随着电子技术的发展，人们对于电子设备的可靠性要求越来越高，而模拟电路的故障诊断对于电子设备及其系统的稳定运行具有重大意义。但由于模拟电路存在故障多样性、电路非线性、电路元件具有容差等原因，使得模拟电路的故障诊断困难重重，实际诊断的正确率并不高。至今也没有完全成熟的故障诊断系统问世。所以，模拟电路的故障诊断也是一项富有挑战性的研究课题。近年来，人工智能、小波分析等理论的兴起，为模拟电路的故障诊断开辟了一条新途径，因此也成为模拟电路领域研究的热点。由于提取模拟电路的特征信息是模拟电路故障诊断的关键技术，所以本文对小波理论进行了深入的研究与学习，利用小波包特征提取算法提取模拟电路的高频与低频信息，经仿真实验验证，小波包算法可以有效的保留数据的高频信息与低频信息。为了提高模拟电路故障诊断的准确率，本文采用BP算法对模拟电路进行故障诊断，针对标准BP的学习算法具有收敛速度慢的问题，本文采用Levenbergmarquardt算法为BP神经网络的学习算法，可以有效的提高BP算法的收敛速度与诊断正确率。针对BP神经网络易陷入局部最优的情况，采用PSO算法优化BP神经网络的权值和阈值，并通过仿真实验验证PSO优化BP算法的有效性和收敛性。本文利用LabVIEW软件设计实现了模拟电路故障诊断系统，并在该系统内实现了小波包算法、BP算法和PSOBP算法，实现了LabVIEW、Matlab和Access数据库的无缝连接。通过对故障诊断模块、用户管理模块和结果保存模块的开发与实现，从而完成对模拟电路故障诊断系统的设计，并通过该系统可实现远程访问功能。