测试与评估技术”项目。研究了阵列近场区域内存在受试设备时,功率合成目标处场强分布随受试设备材料和结构特性变化的典型情况。同时,为了提高求解场强分布时的分析效率,提出一种神经网络算法结合全波仿真以建立场强和功率分析模型的方法。详细分析了影响神经网络算法预测准确性和最终模型泛化能力的因素。本文的主要工作包括:1.设计了一款工作于典型X波段的高功率喇叭天线,并研究了其端口匹配和远场辐射特性、组阵后功率合成结果的理论与仿真对比情况。首先,通过优化喇叭天线馈电波导结构,使其满足低剖面要求并在整个频段内主辐射方向的增益大于11.8d Bi。其次,基于相位补偿的阵列近场的功率合成方法,以半波偶极子天线为例,对比10元线阵和10×10面阵在近场区域内理论分析与全波仿真的电场分布结果。最后,在目标点坐标给定情况下,通过分析合成场强确定10元高功率喇叭天线阵的放置方式。2.研究了当阵列近场区域存在典型受试设备时,高功率喇叭线阵在目标处的场强分布。其中受试设备为典型的全反射金属板、介质板或接收天线。分析了影响目标点电场峰值的部分因素,包括:全反射金属板的长度;介质板的厚度、长度和介电常数;喇叭接收天线的距离、俯仰角和工作频率。3.基于机器学习方法建立接收天线口面场强分布和接收功率的预测模型。建立口面场强预测模型时,设计了多变量抽样方法获取用于训练和测试的输入样本。其后在MATLAB中联合FEKO进行批量仿真获取各输入样本对应的输出电场和功率。并以10折交叉验证作为模型选择和模型验证方法,讨论样本数量和网络架构对训练结果准确性的影响。对比了Levenberg-Marquard算法、贝叶斯正则化算法和遗传算法优化超参数的性能。在接收功率预测模型中,讨论了支持矢量回归、高斯过程回归与人工神经网络所建立预测模型在测试集上的准确性。并根据变量的取值范围设计了新的测试集,验证了最佳神经网络模型在分析电场分布和接收功率时的泛化能力。