模拟电路故障诊断在电路测试领域占据着重要地位，一直以来都是研究人员关注的对象。随着科技的发展，电路板已经进入大型化与高度集成化的时代，电路可及节点少使得电路故障诊断变得越来越困难，能否高效准确的解决可及节点少的问题、获得大型集成模拟电路的故障信息显得尤为重要。本文针对这一问题提出了基于边界扫描的模拟电路故障诊断方法，用“虚拟探针”代替传统的物理探针，大大提高了电路的可测试性，利用Wiener级数描述非线性模拟电路，并通过训练神经网络实现电路状态的在线识别，完成电路故障诊断。本文分析了边界扫描技术中混合信号测试的IEEE1149.4标准，介绍了在模拟电路诊断中边界扫描所使用的指令。在此基础上，为了将边界扫描更好的应用于模拟电路，提出了三种基于边界扫描IEEE1149.4标准的电路可测性设计方法，为利用边界扫描进行各种模拟电路的故障诊断奠定了基础。针对模拟电路的非线性问题，用Wiener泛函级数描述模拟电路并研究了Wiener核的获取方法。用MATLAB编程提取了基于边界扫描的电路各状态Wiener核，又将前三阶Wiener核及相应状态的编码作为训练样本训练神经网络，通过训练好的神经网络在线识别出电路状态，达到智能故障诊断的目的。在进行理论研究和仿真的同时，本文设计了基于ATmega128单片机的故障诊断系统，其中硬件包括JTAG控制器、信号发生模块、数据采样模块、数据存储模块等。软件设计包括故障诊断系统、上位机软件、神经网络库的生成。可实现获取Wiener核、提取核特征以及训练学习神经网络等功能。最后以包含了具有边界扫描特性的STA400芯片在内的实际电路为例，对电路的各故障状态进行诊断，在上位机界面显示故障类型和故障元件编号，实验结果验证了基于边界扫描与Wiener核的电路故障诊断方法的可行性。