自上世纪六十年代以来,模拟电路故障诊断已经延续成为研究热门领域。目前,研究成果显著,但模拟电路本身复杂性的特点,如元件的容差性、非线性和故障现象的多样性,造成实际模拟电路测试与诊断中,缺乏成熟的诊断理论和方法指导。特征提取作为故障诊断中数据信息处理的关键部分,找到一种快速而准确的特征提取方法对于提高故障诊断的正确率和效率至关重要。近年来,多元统计分析理论逐渐被运用到故障的特征提取中,为寻找最优特征提供了一种新的思路。本文首先对模拟电路故障诊断方法理论的发展现状进行简单阐述,针对故障特征提取的问题,重点研究主元分析和因子分析提取故障特征的方法理论,对原始数据进行大幅降维,提取出代表原始数据主要信息的最关键特征。为说明主元分析和因子分析的优越性,通过两个典型电路的仿真实例,与现有成熟的小波分析提取特征的方法进行对比。为对模拟电路中出现的各类故障进行诊断和识别,本文引进成熟的LS-SVM算法理论。该算法首先对所提取的故障特征进行训练,生成故障模型,然后应用相同的特征提取方法对诊断测试数据提取特征,构造测试样本集,与之前生成的故障模型一同导入该算法进行诊断,生成诊断结果文件,通过分析诊断结果文件来判断特征提取方法的效果。仿真实验表明：本文所采用的特征提取方法在对大量数据的降维上效果显著,而且诊断正确率相对于小波分析方法来说也比较高。