模拟电路故障诊断是一门多学科交叉的新技术,经过四十多年的发展,已经产生了许多故障诊断理论和方法,但离实用尚有相当的距离。随着电子工业的迅速发展,模拟电路故障诊断技术的重要性越来越明显,它对于电子设备或系统的正常运行和可靠性设计均具有重要的意义,这就需要探索新的有效的模拟电路故障诊断理论和方法。信息融合是近年来兴起的一门新学科,在许多领域得到了广泛的研究和应用,在模拟电路故障诊断领域的应用研究尚处于起步阶段。本文将信息融合技术引入模拟电路故障诊断中,借鉴了信息融合的思想和理论,建立了模拟电路故障诊断的一般框架,并对具体的诊断方法进行了较深入的研究。针对故障诊断中的不确定性,本文研究了基于证据理论的决策融合方法,并结合算例进行了分析。文中着力研究了基于神经网络信息融合的故障诊断方法,提出了神经网络信息融合故障诊断的原理及实现步骤,并结合具体电路进行了仿真分析,结果表明利用神经网络信息融合进行故障诊断能够提高样本的正确识别率。为进一步提高诊断准确率,本文基于神经网络和证据理论,构建了基于决策层信息融合的故障诊断模型及其相应算法,目的在于降低神经网络的输入空间,提高其分类能力,降低诊断系统的误分类,诊断实例表明了这种方法的可行性和有效性。为解决模拟电路的故障信息高效获取难题,本文采用小波变换作为故障信号的预处理器,研究了基于小波变换预处理的BP网络故障诊断方法,该法能在有效提取故障特征的同时,降低输入信息的维数,从而进一步简化了神经网络的结构,减少了其训练时间,提高了辨识故障类别的能力。