摘 要：电子设备电路系统设计随着深亚微米集成电路技术的进步，通常在同一IC上集成模拟-数字混合电路信号用于减少成本和竞争优势。数字电路的故障诊断技术达到较高的自动化程度并投入实际运行，其测试方法在模拟和混合信号电路测试及故障诊断中的应用前景和人们的期望相差甚远。对于模拟与数字混合信号器件来说，至今尚缺乏高效和系统化的可测性理论、方法和工具，主要原因在于模拟和混合电路本身的复杂性。本文介绍了模拟电路故障诊断方法中的专家系统、神经网络、小波变换，分析了内建自测试（BIST）技术在模拟-数字混合信号电路的故障诊断以及其发展趋势。
关键词：模拟电路，故障，诊断，内建自测试（BIST）
引言
随着现代电子技术的高速发展，电路的集成度和复杂度也不断提高，根据资料报导，数字电路在电子整机设备中超过80%，但是模拟电路比数字电路更容易出现故障，大约80%以上的故障却来自模拟电路。在模拟和混合信号的集成电路中，虽然模拟部分仅占5%的芯片面积，但其测试成本却占总测试成本的95%，因此模拟-数字混合信号电路的测试问题尤为突出。主要原因是IC 设计产业的发展目标：SoC（System on Chip）的设计。目前电路设计中通常在同一衬底的 IC 上面集成模拟、数字和混合信号电路即通常所说的系统级芯片或者片上系统。这与已往的电子整机设备不同，采用不同的芯片构成，每个芯片执行不同的功能。现在的电子整机设备为了减少封装和装配成本，常将模拟和数字混合信号集成在同一芯片上用于信号处理，网络通信和实时控制方面，得到了快速发展，但模拟-数字混合电路信号的测试仍然是SoC进一步发展的瓶颈，使得 SoC 中的测试成本远远超过了设计成本。传统上，人们将混合信号电路分成模拟和数字功能块分别进行测试。由于数字电路的故障诊断技术已经成熟并达到较高的自动化程度投入实际运行，因此，本文主要讨论模拟电路故障诊断的方法以及混合信号故障诊断的内建自测试BIST技术。
模拟故障诊断理论和方法
模拟电路故障诊断研究自 1970 年代开始，逐渐形成了比较系统的理论，其主要研究工作是在已知网络的拓扑结构、输入激励信号和故障时，查找电路故障元件的物理位置和参数，从而达到排除故障的目的。由于模拟电路故障诊断自身的困难，其进展一直比较缓慢。模拟电路故障诊断困难的原因主要有:1)模拟电路中的输入激励和输出响应都是连续量，模拟系统中的故障状态比较复杂，难以进行简单的模拟与仿真，所以不可能像在数字系统测试中那样构造一部字典来“查阅”所有的故障；2)模拟电路中的元件参数具有容差，这是故障诊断面临的最大困难，从而无法实现故障物理位置的唯一定位；3)模拟电路中广泛存在非线性问题以及反馈回路决定了庞大的计算量；4)模拟电路中信息量不足，用作测量的节点数很少，供诊断用的信息量有限，从而造成故障定位的不确定性和模糊性，但在数字电路测试过程中，我们可以对电路分块进行测试；5) 模拟电路中敏感问题，由于环境变化对模拟电路极其敏感，从而造成元件参数发生变化。鉴于上述问题，因此不可能将数字电路系统中采用的测试方法简单地移植到模拟-混合信号电路系统中来，必须结合模拟和混合信号电路的自身特点探索行之有效的测试理论和方法。
目前，模拟电路故障诊断中常见的人工智能技术主要包括专家系统、神经网络、小波变换等。
2.1专家系统故障诊断方法 在模拟电路故障诊断中专家系统的基本原理是：首先用计算机采集混合电路中被诊断对象的信息，运用专家经验形成故障诊断专家系统的知识库，进行一系列推理，诊断出故障元件。混合电路故障与征兆之间的关系易于用直观的、模块化的规则表示出来；专家系统允许修改、删除或增加一些规则，以确保专家诊断系统的实时性和有效性。虽然专家系统能够有效的解决模拟电路故障诊断，但在实际工程运用中存在一些缺陷，比如信息获取的瓶颈问题、专家领域知识的 “无穷递归”问题以及实际电路故障诊断中存在的不确定因素等，这些问题大大影响了故障诊断的准确性。专家系统的故障诊断方法由数据库，知识库，人机接口，推理机等组成。
2.2神经网络故障诊断方法
人工神经网络就是利用可以实现的器件、系统或计算机来模拟人的思维，信息处理是通过神经元之间同时相互作用的动态过程来完成的。神经网络具有高度的并行结构和并行实 现能力，因而能够有较好的耐故障能力和较快的总体处理能力，特别适用于实时控制和动态 控制；人工神经网络具有自学习、自组织和自适应功能，特别适合处理那些故障诊断中无法用显性公式表示的、具有复杂非线性关系的情况，能够出色解决那些传统模式识别方法难以圆满解决的由于非线性、反馈回路和容差等引起的问题；同时神经网络强大的鲁棒性，即受 干扰时自动稳定的特性，和强大的容错能力。总之，人工神经网络以分布的方式存储信息，有效的实现非线性的映射和信息变换，解决了复杂系统故障诊断中存在的故障知识获取的“瓶颈”、知识推理的“组合爆炸”等问题。采用人工神经网络用于模拟电路故障诊断是有很大的应用前景。
