模拟电路故障诊断是电路系统中必不可少的部分,随着科学技术电路的规模、复杂度不断增大,以及电路系统的处理速度更快,对模拟电路故障诊断提出了新要求。由于故障诊断技术在电路系统部分的发展相对于其他部分的发展速度要缓慢许多,难以满足电子系统发展的需求,成为了电子测试系统领域的一个瓶颈。在模拟电路故障诊断中,故障特征提取和模式识别是模拟电路故障诊断的两个关键部分,因此针对构造特征向量和分类器是模拟电路故障诊断技术的难点所在。本文以故障特征的提取为重点研究内容,主要研究了两种新的模拟电路故障诊断的新方法。首先,本文在小波包特征提取方法的基础上提出了基于小波包和多重分形结合的特征提取新方法。一般模拟电路故障信号具有非线性的特点,小波包变换是一种线性的方法,不能完整的提取其分类特征。多重分形是研究非线性问题的重要手段,因此将小波包与多重分形相结合实现优势互补,对模拟电路故障进行特征提取。其次,在小波包的基础上融合ICA技术,提出了基于小波包和ICA结合的特征提取的另一种方法,找到了利用ICA技术进行模拟电路领域的故障诊断的切入点。ICA技术和以往的特征提取不同,它以非高斯性、独立性为特征的依据。通过小波包的处理,得到低频和高频成分,再作为ICA的输入,提取各频率层的独立成分,从而得到故障特征。最后利用BP神经网络作为故障特征的分类器,用实例仿真来验证各方法的可行性。小波包结合多重分形提取方法虽然诊断速度比小波包结合ICA技术的方法诊断时间上来说更快,但是在精度方面却稍微逊色一点。在实际诊断时可以根据诊断的需求不同选择不同的诊断方式。