随着电子技术的飞速发展,电路的集成度越来越高,结构和功能也日趋复杂,传统的故障诊断方法远远不能满足需要,因此模拟电路故障诊断是一个亟待解决的课题。模拟电路故障诊断发展缓慢的原因有很多,例如输入输出是连续量、容易受到周围环境的影响、模拟电路广泛存在反馈回路、元件存在非线性和容差等,另外,实际诊断过程中故障样本获取困难、故障信息利用不完全也是非常重要的因素。为了更有效地利用故障信息,本文提出了一种基于信息融合的模拟电路故障诊断方法。本文研究了信息融合方法在电路故障诊断领域的有效性,给出了信息融合方法的原理框图以及具体实现方法。整个诊断过程为：首先,使用电路仿真软件Multisim对待测电路建立一个.“软件电路”,然后对电路进行灵敏度仿真分析,选择相对灵敏度较大的元件构成诊断故障集,并通过分析电路选择激励信号和测试点；其次,通过软件仿真或者测试实际电路得到测试点的响应信号,经过采样得到原始样本数据,把原始样本数据和理想输出数据进行做差,就得到了预处理之后的样本数据；再次,分别对预处理后的样本数据进行主元分析(PCA)和小波能量特征提取,设计了两种特征融合方法进行融合,然后归一化得到融合之后的特征；最后,设计了一种分类器融合的方法对融合后的特征进行分类识别：首先用超椭球神经网络(HENN)对测试样本进行第一次分类,如果有不能识别的样本则送入纠错支持向量机(EC-SVM)进行第二次分类,最后把二者的诊断结果综合起来得到最终的故障诊断结果。本文最后选取一个实际电路模块来验证该方法的有效性,实验结果表明本文提出的信息融合的诊断方法能够正确定位和识别故障类型,诊断正确率高于单独的特征提取方法和分类器方法的诊断正确率。