模拟电路测试与故障诊断始于20世纪60年代元件可解性问题的研究，发展至今已在理论上取得了长足的进展，但受元器件的容差、可测故障信息量不足、故障模式多样化、电路输入输出非线性等因素的影响，至今距实用尚有一定的距离。神经网络、小波分析、和信息融合等智能信息处理技术为解决模拟电路故障诊断中的诸多难题提供了一条新的途径。同时，红外诊断可以克服传统的接触法测试的不足，亦为传统的模拟电路故障诊断方法提供了一种有效的补充。本文首先综述了模拟电路故障诊断的研究现状，然后以基于智能信息处理技术的模拟电路故障诊断为核心，对模拟电路故障信息、特征提取和故障分类等进行了较深入的研究。模拟电路，尤其是大规模模拟集成电路使得传统的接触法在某些场合受到了限制。针对其造成的故障信息量不足的问题，本文研究结合红外诊断进行模拟电路的故障定位，融合电压信息和温度信息进行故障诊断，提出了基于SOFM网络的异质信息融合诊断方法。该法提取电路工作时的电压和温度信息作为故障特征信息，经预处理后作为样本输入SOFM神经网络分类器，通过SOFM网络输出层各神经元的竞争，得到获胜神经元，从而实现对样本数据的故障识别及分类。仿真实例证明了所提融合方法提高了诊断正确率。针对模拟电路故障诊断的特征提取和故障分类这两大问题，着重研究了小波分析在模拟电路故障诊断中的应用和极限学习机在故障模式分类中的应用。本文在利用小波包分解算法提取电路输出信号各子频带能量作为故障特征的基础上，将极限学习机引入模拟电路故障诊断，进行故障模式的分类。诊断实例表明本文所提的小波包分解和极限学习机相结合的模拟电路诊断方法能够对故障模式进行正确分类。