模拟电路因其固有的特殊性，模拟电路的故障诊断技术的发展较数字电路来说相对缓慢，针对模拟电路的故障诊断技术的研究向来都是电路系统故障诊断研究领域的难点和热点。随着微电子技术的发展，集成电路大量运用到电路系统中去，使得针对模数混合电路的检测和诊断也呈现出许多优于传统的诊断方法。将神经网络及其改进算法引入故障诊断领域，为模拟电路故障的诊断开辟了新的道路。小波包分析通过自适应地确定信号在不同频段的分辨率实现了信号在高频和低频的同步分解；神经网络的优势在于其较强的非线性映射、自学习、自适应和容错性等能力。鉴于二者的优势，本文对小波包和神经网络相结合的诊断方法在模拟电路故障诊断领域的应用做了探讨，并对实例电路做了仿真分析，达到了预期的诊断效果。本文的主要工作如下：首先，在对模拟电路故障诊断的常用方法进行分析和比较的基础上，着重介绍了神经网络和小波变换、小波包分析的一般理论，并完成了基于小波包的神经网络结构设计。然后，通过实例电路对基于小波包变换的“能量—故障”诊断方法进行了研究，并将其应用于模拟电路故障信息提取中，从而达到简化网络结构，加速网络训练，降低网络复杂度，准确定位故障的目的。最后，通过实例电路仿真实验验证小波包神经网络拥有比BP神经网络更好的预测性能，此算法可以有效地进行模拟电路故障诊断的自动检测。