本发明公开了一种基于深度重构模型的功率放大器行为建模方法，本深度重构模型结合了深度学习理论和Elman神经网络的优点，通过使用受限波尔兹曼机来初始化神经网络的权系数，在建模过程中只需较少的迭代次数，获得更快的收敛速度；利用Elman神经网络的输出除了与即时输入有关，也与历史输入有关的特点，用于描述非线性系统的记忆效应，完成功率放大器行为模型的精确重构。