随着电子技术的快速发展,模拟电路日趋复杂,测试参数较多,每个测点都包含了系统的健康状态信息,提取单一测点或者单一的特征量并不能最大限度地表示电路故障信息。为了提高故障预测的准确性有必要采用多种故障特征量对模拟电路进行故障预测和状态监控。目前在国内外关于模拟电路故障诊断的研究已较为丰富,然而关于模拟电路故障预测的报道却鲜见。且利用预测方法预测出来的只是特征量的数值,其并不能直观地和模拟电路的健康状态相联系,我们需要将预测出的数据转换为可以直观反映电路健康状态的量,从而为是否需要维修和进一步故障定位提供依据。基于上述原因,本论文主要的研究工作有：1.模拟电路多特征提取研究。特征提取是进行故障预测的前提,为了使故障预测正确可靠,总希望能从众多特征值量中选取最有效的特征量,获得尽可能多的电路故障信息,故研究多特征的提取就十分关键。鉴于此本论文提出了一种基于故障信息贡献率的特征提取方法,提取在电路实际运行过程中对此时出现的故障类型提供有效的故障信息量大的特征量,去除一些对故障信息无贡献或者贡献率很小的特征量,在对特征量降维的同时也保证了所选特征量的最优性。结合具体电路,验证了本文提出的多特征选取方法的有效性。2.多维预测模型研究。预测方法的好坏决定了对电路健康状态预测的准确性,传统的预测方法只是利用单一的故障特征量进行预测,并没能充分利用不同特征量之间的关联信息,故本论文详细研究了多维自回归(AR)预测模型和多维灰色预测模型,并利用粒子群优化算法对其中的参数进行了优化,结合具体电路验证了多维预测模型的有效性。3.模拟电路健康状态评估研究。模拟电路故障预测的目的是对电路的健康状态进行预测,从而为是否需要进一步的故障诊断和定位提供依据。然而利用预测方法得到的只是特征量的数值,不能直观的反映模拟电路的健康状态,故本论文提出了一种基于马氏距离的健康状态评估方法,且考虑到每个特征量重要性的不同,提出了基于敏感度的加权平均法来确定权重的加权马氏距离,实验结果证明所提方法能正确的进行健康状态评估,故障检出率高,适用于早期故障的监测,并且为加权马氏距离权重的求解提供了一种新思路。