模拟电路故障诊断在电路设计、设备生产和仪器维护中发挥着关键作用,是目前学术研究者和工程师在电路理论技术研究领域中具有挑战性的重要课题之一。随着电子技术的迅速发展,模拟电路的复杂度和密集度不断增长,对模拟电路运行的可靠性提出了更为严格的要求。学术界和工程界都对模拟电路故障诊断理论与方法展开了大量的研究,并且取得了一定的阶段性成果。尽管模拟电路故障诊断理论与方法取得了一定的进展,然而依然存在着许多问题亟需研究和解决。一是模拟电路故障特征优化提取缺乏有效优选准则,二是对模拟电路故障集去噪的可靠性不高,三是在多分类组合策略选择上过于盲目,四是在模拟电路故障集不平衡问题上缺少有效的解决方案。本文结合小波分析和支持向量机,针对上面提出的问题,主要做了以下四个部分的工作:第一部分研究了基于小波包变换的模拟电路故障提取方法及小波包基函数优选方法。本文提出了基于能量熵和类间可分性测度度量的小波基函数优选准则,为最优小波基函数的选择提供了一种新的标准,提高了模拟电路故障样本的提取质量,从而为后期模拟电路故障的诊断奠定了基础。第二部分研究了基于支持向量机,快速密度峰值聚类(FDPC)算法,Box-Cox变换的模拟电路故障样本噪声识别算法。该算法相比于只基于密度识别的噪声识别方法,解决了模拟电路故障诊断中存在的噪声判别阈值选择的敏感性问题。最终提高了支持向量机训练模型的抗干扰性,降低了噪声对模拟电路故障诊断准确率的影响。第三部分研究了用于模拟电路故障诊断的支持向量机多分类组合策略,提出了改进的基于最小生成树的层次支持向量机算法。该算法解决了一对一、一对多、有向无环图多分类策略存在分类策略设计过于盲目效率不高的问题,并且按照类间可分性测度大小合理地设计分类决策树的拓扑结构,使得模拟电路故障诊断的分类策略趋于合理和高效,进一步提高了模拟电路故障诊断率。第四部分研究了模拟电路故障样本数量不平衡导致故障诊断率明显降低问题的解决策略,提出了应用于两种不同的不平衡情况的w-smote算法和w-k-smote算法,并且通过设计一种新的少数类样本边界度度量方法,提高了分类模型对故障样本边界程度的量化能力。最终,模拟电路少样本故障类的诊断率得到了有效提高,电路的整体诊断率也得到了相应的提高。