武器系统的有效保养是我军国防建设的一项重要内容。其中，对于武器系统的故障检测和定位更是具有十分重要的战略意义。在军事装备领域，武器系统的复杂程度越来越高，传统的人工检测维护手段已经无法满足现代化武器系统的保障支持要求，军用自动测试系统(ATS)已成为武器系统可靠运行的必要保证。但是，目前我军武器装备的检测维修的整体水平比较低，检测设备落后于武器系统，单凭当前的设备和技术保障人员的素质，难以满足训练和实战的需求。因此，迫切需要研制一种能够有效进行故障检测和定位的自动测试系统，降低对维修人员素质的要求，这对提高我军的自动化测试水平、保障装备系统的综合性能，具有积极的意义和推动作用。 论文主要结合国防研究项目，重点研究了自动测试系统中的关键技术—模拟电路故障的诊断技术，设计了适应于某型水雷引信单板故障自动测试的样机。本文的主要工作内容和创新点如下： (1) 研究了模拟电路故障诊断智的人工神经网络法，该方法基于BP神经网络强大的联想、记忆、容错型、鲁棒性和很好的非线性映射能力。仿真结果表明，该方法诊断效果明显优于传统的故障字典法。(2) 提出了将模拟电路中元件容差的影响转化为电路输出响应的随机噪声，利用含噪声学习样本训练网络，提高模拟电路故障诊断的正确率。(3)对比研究了松散型小波神经网络故障诊断法中不同小波函数和特征提取方法对诊断性能的影响。(4)提出了一种新的简单有效的故障特征提取方法：用各层重构的逼近信号的波形最大值组成故障模式的特征向量。(5) 首次把自动测试系统的概念引入到水雷引信故障检测设备中，借鉴软件无线电的思想，开展了某型水雷引信故障自动测试系统的软、硬件设计。现场实雷测试表明，该系统可有效检测单板引信系统的故障所在。