模拟电路故障诊断一直是电路测试领域的研究热点,经过近几十年的发展,已形成了一套比较系统的理论和方法。随着智能化和自动化技术的发展,电子设备已广泛应用于各行各业以及人们的日常生活,对设备运行可靠性的要求亦越来越高,因此对模拟电路故障诊断进行研究具有重大意义和实用价值。模拟电路故障诊断的困难之一就是故障样本的缺乏,而支持向量机(SVM)在处理小样本问题上相比传统识别方法具有突出的优势,因此本文对基于SVM的模拟电路故障诊断进行了研究。本文研究了基于小波分解的故障特征提取方法的有效性,给出了支持向量机多分类的实现方法以及SVM在模拟电路故障诊断中的应用。本文针对较复杂的模拟电路故障模式多、诊断困难的问题,提出了一种基于多个纠错SVM分类器进行综合分类的模拟电路故障诊断新方法,整个诊断过程是：首先,根据被测电路特点将其划分为几个小单元,并对电路进行仿真和分析以确定故障集和测试节点；其次,对故障信号进行时-频联合特征提取并构造训练和检验样本集；再次,设计一个纠错SVM分类器用于识别出现故障的单元,并对每个单元设计一个纠错SVM分类器用于识别其区域内的故障；最后,用训练样本对每个纠错SVM进行训练,并将检测样本输入到训练好的多个纠错SVM分类器中实现电路故障诊断。本文最后选取一个较复杂的实际电路进行故障诊断实验来验证该方法的有效性,实验结果表明本文所提出的方法能够快速定位故障,其故障识别正确率高于单个分类器实现故障诊断方法的故障识别正确率。