本文主要讲了一下关于模拟电路故障诊断中的特征提取方法，希望对你的学习有所帮助。

引言 　　随着大规模集成电路技术的迅速发展及日益广泛的应用，为了维护各种器件及设备，人们必须借助计算机来找出电路的故障，模拟电路故障诊断已成为大规模集成电路课题中令人瞩目的一个课题。模拟电路的故障诊断和定位问题不仅引起广泛的关注，而且是国内外专家设计和使用电子系统的一大难题，其中大规模非线性复杂电路容差情况下的故障即软故障诊断，也是困扰广大科学工作者的难题。迄今为止，很少有文献对软故障即容差电路的诊断给出系统而有效的方法，特别是大规模模拟电路的故障诊断。本系统正是针对这样的考虑所设计的。系统核

1、引言 　　故障特征提取是模拟电路故障诊断的关键，而模拟电路由于故障模型复杂、元件参数的容差、非线性、噪声以及大规模集成化等现象使电路故障信息表现为多特征、高噪声、非线性的数据集，且受到特征信号观测手段、征兆提取方法、状态识别技术、诊断知识完备程度以及诊断经济性的制约，使模拟电路的故障诊断技术滞后于数字电路故障诊断技术而面临巨大的挑战。模拟电路故障诊断本质上等价于模式识别问题，因此研究如何把电路状态的原始特征从高维特征空间压缩到低维特征空间，并提取有效故障特征以提高故障诊断率就成了一个重要的

随着电路系统集成化和复杂化的发展，电路故障诊断技术越来越受到学者的重视，其中模拟电路由于其自身的特殊性成为研究中的一个难点。本文运用小波包特征熵作为电路故障特征的提取方法，选取支持向量机作为故障分类器，采用粒子群算法优化支持向量机的参数，将优化后的支持向量机与小波包特征熵相结合，共同完成对模拟电路故障的识别。通过对仿真实例的分析，验证该诊断方法的有效性和实用性。

引言 　　随着大规模集成电路技术的迅速发展及日益广泛的应用，为了维护各种器件及设备，人们必须借助计算机来找出电路的故障，模拟电路故障诊断已成为大规模集成电路课题中令人瞩目的一个课题。模拟电路的故障诊断和定位问题不仅引起广泛的关注，而且是国内外设计和使用电子系统的一大难题，其中大规模非线性复杂电路容差情况下的故障即软故障诊断，也是困扰广大科学工作者的难题。迄今为止，很少有文献对软故障即容差电路的诊断给出系统而有效的方法，特别是大规模模拟电路的故障诊断。本系统正是针对这样的考虑所设计的。系统主要包