快速射电暴（Fast Radio Burst,FRB）是时域天文学的主要研究对象之一,由于快速射电暴事件的发生通常会爆发出巨大的能量,所以被认为是研究宇宙学的重要探针。但此类突发性天文现象在空间和时间上均难以预测,这对作为射电天文主要观测工具的射电望远镜的瞬态空域探测能力提出了难题。本文基于快速射电暴定位这一研究背景,针对扩展射电望远镜视场需求和提高对射电目标的定位精度问题,结合深度学习技术,提出了基于焦面场特征的快速射电暴定位方法,研究内容具体包括:（1）开展射电望远镜焦面场分布的几何、纹理特征与射电目标方位的关联性研究。利用专业电磁仿真软件FEKO对各空间方位的射电目标在焦平面上产生的电磁场分布进行仿真分析,仿真结果表明焦面场分布的几何特征与射电目标方位相关,从而建立起射电目标的方位信息与焦面场分布特征之间的映射关系。（2）针对FAST（Five-hundred-meter Aperture Spherical Radio Telescope）射电望远镜馈源系统的结构特点,提出了纵向移动馈源系统采样方式,以此得到三维电磁场分布,并结合深度学习技术,设计了基于注意力机制的快速射电暴定位算法。由于喇叭馈源数目的限制,得到的三维场分布是非常稀疏的,所以首先对稀疏三维场分布进行超分辨率重建,以得到完整的三维场分布信息,随后基于重建结果进行快速射电暴定位,同时,在算法中引入注意力机制和感知损失以提升重建效果和定位精度。仿真实验结果表明,所提算法在馈源数目的限制下,能够准确地对三维电磁场分布进行重建,从而对射电望远镜视场内外的射电目标均可实现较高的定位精度,在一定程度上扩展了射电望远镜的瞬态视场。（3）针对FAST馈源系统的结构特点,提出了旋转馈源系统采样方式,增加对焦面场的采样数目,同时设计了基于LSTM-VAE的快速射电暴定位算法。算法的结构主要基于变分自编码器（Variational Autoencoder,VAE）,同时为了挖掘不同采样序列间的内在关联性,编码器与解码器均由二维长短时记忆（Long Short Term Memory,LSTM）神经网络实现,结合多层感知机（Multilayer Perceptron,MLP）实现快速射电暴定位任务。仿真实验结果表明,该算法对于视场内外的射电目标,均可以进行有效估计,达到远高于望远镜角分辨率的定位精度。