随着现代电子科技的迅速发展,电子产品逐渐向着集成化、模块化及精细化方向发展。无论从成本结构,还是从安全性能角度出发,快速精准的模拟电路故障诊断技术已成为一种客观需要。本文阐述了传统故障诊断技术和现代新型诊断技术,以BP神经网络为基础,以小波分析和信息融合技术为手段进行研究。文章从故障特征的提取、输入向量预先处理、诊断方法的选取和诊断速率的改进四个方面开展工作,主要成果有：(1)综合分析和介绍了模拟电路故障诊断技术当前的发展现状,总结了已有的诊断方法,对近年来先进的神经网络理论、BP神经网络算法和诊断步骤进行了阐述,并以实例说明了BP神经网络在故障诊断方面的优越性。(2)在故障特征提取方法方面,对故障信号进行小波分析,结合熵理论、峭度概念,能够有效的提取故障的小波熵和重构信号的峭度,从信号的能量分布特性和信号偏离正常状态的程度出发对故障电路特征进行提取。从实例分析来看,小波熵和峭度能够用于分辨不同的故障状态,有效的降低了处理的信息量,为下一步有效诊断奠定了基础。(3)在输入向量预先处理阶段,以小波分析、多分辨分析和信息融合为理论基础,提取出各频带信号的系数序列的绝对值之和和能量特征作为特征信号。本文利用信息融合的特征层融合技术,提出了一种基于小波分析和信息融合的模拟电路故障诊断方法,最后用实例诊断说明该方法在单软故障和多软故障诊断方面的有效性。实验结果表明该方法具有诊断速度快,诊断准确率高的特点,并提高了辨识故障类别的能力。(4)在改进诊断速率方面,文章利用小波函数作为神经网络输入层与隐层间的传递函数,形成嵌入式的小波神经网络。本文以实例的方式,在嵌入式小波神经网络的基础上,以提取的小波熵和峭度特征为特征向量,结合信息融合的方法实施故障诊断,结果说明了该方法的有效性和可行性。