2.3小波变换故障诊断方法
小波分析最初由法国学者Daubeches和Callet提出的，其基本思想类似于Fourier变换，在时域和频域同时具有良好的局部化性质。小波分析方法是一种窗口大小(即窗口面积)固定但其形状、时间窗和频率都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率。能聚集到信号时段和频段的任意细节，被喻为时-频分析的显微镜。因此我们可以利用连续小波变换检测观测信号的奇异点来检测出系统的故障。小波神经网络或小波网络。它是在小波分析研究基础上提出的一种前馈网络。其基本思想是用小波元代替了神经元，即激活函数为已定位的小波函数基，通过仿射变换建立起小波变换与神经网络的联接。小波神经网络由于把神经网络的自学习特性和小波的局部特性结合起来，具有自适应分辨性和良好的容错性，为故障诊断开辟了一条新路。但小波网络存在网络收敛慢、易限于局部最优等缺陷。
内建自测试（BIST）技术
模拟和数字混合电路出现故障时分别进行模拟和数字测试需要有多路选择器，这样就会增加了芯片的面积开销。如果把模拟与数字混合信号电路作为一个整体来测试，却又会带来
一些新的问题：模拟和混合信号电路高质量的信号发生器和特征分析算法比较复杂和耗时，增加了响应分析电路和整个激励源生成的硬件结构复杂难度。随着集成电路技术的发展，可测性设计在电路设计中占有越来越重要的地位，BIST作为一种结构化的可测试性设计技术（DFT）已广泛用于数字电路的设计，其在数字电路中的成功应用经验自然引发了测试人员将其移植到混合信号电路的测试上去。
内建自测试技术是在器件的内部设计测试结构，这些结构可以测试模拟和混合电路中常见的电路结构，包括组合和时序逻辑、存储器、乘法器、数据通道及其他嵌入式逻辑模块等。任何类型的内建自测试都有共同的用途，但在具体诊断测试时针对不同的目标对象表现出明显的差异。内建自测试根据被诊断电路自动生成各种测试矢量，并对输出响应进行比较，以适应电路的测试的硬件和软件，在其内部检测出被测件的缺陷或故障。被诊断电路的类型表现出多样化特征，它可以是设计模块或设计模块中的某个结构，当然它也可以是整个芯片设计。但是在模拟和混合电路的测试中，因其电路结构和测试任务复杂，所以如何将内建自测试技术移植到混合信号的 BIST 仍是研究的热点和难点。
4． 模拟和混合电路故障诊断技术的发展趋势
模拟和混合电路故障诊断课题是近代电路理论的一个前沿领域，也是目前研究的一项热门课题。我国在故障诊断领域的研究工作始于 70 年代末，较西方发达国家稍晚，但在某些理论研究方面达到了国外在此方面的水平。总而言之，模拟电路故障诊断中常见的故障字典法、元件参数辨识法、故障验证法属于传统模拟电路故障诊断方法。随着信息处理技术的发展，传统模拟故障诊断方法也朝着智能化的方向发展，逐渐形成了现代模拟故障诊断方法。现代模拟电路故障诊断方法主要以人工智能的诊断方法为代表。模糊理论、神经网络与故障诊断的紧密结合是的模拟电路故障诊断技术有了突破发展。但随着大规模电路的不断涌现，模拟电路故障诊断尚未完全实现自动化和智能化。在测试手段方面，当前模拟电路测试主要采用基于 DSP 的自动测试仪(ATE，Automatic Test Equipment)。单纯靠目前 DSP ATE 的技术无法解决模拟、混合信号电路测试的所有问题。因此在未来，仍需发展和完善其他能有效实现模拟、混合信号测试的方法和技术。经过多年的研究，模拟和混合信号电路测试及故障诊断方法的研究虽然取得了进展，但依然存在很多问题有待进一步研究。模拟和混合电路的研究领域又面临着新的挑战，开展故障诊断的理论方法研究显得更加重要。
参考文献：
[1] 杨士元.模拟系统的故障诊断与可靠性设计.北京:清华大学出版社,1993: 1-7
[2]朱彦卿.模拟和混合电路测试及故障诊断方法研究[湖南大学博士论文]. 长沙：湖南大学, 2008,6
[3]陈晓娟，于华楠.模拟电路故障诊断方法进展综述[J].科技进步与决策，2003(14)
[4]孙秀斌. 混合信号电路故障诊断的内建自测试（BIST）方法研究[电子科技大学博士论文].成都，电子科技大学, 2004,6
[5]曹荣敏，关静丽，张果.电子电路模糊神经网络故障诊断研究及仿真[J].计算机仿真，2005，11(25)
[6]王玲.大规模模拟电路故障诊断理论与方法研究[D].湖南大学，2006，4
