随着电子技术的快速发展,模拟电路结构日趋复杂,电路故障发生率越来越高。由于模拟电路在运行过程中,其故障表现为非线性和不确定性,一般故障特征提取方法很难准确并有效的提取电路的故障特征,利用新的技术进行模拟电路故障特征提取成为必然的趋势。经验小波变换(EWT)是近几年来发展起来的一种新的自适应信号分析方法,其主要用于处理非平稳、不确定随机信号。为了获得模拟电路最优的故障特征,本文将EWT方法运用到模拟电路故障特征提取中,提出了一种基于经验小波变的模拟电路故障特征提取新方法。为了验证该方法,本文通过特定的电路进行实验仿真,提取出了电路不同故障模式下故障信号的基频分量,并结合信号的能量熵,成功的提取出了电路的故障特征。仿真结果表明了本文所提方法的可行性和有效性。目前,国内外大多数学者都集中在模拟电路故障诊断等领域的研究,而对模拟电路健康预测方面的研究比较少见。现有的故障预测方法所提取出的故障特征数据不能很好的反应电路元件的退化程度,无法有效的对模拟电路的健康状态进行准确预测。由此,本文在经验小波变换方法的基础上,提出了表征电路元件参数退化程度的电路健康指数(HI)的概念,研究了模拟电路故障健康指数与故障特征之间的量化关系,建立了模拟电路健康状态的评价机制,结合BP神经网络预测模型,完成了模拟电路的健康预测。最后通过相关电路进行了实验验证,实验结果表明:基于EWT的模拟电路健康方法预测出的数据与元实际数据误差较小,能够比较准确的对元件故障退化情况进行预测,非常适合用于实际模拟电路的健康预测。