模拟电路的智能故障诊断技术是电路测试领域的重要研究内容之一，而模式识别是进行故障诊断的核心问题，其关键便是对模拟电路的故障特征进行优化选择和提取。模式识别过程中获得的原始数据往往包含大量的冗余信息，如果全部用于故障诊断环节，会致使计算量过大，降低故障诊断的效率，甚至有可能影响故障诊断的准确性，因此，对故障特征进行选择和提取就显得尤为重要。本文针对这一问题，以Wiener级数来描述非线性模拟电路，并采用优化的蚁群粒子群混合算法对模拟电路的Wiener核进行特征的选择和提取，以期快速、准确地进行模拟电路的故障诊断。在电路建模时，本文选取Wiener正交级数来描述模拟电路，研究了离散电路Wiener核的直接获取方法和间接获取方法，并采用低阶Wiener核为电路建模，进而研究了基于Wiener核的模拟电路智能故障诊断原理和方法。为了优化用于诊断的电路特征，本文研究了智能特征选择和提取方法。首先研究蚁群算法和粒子群算法，分析其原理和数学模型，结合两个算法的优点，提出改进的蚁群粒子群混合算法，并通过仿真验证蚁群粒子群混合算法与蚁群算法、粒子群算法相比，具有更好的全局寻优能力，搜索效率高，收敛速度快。然后研究了基于蚁群粒子群混合算法的智能特征选择和提取方法，并对模拟电路的Wiener核进行故障特征参数的优化选择和提取，采用实例对其进行验证，结果表明基于蚁群粒子群算法的特征选择和提取方法能够高效地对模拟电路的Wiener核进行特征选择和提取，提高了故障诊断的准确率。在理论研究和仿真验证基础上，本文还设计了用于模拟电路故障诊断的硬件电路和上位机软件，组建了完整的故障诊断系统，对典型电路的多软故障进行了故障诊断，系统能够快速准确地诊断出被测电路的故障元件和状态。