随着数字系统设计技术的发展和电路集成度的提高,由晶体管缺陷导致的各种故障对电路的影响也越来越大,这给传统的测试技术带来了严峻的挑战。作为传统测试技术的重要补充,电源电流测试方法的出现能够提高故障的覆盖率以及产品的可靠性。其中,动态电流(IDDT)提供了一个观测电路内部开关性能的新窗口,动态电流测试方法为进一步提高故障覆盖率提供了可能。首先,本文通过PSpice软件模拟验证了异或门的平均动态电流与逻辑跳变以及输出负载数目之间的关系,为估计整个电路的平均动态电流大小奠定了基础。其次,针对动态电流测试中出现的测试矢量数量过于庞大,高度冗余的现象,研究了一种基于遗传算法的数字电路动态电流测试生成方法,利用几种神经网络分类器作为评估方法性能的工具。通过将遗传算法与测试优化选择算法相结合,大大缩减了测试集的规模。在诊断实例中,当测试集规模压缩至10%时,却达到了100%的故障诊断率,从而证明了该方法的有效性。在此基础上,研究了基于复杂故障模型的数字电路测试生成方法,实验结果表明用该方法产生的测试集能够有效激活故障,故障诊断率达到了86.10%。最后,研究了基于径向基网络(RBF)的数字电路智能故障诊断方法。RBF网络具有良好的泛化和全局寻优等能力,因此,采用RBF网络作为数字系统的故障模式分类器,可准确地完成不同类型的数字电路故障模式的识别与定位。