小波变换(Wavelet Transform,WT)是近些年发展较快的一种信号分析手段，它通过将原始信号分解成不同尺度的一个个小波包络的线性组合而得名。一直以来小波变换的实现手段一直集中在软件实现和数字硬件实现，但这两种方法功耗较高，特别是针对电子耳蜗和嵌入式手持设备，这种功耗仍不可忽视。因此采用模拟电路实现小波变换成为了，小波变换低功耗的实现的一种发展趋势。开关电流电路是一种模拟数据取样电路，具有高精度且对工艺参数不敏感的特点，制作简单，很适合作为小波变换实现电路。小波变换的开关电流电路设计，主要核心在于如何将小波函数综合成滤波器可实现的结构，即非线性结构的线性化。目前的比较流行的手段是采用Pade变换在频域对小波基函数进行逼近，但是这种方法随着小波基函数尺度的变大，逼近后的信噪比也极具下滑；相对频域逼近，也存在小波函数的时域采样逼近，直接通过时域信号得出系统的零极点，但这种方法相对研究的比较少。正是在这种背景下，本文对小波函数的时域采样逼近方法进行了研究，研究工作主要集中在以下几点：1.通过等间隔采样和以幂函数作为逼近函数的基底的Prony拟合方法，把系统的零极点信息在拉普拉斯反变换之后保留到了时域，从而可以直接通过对时域信号的直接逼近就可以确定待逼近传递函数的结构和参数，无需从时域到频域再到s域的多番变换，也减少了变换过程中舍入误差对模型造成的影响。2.通过推导可以将待拟合方程变成AR和MA同阶的ARMA模型，从而完成了模型的线性化，之后便可以利用主成分分析(Principal Component Analysism,PCA)的手段对线性化后的系统进行快速的阶数估计；利用线性最小二乘法对系统进行快速的参数估计，大大降低了系统定阶和参数估计的难度。3.由于是原始模型为非线性模型，对这样的模型线性化之后，必然会因为采样的点不同而导致不同的估计结果，使得模型参数和采样率产生耦合关系。因此本文提出在参数初次估计之后，利用Levenberg-Marquardt对初估计后的参数进行二次迭代求解。实验证明这种方法能够快速有效的对参数进行估计，能够有效的将逼近后信噪比(Signal to Noise Ratio,SNR)提升约8db,并且能够解除采样率与待估参数之间的耦合关系解开。