针对模拟电路故障信号的容差性、非线性、非平稳性等检测困难问题,提出适合处理这类信号的希尔伯特黄变换算法( Hilbert Huang transform,HHt),但信号特征提取产生虚假分量和模态混叠等不足。基于此,文中分别提出相关系数法和集合经验模式分解法进行改进。核函数和内核参数决定不同性能的支持向量数据描述( Support Vector Data Describe, SVDD),寻找最优内核参数,选择合适的核函数并构造多核函数优化SVDD算法。文中首先用改进HHt提取联合故障特征向量,然后训练优化后的SVDD分类器,最后将数据输入SVDD中进行检测,能有效地诊断电路故障,并具有较高准确率。