随着电路网络规模和结构日趋复杂以及大规模集成电路的广泛应用，如何运用高效的诊断技术对大规模容差电路进行准确的故障诊断是目前实际工程急需解决的问题，也是模拟电路故障诊断理论的发展趋势。经过多年的发展，模拟电路故障诊断作为一门融合多个学科和领域的理论、技术和方法的综合性学科，已经形成了一系列的诊断理论和方法，但由于模拟电路的容差性、非线性以及其故障的多样性和复杂性，使得目前诊断容差模拟电路的故障的方法还十分有限，所以还需要探索新的模拟电路故障诊断方法。近年来，小波分析理论和人工神经网络理论发展迅速，并在许多研究领域开展了广泛应用。将小波分析理论和人工神经网络理论相结合应用于模拟电路故障诊断为模拟电路故障诊断开辟了一条有效途径，这也是目前热门的研究课题且倍受关注。本文以小波分析和人工神经网络为理论基础，利用小波良好时频局部特性，对模拟电路故障信号的进行预处理，并提取故障信号的特征向量；利用人工神经网络模式分类能力强的特性，对各类故障进行模式识别，并通过诊断实例证明了所提出方法的正确性。本文的主要创新内容有以下几点：一、研究了模拟电路故障诊断的人工神经网络方法，分析并阐述了应用神经网络进行模拟电路故障诊断的步骤；研究了应用BP神经网络诊断模拟电路故障的优势和不足，提出了一种改进的BP神经网络模型并将这种改进后的BP神经网络应用用于模拟电路故障诊断。二、研究了基于小波分析的模拟电路故障诊断的方法，利用小波良好的时频局部特性，对采集的模拟电路故障信号的进行小波分析预处理，提取处理后信号的特征参数作为神经网络的输入样本，并对神经网络进行训练，从而实现对模拟电路的故障诊断，达到识别各种故障的目的。三、研究了基于S变换和小波神经网络的容差模拟电路故障诊断的方法，利用S变换时窗宽度随频率变化和良好的时频局部特性，对模拟电路的故障信号进行分析处理并提取特征向量；构造了一种以小波基函数代替BP神经网络中的激励函数的小波神经网络，以该神经网络为分类器进行模拟电路故障诊断；并研究了这种方法在噪声干扰、故障特征向量重叠率高、测试节点不足的情况下进行容差模拟电路故障诊断的效果。