随着电子科学与技术的快速发展,越来越多的应用于模拟电路故障诊断的新方法不断被提出。目前很多智能诊断算法都具有不需要掌握电路知识、不需要求解复杂的电路方程等优点,但是该类算法的诊断效果的好坏与训练出的诊断模型具有很大的关系,在这个过程中的首要环节就是采集全面海量的原始故障数据。以非线性模拟电路故障的诊断为例,由于大量的电阻电容等元器件都存在容差,会导致采集到的数据往往呈现高维数、非线性结构分布的特征。如何对这些高维度的数据进行降维并从中获取优选故障特征成为了近几年研究关注的难点问题。本文针对基于模式识别的故障诊断这一问题,核心讨论如何构造高效的特征提取方法,以小波理论为基础,结合数据分析方法中的典型的适用于非线性问题的数据降维方法来提取故障特征等方面进行了全面的分析,并选用改进的克隆选择算法对二阶四运放低通滤波电路进行诊断与验证。本文研究的主要内容如下:1.对小波理论的工程应用进行了研究。首先对小波分解和小波包分解方法进行了详细的分析:分别从小波基函数的选取,小波分解层次选取等问题入手,针对分解层次越深入,数据量呈指数增加的问题,提出了降维的思路。2.对常用的几种降维算法进行了研究。分析了每种降维算法的特点和适用范围,结合模拟电路故障诊断工程应用的特点,通过理论分析和实验对比,为工程应用选择适合的算法。对于降维表现较佳的算法,对参数的选取和降维比例进行了进一步的分析。文中针对当前故障诊断方法诊断效率低,计算复杂等问题,提出了基于小波包能量谱和数据降维算法的复杂模拟电路软故障诊断方案,并以诊断的正确率为评价标准,对提出的方案进行了验证和评价。经过验证该方法可用于复杂电路的故障诊断,且成功的应用到复杂电路的板级测试中。