波形发生器是测控设备中的重要组成部分之一。在对波形发生器进行维护保障时,测试激励生成是故障检测中的首要步骤。据统计,波形发生器故障常常集中在信号调理部分和数模转换部分。因此本文重点针对模拟电路和数模混合电路的测试激励生成问题开展研究。在模拟电路中,由于潜在故障特征比较微弱,因而故障检测率较低。本文针对这一问题提出了一种基于偏差合成的模拟电路测试激励生成的方法,并且采用贪婪算法对测试激励集进行了进一步的优化,通过该方法,最终将获得整个电路的最优频率集,将该最优频率集构成的叠加正弦波作为模拟电路的测试激励,将会最大化的激发该模拟电路的故障特征,从而达到提高模拟电路故障检测率的目的。接着给出了将该算法应用在Sallen-Key带通滤波电路和Leapgrop滤波电路以及波形发生器中的信号调理电路的实际过程,并且给出了这个算法在这三个电路中获得最优频率集,以及在该最优测试激励下获得的电路的故障检测率,最后将该方法与传统脉冲激励进行对比,并通过SVDD分类器对故障进行检测,分别获得两种激励下的故障检测率,证明了本文提出方法的有效性。针对传统的数模混合电路故障检测中成本高、时间长的问题,本文提出了一种基于GAD-Tent混沌模型的测试激励优选方法。在D-Tent混沌模型的基础上本文采用遗传算法对该模型进行参数寻优,该方法获得的混沌序列既具有随机性又具有确定性,对故障检测有着良好的效果。本文将该测试序列作为数模混合电路的测试激励对电路进行检测,给出了将该算法运用到8位D/A转换电路以及波形发生器中的D/A转换模块中实际过程,将该方法与顺序序列和随机序列送入混合电路中该所获得故障检测率进行对比,证明该方法在保证故障检测率的同时,减少了测试时间,缩小了测试规模。