数模混合信号系统故障诊断是一个被广泛关注的前沿课题。随着电子技术尤其是超大规模集成电路和数模混合信号电路的发展，使数模混合信号电路的故障诊断面临极大的挑战。绝大多数系统都包括了数字电路和模拟电路，因此对数模混合电路测试的研究具有重要的实际意义。国外对这个课题有一定的研究，可是国内关于这个课题的相关文献还较少。人工神经网络用于电路故障诊断是一门崭新的学科，近年来，受到了普遍的关注和重视。 本文提出了把数模混合信号电路中数字电路部分与模拟电路部分统一进行综合诊断的新方法。该方法通过应用瞬态响应分析把数字电路部分和模拟电路部分结合起来进行诊断，解决了模拟电路和数字电路特性相差太大难于诊断的问题。传统的电路直流分析需要采样电路中的若干个可及节点，而使用瞬态分析对电路进行综合测试分析，不同的瞬态响应曲线与电路的不同状态相对应，只要提取输出点的时域特征即可，使得这一方法明显优于传统的电路测试方法。 本文在上述方法的基础上进一步研究了瞬态响应分析在模拟电路故障诊断中的应用。在实际测量中，电路中用于采样的可及节点不易测试，节点的电压(电流)值往往需要通过很多辅助手段才能获得，十分不便。应用本文所提出的瞬态响应分析新方法后只要测量电路的输入和输出节点，大大简化了电路的检测过程，极大的节省了测试时间同时降低了测试费用。实例证明故障的诊断覆盖率已较高。 新方法中提取电路瞬态响应的时域特性作为特征向量，用自组织特征映射SOFM网络来处理。SOFM网络除了具有神经网络联想记忆功能、容错性和鲁棒性以及很好的非线性映射能力的通用优点外还有它独特的优点：如果输入数据随时间按某个统计分布而变化，则系统能够自动适应这种变化，并且能继续模拟当前输入模式数据的分布。且SOFM网络的速度非常快，即使在训练过程中也如此。因此SOFM网络方法是一种很有潜力的诊断方法。通过对电路进行仿真表明，该方法对模拟电路和数模混合电路进行了较为准确的诊断，达到了较好的目标。