随着故障预测与健康管理(Prognostics and HealthManagement，PHM)技术逐渐成为新一代飞机设计和使用中的重要组成部分，构建航电设备故障预测与健康管理系统正在成为信号处理的研究热点。作为一种新兴的故障诊断与管理方法，PHM技术能对航电系统的重要部件和系统进行全面的健康状态监控、故障预测、分析判断处理，对于监测飞行器关键部件工作状态、评估其状态退化趋势、预测其剩余使用寿命、保证其安全运行具有重要意义。航电系统健康管理中，系统的显著特征就是具有一定的故障预测能力。为提高航电设备健康管理中故障预测的准确性，提出一种基于多子波支持向量机的预测方法。由于多子波相对于单小波具有能更好的提取数据频段特征的优点，加上具有较强的泛化能力的最小二乘法支持向量机具有克服维数灾难和局部极值问题的优势，结合二者，首先利用多子波进行数据预处理，实现数据噪声的去除，将去噪后数据经过多子波分解为若干个不同频段的子序列，通过分析各个子序列的数字特征，确定不同的核函数来构造不同的支持向量机，进而对各频段数据分别进行预测，最后将各频段预测值进行多子波重构得到最终预测值。通过仿真验证，在输入信号信噪比为12.90db的情况下，利用GHM多子波处理后的信噪比能达到23.78db，均方误差为0.2365。在对高可靠拇指力控敏感开关组件数据用GHM多子波最小二乘法支持向量机进行5步预测时，预测的均方误差仅为3.7307。