相控阵天线在服役过程中,外界环境温度的影响以及内部T/R组件过高的功耗等,会导致天线阵面温度的不均匀,进而影响天线馈电网络的输出电流,导致电性能下降。为解决上述问题,本文提出了基于不完备信息温度场重构的电性能补偿方法,论文完成的主要内容包括:1、提出了一种不完备信息下的天线温度场动态重构方法。该方法实现了温度场的实时计算,并且达到了提前一个时刻预估温度场的目的。本章用本征正交基分解（POD）的方法将天线的高阶模型映射成关于POD模式系数的低阶模型,以用于快速计算天线的温度场。但由于天线电性能补偿需要提前一个时刻将补偿量反馈到后台进行调整,所以,提出了使用递推最小二乘法对POD模式系数进行时间序列计算,以实现提前一个时刻预估POD模式系数的目的,从而能够提前一个时刻计算温度场,实现温度场的动态重构,为后续天线电性能补偿做铺垫。2、提出了一种基于迁移学习的温度场计算方法,以解决在实际应用中,模型误差以及测量误差导致的温度场重构不准确的问题。该方法在本征正交基计算温度场的基础之上,增加了误差修正模型。误差修正模型是通过迁移学习获得的,具体步骤为:先通过软件对模型进行先验仿真,获得大量的仿真数据（源数据）;再对样件进行实验,获得少量实验数据（目标数据）,之后通过仿射变换和自适应加权算法使源数据向目标数据进行学习,获得大量的伪仿真数据,最后,利用极限学习机算法构建误差修正模型,修正温度场重构结果,减小重构误差,使计算结果更接近实际情况。3、提出了一种补偿天线温度不均匀的方法。该方法结合了矢量拟合以及极限学习机算法,能够获得任意温度下激励电流的幅度和相位,进而,对天线的电性能做出补偿。首先,对功放器件进行温漂特性实验,获得离散温度下功放的散射参数随频率变化的关系;根据黑箱建模的思想,只考虑输入和输出,利用矢量拟合以及极限学习机的方法构建S21幅度和相位关于温度的机理函数G（f）。G（f）能够实现任意温度下激励电流S21参数幅值和相位的预测;最后,将该方法应用于64单元的天线阵列中,对受温度影响之后的电性能根据计算结果进行补偿,并与理想情况下的电性能进行对比,结果表明,该方法有较好的补偿效果。