模拟电路故障诊断自20世纪70年代以来一直是电路理论领域的一个研究热点,至今已取得了不少显著的理论成果。但由于模拟电路故障现象的多样性、元件参数具有较大的离散性与广泛的非线性等原因,至今无论在理论上还是方法上均未完全成熟,距实用尚有相当的距离。随着大规模集成电路的快速发展,在实际诊断中,不易提取足以代表所有故障状态的可及节点电压作为故障特征,从而限制了故障诊断准确率的提高。多源信息融合技术作为信息处理的有力工具,为解决模拟电路的诸多难题提供了可能。为此,本文以研究基于多源信息融合技术的模拟故障诊断方法为核心,对模拟电路故障信息的融合方法进行较深入的研究。针对模拟电路及其诊断的特点,本文借鉴多源信息融合技术,在充分吸收国内外相关领域最新研究成果的基础上,构建了基于多源信息融合的故障诊断功能模型。在结合神经网络、D-S证据理论各自优势的基础上,提出了一种基于证据理论的异类信息融合诊断方法。该方法首先提取待诊断电路的电压和温度作为故障信息,经过归一化等处理后,分别输入两个独立神经网络作出初级诊断,并对初级诊断结果构建各故障状态的mass函数,从而得到综合诊断结果,并确定诊断结果的信任区间。模拟诊断结果表明,所提方法不仅提高了故障诊断的正确率,还可以得到诊断结果的信任度。同时,考虑到电路在故障时温度场会产生变化,本文引入热传导技术,通过比较电路板在故障状态和正常状态下的热图像,对电路进行无损诊断。并试图通过分析电路板的温度场,探索电路故障的自动识别方法。