模拟电路故障诊断仍然是当前国际电路检测领域的热点和前沿问题。而传统的模拟电路故障诊断方法已经不能满足大规模集成电路的诊断需求,特别是对于非线性、容差模拟电路的诊断。目前,对模拟电路故障诊断的研究,一是如何有效提取故障信息。二是如何建立高效的诊断模型。考虑到模拟故障电路的冲击响应信号包含时变和非平稳信息,需要用小波理论进行预处理。本文研究应用小波包进行预处理,但是得到的小波包重构子信号只是包含故障信息的各阶模拟信号,无法作为神经网络等的输入。对此,提出了利用方差和峭度两个量提取各子信号故障信息的方法,解决了非线性、容差模拟电路故障特征提取难的问题。在解决小样本、非线性和高维模式识别问题中,与神经网络方法相比,支持向量机具有泛化能力强、全局最优等优点,本文研究应用支持向量机来进行模拟电路的故障诊断,针对DAG-SVM中由于节点选择的随机性,易导致“误差积累”的缺点,提出了基于向量投影的PDAG-SVM法。本文研究了一个从实际电路到故障诊断再到人机对话的模拟电路故障诊断系统。选用三星公司ARM920T内核的S3C2440开发板,成功实现支持向量机对模拟电路进行故障诊断,实现了系统的核心功能部分。最后移植Linux操作系统和QT到ARM开发板上,为故障诊断做出一个良好的人机交互界面。