由于模拟电路的连续性、非线性和元件参数的容差性等固有的特点以及模拟电路故障的多样性和复杂性,使得对模拟电路进行故障特征提取有很大的难度。随着模拟电路越来越复杂,传统的模拟电路故障特征提取理论和方法在实际的模拟电路故障特征提取中很难达到预期的效果,因此高效的故障特征提取方法和故障特征优化方法显得特别重要。小波包变换是一种时频分析方法,它是一种常见的模拟电路故障特征提取方法。但是,利用小波包变换进行模拟电路故障特征提取时选择不同的母小波函数进行故障特征提取会有不同的提取效果;为了获得最优的模拟电路故障特征,本文将能量和信息熵结合提出小波函数优选算法,并同时通过仿真实例证明了本文所提出方法是有效的。针对模拟电路故障特征的特性,利用深度学习对提取的故障特征进行学习,对已有的故障特征进行优化得到更能反映模拟电路故障的故障特征数据。最后将该方法与常见的故障诊断方法进行比较,故障诊断实例表明深度学习能够有效提高模拟电路故障诊断的精度。