当今电子电路的规模以惊人的速度在增长,在大规模模数混合电路的发展进程中,测试成为一个至关重要的环节,电路的高集成度以及电路故障类型的多样性和复杂性给故障诊断带来极大的挑战。而基于模式识别原理,以神经网络为代表的计算机智能诊断技术为电路的故障诊断提供了一条有效途径。　　本文以BP神经网络改进算法和传统的模拟电路故障诊断理论为基础,分别运用节点电压值和者节点电流值构建故障特征向量,并训练神经网络进行故障诊断,在此基础上,提出运用节点电压值和节点电流值混合信息作为故障特征向量的方法,以此来训练神经网络,进行故障诊断,诊断实例证明此方法在考虑元件容差时仍有好的诊断效果,并能提高故障覆盖率。　　另外,本文将BP神经网络应用于数字电路故障诊断,以一个数值比较器为例,以诊断s-a-0、s-a-1,短路故障、开路故障等故障模型为目的,通过实验实现了单故障模式和多故障模式诊断,故障诊断率高,说明了这种方法是有效的。