随着城市建筑物数量的增加，电波传播的环境也变得日益复杂。同时，电波传播的频段也越来越高，微蜂窝、微微蜂窝技术开始被采用以提高系统容量。在微蜂窝系统中，各个小区之间的统计相似性消失，传统的基于统计方法的场强预测模型不再适用。而新一代通信系统的规划与优化需要更精确的场强预测。针对该问题，本文重点研究新的高效、精确的场强预测方法。首先，射线跟踪法是近年来常用于城市微小区和室内环境的场强预测方法。论文实现了基于三维场景数据库的反向射线跟踪算法。射线跟踪方法虽可以得到精确的预测结果，但是需要建立高精度的场景数据库，并且算法复杂度高、计算量大。进一步，针对射线跟踪场强预测方法的局限性，引入了神经网络场强预测的优点，提出了一种基于射线跟踪和神经网络的场强预测混合模型。首先，基于简化的场景数据库用射线跟踪方法进行仿真，得到一组粗糙的场强值；然后，利用测量或者精确模型仿真得到的结果对神经网络进行训练，使其能够预测场景中的细节信息对场强值的影响。一方面，由于建立的场景数据库比较简单，与射线跟踪方法相比，采用混合模型可以明显地减少仿真时间；另一方面，采用神经网络来补偿场景中细小物体对场强的影响，提高了预测精度。本文在室内场景下对混合模型的性能进行了验证，仿真结果表明，混合模型能够高效、精确地预测场强。