随着处理器的微型化和集成度的不断提高，处理器系统变得异常复杂，因而对其可靠性和容错性能的要求随之加大，为此，建立相对准确的系统故障诊断模型变得至关重要。通过建立处理器系统仿真环境，进行故障注入，捕获故障注入过程的症状反应，分析实验数据，便可以建立故障诊断模型，提高处理器的故障识别和诊断能力。本文研究基于系统级症状的处理器的故障诊断方法，利用了SUN公司的OpenSPARC开源项目提供的全系统模拟器和联合仿真平台，搭建仿真环境，进行故障注入，分析实验数据，观察故障在结构级、操作系统级和应用程序级的传播和表现，建立故障诊断模型。本文首先分析了SAM全系统模拟器的特性，研究了全系统模拟器的层级结构、多核模拟和运行驱动方式、指令集配置等，分析故障在各个层级的传播模型，并设计了基于SAM全系统的故障注入平台，完成了故障注入实验。另外，本文在OpenSPARC T2的联合仿真验证环境下，研究了联合仿真平台，利用Verilog PLI技术，设计了基于联合仿真的故障注入实验平台，并完成了故障注入实验。分别对基于全系统和联合仿真的故障注入实验数据进行特征提取和统计分析，观察故障从结构级到应用级的传播，部件在不同故障模型作用下的症状分布，对系统级的症状分布进行了分析和比较。最后，分别利用基于BP神经网络的故障诊断模型、基于RBF神经网络的故障诊断模型和基于PNN神经网络的故障诊断模型进行了故障诊断，对三种故障模型的诊断效果进行了分析和比较。