自二十世纪九十年代起，以神经网络为代表的一种自适应模式识别技术的出现，为模拟电路故障诊断提供了一条有效途径，受到学术界的广泛关注。而近年来，多种仿生学算法的出现也拓展了神经网络在各领域的应用。粒子群算法作为一种群体智能的算法，利用种群优势为解决复杂问题的寻优提供了新的思路。本文首先介绍了利用神经网络进行模拟电路故障诊断的具体步骤和方法，然后阐述了BP神经网络的基本结构、基本原理以及其在故障诊断中的优劣势和改进方法，其次，详细地叙述了粒子群优化算法的基本原理，通过分析粒子速度进化方程研究算法本身的社会行为和收敛性能，最后将粒子群优化算法超强的全局搜索特性和BP算法快速的局部搜索能力有效地结合起来优化神经网络，同时，利用小波分析能够深刻反映电路运行状态的本质，具有减少神经网络输入量和简化网络体系结构的特点，提出基于小波分析和粒子群神经网络的模拟电路故障诊断方法。本文以神经网络为主线，以一放大电路为研究对象，提出将小波分析和粒子群算法优化的BP神经网络相结合应用于进行模拟电路的故障诊断，用ORCAD和MATLAB软件对电路故障诊断过程进行具体的仿真实现。同时，在对电路进行故障诊断的过程中，采用小波作为特征向量预处理的工具，在经过主元分析和归一化后，显著地减少了神经网络的输入维数；然后利用粒子群算法优化BP神经网络的网络权值和阈值，有效地克服了BP网络的缺陷，改善了神经网络的结构。电路仿真结果表明：小波分析，能够有效地处理输入数据，提取故障信号的特征向量，减少了故障诊断的时间，而粒子群算法优化的BP神经网络的网络结构得到非常大的改善，使得训练步数大幅度减少，诊断精度有效提高。