在空间辐射环境中,各类飞行器上嵌入式计算机系统的硬件部分如寄存器、内存、I/O等,容易受到高能粒子辐射的影响,导致其上运行的软件发生错误。由于空间粒子轰击而导致运行在飞行器嵌入式系统上的软件发生错误是单粒子效应的主要表现形式。在不同的应用需求下,如何在为计算机系统提供高可靠性的错误检测方案的同时,保证相关的时空开销在可承受的范围内是一项挑战。因此,研究面向空间辐射环境的软错误检测技术,具有重要的现实意义和研究价值。本文对面向空间辐射环境的软错误检测技术进行了深入研究。主要研究工作如下:（1）针对源代码级现有数据流错误检测方法检测率不高且时空开销较大的不足,提出了基于智能分析的数据流错误检测方法。运用深度学习中的卷积神经网络,通过训练学习模型来智能识别源代码中的脆弱部分。基于识别结果,给出了具有针对性的变量冗余功能的数据流错误检测算法,可根据变量的脆弱性进行有针对性的冗余加固。实验结果表明,该方法在提高源代码级数据流错误检测率的同时,可保证较低的时空开销。（2）针对源代码级现有控制流错误检测方法在保证检测率的同时时空开销较大的问题,设计了基于基本区域划分的控制流错误检测机制。通过分析源代码中的程序结构与跳转规律,给出了源代码级基本块的定义,并给出了对程序进行源代码级的区域划分算法。同时,结合各区域间的关系与运行规律,设计了基本区域标签分析机制,可有效帮助检测基本区域间、基本区域内以及过程间的控制流错误。通过分析,验证了源代码级控制流错误检测机制可以在取得较高检测率的同时,保证较低时空开销。（3）综合上述两项研究成果,设计并初步实现了面向空间辐射环境的源代码级软错误检测系统。该系统可以对导入的目标源代码文本文件进行处理,根据需求使该文件的可执行程序具备检测在运行过程中发生上述两类错误的能力。使用嵌入式程序集Mibench作为测试数据集,在模拟ARM的目标平台下进行故障注入验证。实验结果表明,本文提出的源代码级错误检测机制可以有效检测因单粒子效应而引发的程序故障。